因子实验室

要解决什么问题

当你手里只有一只股票代码，却想在「值不值得买」这个问题上得到可复述的量化依据，而不是泛泛的基本面印象时，纯聊天式回答往往缺少因子明细和统一评分口径。FactorLab（因子实验室）把开源证券金融工程研报里的因子切割论（三因子模型）落成可执行的 Python 分析脚本：对 A 股给出因子拆解、综合分与四级购买建议，并支持在股票池里按分数排序筛选。

技能如何工作

• 单股深度分析：传入股票代码（如 000001），运行 scripts/analyze.py 得到完整因子明细、子分映射与「购买建议」段落，再据此用自然语言解释看多理由与风险提示。
• 批量扫描：使用 --batch、--min-score、--top 等参数扫描股票池，先按 FactorLab 评分排名，再对候选股补跑单股报告。
• 结构化输出：默认 Markdown 报告；加 --json 便于程序读取三因子原始值与子分，并对照 references/factor_theory.md 解释理想反转、振幅、动量等因子含义。

购买建议按综合分划分：强烈推荐买入（≥80）、建议买入（≥65）、观望（≥50）、不建议买入（<50），对应三因子是否共振、信号偏中性或偏空。

适用边界与注意点

1. 输出若标注 🔬 模拟数据，结果仅用于流程验证，不能当作真实行情结论；需 📡 实时数据（如通过 pytdx 连接 TDX）才贴近实盘环境。
2. 长端动量依赖约 160 根日 K，数据不足时该因子无法计算，解读报告时要说明缺失项。
3. 模型基于历史数据的量化规则，不构成投资建议；向用户说明结果时应保留风险披露。