人工智能选股模型

> Pay Skill 范式：鉴权型（agent_local）
> 鉴权型：履约在本机执行（需本地取数/解析大文件），远端网关只做支付鉴权，支付通过后返回 fulfillment: "agent_local"，Agent 再跑 scripts/ 下的脚本产出结果。

Overview

把多因子暴露映射成下期上涨/跑赢概率，并横向比拼五类机器学习模型——逻辑回归（广义线性）、线性支持向量机、高斯朴素贝叶斯、随机森林、AdaBoost——用同口径的样本外滚动评估（AUC、Rank IC、分层回测、多空收益差、头组上涨率）说明哪类模型、哪个因子组合在当前市场更有效，并直接输出可加自选的股票池。

方法基于一套经过真实 A 股月线数据交叉校验的「机器学习选股」框架：月频截面、因子标准化、滚动窗口训练、样本外评估；不依赖任何单一结论，而是把判断交给可复现的统计证据。对因子是否有区分力、线性模型够不够、非线性/集成模型能否再榨出 alpha，都能给出统一口径的答案。

When to Use（触发条件）

• 「我想用机器学习做选股，但不知道逻辑回归、SVM、随机森林、Boosting 该选哪个」时
• 「给我一组因子，先验证它们对下期收益到底有没有区分力」时
• 「别只给一个模型结论——把五类模型放一起比，告诉我谁更稳、谁在历史样本外更准」时
• 「按这套因子给我一份下月值得重点关注的股票池」时
• 「我的因子在线性模型里有效，想知道随机森林/Boosting 能不能再挤出一点 alpha」时

Workflow（工作流）

1. 准备数据：宽表 CSV（date,ticker,f1..fn,ret）。字段口径与构造方法见 references/rules.md；想直接验证真实数据，可先跑 scripts/fetch_multifactor.py 拉 A 股月线生成面板。
2. 数据适配诊断（模式 framework）：统计有效截面期数、特征数、类别平衡度，给出模型选择建议（线性优先 or 非线性优先、窗口长度）。
3. 滚动训练 + 样本外评估（模式 compare）：以 24 个月为滚动窗口，每期仅用历史数据训练，五类模型各自预测下一月；汇总 AUC / Rank IC / 分层回测 / 多空收益差 / 头组上涨率。
4. 选股池生成（模式 pool）：用历史训练最新截面，输出各模型 Top-N（默认 20）股票池，附预测概率与下期实际收益。
5. 输出与解释：报告含横向比对表、最优模型五分位分层回测（附 SVG 图），并如实标注信号强弱边界。

Output（输出规范）

• 结论先行：先给「哪类模型在本次数据上更具区分力」的判定与证据（AUC / Rank IC），再展开明细。
• 五个模型统一口径比对，避免「只报最好那个」的选择性呈现。
• 分层回测以五分位呈现，最高概率组（第 5 组）与最低概率组（第 1 组）的均值差即多空收益差的近似。
• 数据缺失/列不对/样本不足时，明确输出「未获取」并说明原因，不推测、不补造。
• 信号弱（IC 接近 0、AUC 接近 0.5）时，如实说明「当前因子在该周期区分力有限」，不做夸大。

Notes / Constraints（约束）

• 本结果为基于历史数据的量化统计研究，不构成任何投资建议；机器学习对历史规律的总结存在失效可能，历史收益不代表未来表现。
• 模型只做统计推断，不访问任何外部下单/账户系统，不替用户做交易决策。
• 因子质量决定上限：模型再强也只是「更高效地挖掘因子的区分力」，无法凭空创造信号；因子构造口径见 references/rules.md。
• 批量调用同一订单（already_fulfilled=true）时复用上次结果，不重复消耗取数配额。
• 数据口径差异（剔除 ST、停牌、标准化方式、标签三分位）会显著影响结果，复现前请对齐 references/rules.md 的协议。

Pay Skill 模式（鉴权型，按次付费，已接入 X402）

本 Skill 为付费技能（Pay Skill），按次收费，已通过腾讯 SkillHub +
微信支付 Agent Pay X402 协议接入。不存在免费运行模式——
未完成支付授权前，不得执行本地履约脚本、不得输出任何付费内容；
鉴权型只由服务端返回的 paid: true 解锁本机履约。

> 使用者须已安装并开通 weixinpay_pay 插件（微信 AI 支付 / AI 专属卡）。
> Step 0 检查不通过时不发起付费调用，直接引导开通后重试。

鉴权型：履约在本机执行（需调用本地取数脚本 / 解析本地或远程大文件），
远端网关只负责订单鉴权与支付状态确认，支付通过后返回 fulfillment: "agent_local"，
不返回业务结果；Agent 收到 paid: true 后才在本地跑 scripts/ 下的脚本产出结果。

• 统一网关主接口：POST https://pay.zerone-iteration.com/api/invoke
  （请求体 {"skill": "ai-stock-selection-models", "skill_version": "1.0.1", "query": "...", "amount": 980}）
• 兼容入口：POST https://pay.zerone-iteration.com/api/resource（等价于默认 Skill）
• 支付回调：POST https://pay.zerone-iteration.com/api/pay/notify
• 退款回调：POST https://pay.zerone-iteration.com/api/refund/notify
• 实现：透明网关（nginx + Java 17 / Spring Boot + WechatPay-Java，微信支付公钥模式）；
  skill/skill_version 仅做格式校验后透传进 X402 预下单，不查 SkillHub（不查注册表、不反查是否真实存在/已发布/版本匹配）；
  无本地白名单，新增 Skill 免 Java 注册、免改 JAR、免重启，直接 POST /api/invoke 传正确 slug+版本即可
• 状态：参考实现，付费链路需以 DEV_MODE 联调通过后再标注实测结论。

Agent 侧调用规范（含付费前置插件检查）

Step 0 付费前置插件检查（必须，缺失则不得发起付费调用）

1. 检测当前环境中 weixinpay_pay 插件（微信支付 Agent Pay / AI 专属卡）是否已安装并已开通；
2. 若不存在或未开通：不调用 /api/invoke，改为提示用户先安装/开通微信 AI 支付，完成后再继续；
3. 若可用：继续 Step 1。

Step 1 调用统一网关：POST /api/invoke，请求体：

{
  "skill": "ai-stock-selection-models",
  "skill_version": "1.0.1",
  "query": "用户原始需求（用于订单留痕，不作为履约输入）",
  "amount": 980
}

• skill：必填，固定为本 Skill 的 slug ai-stock-selection-models（与 SkillHub 已发布的一致；透明网关下传错 slug 时错误延后到 SkillHub/微信预下单环节才返回）；
• skill_version：必填，当前版本号 1.0.1（缺失返回 400 MISSING_SKILL_VERSION）；
• amount：必填，单位分，服务端校验为大于 0 的整数（小数/布尔/零/负数一律 400 INVALID_AMOUNT，不静默截断）；
  区间不强制，价格由 SkillHub 产品定价约束。

Step 2 支付触发（X402 预下单 → 402）：未支付时服务端依次执行——

1. 生成订单号 out_trade_no（402 响应头 X-Out-Trade-No 与响应体 out_trade_no 均会返回，Agent 须记下）；
2. 调用微信支付 Native 下单，获取 code_url；
3. 用 SkillHub 开发者私钥（SHA256withRSA）对 X402 AI 预下单请求签名；
4. 调用 POST https://payapp.weixin.qq.com/palmpayminiapp/clawagentpay/preorder 换取 payment_code；
5. 返回 HTTP 402，响应头 WeixinPay-Required 与 body WeixinPay 块中
   同时携带 X402 预下单返回的 payment_code（必须是 X402 的 payment_code，
   不能直接把微信 code_url 当作 payment_code 返回），并回显本单 amount 与 out_trade_no。
   ⚠️ body 的 WeixinPay 嵌套结构最易遗漏：缺失时 weixinpay 插件从 body 解析不到
   payment_code，会报「当前支付订单已过期」，该报错常被误判为「返回了 code_url」。

Step 3 用户支付授权：Agent 将 WeixinPay-Required 头（或 body WeixinPay 块）中的
payment_code 作为 paymentCode 交给 weixinpay_pay 插件，向用户申请支付授权。

Step 4 二次调用鉴权：用户完成支付后，Agent 再次调用 POST /api/invoke
（请求体同 Step 1，带请求头 X-Out-Trade-No: <402 返回的订单号>）；
服务端按订单号主动向微信查单验证支付成功（不依赖回调到达）后返回：

{"ok": true, "paid": true, "fulfillment": "agent_local",
 "skill": "ai-stock-selection-models", "out_trade_no": "...", "already_fulfilled": false}

Step 5 本地履约（本 Skill 的关键差异）：Agent 收到 paid: true 且
fulfillment: "agent_local" 后，在本机执行 scripts/ 下的脚本产出结果
（见 scripts/README.md），再把结果交付给用户。
支付未确认前，不执行本地取数脚本、不输出任何付费内容
（未支付重试返回 402 {"code":"NOT_PAID"}）。

> 幂等说明：already_fulfilled: true 表示同一订单此前已鉴权通过；
> 此时直接复用上次已产出的结果，不要重复跑取数脚本（避免重复消耗外部接口配额）。

异常处理说明（Agent 与服务端两侧）

> 核心原则（SkillHub 官方教程 FAQ）：支付失败/未确认时必须如实告知用户，绝不据此推进后续流程。

核心特征对照表（供审核查验）

包内 pay/server.py 为 Python 参考实现（含 APIv3 签名、X402 预下单、回调验签解密、
主动查单、幂等鉴权、透明网关无需注册表），部署说明见 PAY_SKILL_UPGRADE.md 与 pay_skill.yaml。

注意：本 Skill 涉及两套独立密钥/证书——

• 微信支付 API 证书（wechat_pay）：用于微信 Native 下单与主动查单；
• SkillHub 开发者密钥（skillhub）：用于 X402 预下单签名。

私钥均不得写入 Skill 包或仓库，须通过环境变量注入服务端。