多因子动态调仓引擎

> 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

把一组风格因子（规模、反转、流动性、估值、质量、成长、技术……任意 N 个）按「因子择时」的思路整合：
用机器学习预测每个因子下期选股能力（IC），只给「当前有效」的因子加权、把失效因子剔除或降权，
动态构造复合因子并自动调仓；内置缓冲池换手率控制，在 Alpha 与交易成本之间权衡。
最终输出与「因子等权」基准可交叉校验的回测证据（年化 / 波动 / 信息比 / 最大回撤 / 换手率）。

方法经与公开多因子文献数值可交叉校验，可复现：IC 加权、方向门控、缓冲池、滚动重训等核心规则均按
已发表的机器学习因子择时框架实现；预测 IC 的 GBDT 为纯标准库复现（二阶泰勒目标 + 精确贪心分裂），
不依赖 XGBoost / sklearn，任意机器可直接运行。

When to Use（触发条件）

• 「我想验证因子择时到底有没有用，别只信相关系数显著」
• 「用机器学习预测因子下期 IC，给因子动态加权而不是永远等权」
• 「做一个会自动切换风格、降低换手率的调仓策略」
• 「对比等权 / 风格动量 / 机器学习三种因子整合方式孰优」
• 「把多因子动态调仓框架落成一个能按次跑、能出回测证据的接口」

Workflow（工作流）

用户须先提供因子方向（--directions，与因子列顺序一致的 +1/-1 列表；+ 表示该因子值越大越好，
- 表示越小越好）。流程读取 references/rules.md 的赋权与回测细则。

1. 取数 / 入参：scripts/fetch_data.py 拉真实 A 股月线构造宽面板 panel.csv
   （列 date,ticker,<因子1>,<因子2>,...,ret；ret 为该截面之后一期收益率，已对齐、无前视）；
   或用户自带同格式 panel.csv。估值类因子建议先取倒数（1/PE、1/PB），使「低估值」落在因子最大端。
2. 因子 IC 诊断：python3 scripts/run_local.py --input panel.csv --mode ic --directions ...
   → 各因子均值 IC、IC 标准差、ICIR、方向、有效性判定（见 references/rules.md 判定口径）。
3. 动态调仓回测：python3 scripts/run_local.py --input panel.csv --mode backtest --directions ... [--buffer 0.10]
   → 三策略对比（因子等权 / 风格动量基线 / GBDT 滚动因子择时）+ 净值曲线 SVG。
4. 因子权重时序：python3 scripts/run_local.py --input panel.csv --mode weights --directions ...
   → 每期各因子权重，直观看风格轮动（哪些因子被加权、哪些被剔除）。

> 透明网关（付费）下 Agent 收到 paid:true 后才在本地执行上述脚本；支付未确认前不取数、不输出付费内容。

Output（输出规范）

• 结论先行 + 可复现标注：报告首段给出判定结论与证据（如「GBDT 滚动因子择时动态调仓 IR 0.59，
  相对因子等权 0.33 显著提升，与机器学习因子择时文献方向一致」），不堆方法论铺垫。
• 三策略对比表：累积/年化收益率、年化波动率、信息比、最大回撤、平均换手率、月度胜率、回测月数。
• 因子 IC 诊断表：各因子方向、均值 IC、ICIR、有效性判定。
• 边界如实标注：未对冲（long-only）口径下回撤大于文献对冲口径；价格派生因子仅作框架验证，
  生产应替换为含基本面的完整因子集（见 references/rules.md）。
• 取不到数据 / 列不对 / 截面月份不足 → 标注「未获取」，不推测补造。

Notes / Constraints（约束）

• 免责：本结果仅为量化统计研究，不构成任何投资建议；历史极值收益不代表未来，策略存在失效风险。
• 方向门控纪律：正向因子仅当其预测 IC>0 才赋权、负向因子仅当其预测 IC<0 才赋权；预测全部失效时
  回退为因子等权（避免空仓或单因子暴露）。
• 换手率权衡：缓冲池占比 5%~15% 为宜，过小（高频调仓）被交易成本蚕食、过大（过度保守）损失 Alpha，
  与文献结论一致；具体取值由 --buffer 决定，默认 0.10。
• 数据边界：沙箱取数用价格/成交量可派生的 4 个因子（反转/动量/流动性/低波）作真实数据验证；
  生产环境把其替换为报告原 7 因子（含 ROE、速动比率、ROE同比、EP 等基本面因子），引擎支持任意
  N 因子与 +1/-1 方向，算法无需改动。
• 未做对冲：本引擎输出为多头组合（long-only）月度收益，未做指数对冲，故最大回撤大于文献对冲口径；
  如需对冲口径请在 ret 中传入「个股收益 − 指数收益」的对冲收益。

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": "multi-factor-dynamic-rebalance", "skill_version": "1.0.1", "query": "...", "amount": 500}）
• 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：已完成本地算法在真实 A 股数据上的验证（见交付物 实测报告）；付费链路 402 结构由 pay/server.py 提供，
  上线前需 DEV_MODE=true 验结构、再切生产密钥实测 1 元真扣（未做生产真扣联调）。

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": "multi-factor-dynamic-rebalance",
  "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": 500
}

• skill：必填，固定为本 Skill 的 slug multi-factor-dynamic-rebalance（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": "multi-factor-dynamic-rebalance", "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/run_local.py），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。