目录

这个项目开始时,我想做的是一套能猜中股价的自动交易系统;不知不觉间,它变成了一件重新衡量"我的判断依据到底有多可靠"的工具。下面我按大的变更批次梳理提交历史,回顾自己做了什么、又放下了什么。

先搭收集数据的底座#

我最先写的不是分析,而是管道:采集股价和基本面数据、定时执行的调度器、认证,以及 TradingView 信号的存储与分析。数据如果不能导入、积累、在固定时间点处理,一切都无从谈起。

那时的我很贪心。不光是股票,外汇和加密资产的数据我也采,还试过让 AI 判断买卖并直接下单。现在回头看,那段时间与其说在做产品,不如说是抓到什么试什么,摸清到底哪些事能自动化。

改造成"由人来判断"的工具#

最大的转折,是把重心从一个什么都想装的系统,移到股票筛选器、精选股票池和辅助手动决策的驾驶舱上。我把数据采集、分析、API 和界面按职责拆开,按 CN、JP、US 各市场切换条件和展示,再用同一套构建、同一个网关对外提供。

与此同时,我决定不把判断交给系统。驾驶舱不下单。core 里不放 LLM 的买卖判断,而是以确定性的 GMMA、CCI 信号和规则为分析核心,AI 只做部分辅助。与其说是砍功能,不如说是我在心里理清了:到底凭什么给出判断。

为持续运行而做的设计#

选好股票、展示一次就完事——事情没这么简单。要在日线、小时线、周线上做评估,监控价格和信号,再呈现到个股详情和图表里。每当市场数据更新,评估就得往前推进,worker 负责处理,界面读取最新状态。我让每个候选标的的处理相互独立,一只股票出错也不会拖停整个市场的评估——要把它做成能长期运维的产品,这个改动必不可少。

把数据"何时确定"做成产品的一部分#

最近的提交记录里排着这些改动:梳理 JP、US 的标的范围(universe),处理新上市和退市的股票,重建周线数据,还有一处修正——等交易所收盘价确定之后,再导入日线和周线。我深切体会到,光能拿到数据还不够;这个值属于哪只股票、在什么时候确定,才是分析的前提。周线一旦不一致,跨时间周期的判断就会动摇;把未确定的收盘价当成确定值来用,后面的评估也会全部失真。所以我不只改了生成环节,重新采集、异常检测和修复的流程也都动了手。

连"怎么测的"也摆出来#

2026 年 10 月底,我花时间最多的,是重新审视信号的表现该怎么统计。我引入了一种新的统计方式,以最先触及的价格条件为基准;已失效的信号不再混进胜负,而是作为单独的状态处理。exit_warning 也被我从胜负统计和策略跟踪里剔除了——把警告和交易结果混在一起,连解读表现的方式本身都会变。

为了考虑到观测集中在同一只股票或同一时段的偏差,我还加入了基于聚类自助法(cluster bootstrap)的置信区间。管理后台里新旧两种方式并排展示,不急着替换指标,可以慢慢比较。调查笔记里写下"不要断定原因",是因为我不想在没有证据的情况下,就给统计差异的原因下结论。

界面上的诚实,也出自同一条思路。AI 置信度尚未校准、风险尚未评估、周线判定还没出来——这几种情况分开显示;价格过时的时候,不把它算作"当前处于价格区间内"。没有数据、正在获取、获取失败,这些状态也都照实告诉用户。

我现在在做的东西#

回头看,我做的从来不是一台猜股价的机器。它是一个平台:采集多个市场的数据,用确定性的规则评估股票,把结果送到供人判断的界面上,并持续检验这些判断依据的表现。

> 先是收集数据,广泛尝试自动化。 > 接着,把重心转向股票池和手动决策辅助。 > 而现在,不只是展示信号,还想把它的衡量方式和不确定性也展示出来。

工作树里还留着没提交的改动,所以这里写的只是已经提交的节点。下一个节点会落在哪里,我自己也还没定。

目录