ARTICLE · 1102830
股票涨跌预测模型 · 项目业务需求文档
股票涨跌预测模型 · 项目业务需求文档
辅助研判工具 · 概率化预测 · 不构成投资建议
一、项目定位与目标
1.1 一句话定位
对用户指定的单只 A 股，汇集技术面、基本面、资金面、政策面、舆情/事件面、市场环境六大维度指标，经过有效性检验筛选后，通过可解释的多因子加权评分模型，输出日 / 周 / 月三个周期的涨跌概率预判，并持续追踪预测命中率、滚动修正权重。
1.2 五条核心原则（v0.2 新增第 5 条）
1.3 明确不做什么（边界）
不做日内高频预测（数据颗粒度不支持） 不自动下单、不做实盘对接 不承诺收益、不规避黑天鹅风险（停牌、突发利空等属于模型盲区）
1.4 现实预期基准（v0.2 新增，重要）
量化研究实证规律，作为评估本模型"好不好用"的锚点：
方向准确率 55%~60% 即属可用水平，稳定超过 60% 已属优秀；不要以 70%+ 作为心理预期 单因子对收益的解释力（R²）普遍只有 1%~2%，模型价值来自"多个弱信号的叠加"，而非某个神奇指标 样本外表现必然低于回测成绩（夏普类指标衰减 33%~44% 属常态），预测成绩单上的数字才是模型的真话
二、总体架构（六层 → 七层）
① 数据采集层 → ② 数据处理层 → ③ 指标计算层 → ④ 因子工程层 → ⑤ 有效性检验层 → ⑥ 权重融合预测层 → ⑦ 呈现与追踪层↑____________________回测追踪 · 权重修正 · 滚动重训闭环（反馈至④⑤⑥）______________________↓
① 数据采集层：通达信 MCP（行情/K线/F10/资金/板块）+ 联网搜索（政策/舆情/研报） ② 数据处理层：清洗、去重、对齐交易日历、财报按披露日对齐、缺失值标注 ③ 指标计算层：约 50+ 项指标计算引擎（Python + pandas） ④ 因子工程层（v0.2 新增）：去极值 → 标准化 →（可选）中性化 → 统一得分 ⑤ 有效性检验层（v0.2 新增）：IC 检验 / 分层单调性 / 相关性去重 / 衰减测期，只放行有效因子 ⑥ 权重融合预测层：分类得分 × 差异化权重（ICIR 校准）→ 日/周/月三周期预判 ⑦ 呈现与追踪层：HTML 评分卡看板 + 因子体检报告 + 命中率追踪 + 滚动重训
三、数据需求与来源规划
数据对齐两条红线（v0.2 新增，防前视偏差）
财报披露日对齐：财报数据进入时间轴必须用披露日（公告日）而非报告期末（如年报报告期 12-31，实际披露在次年 3~4 月，若按报告期对齐=使用了未来信息） 信息时点纪律：任何因子在 T 日计算时，只能使用 T 日及之前已公开可得的信息
四、指标体系与归纳分类（六大类，约 50+ 项）
采用分层框架：L1 市场环境（影响所有股票）→ L2 行业/板块（行业贝塔）→ L3 个股本体（技术/基本/资金/舆情）。
4.0 因子登记制度（v0.2 新增）
每个因子登记唯一 ID、名称、计算公式、数据来源、快/慢因子标签（由衰减检验确定）、检验状态（✅在模 / ⚠️观察 / ❌下架），全部存入因子登记表（SQLite）。
A. 技术面（个股 L3）
B. 基本面（个股 L3）
C. 资金面（个股 L3）
D. 政策面（L1/L2）
E. 舆情与事件面（L3，构造规范见第十章）
F. 市场环境（L1）
A 股因子有效性现状提示（v0.2 新增，用于设定初始预期）
2025-2026 年 A 股实证经验（最终以本股票历史数据检验为准）：
⚠️ 小市值效应减弱（注册制改革后承压）、短期动量不稳（20~60 日以外易反转）、价值风格偏弱 ✅ 质量类（ROE 稳定性）、低波动因子稳定有效；情绪类因子对日/周周期有效
五、因子工程流程（v0.2 新增章节，对标 Barra CNE6）
每个原始指标在打分前必须走完五步流水线：
v0.1 第五章的三种打分法整体保留，后移为本流水线的第 5 步。
六、因子有效性检验与准入（v0.2 新增章节，对标 Qlib/Alpha158 + 业界因子漏斗）
6.1 三层检验
第一层：IC 检验（RankIC，即因子值与未来 N 日收益的 Spearman 秩相关）
第二层：分层单调性检验（单股场景改造版）将该股历史上每日的因子得分按分位分为高/中/低三档，统计每档之后 N 日的上涨概率与平均收益。检验标准：高分档的上涨概率/平均收益应显著高于低分档（方向符合因子设计逻辑）。若三档无差异甚至反向 → 因子对本股无效。
第三层：信息增量性（相关性去重）新因子与已在模因子计算相关系数，>0.7 视为同一信号的变体（重复投票），只保留 ICIR 更高者或合成单一复合因子。
典型冗余组预警：MA 位置 / MACD / ROC / 动量 N 日涨幅四者高度相关；换手率与量比高度相关——每组只留一个。
6.2 因子衰减检验（决定周期归属）
对每个因子分别计算5 / 10 / 20 / 60 日四个持有期的 IC 衰减曲线：
5~10 日 IC 高、60 日接近 0 → 快因子（归入日/周预判） 60 日仍有 IC → 慢因子（可归入月预判） 衰减曲线自动写入因子登记表，作为第七章周期差异化权重的校准依据（替代纯业务假设）
6.3 准入规则
6.4 稳定性红线
某因子在上涨市 / 下跌市 / 震荡市三个市况段中贡献方向相反 → 标记"不稳定因子"并自动降权（v0.1 第八章红线前移至此，检验关口提前）。
七、权重赋值机制（v0.2 升级）
7.1 三级权重结构（同 v0.1）
总得分 = Σ( 六大类得分 × 六大类权重 )每个大类得分 = Σ( 类内因子得分 × 类内因子权重 )
7.2 权重的三阶段来源（v0.2 升级）
7.3 周期差异化权重（初始示意值，校准后以因子衰减检验结果修正）
7.4 权重修正路径（v0.1 三条保留）
滚动回测自动修正：每周/每月回测各因子贡献，自动微调；单次调整幅度限制 ±20%（相对值）内防过拟合 事件驱动临时加权：财报披露周、重大政策窗口期对应因子临时上浮，事件过后自动回落 用户手动修正接口：权重配置文件可查看、可覆盖，手动值优先级最高
7.5 滚动重训机制（v0.2 新增，对标 Qlib rolling retrain）
每季度完整重跑一遍第六章检验流程（因子工程 → IC 检验 → 分层 → 去重 → 衰减），失效因子自动下架/降权，新晋有效因子入模 重训后的权重平滑过渡（如分 5 个交易日线性过渡到新权重），避免预测结果跳变 触发式重训：当连续 10 个交易日命中率显著低于滚动基线时，触发一次计划外重训（应对市况切换）
八、预测模型与输出设计
8.1 预测输出格式（同 v0.1）
【日预判】明日（T+1）：上涨概率 62%（偏多）| 预期波动区间 ±2.1%核心驱动 TOP5：① 主力净流入 1.2亿 ② 放量突破 MA20 ③ ...主要风险 / 反方观点：① 技术超买 RSI 72 ② 大盘缩量 ...置信度：中高（70%）
8.2 模型路线（v0.2 明确 ML 选型）
MVP 阶段：可解释加权评分模型（上述框架），输出概率 = 得分逻辑斯蒂映射，完全可追溯 增强阶段（可选对照）：LightGBM 优先（小样本 + 表格数据场景下比 LSTM/深度学习更稳、更不易过拟合，与 Qlib 基线选择一致）；逻辑回归作为最简对照。不替代主模型，两者分歧大时降低置信度提示用户
8.3 预测追踪闭环（同 v0.1）
每期预测写入 SQLite → 到期自动核销 → 滚动 30/90 日命中率报告 → 反哺权重修正
8.4 基线对比制度（v0.2 新增，防"自我感觉良好"）
模型每次成绩评估必须同时报告三个基线：
若模型命中率无法稳定跑赢基线，报告如实呈现并将模型降级为"参考指标"，不粉饰。
九、回测与验证体系（v0.2 大幅升级）
9.1 Walk-forward 滚动验证（黄金标准）
训练窗（滚动 12 个月）→ 验证窗（紧随其后 3 个月），窗口逐月前移，拼接所有验证窗结果作为模型真实成绩 严禁整段数据随机切分（随机切分会把未来信息混进训练集，产生虚高回测）
9.2 防数据泄漏三规则
先切分后滑窗：先划定训练/验证时间边界，再做特征滑窗构造，禁止反向 信息时点纪律：因子只含 T 日及之前信息（见第三章红线） 披露日对齐：财报数据按公告日对齐（见第三章红线）
9.3 交易成本计入（v0.2 新增）
A 股单边成本约 0.1%~0.15%（佣金 + 印花税）+ 冲击滑点，按往返 1.5% 保守值计入：任何"预测对但扣完成本不赚钱"的信号价值要在报告中如实打折呈现。
9.4 评估指标（v0.1 保留 + v0.2 新增）
保留：方向准确率、T+1/T+5/T+20 胜率、平均预测偏差、分市况表现（涨/跌/震荡分组） 新增：相对基线超额（跑赢买入持有/动量多少）、最大连错次数（心理承受力指标）、成本后净优势
9.5 样本外衰减预期（v0.2 新增）
回测报告必须并列呈现"样本内 / 样本外"两套数字；样本外命中率较样本内衰减 10~20 个百分点属正常现象，不做美化。
十、舆情与情绪因子构造规范（v0.2 新增章节，对标学术实证研究）
10.1 新闻情绪因子构造
新闻情绪因子 = Σ ( 单条新闻热度权重 × 情感值 )热度衰减：当日 1.0 → 3 日内 0.5 → 7 日内 0.2 → 之后归零情感值 ∈ [-1, +1]（负面 -1 ~ 正面 +1）
10.2 基本面相关性标签筛选（关键增值步骤）
新闻入库时先打"是否与经营基本面相关"标签（订单/业绩/产能/重组/政策 → 相关；明星八卦/蹭热点口水稿 → 不相关），情绪因子只计基本面相关条目。
业界实证：加入该筛选步骤后，新闻情绪因子年化收益由 3.65% 提升至 8.10%——新闻质量比数量重要。
10.3 个股情绪指数合成
20+ 子指标（新闻热度/情感占比/研报评级调整/社交媒体讨论度/涨停连板热度/股吧发帖量等）采用等权合成。
研究显示等权法的稳健性优于 PLS 等复杂提取方法（中信建投 A 股情绪指数经验），且完全可解释。
10.4 情绪反向预警（独立风控维度）
当情绪指数升至自身历史95% 分位以上的极端高位→ 触发"情绪过热回调风险"预警；跌至 5% 分位以下极端低位 → "情绪冰点反转关注"。该信号作为风险提示独立呈现，不计入看多/看空评分（情绪极端时往往是反向指标）。
10.5 MVP 降级方案
Phase 1 先用联网搜索摘要 + 关键词正负规则粗分（热度 × 粗分情感）；10.1~10.4 的精细化在 Phase 3 随 NLP 能力落地。
十一、呈现设计
十二、技术选型（免费 · 本地化 · 零 token 成本）
十三、开发阶段规划（v0.2 更新：有效性检验前移）
与 v0.1 的关键差异：有效性检验从 Phase 2 前移到 Phase 1——先保证进入模型的因子是对的，再谈权重优化。
十四、风险声明与现实预期管理（v0.2 升级，必读）
概率 ≠ 确定性：模型输出为统计意义上的倾向判断，短期市场受随机性主导 黑天鹅盲区：突发利空、停牌、监管突变、海外黑天鹅无法被历史数据捕捉 数据局限：舆情数据存在噪声与滞后；政策解读存在主观性 过拟合风险：已设 walk-forward 验证、权重调整限幅、滚动重训三重防线，但无法根除 失真场景：涨跌停制度、流动性极低个股的技术信号失真 免责：本系统仅供研究参考，不构成投资建议，不承诺任何收益，不荐具体买卖时点 预期锚点（v0.2 新增）：方向准确率 55%60% 即可用，60%+ 属优秀；样本内成绩必然好于样本外（衰减 1020 个百分点正常） 因子拥挤与衰减（v0.2 新增）：公开有效的因子会因市场套利而衰减（学术经验：发表后超额收益平均衰减约 58%），模型需靠滚动重训"保鲜"，没有任何因子永久有效 市况非平稳（v0.2 新增）：注册制改革、风格切换等结构性变化会使历史规律失效（近年小市值因子衰减即为例证），回测好 ≠ 未来好
十五、待您确认 / 补充的问题清单（请逐条反馈）
v0.1 遗留 10 条：
股票范围：MVP 先做单只指定股票跑通，还是一开始就要自选股票池批量？（建议先单股） 运行方式：每日盘后自动跑批 + 手动随时触发，默认开自动吗？ 预测周期定义：日 = 次一交易日、周 = 未来 5 个交易日、月 = 未来 20 个交易日，是否认可？ 回测深度：用近 2~3 年历史数据做检验与回测，是否认可？ 舆情数据源：MVP 用联网搜索做舆情摘要 + 粗分情感，是否接受？ 输出形式：HTML 看板 + 文字预判报告，是否需要额外输出（如 Word 日报）？ 反方观点：每期预判固定附"反方观点"栏目，是否保留？（建议保留） 权重修正节奏：每周 or 每月自动修正？（建议先每月） 观察期：是否需要 2~4 周的"纸面跟踪期"——只出预测不实际使用，先看命中率？ 风格偏好：精简版（一屏看板）还是详尽版（看板 + 千字分析）？
v0.2 新增 4 条：11.检验严格度：是否接受"未通过有效性检验的因子不参与加权"？这可能导致初期入模因子少于 50 项（建议接受——少而准胜过多而杂）12.成本假设：交易成本按往返 1.5% 保守计入评估，是否认可？13.滚动重训频率：每季度重跑一次因子检验与权重校准，是否认可？14.预期锚点：是否接受"命中率 55%~60% 即属正常可用"作为评价模型的标准？（这决定了您对模型价值的判断尺度）