企业官网建设流程全解析

tick-stock-panel因子与策略四桥联动：一键生成策略、Zap条件信号与因子归因

【免费下载链接】tick-stock-panelTSP自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台 | LLM能力驱使策略定制+个股分析+复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源项目地址: https://gitcode.com/GitHub_Trending/ti/tick-stock-panel

tick-stock-panel 是一款自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台。它最让新手省心的地方，是把「因子」和「策略」之间原本割裂的最后一公里打通了：内置 77 个因子库 + 公式 DSL 自定义因子，再通过四条联动桥，让你一键把因子变成可回测的策略、Zap 条件信号、AI 信号素材，并在回测结束后看到因子归因报告——整个研究闭环在一个本地工作台里完成，无需写一行代码。

一、先搞懂「四桥」解决什么问题

量化研究里有两条线：研究线（因子检验、挖掘，回答"什么特征能预测涨跌"）和交易线（策略回测，回答"何时买卖、拿几只"）。过去两条线各自为战：因子检验完就躺在结果表里，策略还是策略，因子还是因子。

tick-stock-panel 用四条桥把研究线的产物直接灌进交易线：

整体设计思路可参考官方方案文档 docs/factor-platform-plan.md 与后端技术规格 docs/factor-system-design.md。

二、桥①：Zap 一键创建因子条件信号

场景：你在检验页发现"RSI_6"在超卖端（IC 为负）有明显预测力，想让它在盘中真正触发提醒。

不用手写规则：在策略触发器编辑区点 ⚡ Zap 按钮（SignalTriggerActions.tsx），或在因子检验结果行直接点「加入信号条件」，打开的对话框（AddFactorSignalDialog.tsx）会自动做三件事：

• 方向预填：按检验出的 IC 符号自动选"> 高值"或"< 低值"；
• 阈值建议：按因子族惯例给建议值——RSI 30/70、KDJ 20/80、z 分 ±2、有界位置 0.2/0.8、乖离 ±5%，你只需微调；
• 自动挂接：保存后生成csg_f_*自定义信号，可立即作为当前策略的入场/卖出触发器，选股、回测、盘后监控全部可用。

💡 因子列走历史补算路径（与检验同一条计算管线），所以回测里信号完整可复现；但盘中实时快照没有滚动窗口，带窗口的因子信号盘中不触发——这是设计上的已知边界。

三、桥②：因子库一键生成可回测策略

场景：某个因子检验通过，你想立刻知道"只用它做排名选股能赚多少"。

在因子库 tab 点「生成策略」（FactorLibrary.tsx），弹出的对话框（GenerateFactorStrategyDialog.tsx）只需你确认两件事：

1. 策略名称（默认"XX排名策略"）；
2. 打分方向：值大加分 / 值小加分（拿不准就默认生成，回测对比两个方向再定）。

点击「生成策略」后，系统自动渲染 FactorRankResearchMatrixStrategy 模板并保存为custom_factor_*自定义策略：按因子值全市场排名打分，评分 ≥ 入场下限（默认 70 分）买入、跌破离场上限（默认 40 分）卖出，每日最多入选 20 只，止损 -8%、最长持仓 30 个交易日。

生成的策略参数化程度很高——入场/离场评分、每日入选上限都是可调参数，且走matrix_native矩阵内核，评分口径与因子检验、自动挖掘是同一条计算管线，不存在"检验一套数、回测另一套数"的问题。

四、桥③：AI 自定义信号自动注入因子分组

场景：你有一个偏口语化的想法："RSI 低于 30 且 5 日量比放大就提示"，但懒得写条件表达式。

打开自定义信号 AI 编辑器（custom_signals_ai.py），提示词构建时会把全部因子分组注入给模型（_format_fields以行前缀「因子·」展开），并用白名单allowed_fields()收口——AI 只能引用注册表里真实存在的因子，不会产生幻觉字段。

也就是说：内置因子、你 DSL 手写的自定义因子、挖掘晋升的复合因子，AI 全都"看得见、用得上"，一句自然语言就能产出结构化的条件信号。

📌 想自己写公式因子？因子编辑器 tab 提供 25 个 DSL 算子面板（时序/截面/工具三组）、双语字段 chip 和 40 日试算，编译器与防未来函数校验见 factors/dsl.py。

五、桥④：回测结束后的因子归因

场景：策略回测赚了钱，但你想知道"赢的单和亏的单，入场那天到底差在哪些因子上"——这决定策略是可持续还是碰运气。

跑完策略回测，结果区多出一个因子归因tab（strategy.py 的_factor_attribution_summary）：

• 回测在入场候选确定时，对当日因子值做快照（meta.scoring非空即自动产出，无需额外配置）；
• 快照按信号日与成交单关联，对比盈利单 vs 亏损单在入场信号日的因子均值；
• 哪些因子在胜单上系统性偏高/偏低一目了然，帮你判断"评分权重该往哪边调"。

实现上是 fail-open 的：归因计算失败只记日志，不影响回测主结果。已知边界：矩阵单因子排名类策略（如桥②生成的custom_factor_*）因META.scoring设计上为空，暂不产出归因。

六、新手推荐的完整工作流

把四桥串起来，一条从零到一的路径：

涉及的核心模块路径：

• 因子注册表（77 因子单一事实源）：backend/app/factors/registry.py
• 一键生成策略模板：backend/app/strategy/builtin/factor_rank_research.py
• Zap 信号对话框：frontend/src/pages/backtest/AddFactorSignalDialog.tsx
• 回测因子归因：backend/app/backtest/strategy.py

七、最后

四桥联动的本质是一句话：因子不再只是检验报告里的一行数字，而是随时能变成触发器、策略和归因证据的"活性资产"。对于刚开始接触 A 股量化的朋友，建议先从「快速体检 + 生成策略 + 看归因」这条最短路径跑起来，再逐步加入自定义因子与 AI 信号，整个闭环全程本地自托管，数据与策略都在自己手里。

【免费下载链接】tick-stock-panelTSP自托管、零运维的 A 股「选股 + 监控 + 回测」量化工作台 | LLM能力驱使策略定制+个股分析+复盘 | 自由接入第三方数据源与个性化扩展数据 | 个人开源项目地址: https://gitcode.com/GitHub_Trending/ti/tick-stock-panel