2026-03-10 日志

重大事件：v1.0.0 发布

Peter Chen 诊断

• 用 GPT-5.4（quota 超了换 Opus）创建了 Peter Chen subagent
• Citadel/Millennium 视角诊断系统，核心结论：
• 544个ML模型是噪声源（52-55%准确率≈随机）
• 选股因子是全部alpha（Sharpe 1.75-1.93）
• ML+Markowitz把Sharpe从1.75砍到1.36
• 应该用截面排序而非时间序列方向预测

架构革命

• 去掉ML预测层，因子选股+最小方差
• 选股因子V2: 45%趋势 + 35%动量 + 20%质量(ROE+ROIC)
• 单因子测试: ma60_ratio Sharpe 1.93 最强
• 去掉拖累因子: 低波动(1.29), 价值(0.51), JT动量(0.95)

调仓优化

• 月度 vs 按需测试: gap18最优(Sharpe 1.85)
• rotation threshold不影响结果(只要到gap，变化自然够大)
• 最终: 每日评估 + gap18 + rotation≥3

结果

• v1.0.0: +107.3% Sharpe 1.85 MDD -19.0%
• 旧系统: +48.3% Sharpe 1.36 MDD -18.5%
• Sharpe提升36%, 收益提升122%

Bug修复

• ml_infer特征不匹配(14/55→52/55)——根本原因是calc_feature_row_from_close只产14个特征
• 混版本模型清理(16个旧模型)
• month_changed被min_trade_gap吞掉
• price_floor用hfq价格无意义

测试套件

• 67个测试6个文件全部通过
• 覆盖: 数据完整性/特征/ML/选股/回测/集成

hfq vs qfq 讨论

• 冰冰纠正: qfq不会放大收益(pct_change数学上等价)
• 收益下降是因为去掉inline重训练，不是因为换hfq

待做

• 2 截面排序ML模型(Peter建议的下一步)

• 生产planner需要适配新策略
• cron端到端验证