【摘要】融合传统量化因子计算与大模型逻辑推理，构建T-1日盘前A股智能决策系统，实现数据驱动的持仓诊断与交易指引。

引言

在金融科技领域，个人投资者面临着两座难以逾越的大山：一是量化交易系统的开发门槛，二是海量市场信息的处理效率。传统的量化系统擅长处理数值计算，能精准计算移动均线、RSI或资金流向，但缺乏对宏观情绪和非结构化数据的理解能力。大语言模型（LLM）的出现虽然解决了文本理解和生成的问题，但其在数值计算上的“幻觉”问题使其无法直接用于严谨的交易决策。

构建一个融合系统成为必然选择。我们需要一个架构，既能利用量化引擎的确定性计算能力，又能发挥大模型的逻辑推理与自然语言生成能力。本文将详细阐述一套基于T-1日数据的A股持仓分析框架。该框架不依赖高频交易的低延迟基础设施，而是侧重于盘前策略生成。通过将量化因子标准化为结构化数据，再由LLM进行归因分析，我们能够为开发者提供一套可落地的智能投顾解决方案。

🏗️ 一、 系统架构设计：确定性计算与概率性推理的解耦

系统设计的核心原则是“职责分离”。在金融交易场景下，数值计算容不得半点模糊，而策略解释则需要高度的灵活性。我们将系统划分为两个核心层级：量化计算层（Quant Layer）与大模型服务层（LLM Layer）。

1.1 双层架构逻辑

量化计算层负责“算”，大模型服务层负责“说”。这种解耦设计确保了交易信号的准确性，同时赋予了系统人性化的交互能力。

• 量化计算层：这是系统的左脑。它基于Python（Pandas/NumPy）构建，负责处理清洗后的结构化数据。其任务包括因子计算、指标统计、阈值判断以及生成中间态的JSON数据。该层严禁使用任何LLM进行数值运算，确保所有输出结果的可复现性和确定性。

• 大模型服务层：这是系统的右脑。它接收量化层输出的JSON数据，结合预设的Prompt模版，进行逻辑推理、归因分析和文本生成。它不产生新的数值，而是对已有数值进行“翻译”和“润色”，将冷冰冰的数字转化为投资者可读的决策日报。

1.2 T-1 数据时效性约束

本系统定位于“盘前决策辅助”，而非“盘中高频交易”。这一设计决策基于以下工程与业务考量：

• 数据完整性：A股市场的全量数据（包括龙虎榜、融资融券余额、深沪股通数据）通常在交易日收盘后（T日）的晚间才能完全到位。利用T-1日收盘后的全量数据进行分析，能确保因子的准确性。

• 避免未来函数：在回测和实盘中，严格限定仅使用T-1日数据，能有效防止引入T日盘中的未来信息，保证策略逻辑在时间轴上的严谨性。

• 计算资源优化：盘前策略生成对实时性要求较低，允许系统进行复杂的因子计算和多轮LLM推理，降低了对高性能计算硬件的依赖。

1.3 数据流转机制

数据在系统中的流转遵循严格的单向管道模式：

1. 原始数据层：存储每日行情的OHLCV（开高低收量）、财务报表、宏观经济指标。

2. 特征工程层：将原始数据转化为标准化因子（如将收盘价转化为20日收益率）。

3. 决策逻辑层：基于因子数值，应用加权打分算法和硬性风控规则，生成操作指令（买/卖/持）。

4. 表达层：LLM读取指令和因子解释，生成最终报告。

📊 二、 核心因子库构建：特征工程与数据标准化

因子库是量化系统的基石。为了适配大模型的输入需求，我们需要将传统的金融指标转化为具有明确业务含义的标准化特征。本系统选取了四大类核心因子，覆盖趋势、资金、基本面与风险维度。

2.1 基础行情与趋势因子 (Market & Trend)

此类因子用于判断股票当前的市场状态，是技术面分析的核心。

字段名	中文名	计算逻辑描述	业务含义与开发者逻辑
ret_20d	20日累计收益率	(T-1日收盘价 / T-21日收盘价) - 1	动量判断。正值代表中期上涨趋势。数值过大（如>30%）需警惕均值回归风险；数值过小则需关注超跌反弹机会。
ma_20	20日移动均线	过去20个交易日收盘价的算术平均值	生命线判定。现价位于均线之上视为多头排列，具有支撑作用；反之则为空头压制。这是最基础的趋势过滤器。
macd_hist	MACD柱值	DIF线与DEA线的差值 x 2	趋势强弱。柱值由负转正（金叉）是经典的买入信号；由正转负（死叉）则是卖出信号。柱状图的缩短与伸长反映动能变化。
rsi_14	14日RSI	基于14日涨跌幅计算的相对强弱指标	情绪极值。大于70视为超买，市场情绪过热，回调风险大；小于30视为超卖，恐慌盘涌出，存在反弹可能。
vol_20d	20日年化波动率	20日收益率标准差 x √252	止损锚点。波动率越高的标的，日常振幅越大，止损线应设置得更宽，防止被正常的市场噪音震荡出局。
beta_252d	Beta系数	个股收益率与大盘收益率的协方差 / 大盘方差	攻击属性。Beta > 1 表示弹性大于大盘，适合牛市进攻；Beta < 1 表示防御性强，适合震荡市或熊市避险。

2.2 资金流向与微观结构因子 (Capital Flow)

A股市场具有显著的资金驱动特征。捕捉主力资金和“聪明钱”的动向，往往能先于价格发现趋势。

字段名	中文名	计算逻辑描述	业务含义与开发者逻辑
net_inflow_nb	北向资金净流入	沪深股通当日净买入金额	聪明钱风向标。外资通常偏好核心资产。连续3日净流入且金额较大（如>1亿），是极强的中期看多信号。
net_inflow_main_ratio	主力净流入占比	(超大单净流入 + 大单净流入) / 总成交额	主力意图。该比例大于10%说明主力资金在主导行情；持续负值则暗示主力在借反弹或震荡出货。
tail_return_30m	尾盘30分收益率	(收盘价 / 14:30价格) - 1	主力偷袭。尾盘异动往往代表主力对次日的态度。大于2%表示抢筹，次日高开概率大；小于-2%表示砸盘，次日低开风险高。
tail_volume_ratio_30m	尾盘30分量占比	尾盘30分成交量 / 全天总成交量	信号确认。若尾盘收益率大幅波动，且此占比显著高于历史均值（如1.5倍），说明尾盘行情有真金白银支撑，非虚假诱多。
closing_auction_imbalance	集合竞价失衡	(竞价未匹配买量 - 未匹配卖量) / 总量	开盘预测。收盘集合竞价的失衡情况直接影响次日开盘。正值巨大预示次日高开；负值巨大预示低开。

2.3 估值与基本面因子 (Valuation)

对于中长线策略，脱离基本面的交易是无源之水。我们选取最核心的估值与质量指标。

字段名	中文名	计算逻辑描述	业务含义与开发者逻辑
pe_ttm	市盈率TTM	总市值 / 过去4个季度归母净利润之和	绝对估值。反映回本年限。需注意剔除亏损股（负值）和微利股（异常高值）。通常用于横向对比。
pe_ttm_industry_pct	行业PE分位	当前PE在申万一级行业历史数据中的百分位	相对估值。比绝对PE更具指导意义。小于20%分位为低估区，安全边际高；大于80%分位为高估区，泡沫风险大。
roe_ttm	净资产收益率	净利润 / 净资产	盈利质量。巴菲特最看重的指标。长期维持在15%以上的公司通常具有护城河，适合长线持有。
dividend_yield_trailing	历史股息率	过去12个月分红总额 / 总市值	防御属性。在熊市或震荡市中，大于4%的股息率提供了类债券的收益底仓，是防守型策略的首选。

2.4 风险与外部因子 (Risk & External)

风控是生存的根本，外部环境则是影响A股开盘情绪的关键变量。

字段名	中文名	计算逻辑描述	业务含义与开发者逻辑
max_drawdown_250d	近一年最大回撤	(历史最高价 - 最低价) / 最高价	历史坑人程度。数值越大（如-50%），说明该股历史上波动剧烈，持仓体验极差，需严格控制仓位上限。
share_pledge_ratio_total	股权质押比例	质押股数 / 总股数	爆仓黑天鹅。大于50%为极高风险警戒线。一旦股价下跌触及平仓线，可能引发连锁强平，导致流动性枯竭。
external_event_score	外部事件评分	∑(事件方向 x 影响权重)	宏观情绪映射。量化外部因素（如美股涨跌、汇率波动、地缘政治）。正值利多，负值利空。用于修正开盘预期。

🔮 三、 市场环境识别算法：基于规则的情景分类

在对个股进行具体操作建议之前，系统必须先对T日的大盘环境做出预判。这类似于行军打仗前先看天气，天气恶劣时应减少出击。

3.1 预测目标定义

我们将T日的市场走势抽象为5种标准情景（Scenario Label）。这种分类方法将连续的市场波动离散化，便于大模型理解和生成对应的策略建议。

1. 高开低走：开盘情绪高涨但后续乏力，典型的“套人”行情。

2. 平开高走：最理想的多头行情，稳扎稳打。

3. 平开震荡：多空平衡，缺乏方向，适合高抛低吸。

4. 低开高走：情绪修复，有资金抄底。

5. 低开低走：最差的空头行情，系统性风险释放，应以防守为主。

3.2 情绪评分算法实现

为了确定市场属于上述哪种情景，我们设计了一个基于多因子的线性评分模型。该模型计算一个0-100的情绪得分 (Sentiment_Score)。

基础分设定：50分（代表绝对中性）。

评分公式：
$Score=50+Stail+Smoney+Sext+StrendScore=50+Stail​+Smoney​+Sext​+Strend​$

详细评分逻辑表：

维度	因子依据	判定逻辑	分值调整
尾盘情绪 (StailStail​)	尾盘30分收益率	> 0.2% (抢筹)	+5
		< -0.2% (砸盘)	-5
资金态度 (SmoneySmoney​)	北向资金净流入	> 20亿元 (大幅流入)	+5
		< -20亿元 (大幅流出)	-5
外部环境 (SextSext​)	外部事件评分	正值 (如美股大涨)	+10 x Score
		负值 (如汇率贬值)	-10 x Score
技术趋势 (StrendStrend​)	指数点位 vs MA20	指数 > MA20 (多头)	+3
		指数 < MA20 (空头)	-3

情景映射规则：

• Score > 75 →→ 高开高走 (情绪极度乐观，需警惕冲高回落或享受主升浪)

• 60 < Score ≤ 75 →→ 平开高走 (情绪偏暖，做多安全边际较高)

• 40 ≤ Score ≤ 60 →→ 震荡整理 (多空分歧，建议观望或做T)

• Score < 40 →→ 低开低走 (情绪冰点，建议严控仓位，防守为主)

通过这一算法，我们将复杂的宏观与微观数据压缩为一个简单的分数，为后续的个股策略提供了统一的“天气预报”。

📈 四、 个股持仓分析与交易策略：多维评分与规则引擎

在确定了宏观市场环境后，系统进入核心环节：对用户持仓的每一只股票进行深度诊断。我们采用“四维评分模型”结合“刚性风控规则”的双重过滤机制，确保交易建议既符合量化逻辑，又具备严格的风险底线。

4.1 四维评分模型 (4D Scoring Model)

为了全面评估一只股票的持有价值，我们从趋势、估值、资金、风险四个维度进行打分。每个维度的原始因子首先经过标准化处理（映射到 -1 到 1 区间），然后加权合成。

4.1.1 趋势得分 (StrendStrend​)

• 核心因子：20日累计收益率 (ret_20d)、MACD柱值 (macd_hist)、均线偏离度。

• 评分逻辑：

  • 正向贡献：股价位于20日均线之上，且MACD金叉向上，得高分。

  • 负向修正：若RSI > 75（超买），即使趋势向上，也需扣分，提示回调风险。

  • 业务含义：衡量股票当前的“势”。顺势而为是交易的第一原则。

4.1.2 估值得分 (SvalueSvalue​)

• 核心因子：行业PE分位 (pe_ttm_industry_pct)。

• 评分逻辑：Score=1−PercentileScore=1−Percentile。

  • 即分位值越低（如处于历史底部10%），得分越高（接近1）。

  • 分位值越高（如处于历史顶部90%），得分越低（接近0甚至负分）。

  • 业务含义：衡量股票的“便宜程度”。低估值提供了安全边际。

4.1.3 资金得分 (SflowSflow​)

• 核心因子：主力净流入占比 (net_inflow_main_ratio)、尾盘30分收益率 (tail_return_30m)、北向资金净流入 (net_inflow_nb)。

• 评分逻辑：

  • 主力资金和北向资金的双重流入是加分项。

  • 尾盘抢筹行为（量价齐升）显著增加得分。

  • 业务含义：衡量“真金白银”的态度。资金是推动股价上涨的直接动力。

4.1.4 风险得分 (SriskSrisk​)

• 核心因子：20日年化波动率 (vol_20d)、近一年最大回撤 (max_drawdown_250d)、股权质押比例 (share_pledge_ratio_total)。

• 评分逻辑：这是一个扣分项。

  • 波动率越大、历史回撤越深、质押比例越高，该得分越高（负面影响越大）。

  • 业务含义：衡量持仓的“潜在雷区”。高风险股需要更高的预期收益来补偿。

4.2 综合得分与策略偏好适配

不同类型的投资者对上述四个维度的重视程度不同。系统允许用户设定策略偏好（短线/中线/长线），并据此动态调整权重向量 W=[w1,w2,w3,w4]W=[w1​,w2​,w3​,w4​]。

综合得分公式：
$Total_Score=(w1⋅Strend)+(w2⋅Svalue)+(w3⋅Sflow)−(w4⋅Srisk)Total_Score=(w1​⋅Strend​)+(w2​⋅Svalue​)+(w3​⋅Sflow​)−(w4​⋅Srisk​)$

权重配置表：

策略偏好	趋势	估值	资金	风险	侧重点解析
短线策略	0.4	0.1	0.4	0.1	唯快不破。重势、重资金，轻估值。
中线策略	0.3	0.3	0.2	0.2	均衡配置。既看趋势也看基本面，兼顾成长与安全。
长线策略	0.2	0.4	0.1	0.3	价值投资。重估值安全边际，重风控，轻短期波动。

4.3 交易指令生成规则

基于计算出的 Total_Score（范围通常在 -1 到 1 之间），系统通过查表法生成最终的操作建议。

综合得分区间	操作建议	仓位调整逻辑与执行细节
> 0.8	加仓 (Buy)	进攻信号。若 当前价 < MA20 * 1.02（未严重偏离均线），建议加仓10%-20%。避免追高，寻找回调买点。
0.3 ~ 0.8	持有 (Hold)	多头信号。趋势向好，继续持股待涨。
-0.3 ~ 0.3	观望/微调	震荡信号。若当前盈利 > 10%，建议止盈10%仓位，锁定部分利润；否则静观其变。
< -0.3	减仓 (Sell)	空头信号。趋势转弱或资金流出，建议减仓30%-50%，规避调整风险。
< -0.8	清仓 (Clear)	离场信号。基本面恶化或技术面破位，建议全部卖出，保留现金。

4.4 刚性风控规则 (Hard Rules)

量化交易的底线是生存。无论上述评分如何，一旦触发以下“熔断规则”，系统将强制输出清仓或减仓指令，优先级高于任何评分模型。

1. 止损熔断：

   • 逻辑：(当前价/成本价−1)<−用户设定的止损阈值(当前价/成本价−1)<−用户设定的止损阈值。

   • 动作：强制清仓。止损是量化交易的铁律，不容犹豫。

2. ST风险熔断：

   • 逻辑：is_st == 1。

   • 动作：强制清仓。ST股面临退市风险，不确定性极大，不符合稳健投资原则。

3. 流动性枯竭预警：

   • 逻辑：turnover_rate < 0.5%（日换手率极低）。

   • 动作：减仓。流动性枯竭意味着想卖的时候可能卖不掉，必须提前降低仓位。

🤖 五、 大模型融合与Prompt工程：从数据到洞察

量化层完成了所有复杂的计算和逻辑判断，输出了一个包含丰富信息的JSON对象。接下来的任务是利用LLM的自然语言处理能力，将这些结构化数据转化为一份专业、易读、有温度的投资分析报告。

5.1 数据组装 (JSON Payload)

我们构建了一个标准化的JSON结构，作为量化层与大模型层的接口。这个JSON包含了市场预测、持仓详情、因子得分以及触发操作的关键理由。

json：

{

"report_date": "2024-05-20",

"market_prediction": {

"index": "沪深300",

"scenario": "平开高走",

"probability": "55%",

"reason_factors": ["北向流入35亿", "尾盘拉升", "汇率企稳"]

},

"holdings": [

{

"code": "300750",

"name": "宁德时代",

"strategy": "中线",

"scores": {"trend": 0.8, "value": 0.4, "flow": 0.9, "risk": 0.2},

"action": "加仓",

"trigger_price": "208.00",

"key_factors": {

"net_inflow_nb": "连续3日流入",

"macd_hist": "金叉"

}

}

]

}

5.2 Prompt 设计策略

Prompt的设计直接决定了LLM输出报告的质量。我们采用了“角色扮演 + 任务拆解 + 约束控制”的Prompt工程方法。

Role (角色): 你是一位拥有20年经验的A股资深量化交易员，擅长结合数据与基本面进行分析，风格稳健、客观。

Task (任务): 根据传入的 JSON 数据，撰写一份《每日持仓诊断与交易策略报告》。

Constraints (约束):

1. 严禁计算：不要尝试重新计算任何数值，必须完全信任并直接使用 JSON 中的 action、scores 和 probability。

2. 因子翻译：将 key_factors 中的技术术语转化为自然语言。例如，看到 net_inflow_nb 为正，应表述为“获北向资金持续青睐”；看到 macd_hist 金叉，应表述为“技术面动能增强”。

3. 逻辑归因：在解释操作建议时，必须引用具体的因子作为理由。例如：“建议加仓，主要是因为资金面评分高达0.9，且技术面出现金叉信号。”

4. 风险提示：对于减仓或清仓的股票，语气要果断；对于加仓的股票，要提示具体的触发价位和潜在风险。

5. 格式规范：使用Markdown表格展示持仓列表，重点内容加粗。

📝 六、 模拟实战：生成的策略报告示例

以下是系统基于2024年5月20日收盘数据（T-1），为T日（5月21日）生成的模拟策略报告。

模拟盘前持仓分析与交易推荐报告示例

说明：以下示例完全为虚构数据，仅展示报告结构与风格，不构成任何实际投资建议。

1. 下一交易日指数与板块走势预判（示例）

1.1 宽基指数走势情景概率

假设多类别模型输出如下结果（单位为 %）：

指数/板块	主要情景	概率(%)	备选情景	概率(%)	次要情景	概率(%)
上证综指	平开震荡整理	35	平开后冲高回落	30	低开后震荡企稳	25
深证成指	平开高走	30	高开后冲高回落	30	平开震荡	25
创业板指	低开后盘中反弹	35	平开高走	30	低开低走	20
沪深300	平开窄幅震荡	40	平开高走	25	平开后冲高回落	25

1.2 按交易板块的情景概率

板块	偏向判断	高开低走(%)	平开高走(%)	平开震荡(%)	低开高走(%)	低开低走(%)
主板	震荡偏弱	25	25	35	10	5
创业板	弹性偏强	20	30	25	20	5
科创板	高波动震荡	25	25	25	15	10
北交所	低流动+题材盘	20	25	30	15	10

1.3 市场简要分析

上一交易日，宽基指数成交量略有萎缩，全天呈窄幅震荡格局。尾盘阶段，沪深300 指数的尾盘30分钟收益率（tail_return_30m_index）小幅为正，但尾盘30分钟量占比（tail_volume_ratio_30m_index）低于过去一年的中位数，说明尾盘拉升力量有限，更偏向技术性修复。北向资金净流入（net_inflow_nb_index）连续两日为正，主要集中在消费、金融等大盘蓝筹，对主板形成一定支撑。

创业板指数方面，20日累计收益率（ret_20d_index）处于偏高水平，同时 20日年化波动率（vol_20d_index）显著高于历史中枢，反映前期涨幅累积较多、短期波动加大。外部事件评分（external_event_score）略偏负：假设美股科技股当晚出现小幅回调，纳斯达克下跌约 1%，市场对高估值成长方向的风险偏好有所收敛。综合指数尾盘因子、资金流因子及外部事件后的多类别模型推断，下一交易日主板指数最可能维持平开窄幅震荡，创业板和科创板则存在“低开后盘中反弹”的较大概率。整体上更适合“高位成长股分批止盈 + 稳健蓝筹适度加仓”的结构性操作，而不宜大幅追涨。

2. 模拟持仓股票分析与操作指南

假设当前用户持仓如下：

2.1 持仓汇总与操作建议表

序号	股票代码	股票名称	所属板块	申万分类	所属概念	成本价(元)	持股数(股)	当前价(元)	盈亏(元)	盈亏率(%)	操作建议	亏损风险(%)	盈利清仓(%)	理由简述
1	600519.SH	贵州茅台	主板	食品饮料-白酒	白酒、消费升级、沪股通	1550	50	1650	5,000	6.45	逢低加仓 + 高位分批减仓	8	20	估值偏高但资金偏好稳定，中长线为主
2	300750.SZ	宁德时代	创业板	电力设备-动力电池	新能源车、储能、融资融券、深股通	180	300	170	-3,000	-5.56	控制回撤，待企稳小幅加仓	10	25	中线成长良好，短线调整压力未完全释放
3	300308.SZ	中际旭创	创业板	通信-光模块	算力、光模块、AI、机构重仓	70	400	90	8,000	28.57	分批减仓锁定利润，保留底仓波段	15	35	短期涨幅大，波动与情绪指标偏热
4	601012.SH	隆基绿能	主板	电力设备-光伏	光伏龙头、MSCI、沪股通	28	1,000	24	-4,000	-14.29	止跌企稳后小幅摊低成本，严格止损	12	20	行业底部磨底期，基本面承压但长期空间仍在
5	600036.SH	招商银行	主板	银行	大金融、MSCI、沪股通、红利	35	800	38	2,400	8.57	中线持有为主，高位小幅减仓再接回	8	18	估值合理，净资产收益率稳定，防御属性较强

注解：

• 亏损风险(%)：从成本价起算，最大允许回撤比例，用于计算止损价；

• 盈利清仓(%)：从成本价起算，希望整体清仓或大幅减仓的目标收益率，用于计算止盈价。

3. 逐股操作建议与价位规划（示例）

以下示例将上述多因子逻辑转化为具体可执行的价位和仓位建议。

3.1 贵州茅台（600519.SH）

• 当前持仓：50 股，成本 1550 元，现价 1650 元，盈利约 6.45%。

• 因子与得分概况（假设）：

  • 趋势得分（trend_score）：中等偏强；

  • 估值得分（valuation_score）：中性偏低（说明估值略贵）；

  • 资金流得分（flow_score）：中性偏多（主力和北向资金保持稳健流入）；

  • 风险得分（risk_score）：较低（波动适中，质押风险小）。

• 综合得分（stock_score）：接近或略高于 1.0，属于“强力持有 / 回调加仓”区间。

加仓策略：

1. 加仓触发区域：

   • 关注 1600 元附近价位，假设接近 20 日均线（ma_20）所在区域；

   • 允许一定误差，可用区间 [1580, 1620] 作为观察区。

2. 加仓条件：

   • 当股价下探到约 1600 左右时，同时满足：

     • 尾盘30分钟收益率（tail_return_30m）由负转正或维持正值；

     • 尾盘30分钟量占比（tail_volume_ratio_30m）不低于个股历史中位数；

     • 主力净流入占比（net_inflow_main_ratio）不为持续大幅负值。

3. 加仓比例：

   • 在上述条件满足的当天或次日，建议加仓不超过当前持仓的 20%，即再买入 10 股；

   • 同时控制该股市值占总资产不超过 18%。

减仓与止盈策略：

1. 第一档止盈价：

   • 用户设定盈利清仓比例为 20%，

   • 公式：take_profit_price_ratio = 1550 * (1 + 0.20) = 1860 元；

   • 为降低回撤风险，可在略低的价位开始分批止盈，设置第一档参考价约 1700 元。

2. 一旦股价接近 1700 元，同时出现以下信号：

   • RSI（rsi_14）大于 70（超买）；

   • MACD 柱值（macd_hist）开始缩短甚至接近翻绿；

   • 资金流得分（flow_score）不再继续改善；
     → 建议先减仓 20%，即卖出 10 股。

3. 若后续股价继续上涨，接近 1860 元左右，止盈条件进一步满足：

   • 行业估值分位（pe_ttm_industry_pct）也处在高位；
     → 建议再减仓 30% 左右，将持仓从 40 股减至 25 股左右，将剩余部分作为长期底仓继续持有。

止损策略：

1. 按用户设定亏损风险 8%：

   • stop_loss_price_ratio = 1550 * (1 - 0.08) = 1426 元左右。

2. 若 20 日波动率（vol_20d）适中，可近似把 1425~1430 元作为止损线；

3. 当股价有效跌破此价位并同时出现：

   • 主力资金净流入（net_inflow_main）连续数日为负；

   • 行业或大盘整体偏弱；
     → 建议至少减仓一半，持股从 50 股减到 25 股以内，如风险仍未缓释，再进一步降低持仓。

3.2 宁德时代（300750.SZ）

• 当前持仓：300 股，成本 180 元，现价 170 元，浮亏约 -5.56%。

• 因子与得分概况（假设）：

  • 趋势得分（trend_score）：偏弱（ret_20d 和 price_vs_ma20 偏负）；

  • 估值得分（valuation_score）：中性偏高（行业内估值不算便宜）；

  • 资金流得分（flow_score）：中性略弱（主力资金有一定流出迹象）；

  • 风险得分（risk_score）：中等（新能源板块波动本身偏高）。

加仓策略：

1. 以 20 日均线附近作为潜在支撑，假设该线约在 166~168 元之间；

2. 设置观察区间 [165, 168]；

3. 若股价回落到这个区间，同时满足：

   • 尾盘30分钟收益率（tail_return_30m）由负转正或保持小幅正值；

   • 尾盘30分钟量占比（tail_volume_ratio_30m）明显放大，说明有资金在尾盘承接；

   • 主力净流入占比（net_inflow_main_ratio）不再为连续大幅负值；
     → 可以考虑加仓不超过当前持仓的 15%，约 45 股，使总持仓由 300 股增至 345 股左右。

止盈与减仓策略：

1. 用户设定盈利清仓比例为 25%，

   • take_profit_price_ratio = 180 * (1 + 0.25) = 225 元；

2. 考虑市场波动与估值，设置两档止盈：

• 第一档：190 元附近

  • 若此时 RSI（rsi_14）大于 70、MACD 柱（macd_hist）出现顶背离迹象（股价创新高但柱值不再放大）；

  • 新能源板块 20 日收益率（ret_20d_sw_industry）开始回落；
    → 建议先减仓 20%，卖出约 60 股。

• 第二档：210~216 元区间

  • 若股价进一步上行，估值分位（pe_ttm_industry_pct）接近 80% 分位；

  • 资金流得分（flow_score）未能提升或开始回落；
    → 建议再减仓 30%，将持仓从 240 股减到约 165 股左右。

止损策略：

1. 按 10% 亏损风险：

   • stop_loss_price_ratio = 180 * (1 - 0.10) = 162 元。

2. 若股价跌破 162 元，同时：

   • 新能源板块 20 日收益率（ret_20d_sw_industry）从正转负；

   • 资金流得分（flow_score）持续偏低；
     → 建议将持仓降至总资产的 5~8% 以内，例如减到 100 股左右，避免单一标的成为最大的风险来源。

3.3 中际旭创（300308.SZ）

• 当前持仓：400 股，成本 70 元，现价 90 元，浮盈约 28.57%。

• 因子与得分概况（假设）：

  • 趋势得分（trend_score）：较高（ret_20d 和 excess_ret_20d 均显著为正，macd_hist 偏强）；

  • 估值得分（valuation_score）：中性或偏低（成长估值仍有想象空间）；

  • 资金流得分（flow_score）：近期从高位略有回落（表明获利盘在兑现）；

  • 风险得分（risk_score）：偏高（vol_20d 和 beta_252d 较大）。

加仓策略：

• 鉴于股价短期涨幅较大又属高弹性品种，建议不主动追高加仓；

• 仅在趋势未被破坏的回调中考虑小仓位回补：

  • 回调区间：8082 元（相当于从近期高位回撤约 1012%）；

  • 条件：

    • RSI（rsi_14）从 >70 回落到 50~60 区间并重新金叉；

    • 主力净流入占比（net_inflow_main_ratio）不连续为大负值；
      → 可以少量加仓约当前持仓的 10%，即新增 40 股，前提是组合总权重不超过 15%。

止盈与减仓策略：

1. 第一档止盈：现价 90 元附近

   • 若当日尾盘30分钟收益率（tail_return_30m）转为负值；

   • 尾盘30分钟量占比（tail_volume_ratio_30m）放大，说明有资金在尾盘出货；
     → 建议先减仓 25%，卖出 100 股，将仓位从 400 股减到 300 股，以锁定部分利润。

2. 第二档止盈：短期上冲至 100 元附近

   • 若 MACD 柱（macd_hist）在高位开始缩短甚至翻绿，且 RSI 保持超买状态；
     → 建议再减仓 2530%，卖出约 100120 股，将仓位减到 180~200 股水平，仅留部分底仓应对中长期行情。

止损策略：

• 若股价从当前水平回落并跌破 76 元（接近成本 70 元的 -10% 左右），说明涨势彻底破坏；

• 若此时资金流得分（flow_score）也明显转弱（主力净流出明显）；
  → 建议对剩余仓位执行清仓，或至少减至极轻仓（持仓市值不超过组合总资产的 3%）。

3.4 隆基绿能（601012.SH）

• 当前持仓：1000 股，成本 28 元，现价 24 元，浮亏约 -14.29%。

• 因子与得分概况（假设）：

  • 趋势得分（trend_score）：偏弱（ret_20d 负值，价格长期低于 ma_20）；

  • 估值得分（valuation_score）：中性或略低（光伏板块整体估值已回调）；

  • 资金流得分（flow_score）：偏弱（主力资金未明显回流）；

  • 风险得分（risk_score）：中高（历史最大回撤较深，若股权质押比例偏高则需格外注意）。

加仓策略（非常谨慎的左侧介入）：

• 原则：只有在行业边际改善信号明显时才考虑少量加仓。

• 条件包括：

  • 股价放量突破 26 元，站上并站稳 20 日均线（ma_20）；

  • 光伏板块指数 20 日收益率（ret_20d_sw_industry）由负转正；

  • 外部事件评分（external_event_score）中与海外需求、政策相关的权重由负变中性甚至正向；

  • 主力净流入占比（net_inflow_main_ratio）不再为持续负值。

若同时满足上述条件，考虑在 2627 元区间内小幅加仓，不超过当前持仓量的 1015%，即再买入 100~150 股，以优化整体持仓成本。

减仓与止盈策略：

1. 反弹减仓区间：28~30 元

   • 这一价格区域接近原始成本或略有盈利；

   • 若行业基本面未出现明显根本改善（如组件价格仍承压，海外需求不强）；
     → 建议先减仓约 3040%，卖出 300400 股，使个股在组合中的权重从高位降低至中性水平。

2. 更高位止盈区间：33~34 元

   • 若后续光伏产业链景气上行、企业利润恢复，股价反弹到 33~34 元；

   • 同时风险得分（risk_score）有所下降（波动率减小、最大回撤收窄）；
     → 可以再减仓 30%，逐步退出到剩余较少仓位，用于中长期观望。

止损策略：

1. 用户设定亏损风险为 12%，以成本 28 元计算：

   • stop_loss_price_ratio = 28 * (1 - 0.12) = 24.64 元，接近当前市价；

2. 若未来股价继续跌破 24 元，并向 22 元甚至以下延伸：

   • 可将 22 元视为最终止损底线（约较成本 -21%）：

   • 一旦有效跌破此价（例如连续数日收盘低于 22 元），且行业和外部环境未改善；
     → 建议执行较为坚决的减仓或清仓操作，最多只保留不超过总资产 3% 的象征性仓位。

3.5 招商银行（600036.SH）

• 当前持仓：800 股，成本 35 元，现价 38 元，浮盈约 8.57%。

• 因子与得分概况（假设）：

  • 趋势得分（trend_score）：中性略强（水平均稳上行）；

  • 估值得分（valuation_score）：中性偏高（银行板块整体估值处于合理区间）；

  • 资金流得分（flow_score）：中性偏多（北向资金有一定配置力度）；

  • 风险得分（risk_score）：较低（银行股 Beta 和波动率通常较低）。

加仓策略：

1. 观察支撑区：36 元附近

   • 这一价位可能是近期震荡平台下沿或短期支撑线。

2. 条件：

   • 银行业指数相对沪深300 的 20 日超额收益（excess_ret_20d_index_bank_vs_hs300）为正或接近零；

   • 北向资金在银行板块的行业资金流（net_inflow_nb_sw_industry）保持正值或小幅正值；
     → 若上述条件满足且股价在 36 元附近止跌，可以考虑加仓不超过当前持仓 20%，即再买 160 股，使总持仓达到 960 股左右。

减仓与止盈策略：

1. 第一档止盈区：40 元附近

   • 若大盘处于高位震荡，外部利率上升预期增强，银行股存在估值回调的可能；
     → 建议先减仓 20%，卖出约 160 股，将持仓降至 640 股。

2. 第二档止盈区：41.3 元左右

   • 对应从成本 35 元上涨约 18%；

   • 若此时行业估值分位（pe_ttm_industry_pct）接近历史 70% 分位；
     → 建议再减仓 2030%，卖出 130200 股，使剩余持仓控制在 400 股以内，作为长期红利仓位。

止损策略：

1. 按 8% 亏损风险，以成本 35 元计算：

   • stop_loss_price_ratio = 35 * (1 - 0.08) = 32.2 元；

2. 若股价跌破 32.2 元，并同时出现：

   • 金融板块资金流明显转弱（net_inflow_main_sw_industry 连续为负）；

   • 外部环境如信用事件、利率上行预期增强；
     → 建议将仓位降至总资产 5% 左右，例如减持至 300 股以内，以防范系统性金融风险。

4. 特别注意个股说明

1. 中际旭创（300308.SZ）——高波动与外部科技环境强相关的品种

   • 20日年化波动率（vol_20d）显著高于组合其他股票，Beta（beta_252d）大于 1.5，对组合净值短期波动起放大作用；

   • 与外部因素表中的“纳斯达克指数涨跌幅（us_nasdaq_ret）”相关性较高，当纳指出现大幅下跌时，通过 external_event_score 会放大对该股的负面影响；

   • 建议：该股仓位不宜超过组合总资产的 15%，严格执行分批止盈与止损纪律，避免“盈利股变成主要风险源”。

2. 隆基绿能（601012.SH）——受行业周期与海外政策共同影响的标的

   • 光伏行业的需求与售价高度依赖海外市场，外部因素表中“中美贸易摩擦升级”“海外补贴政策调整”等事件会显著影响 external_event_score；

   • 若股权质押比例（share_pledge_ratio_total）较高，且股价长期低位徘徊，需警惕“业绩+质押”双击风险；

   • 建议：在行业未出现明确上行拐点前，将其视为“高波动主题仓位”，以“反弹减亏”为主，不适合重仓长期死扛。

5. 风险控制与执行要点

1. 单股风险控制规则

   • 单只股票市值占组合总资产的上限一般为 20~25%，高风险得分（risk_score > 0.7）的个股上限进一步降至约 10%；

   • 对于有 ST 风险、连续跌停、重大负面公告的股票，将该事件视作独立风险因子，与价格信号一起触发快速减仓或清仓；

   • 对高波动的成长股，尤其关注组合层面的仓位集中度，避免同一题材或同一行业过度集中。

2. 组合层面风险控制

   • 组合最大回撤预设为 15~20%；

   • 当组合从历史最高净值回撤超过 10%：

     • 降低整体目标仓位，例如从 100% 降至 60%；

   • 当回撤超过 15%：

     • 再进一步降低整体仓位，例如降至 30~40%，并暂缓所有新增高风险仓位。

3. 执行与复盘

   • 每日盘前按照上述流程生成“指数/板块概率 + 持仓建议”报告；

   • 盘中仅在价格触及预设价位、且关键因子信号未明显反向时执行（防止因短暂噪音频繁操作）；

   • 每周或每月对“因子信号 → 实际收益”的路径进行复盘：

     • 统计在何种因子组合下的止盈/止损效果最好；

     • 调整趋势/估值/资金流/风险四类得分的权重；

     • 优化止盈/止损及加仓阈值。

结论

本文构建了一套完整的“数据-因子-策略-大模型”闭环系统。该系统通过T-1日数据的深度挖掘，利用量化模型解决了“怎么算”的问题，利用大模型解决了“怎么说”的问题。

对于开发者而言，这套架构具有极高的可扩展性。你可以在因子库中添加更多的特色因子（如舆情因子），也可以在Prompt中调整大模型的叙述风格（如更激进或更保守）。这种融合架构不仅降低了普通投资者使用量化工具的门槛，也为金融科技产品的创新提供了新的范式：用确定性的代码构建底座，用人性化的AI重塑体验。

📢💻 【省心锐评】

量化负责“算得准”，大模型负责“讲得通”。这种左右脑协同的架构，才是AI时代金融工具进化的终极形态，别再让用户看冷冰冰的代码了。