AI 工具实践备忘 · 2026年8月第2周

一、Quant Signal Factory：从"跑通了"到"能用了"

项目：FM_trade 生态 — Quant Signal Factory 信号工厂核心引擎：RD-Agent 0.8.0 + Qlib 0.9.8（LLM 因子挖掘 → 回测评估 → 信号导出）

上周解决了"在 Windows 上跑通 RD-Agent"的 7 层补丁问题，本周重心转向工程化收口与能力扩展：4 个 P0 修复、3 个 P1 新功能、双栈合并消除重复代码。

本周建设总览

维度	关键产出
P0 修复	4 个阻断级 Bug 全部修复（IC 独立计算 / 回测 Adapter / 信号 Schema / Git 初始化）
双栈合并	FM_trade 10 个 qlib 文件 → 薄封装层，API/CLI 完全兼容
论文驱动因子挖掘	4 模块 ~1600 行，15 篇经典论文入库，~20 个因子产出
行业中性化	申万一级分类 + 双方法实现，ICIR +8%（0.84→0.91）
三模型对比基线	LightGBM / XGBoost / CatBoost，Alpha360 特征
数据覆盖	700+ 只标的，10 字段，2015-2026

P0 修复：4 个阻断级 Bug

① IC 独立计算

RD-Agent 的 FactorRDLoop 返回实验级 IC（每轮因子一个 IC），所有同轮因子被错误赋予相同 IC 值。

修复：新增 _compute_independent_ic() 方法，逐因子独立调用验证器计算 IC。一个因子一个分，不再吃大锅饭。

② Qlib 回测 Adapter

原 adapter 使用 TopkDropoutStrategy（多标的组合策略），单标的 0/1 信号无法正确执行买卖。

修复：实现 SingleStockSignalStrategy，直接根据信号执行买入/卖出，并传递 codes=[symbol] 避免全市场数据加载。策略从"组合选股"模式切换为"单标的方向"模式。

③ Alpha Signals Schema

total_instruments 字段为 MultiIndex 行数（77994），非实际股票数。下游消费者拿到的"股票数量"是错的。

修复：过滤到最新日期，字段改为 total_stocks，data_coverage.stocks 改为动态读取。

④ Git 初始化

两个仓库完成 git init + .gitignore。但因 LM Studio 模型超时阻塞了 git add/commit，需手动执行。

P1 新功能

① 双栈合并 — Wrap, don't replace

FM_trade scripts/qlib/ 有 10 个文件与 QSF 功能重复。策略是包装而非替换：每个文件改为薄封装层，内部 import QSF 模块。

优势	说明
外部消费者零改动	`cross_validate.py` 、`evaluate_backtest.py`、`run-daily-scan.ps1` 路径不变
API/CLI 兼容	所有命令行参数和返回值保持一致
单一数据源	删除 `config.json`，QSF 使用 `config/data.yaml` 统一配置

② 论文驱动因子挖掘 — 完整管线上线

本周最重要的新功能。4 个核心模块 ~1600 行代码，实现从 arXiv 论文到可执行因子代码的全自动流程：

模块	行数	职责
`paper_fetcher.py`	449	arXiv 论文发现 + PDF 下载
`paper_parser.py`	440	章节分割 + 公式识别
`paper_extractor.py`	403	DeepSeek-V4 因子代码生成
`paper_store.py`	307	状态机 + 血统追踪

论文库：15 篇经典论文入库，涵盖 Fama-French 五因子、Liu-Stambaugh-Yuan 中国三因子、Amihud 非流动性、Jegadeesh-Titman 动量、Frazzini-Pedersen BAB、Novy-Marx 盈利、Cakici A 股截面等。14 篇完成 PDF→解析→LLM 提取全流程。

因子产出：~20 个论文因子，覆盖非流动性(1)、动量(3)、BAB(2)、盈利(3)、A 股截面(5)、经营盈利(6)等维度。

PIT 安全：提取器内置前瞻偏差检测（shift(-N)、iloc[i+N]），LLM prompt 强制 backward-looking。

③ 行业中性化 — 申万分类 + 双方法实现

维度	说明
行业数据	CSI 500 成分股申万一级行业，Wind MCP 批量获取，500 只
方法一	组内去均值法：每个交易日截面，按行业分组减去行业均值
方法二	Barra 回归残差法：OLS 回归剥离行业 beta，样本不足自动退化
实测效果	ICIR 从 0.84 → 0.91（+8%），IC 均值从 0.076 → 0.070

关键发现：行业中性化后 IC 均值略有下降（行业 beta 被剥离，纯 alpha 减少），但 ICIR 显著提升——意味着因子的稳健性提高了，收益更均匀分布在各期，而非靠行业 beta 一次性拉高。

当前能力总览

截至本周，Quant Signal Factory 已具备以下能力矩阵：

层	核心能力	状态
数据层	Wind MCP → Qlib 数据桥 / 700+ 只 / 10 字段 / 增量更新 / PIT 检测	✅
因子层	RD-Agent LLM 挖掘 / 论文驱动挖掘 / Alpha158 / 3 模型 / 因子持久化	✅
回测层	Qlib 端到端 / 单标的策略 / 9 策略模板 / Gate 1 评分 / 交叉验证 / 行业中性化	✅
工程层	双栈合并 / 信号 JSON 导出 / 管线脚本 / Windows 兼容 / Git 版控	✅

二、沉淀

📐 IC 独立计算：不要让因子"吃大锅饭"

RD-Agent 的实验级 IC 设计本意是评估"一轮实验的整体质量"，但在因子筛选场景下，同轮因子可能质量差异很大。实验级 IC 掩盖了个体差异——好的因子被拖累，差的因子被带飞。

通用规则：聚合指标在筛选场景必须拆解为个体指标。"轮次质量"和"因子质量"是两个维度，不能混用。

📊 行业中性化的本质：剥离 beta，保留 alpha

行业中性化后 IC 下降但 ICIR 上升，说明行业 beta 对 IC 有贡献但不够稳定。剥离 beta 后，剩余的纯 alpha 虽然"绝对值"变小，但"性价比"更高——每单位风险获得的超额收益更均匀。

通用规则：评价因子不只看 IC 绝对值，更要看 ICIR（风险调整后的信息比率）。高 IC 低 ICIR 的因子可能是"靠 beta 撑起来的伪 alpha"。

📚 论文驱动因子挖掘：从"LLM 拍脑袋"到"学术支撑"

上周的 RD-Agent 因子挖掘是 LLM 自主假设→编码→验证的闭环，本质是"拍脑袋试错"。本周的论文驱动管线引入了学术文献作为先验知识：

LLM 不再从零开始想因子，而是从经典论文中提取已被验证的因子逻辑
每个因子有明确的学术来源（血统追踪），可追溯、可引用
PIT 安全由提取器保证，LLM prompt 强制 backward-looking

通用规则：LLM 自主探索适合发现新方向，论文驱动适合验证已知方向。两者互补——前者是"发散"，后者是"收敛"。

本周 4 个 P0 Bug 全部产出可执行的修复方案。双栈合并的"Wrap, don't replace"策略也是一个重要的工程规则：消除重复代码时不破坏外部接口，降低迁移风险。

PS：试用了DeepSeek Harness，做了一轮项目代码评审，双栈漂移等问题就是由DSH提出的。下周继续。

*— 记录于 2026.08.14*