V41 统一交易系统

> V40 战术交易引擎 + skill-A 分析报告，合并为单一流水线系统。
> 已通过长期回测验证，覆盖多市场环境。

30 秒快速开始（TL;DR）

首次安装（一次性，约 5-15 分钟）：

python scripts/setup.py --pull-kline

每日运行（每个交易日 15:30 后，约 2-5 分钟）：

python scripts/unified_pipeline.py

查看结果：打开 reports/收盘报告_YYYY-MM-DD_V41.html（浏览器双击即可）。

设置自动定时运行（一劳永逸）：

Windows 任务计划程序，每天 15:35 自动执行，不用每天手动敲命令：

schtasks /create /tn "V41DailyRun" /tr "python E:\path\scripts\unified_pipeline.py" /sc daily /st 15:35

> 以上每天 15:35 自动跑（节假日数据覆盖前一天也无妨，下次交易日恢复正常）。取消：schtasks /delete /tn V41DailyRun。

这是什么 / 不是什么

典型使用场景

场景 1：每个交易日收盘后做次日交易计划

# 15:30 收盘后执行
python scripts/unified_pipeline.py
# → 自动拉取当日数据 → 输出 final_decision.json + 9 章 HTML 报告

输出：明天买什么、买多少、止损在哪、什么时候卖。

场景 2：周末做周度复盘

# 周末跑一遍（用周五收盘数据）
python scripts/unified_pipeline.py --skip-pull
# → 跳过 K 线拉取（用已缓存数据），快速出报告

场景 3：搭建自己的量化回测

# 启用回测日志（默认开启）
# 每次运行自动追加候选到 data/backtest_log.json
# 积累 30+ 天后可统计胜率、盈亏比、最大回撤

场景 4：只想看市场环境，不输出具体标的

# 通过参数控制选股阈值（高分标的稀缺时减少推荐）
python scripts/unified_pipeline.py --limit-up 30

场景 5：作为自动化交易系统的决策上游

# 读取 data/final_decision.json
# 这是唯一的、结构化的决策输出（无矛盾版本）
{
  "date": "2026-07-31",
  "stage": "DIVERGE",
  "candidates": [
    {"code": "600xxx", "score": 87, "position": 0.15, "sl": -3.5, "tp": 8.0}
  ]
}

完整执行流程

[初始化 1次]                     [每日运行]

setup.py          →    unified_pipeline.py
├─ 拉股票代码                   ├─ 拉K线（增量）
├─ 建板块映射                   ├─ 拉板块数据
└─ 建数据骨架                   ├─ L0 评分
                              ├─ L1 环境判定
                              ├─ L2 战术匹配
                              ├─ L3 选股
                              └─ L4 风控 → final_decision.json
                                              ↓
                                         9章 HTML 报告

执行流程详解

输入参数

参数使用建议：
- 第一次跑：用默认参数（自动统计涨跌停）
- 周末复盘：加 --skip-pull（用缓存数据，秒级出报告）
- 自定义环境：手动传 --limit-up 86 --limit-down 9（系统会按你的输入判定环境）

输出文件说明

9 章报告结构：

报告怎么读

关键术语速查

报告阅读顺序建议

新手：
1. 第一章（市场阶段）→ 知道现在是什么环境
2. 第四章 TOP 5 候选 → 看推荐什么
3. 第五章 → 知道怎么买、怎么卖

进阶：
1. 第二章（重大事件）→ 理解市场为什么这么走
2. 第三章（板块全景）→ 抓主线
3. 第六章（风险预案）→ 知道哪些雷要避开
4. 第八/九章 → 跟踪前瞻

适用与不适用

✅ 适用场景

• 每个交易日 15:30 收盘后的自动化复盘
• 周末的周度策略回顾
• 积累 30+ 天数据后做策略回测验证
• 作为人工交易的决策参考
• 作为自动化交易系统的决策上游

❌ 不适用场景

• 盘中实时交易（系统设计为收盘后运行，盘中使用数据滞后）
• 长线价值投资（系统优化目标是短线，建议持仓周期 ≤ 10 个交易日）
• 港股/美股（仅支持 A 股，数据源为东方财富/通达信）
• 首次安装后立即使用（需要先跑 setup.py 完成初始化）
• 离线环境（需要联网拉取 K 线、板块、新闻等数据）

避坑指南（新手常踩的坑）

🚫 坑 1：没跑 setup.py 就直接跑流水线

症状：

FileNotFoundError: [Errno 2] No such file or directory: 'data/all_a_stocks.json'

解决：

python scripts/setup.py --pull-kline

🚫 坑 2：周末/节假日跑流水线

症状：
- 报告数据是 2-3 天前的
- 涨跌停数异常（节假日效应）

解决：
- 周末跑要加 --skip-pull，且只用于复盘
- 节假日不要跑（数据不更新）

🚫 坑 3：首次跑就启用回测

症状：
- 回测日志少于 30 天
- 统计的胜率/盈亏比毫无意义

解决：
- 至少积累 30 个交易日的 backtest_log
- 前 30 天只看不统计

🚫 坑 4：K 线数据缺失某天

症状：
- 报告中断、文件残缺
- 涨跌停数据异常

解决：

# 删除 K 线缓存重新拉
rm data/all_market_kline.json
python scripts/build_all_market_v2.py

🚫 坑 5：把"评分高"等同于"必涨"

事实：
- L0 评分是历史数据的量化结果，不预测未来
- 评分 80+ 的标的，胜率显著高于 60- 标的
- 但不是 100% 准确，单笔交易可能亏损

正确心态：
- 系统优化的是长期胜率 + 盈亏比
- 单笔交易以仓位控制 + 止损为核心

🚫 坑 6：每天追报告、频繁调仓

建议：
- 系统是日频决策，不建议日内多次调仓
- 持仓周期通常 ≥ 3 个交易日
- 频繁调仓会增加交易成本（手续费 + 滑点）

🚫 坑 7：忽视风险预案章节

重要性：
- 第六章会标注未来一周要规避的雷区
- 包含解禁、减持、业绩雷、宏观事件等
- 不读风险预案 = 裸奔

故障排查

性能问题

进阶用法

1. 定时任务（Windows 任务计划程序）

# 每天 15:35 自动执行
schtasks /create /tn "V41DailyRun" /tr "python E:\path\scripts\unified_pipeline.py" /sc daily /st 15:35

2. 接入企业微信通知

# 在 unified_pipeline.py 末尾追加
import requests
with open('data/final_decision.json', 'r') as f:
    decision = json.load(f)
requests.post('YOUR_WECOM_WEBHOOK', json={
    "msgtype": "markdown",
    "markdown": {"content": f"### V41 决策 {decision['date']}\n阶段: {decision['stage']}\n候选: {len(decision['candidates'])}只"}
})

3. 自定义评分权重

参考 scripts/unified_pipeline.py 中的 L0 评分函数，根据个人偏好调整各维度权重。

4. 多策略对比

每次运行前备份 final_decision.json 到 data/history/，可对比不同参数下的选股差异。

前置依赖

pip install requests

需要联网拉取（每个交易日 15:30-23:00 最佳）：
- 全市场 A 股 K 线（东方财富 API）
- 实时板块数据
- 财经新闻（外盘、重大事件）

首次安装

# 一键初始化（自动创建 data/ 目录、拉取股票代码、生成骨架文件）
python scripts/setup.py

# 包含首次K线拉取（耗时 5-15 分钟）
python scripts/setup.py --pull-kline

初始化后会在项目根目录自动创建：

data/
├── all_a_stocks.json       ← 全市场A股代码
├── chain_map.json           ← 板块/题材映射骨架
├── v33_daily_output.json   ← V33 输出骨架
├── external_factors.json   ← 外部因子骨架
├── realtime_sectors.json   ← 实时板块骨架
├── all_market_kline.json   ← K线数据（自动生成/更新）
└── backtest_log.json       ← 回测日志（运行时追加）
reports/
└── (每日报告输出目录)

> 骨架文件在首次运行时被真实数据填充。K线数据每日收盘后自动增量更新，仅拉取缺失日期。

常见问题（FAQ）

运行相关

Q：每天必须手动运行吗？

必须跑一次，但不需要手动。建议用上面的 schtasks 设置定时任务，每天 15:35 自动执行。

Q：错过某天还能补吗？

不能补当天的（数据源不支持历史拉取），但下个交易日正常运行即可，不影响后续决策。

Q：为什么报告里推荐的是昨天涨停的股票？

短线策略天然会跟踪强势股。系统筛选的是"趋势确认后还有空间"的标的，而非"低位埋伏"。涨停启动往往是阶段性选股算法的切入点。

Q：评分最高的为什么不一定是推荐排第一的？

最终排序综合了 L0 评分 + L1 风险缩放 + L2 仓位匹配，不是单一维度。系统会主动压制"高评分但跌停潮"中的标的。

数据相关

Q：数据来源是哪里？可靠吗？

K 线和板块数据来自东方财富公开 API，涨跌停等来自通达信。都是免费公开数据，可能存在 1-3 分钟延迟或偶发性缺失。

Q：断网了怎么办？

网络问题是该系统最常见的故障源。已有后备机制：setup.py 拉全市场代码失败时自动降级为 60 只沪深核心股；K 线拉取失败可用 --skip-pull 跳过（用缓存数据）。详见故障排查表。

Q：数据会不会越来越多，磁盘不够？

K 线缓存按日增量追加，365 天大约 50-80MB。回测日志（backtest_log.json）每月约 2-3MB。每年清理一次即可。

使用范围相关

Q：能同时用于港股或美股吗？

不能。当前仅支持 A 股，数据源和策略逻辑都按 A 股市场设计（涨跌停、T+1、涨停板制度）。

Q：能用于期货/可转债吗？

不能。数据结构和策略体系不匹配。

Q：能在 Mac/Linux 上运行吗？

Python 脚本跨平台兼容。但 Windows 任务计划程序的定时方法只在 Windows 可用，Mac 用 crontab，Linux 用 crontab 或 systemd timer。

反馈与改进

• 使用中遇到问题：检查本文档"故障排查"章节
• 发现 bug：记录错误信息、运行环境、复现步骤
• 想要新功能：在反馈中说明使用场景和预期效果