GeezerVison

• 数据：BaoStock 免费数据。按月查询历史成分股（避免幸存者偏差）；个股下载不复权价与复权因子（收益使用后复权价，整手按真实价格计算），包含停牌、ST、涨跌停、PE / PB / PS、换手率。多进程并行、断点续传、增量更新；沪深300 首次下载约 8～10 分钟、约 80 MB。支持导出 / 导入数据包（分发前请确认数据源条款）。
• 因子：EP、BP、SP、5 / 20 / 60 日收益、中期动量（120 日，跳过最近 20 日）、60 日波动率、20 日换手率、Amihud 非流动性，以及 ROE、毛利率、净利率、净利润 / 营收同比、总市值等财务因子，资产负债率、流动比率、经营现金流 / 净利润等排雷因子（也可作为选股条件，排除负债率过高、利润没有现金支撑的股票）。按日 MAD 去极值、z-score 标准化，多因子按方向与权重合成。
• 财务数据：来自 BaoStock 季频数据，自首次公告日的下一个自然日起生效；迟到的旧报告期不覆盖新报告期；超过 15 个月未更新视为缺失。排雷数据（资产负债表、现金流量表）单独下载，请求次数是财务数据的两倍；资产负债率由权益乘数换算（BaoStock 的资产负债率字段 2024 年中至 2025 年报被多除了 100）。未使用 AKShare 业绩报表，因其「最新公告日期」会随后续报告更新，可能引入未来信息。
• 因子研究：Rank IC（均值、年化 ICIR、t 值、IC>0 比例）、分层回测（各组净值、年化收益、多空组合、单调性、顶组换手）、全部因子一览、因子相关性矩阵。
• 中性化：逐日横截面回归，去除行业（证监会分类）和 / 或市值暴露后再标准化。
• IC / ICIR 加权：各因子的权重与方向取过去 N 个交易日的平均 Rank IC（或 IC / 标准差），仅使用当时已完全实现的 IC。
• 机器学习合成因子：以所选因子为特征、未来收益排名为目标，在每个调仓日只用当时已知的数据滚动训练模型，用预测值选股。可选岭回归、K 近邻、随机森林、梯度提升树（均用 numpy 实现，不需要额外安装，结果可复现）；结果页对比模型、ICIR 加权与各单因子的样本外 IC，列出因子重要性，并在可信度检查中提示过拟合（训练集 IC 远高于样本外 IC）。
• AI 因子挖掘（仅股票池）：将区间按时间切成「挖掘期」与末尾的「检验期」（默认约 30%）。每轮调用一次大模型提出一批因子代码，软件只在挖掘期计算 Rank IC、t 值以及与现有因子 / 已入选因子的相关性，将结果反馈给 AI 改进或更换方向；|t| 达到下限且不与已有因子重复的入选。全部轮次结束后，才对入选因子计算一次检验期 IC，并与挖掘期最好的几个现有因子、两者的等权合成并排比较。可信度检查列出共尝试了多少个因子及相应的多重检验门槛（Bonferroni 校正），以及入选因子是否「达到门槛」「通过检验期」。AI 写的代码在本机自动运行：运行前做严格检查（禁止 import、读写文件等），并在截到较早日期的数据上重算，使用未来数据的因子不会入选。挖掘记录（设置、全部候选的结果与代码、模型每轮的说明）可导出为 Markdown；入选因子可一键保存为自定义因子。
• 选股回测：每月 / 每周 / 每 N 天在调仓日收盘评分，选出前 N 只，次日开盘执行；先卖出落选股票，再等额买入新入选股票；停牌或开盘跌停无法卖出（此后每日重试），停牌或开盘涨停无法买入；基准为对应指数的全收益指数（含分红再投资，与策略收益口径一致；中证指数公司）。
• 分红处理：默认「分红再投资」（后复权）。可选「现金分红并扣红利税」：除息日现金到账、送转增加股数，卖出时按持股期限扣缴红利税（≤1 个月 20%，1 个月至 1 年 10%，超过 1 年免税），与聚宽及实盘一致。BaoStock 分红表中缺失的特别分红、中期分红根据交易所除权参考价补齐。
• 大盘条件与回撤停手：支持设定大盘空仓条件与恢复条件（基于对应基准指数日线均线、MACD 等指标）；支持「净值回撤停手」，当策略净值从历史高点回撤达到设定比例时清仓并暂停调仓，待基准指数满足恢复条件（默认站上 20 日均线）企稳后在下一个调仓日恢复选股买入。
• 另有：以自然语言描述选股（AI，可勾选「在当前方案基础上修改」，如「加入低波动因子，持股数量改为 30 只」，仅调整所述部分，其余设置保持不变）、选股回测结果的 AI 解读、每期选股的行业分布、自定义因子（编写 def factor(p)，可试算覆盖率、IC 与分组收益；也可以用一句话描述，由 AI 写出代码，阅读后再试算）。
• 个股概览（「工具」页，仅股票）：输入代码或名称，查看市盈率 / 市净率走势及其在本地历史中的百分位、历年 ROE 与毛利率、逐年分红与股息率、排雷指标；只列出事实，不打分。在选股回测结果的「每期选股」中点击某一期，可查看入选股票当天的各因子值（原始值与标准分），再点击某只股票打开它的概览。
• 持仓诊断（「工具」页，仅股票）：逐只输入、粘贴券商软件中的持仓表或读取模拟账户，查看集中度（有效持仓数）、行业分布、风格（总市值、市盈率、市净率、股息率、ROE 在所选股票池中的百分位）、过去一年的相关系数，以及假设一直持有过去一年的收益、波动与回撤（与指数对照）；只列出事实，不打分。

• 数据：东方财富（转债列表含已退市的、条款、每日纯债价值 / 转股价值 / 转股价）、新浪（日线）、中证指数公司（中证转债指数，作为基准）。首次下载约 1000 只、约 40 MB、6～10 分钟，之后只更新仍在交易的转债。
• 因子：双低（价格 + 转股溢价率）、转债价格、转股溢价率、纯债溢价率、转股价值、发行规模、剩余期限、正股 20 日涨幅、正股 60 日波动率、强赎触发天数；收益、动量、波动率、Amihud 等价量因子与股票通用。2018–2026 年实测双低 20 日 Rank IC 约 −0.06（t ≈ −3.3），五组收益单调。
• 选股条件：价格上限、20 日日均成交额下限、剩余期限下限、转股溢价率上限、强赎触发天数上限。
• 交易规则：每手 10 张、T+0；2022-08-01 起涨跌幅 ±20%，上市首日 +57.3% / −43.3%（相对面值）；转债按全价交易，付息按税后利息（扣 20%）计入复权。
• 强赎与到期：发布强制赎回或到期赎回公告的转债，公告当日起不再入选，下一个交易日开盘卖出；因停牌、违约、正股退市等意外停止交易的，当时无法预知，持仓保留、无法卖出（与实际一致）。强赎提示性公告没有历史数据，以「强赎触发天数」近似：近 30 个交易日中转股价值不低于 130 的天数（多数转债满 15 天即可强赎；2018–2026 年的强赎公告中约 97% 在公告日已达到 15 天），可作为因子或选股条件，在公告前回避。
• 行业中性化使用正股所属行业，市值中性化使用发行规模。因子研究、选股回测、滚动优化、模拟盘、导出 Python 脚本、自然语言选股均支持；暂不支持导出到聚宽 / 掘金 / QMT，也不模拟转股、回售与下修。
• 可转债开户有投资者适当性要求（2022 年起：前 20 个交易日日均资产不低于 10 万元，且有 2 年以上证券交易经验）。

• 风险测评：10 道单选题（年龄、收入、拟投资比例、收入稳定性、投资经验、投资过的品种、投资期限、投资目标、可承受的最大亏损、下跌 20% 时的处理）。总分在最低分与最高分之间的相对位置按五等分对应 C1～C5；「不能接受任何亏损」最高评为 C1，「投资期限 1 年以内」最高评为 C2。可承受的最大回撤分为 3%、10%、20%、35%、50% 五档。
• 配置候选：现金类（按固定年化收益率计息）、ETF 买入持有、择时策略 + 标的、已保存的选股策略。内置候选为现金、国债 ETF（511010）、十年国债 ETF（511260）、沪深300ETF、中证500ETF、黄金 ETF（518880），缺少行情时可一键下载。各候选的风险等级 R1～R5 由共同区间内的年化波动率（2% / 6% / 15% / 25%）与最大回撤（3% / 10% / 20% / 35%）分档，取较高的一级；回撤分档与 C1～C5 一致。
• 参考配置：按风险等级确定现金类、债券类、权益类与其他（黄金、可转债等）的比例，候选中缺少的大类按比例分摊；大类内部按波动率倒数分配（风险平价）。未使用均值-方差优化：它对预期收益的估计误差极为敏感。组合在共同区间内的最大回撤超过可承受回撤时，每次将 5% 的权重从权益类及其他移至债券类，其次由债券类移至现金类，直到满足约束。
• 组合回测：各成分的日收益按权重合成，可选每月、每季度、每年、偏离超过 5 个百分点时或不再平衡，每次再平衡按换手金额的 0.05% 扣除成本；以全部候选等权配置为参照。结果包括年化收益、波动率、最大回撤、夏普、组合风险等级、各成分的收益贡献与风险贡献、相关系数，以及共同区间长度、回撤是否超限、组合等级是否高于风险承受能力等提示。
• 组合模拟账户：在组合回测结果下方开设，开户时保存权重、再平衡方式以及择时 / 选股成分的策略（此后修改同名策略不影响账户）。各成分按与回测相同的方式逐日推进：现金类按固定收益率计息，ETF 买入持有按前复权收盘价，择时与选股成分以 100 万元子账户运行回测代码后按成分金额折算持仓与信号；组合合成与再平衡使用组合回测的同一函数，测试保证逐日推进与一次推进、与组合回测的结果一致。到再平衡时点（定期规则的最后一个交易日收盘，或偏离超过阈值）时，按收盘价计算各成分的调整金额，于下一交易日开盘执行；折算后不足一手的交易不列出。模拟盘页显示各成分的目标与当前权重、对应持仓、资产曲线（与各成分等权配置对比）和再平衡记录。
• 回撤约束与风险等级均依据历史数据，未来的波动与回撤可能超过历史水平；页面结果仅供研究参考。

• 交互式策略图：对应 Backtrader 原生图，但可缩放、拖动、悬停联动：每笔交易盈亏、K 线（叠加指标与买卖点）、成交量及各指标栏共用时间轴；提供 1 月 / 3 月 / 6 月 / 1 年 / 全部快捷区间，并去除非交易日空白。规则策略绘制规则中实际使用的指标线及阈值参考线。
• Backtrader 原生图：Backtrader 自带的 matplotlib 图表，可选择显示区间并下载 PNG；与回测共用同一套设置，测试保证画图时的成交与回测完全一致。

• 追加资金：每月 / 每周第一个交易日开盘前到账，初始资金视为第一期。回测、参数优化、滚动优化（「延续持仓」方式）、单标的与选股模拟账户、导出 Python 脚本均支持；模拟盘在追加日的前一天提醒转入资金。
• 定期定额定投：每笔追加资金到账当天收盘按整手买入，下一交易日开盘成交；多个标的平分，凑不满一手的零头留到下一期。
• 估值定投：按市盈率在过去 N 年（默认 5 年）的历史百分位调整每期投入——低于 30% 投 2 倍，高于 70% 投 0.5 倍（可设为 0，即高估时暂停），其余 1 倍。少投的钱留作储备，低估时多投先用储备；储备按设定的年化收益计息（默认 2%，相当于放在货币基金）。需要带市盈率的数据：股票日线，或下载时附带指数估值的 ETF / 指数（指数估值每月更新一次）。
• 指标：总收益 = 期末市值 ÷ 累计投入 − 1；XIRR 为资金加权年化，计入每笔资金的投入时间；时间加权收益、年化、夏普、最大回撤按扣除追加资金后的单位净值计算，追加的钱不会掩盖亏损。
• 选股回测：追加的钱先留作现金，到下一个调仓日开盘再买——先卖落选、买新入选，剩下的按目标仓位补到继续持有的股票上（只补不减）；空仓月份、大盘空仓期间一直留作现金。基准为同样的资金与日期买入持有股票池指数。
• 暂不支持：选股的滚动优化（按一次性投入计算）、组合模拟账户的追加资金，以及导出到聚宽 / 掘金 / QMT。

• 按训练期 / 测试期切分窗口（滚动：训练期长度固定；锚定：从最早数据开始逐渐变长）。每个窗口仅用训练期选择参数，在紧随其后的测试期检验，拼接出完全样本外的资产曲线，并与「始终使用原参数」「买入持有」对比。
• 更换参数时的衔接方式：延续持仓（视为新参数一直在运行）或每段重新开始（每段空仓起步、资金接力，更为保守）。
• 输出样本外收益、年化、夏普、回撤、滚动效率 WFE、参数稳定性图与各窗口明细。择时策略与选股策略均支持。

• 每次运行：更新数据 → 以回测代码从开始日重放到最新数据 → 新成交追加到账本（只追加、不改写）→ 最后一根 K 线上尚未成交的委托即为「今日信号」（下一交易日开盘执行）。测试保证逐日推进与一次性回测的结果完全一致。
• 仅使用「此刻应已发布」的完整日线，避免使用盘中未走完的 K 线；错过的交易日在下次运行时自动补齐；交易日历包含节假日。
• 单标的账户可选「现金分红」，信号股数按真实价格计算；选股账户跟随选股策略的分红设置。
• 今日信号与持仓可导出 CSV，用于在券商端手动下单；数据修订导致重放与账本不一致时会给出提示。
• 定时任务：周一至周五，默认 19:00（BaoStock 当日数据通常在 18:40 前发布）；源码版运行 paper_daily.bat（macOS / Linux 为 paper_daily.sh），安装版运行 SimpleQuant --paper。

• 择时「导出 Python 脚本」：生成可独立运行的 .py（仅需 backtrader pandas akshare baostock），包含数据设置、策略与费率；测试保证每一笔成交都与 SimpleQuant 回测相同。
• 择时「导出到聚宽 / 掘金 / QMT」：嵌入与平台无关的信号核心 simplequant/export/signal_core.py（纯 numpy，兼容 Python 3.6，指标算法与预热期逐项对照 Backtrader），加上各平台的对接代码。时序与 SimpleQuant 相同：上一交易日收盘产生信号，当日开盘成交。聚宽已实测，交易日期与 SimpleQuant 一致。
• 选股「导出策略」：Python 脚本（更新数据 → 回测 → 保存最新选股 picks.csv，可定时运行）；聚宽 / 掘金 / QMT 的「平台计算」版本（在平台上以其自身数据按相同算法选股）与「按 SimpleQuant 名单调仓」版本（写入回测得出的每期名单）。聚宽已实测，成交逐笔对应。
• 聚宽、掘金免费注册即可回测；QMT 需要券商账户。暂不支持：择时规则中的估值 / 换手 / 利率类因子、分钟线、可转债选股（利率条件、基于 AKShare ETF / 指数数据的估值百分位也不能导出为 Python 脚本）；机器学习合成因子导出到平台时请用「按名单调仓」。

价格：收盘 / 开盘 / 最高 / 最低、前 N 日最高 / 最低；趋势：MA、EMA、MACD、均线斜率、乖离率 BIAS、DMI / ADX、N 日涨幅；摆动：RSI、KDJ、CCI、威廉 WR；量能：成交量、均量、量比、OBV；波动：布林带、ATR、收益波动率；估值 / 换手：换手率、PE(TTM)、PB、PS(TTM)（需要 BaoStock 股票日线）、市盈率 / 市净率历史百分位（当前估值在过去 N 年中的位置，0 为最低、100 为最高；BaoStock 股票日线，或 AKShare 下载的常见宽基 ETF / 指数）；利率 / 信用利差：10 年期国债收益率、期限利差（10 年 − 1 年）、信用利差（3 年 AAA 中短期票据 − 3 年国债），来自中债收益率曲线，需先下载（数据页的「利率」标签，或规则用到时就地更新）；股债利差（100 / 市盈率 − 10 年期国债收益率）及其历史百分位，需要市盈率与利率数据；持仓：持仓收益率（止盈止损）。KDJ、OBV 按国内软件的算法实现，并与独立实现逐值核对。

• AKShare 的 ETF 与股票日线来自东方财富，东方财富连接失败时改用新浪。复权一律为等比复权（分红再投资，与 BaoStock、选股一致）：股票为不复权价 × BaoStock 复权因子（新浪则用新浪的复权因子），ETF 由不复权价与新浪累计分红计算（并处理份额拆分与折算）。东方财富自带的复权价是加法复权（复权价 = 不复权价 + 上市以来的累计分红），每天的涨跌幅会被压缩（红利 ETF 510880 约为真实涨跌的三分之二），只在取不到复权因子时使用（如北交所股票），回测与参数优化时会提示。回测报告标题下注明数据来源（如「东方财富·不复权 × BaoStock 复权因子 · 后复权」）。
• ETF / 指数估值来自乐咕乐股，只有月末数据和最近一天；已下载的 ETF / 指数需重新下载才会带上估值。
• 改为等比复权之前下载的 ETF / 股票数据是加法复权，回测时会提示；在「数据」页勾选「忽略本地已有数据，重新下载」即可更新。
• BaoStock 当日日线在收盘后发布（实测 18:40 前已发布）。
• 可转债：新浪日线为不复权价、成交量单位为「张」，个别转债缺上市初期的日线（这些天只用东方财富的收盘价计算因子、不交易）；东方财富给出的评级是最新评级，用于历史回测会有前视偏差，因此没有作为选股条件。
• 利率：中债收益率曲线每次最多查询约 1 年；没有企业债曲线，信用利差使用中短期票据（AAA）。曲线在交易日傍晚发布，日线策略用当天数值（次日开盘成交），分钟线用前一天的数值。

main.py                    程序入口（桌面窗口 / --browser / --paper / --run-script）
gui/                       界面（NiceGUI）：app（路由）、layout（侧栏）、pages/（各页）、components、widgets、theme
ui/                        与界面框架无关的部分：texts（界面文字）、charts（图表）、shared（页面逻辑）
simplequant/data/          数据源（akshare / baostock / tdx_local / csv）、本地数据库、现金分红行情
simplequant/engine/        回测执行、A 股成本模型、策略基类（整手 / T+1 / 分红）、绩效指标、参数优化、滚动优化、可信度检查
simplequant/strategies/    模板、规则策略、代码策略
simplequant/rules/         规则 JSON 结构、校验与描述
simplequant/stocks/        多因子选股：数据下载、宽表、因子、因子研究、选股回测、机器学习合成（ml）、AI 因子挖掘（mining）、分红、股票池入口（universe）
simplequant/bonds/          可转债数据与面板、利率与信用利差
simplequant/paper/         模拟盘：账户、重放与账本、资产配置组合账户、交易日历、定时任务、异常检查
simplequant/allocation/    资产配置：风险测评、配置候选与风险等级、参考配置、组合回测
simplequant/export/        导出：Python 脚本、聚宽 / 掘金 / QMT
simplequant/llm/           大模型接入：预设与配置、Claude / OpenAI / LiteLLM 适配、自然语言转规则 / 选股方案 / 因子代码、因子挖掘的提示词
simplequant/update/        自动更新：检查与下载、更新清单与签名校验、替换文件的脚本
installer/                 安装包脚本（Inno Setup）
tools/                     发布（release.py）、macOS / Linux 打包（build_unix.sh、smoke_test.py）、图标、README 图片等辅助脚本
.github/workflows/         GitHub Actions：macOS / Linux 的测试与打包
tests/                     pytest

• 新增数据源：继承 simplequant.data.base.DataSource，实现 fetch() 并返回标准 OHLCV DataFrame，再加入 simplequant/data/__init__.py 的 SOURCES。
• 新增模板：在 simplequant/strategies/templates.py 中继承 _PerAsset 或 BaseStrategy，以 register(Template(...)) 注册，界面自动生成参数表单。
• 新增指标：在 rules/schema.py 的 INDICATORS 中添加说明，并在 strategies/rule_strategy.py 的 _build_line 中实现。
• 界面文字：界面文字位于 ui/texts.py，核心文字（指标名、日志、错误）位于 simplequant/i18n.py，均写作 L("中文", "English")；测试会检查每个用到的键都有中英文。
• 系统差异：数据目录、程序目录、打开文件夹等集中在 simplequant/system.py；定时任务见 simplequant/paper/schedule.py，自动更新替换文件的脚本为 simplequant/update/apply_update.ps1（Windows）与 apply_update.sh（macOS / Linux）。
• 测试：.venv\Scripts\python -m pytest -q tests（macOS / Linux：.venv/bin/python -m pytest -q tests）