选股策略自进化研究系统

它解决什么问题

把一篇公开研报或一个模糊的选股想法变成可运行研究时，最常见的失败不是回测不赚钱，而是无法解释收益从哪里来：财务数据在调仓日是否已经公告、股票池是否存在幸存者偏差、验证集的改善是否只是过拟合、测试集结果有没有偷偷回写参数。这个 Skill 把这类审计拆成可执行约束。

它把“复刻研报”变成一组必须逐项回答的问题：

• 原始策略逻辑是什么，哪些来自公开披露，哪些是本地 clean-room 近似
• market、daily_basic、financial、stock_basic、benchmark 是否满足最小字段契约
• 训练集、验证集、测试集是否隔离，测试集是否只做人工复核
• 每个版本目录是否留痕，失败版本是否也保留
• 代理字段、样本缺口、字段口径是否写入 known_gaps

核心能力与关键步骤

默认策略是“稳健低波价值优选”。先按流动性、上市时长、市值、ROE 和估值可用性建基础过滤，再用盈利收益率对 ROE 做横截面回归取残差形成价值基础池；leader、dividend_defense、growth_stability 三组评分进入月度调仓，目标持仓 30 只、缓冲池 45 只、单票上限 5%，权重按下行波动倒数分配。

运行流程强调先证据后代码：

1. 建立 reference_claims.json，把研报或用户描述中的结构化事实与本地近似分开
2. 构建 canonical JSONL，并生成 data_inventory.md 与字段映射表
3. 生成带 hash 的特征缓存；签名不匹配时回退现场计算
4. 固定 v0.0.0 基线，输出样本覆盖、年化收益、波动、Sharpe、回撤、Calmar、换手和胜率
5. 只做小步候选演化：价值池分位、流动性阈值、因子权重、持仓数、缓冲池、波动窗口、调仓频率
6. 验证集负责保留版本，测试集只复核外推风险，不参与自动选择
7. 输出 validation_report.md/json 和版本账本；失败步骤也要记录错误摘要、缺失字段和下一步

适用边界与注意点

它面向研报复刻、量化工作流搭建、回测审计和策略机制验证，不是荐股工具，不提供买卖指令，不承诺收益。任何指标都必须附带样本区间、交易日数量、年化天数、是否含交易成本、是否同一窗口比较等口径。

高风险点要特别小心：财务数据只使用公告日可得信息，缺失 ann_date 时用报告期后保守滞后近似；禁止用当前成分股回推历史；ST、停牌、涨跌停无法逐日处理时要标注缺口；没有基准时不能计算超额收益。任何一项审计未通过，都不得声称“完全复刻”。