以周报形式记录本周在 AI 工具实践中的经验、踩坑与思考。

一、my-bot 交易框架建设：v3.1 → v4.0 → v4.1

项目：FM_trade my-bot 趋势交易量化决策系统管线版本：v3.1 → v4.0 → v4.1（本周完成两次迭代）交易日：5/5（全勤）

本周建设总览

管线演进：v3.1 → v4.0 → v4.1

 v3.1（固定四阶段）  →  v4.0（三模式自适应）  →  v4.1（+ 回测关） 

7/20 设计            7/20 落地                   7/24 升级 

v4.0 核心变更：

• 三模式切换：normal / earnings_season / risk_off，由 market-watcher 在开盘前判档决定
• 新增 3 条子管线：财报季、资金流监控、盘前/盘后闭环
• 新增 daily_watchlist_scanner：雪球 389 只 → 五级漏斗 → 3-5 个可操作机会
• 风控参数按模式动态切换

v4.1 增量升级：

• 新增 backtester agent：策略回测 → 5 维评分 → Deploy/Refine/Abandon 判决
• 路由规则新增"回测关"：新策略必须先通过回测 Deploy 才进入选股
• 设计风险参数外部化方案（data/risk-policy.json + 校验脚本）
• 设计工具级实盘封禁方案（deny 规则 + doctor.sh）

模式系统实战验证： 全周维持 earnings_season 模式 + 🟢 进攻判档，未发生模式切换。7/23 科创50 三连跌 -5.2%，判档系统未误判为防守——事后验证正确（7/24 跌幅收窄至 -0.14%）。模式切换逻辑在极端行情下表现稳健。

新能力上线

1. 回测体系（v4.1 重点）

实战验证： 立讯精密"放量突破 60 元回踩"策略回测

• 2.5 年历史数据，仅触发 4 次信号（样本量严重不足）
• 5 维评分：35/100 → Abandon
• 人工判断 override：样本量小是主要扣分项，策略逻辑合理 → Refine
• 输出 3 项参数调整建议（突破价上限 64、缩量确认、止损收紧至 5%）

2. 全量扫描引擎（v4.0 新增）

 雪球自选 389 只 → Level 0: 过滤 ETF/指数/美股占位符（82 只剔除） → Level 1: 5 维度快扫 → 295 只 → 前 50 → Level 2: 板块归因 + 板块内排名 → ~20 → Level 3: 技术模式识别 → ~8 → Level 4: 管线深度分析 → 3 个可操作机会 

输出的 3 个机会（澜起持有、立讯突破、中芯回调）全部在次日验证有效。漏斗精度符合预期。

3. 仓位管理框架

核心原则：

• 仓位是框架漏斗的自然产出，不设仓位目标
• 建立了四种仓位提升场景（A/B/C/D），每种有明确的触发条件
• 建立了 FOMO 情绪管理体系："不操作"的每个理由都是技术判断，不是情绪

踩坑记录

坑 1：回测流程颠倒——先建仓，后回测

7/24 上午建仓立讯精密（61 元），下午才执行回测。回测结果 35/100 Abandon，但仓位已建。

根因：v4.0 管线没有"回测关"，回测是一次性手动调用，未集成到交易流程。

修复：v4.1 新增路由规则——新策略在进入选股前，必须通过 backtester 的 Deploy 判决。回测关已插入环境关之后、选股关之前。

教训：流程设计时，验证步骤必须前置。任何"先做再验"的流程，迟早会在验证不通过时陷入被动。

坑 2：小样本回测的统计不可靠性

立讯精密回测仅 4 笔信号，5 维评分中"样本量"维度得 0 分。但 2.5 年只有 4 次信号，本身说明策略入场条件过于严格，而非策略无效。

根因：回测方法论默认美股/期货场景（≥30 笔交易），A 股个股的形态信号天然稀疏。

应对：人工判断 override 机制——当样本量不足但策略逻辑合理时，允许 Refine（而非直接 Abandon）。参数放宽后重新回测：突破价上限从 69 降至 64，预期信号数从 4 → 5-8。

待解决：小样本场景下的统计推断方法论。是否需要引入 Bootstrap 重采样？是否需要放宽"30 笔"的硬阈值？

坑 3：暴涨次日情景预判模型偏差

7/21 科创50 +10.73% 历史级暴涨。7/22 盘前预判情景 A（冲高震荡，概率 45%），实际走出情景 C（冲高大幅回落，-2.26%）。

根因：情景概率分配未考虑"暴涨次日"的特殊性。历史规律表明，单日涨幅 > 5% 后，次日回落的概率显著高于常态。

修复：新增规则——暴涨次日情景 C（回落）概率 ≥ 30%，情景 A（冲高震荡）≤ 25%。

沉淀：情景预判模型需要引入"前置条件权重"——前一日涨跌幅、成交额变化、是否为历史极值，都应作为情景概率的先验调整因子。

坑 4：周五尾盘风险被低估

7/24（周五）下午冲高回落幅度超预期。科创50 早盘低开高走至 1831（+2.3%），午后一路回落至 1787（-0.14%）。立讯从 62.49 回落至 60.59。

根因：情景概率分配未考虑"周五效应"——周五下午资金倾向于减仓避险，波动率放大。

修复：新增规则——周五下午情景 C（回落）概率 +10pp。

规则沉淀

本周新增/修改的管线规则：

技能链评估

本周共调用 11 个管线技能，覆盖全部 4 个阶段 + 盘前/盘后闭环。

薄弱环节：

项目健康度

下周计划

本周核心主题：从"能用"到"可靠"。v4.0 让管线跑起来了，v4.1 的回测关和规则沉淀让管线从"能跑"变成"跑得对"。

二、沉淀

🔬 回测关的方法论意义

本周最重要的架构决策是 v4.1 新增"回测关"——新策略在进入选股前，必须通过 backtester 的 Deploy 判决。这源于坑 1 的惨痛教训：先建仓后回测，发现策略评分 35/100 但仓位已建。

教训：流程设计时，验证步骤必须前置。任何"先做再验"的流程，迟早会在验证不通过时陷入被动。这条原则不只适用于交易系统——所有需要"验证"的流程（数据采集、报告生成、部署上线）都应遵循"先验后做"。

📊 情景预判模型需要"前置条件权重"

本周坑 3 和坑 4 暴露了同一个问题：情景概率分配是"静态"的，没有考虑前一日涨跌幅、是否为周五等"前置条件"。暴涨次日和普通交易日的回落概率，显然不应该一样。

改进方向：引入"前置条件权重"——前一日涨跌幅、成交额变化、是否为历史极值、是否为周五，都应作为情景概率的先验调整因子。这本质上是把情景预判从"经验直觉"升级为"条件概率模型"。

🎯 坑→规则转化率 100%

本周 4 个坑全部产出了可执行的规则，转化率 100%。高频踩坑 = 高频学习——关键不是不踩坑，而是踩过的坑不再踩第二次。

*— 记录于 2026.07.24*