从全市场中按策略筛选、评分、排序，输出值得关注的候选股票。
为 AI Agent 设计的自动选股 Skill。
- 本项目仅用于学习、研究与工程实验，不构成任何投资建议、收益承诺或买卖指引。
- 项目输出依赖第三方行情数据、外部模型与策略参数，可能存在延迟、缺失、错误或不符合实际交易条件的情况。
- LLM 生成的排序理由、风险摘要等内容仅供参考，不能替代人工研究、合规审查与独立投资判断。
- 使用者应自行评估策略风险、交易成本、流动性、公告时点与市场环境，并对自己的决策与结果负责。
# 安装
pip install -e .
# 配置（LLM 排序可复用 daily_stock_analysis 的 LiteLLM 配置）
cp .env.example .env
# 编辑 .env，填入 GEMINI_API_KEY / OPENAI_API_KEY / DEEPSEEK_API_KEY
# 或使用 LITELLM_MODEL、LLM_CHANNELS、LITELLM_CONFIG
# 列出可用策略
alphasift strategies
# 一键演示（无 API key）
alphasift quickstart
# 执行选股（不使用 LLM 排序）
alphasift screen dual_low --no-llm
# 执行选股（使用 LLM 排序，需要配置 LLM_API_KEY）
alphasift screen dual_low
# 复用其他项目的 LLM 配置文件
alphasift --env-file /home/ubuntu/daily_ai_assistant/.env screen balanced_alpha
# 带市场/主题上下文的 LLM 排序
alphasift screen balanced_alpha --context "今日券商板块放量，低估值金融获得资金回流"
# 带候选级新闻/公告/资金流上下文的 LLM 排序
alphasift screen balanced_alpha --candidate-context-file candidate_context.csv
# 默认会运行本地 L3 scorecard 后置评分器
alphasift screen balanced_alpha --explain
# 追加 DSA 作为可选 L3 后置分析器之一（需要配置 DSA_API_URL）
alphasift screen dual_low --post-analyzer dsa
# 显式关闭 L3 后置评分/分析
alphasift screen dual_low --no-post-analysis
# 项目/策略自检
alphasift audit
# 刷新行业/概念/板块热度映射缓存，并写 metadata 和 history sidecar
alphasift industry-cache --output data/industry_map.csv --explain
alphasift screen balanced_alpha --industry-map-file data/industry_map.csv
# 保存运行，之后用最新快照做 T+N 评估
alphasift screen dual_low --no-llm --save-run
alphasift runs
alphasift evaluate <run_id> --explain
alphasift evaluate-batch --limit 20 --explain
# 如需更完整复盘，可额外抓取日 K 路径，输出最大回撤/最大浮盈
alphasift evaluate <run_id> --with-price-path --explain
# Python 调用
from alphasift import evaluate_saved_run, evaluate_saved_runs, screen
result = screen("dual_low", use_llm=False)
for p in result.picks:
print(f"{p.rank}. {p.code} {p.name} score={p.final_score:.1f}")| 变量 | 必须 | 说明 | 默认值 |
|---|---|---|---|
LITELLM_MODEL |
推荐 | 主模型，兼容 daily_stock_analysis，格式 provider/model |
gemini/gemini-2.5-flash |
LITELLM_FALLBACK_MODELS |
否 | 备选模型，逗号分隔 | - |
LLM_CHANNELS |
否 | 多渠道配置，配合 LLM_{NAME}_* 使用 |
- |
LITELLM_CONFIG |
否 | 高级 LiteLLM Router YAML 配置文件路径 | - |
GEMINI_API_KEY / OPENAI_API_KEY / DEEPSEEK_API_KEY |
LLM 排序时至少一种 | 供应商 API Key，兼容 daily_stock_analysis 配置 | - |
OPENAI_BASE_URL / OLLAMA_API_BASE |
否 | OpenAI 兼容接口或 Ollama 地址 | - |
LLM_API_KEY |
否 | 旧版兼容 API Key，会优先覆盖供应商 key | - |
LLM_MODEL |
否 | 旧版兼容模型名；LITELLM_MODEL 优先 |
gemini/gemini-2.5-flash |
LLM_BASE_URL |
否 | 旧版兼容自定义 API 地址 | - |
LLM_CONTEXT |
否 | 传给 LLM 的市场/新闻/主题上下文 | - |
LLM_TEMPERATURE |
否 | LLM 排序温度，默认偏确定性 | 0.2 |
LLM_JSON_MODE |
否 | 是否请求 JSON response_format，不支持时自动降级 | true |
LLM_SILENT |
否 | 是否抑制 LiteLLM 调用日志，避免污染 CLI JSON/摘要输出 | true |
LLM_RANK_WEIGHT |
否 | LLM 排序对最终分数的权重 | 0.40 |
LLM_CANDIDATE_MULTIPLIER |
否 | 送入 LLM 的候选倍数（相对 max_output） | 6 |
LLM_MAX_CANDIDATES |
否 | 单次最多送入 LLM 的候选数 | 30 |
LLM_MAX_RETRIES |
否 | LLM 结构化输出不合格时的重试次数 | 1 |
LLM_MIN_COVERAGE |
否 | LLM 输出必须覆盖候选池的最低比例 | 0.60 |
LLM_CONTEXT_MAX_CHARS |
否 | 拼接后传给 LLM 的上下文最大长度 | 4000 |
LLM_CANDIDATE_CONTEXT_ENABLED |
否 | 是否默认对 LLM Top K 候选抓取新闻/公告/资金流线索 | false |
LLM_CANDIDATE_CONTEXT_MAX_CANDIDATES |
否 | 候选级上下文最多抓取前 N 只 | 8 |
LLM_CANDIDATE_CONTEXT_PROVIDERS |
否 | 候选级抓取来源，逗号分隔：news,fund_flow,announcement |
news,fund_flow,announcement |
LLM_CANDIDATE_CONTEXT_CACHE_ENABLED |
否 | 是否缓存候选级抓取上下文 | true |
LLM_CANDIDATE_CONTEXT_CACHE_TTL_HOURS |
否 | 候选上下文缓存有效小时数 | 24 |
INDUSTRY_MAP_FILES |
否 | 本地 code->industry/concepts/board_heat 映射 CSV/JSON/JSONL，逗号分隔 | - |
INDUSTRY_PROVIDER |
否 | 可选行业/概念/板块热度 provider，如 akshare；默认关闭 |
none |
INDUSTRY_PROVIDER_MAX_BOARDS |
否 | provider 模式最多反查板块数 | 80 |
SNAPSHOT_SOURCE_PRIORITY |
否 | 数据源优先级（逗号分隔）；不设置时若配置了 Tushare token 会优先 tushare |
无 token: efinance,akshare_em,em_datacenter |
TUSHARE_TOKEN / TUSHARE_API_TOKEN |
使用 tushare 时必须 |
Tushare Pro token，用于最近交易日日线和 daily_basic 兜底 | - |
TUSHARE_TRADE_DATE |
否 | 固定 Tushare 交易日，格式 YYYYMMDD，便于复现实验 |
自动取最近开市日 |
POST_ANALYZERS |
否 | L3 后置分析器，设为 none 可关闭 |
scorecard |
POST_ANALYSIS_MAX_PICKS |
否 | DSA/HTTP 等高成本 L3 分析器最多处理前 N 只；本地 scorecard 默认处理全部输出 | 3 |
POST_ANALYZER_URL |
external_http 时必须 |
外部评分工具 HTTP 地址 | - |
POST_ANALYZER_TIMEOUT_SEC |
否 | 外部评分工具超时秒数 | 120 |
DSA_API_URL |
dsa 分析器时必须 |
DSA 服务地址或完整分析端点 | - |
DSA_REPORT_TYPE |
否 | DSA 报告类型 | detailed |
DSA_MAX_PICKS |
否 | 最多对前 N 只候选做深度分析 | 3 |
DSA_TIMEOUT_SEC |
否 | DSA 单次请求超时秒数 | 120 |
DSA_FORCE_REFRESH |
否 | 是否强制 DSA 忽略缓存 | false |
DSA_NOTIFY |
否 | 是否允许 DSA 发送外部通知 | false |
DAILY_ENRICH_ENABLED |
否 | 是否默认对 L1 后 Top N 候选补充日 K 特征 | false |
DAILY_ENRICH_MAX_CANDIDATES |
否 | 日 K 增强最多处理候选数 | 100 |
DAILY_LOOKBACK_DAYS |
否 | 日 K 特征回看天数 | 120 |
DAILY_SOURCE |
否 | 日 K 数据源：akshare、baostock 或 auto |
akshare |
DAILY_FETCH_RETRIES |
否 | 单只候选日 K 拉取失败后的重试次数 | 2 |
RISK_ENABLED |
否 | 是否启用独立风险层 | true |
RISK_MAX_PENALTY |
否 | 风险层最大扣分 | 12 |
RISK_VETO_HIGH |
否 | 是否直接剔除高风险候选 | false |
EVALUATION_COST_BPS |
否 | T+N 评估收益扣除的往返成本，单位 bps | 0 |
EVALUATION_FOLLOW_THROUGH_PCT |
否 | 形态后验中“突破延续”的最低收益百分比 | 3 |
EVALUATION_FAILED_BREAKOUT_PCT |
否 | 形态后验中“突破失败”的最高收益百分比 | -3 |
EVALUATION_PRICE_PATH_ENABLED |
否 | 评估时是否抓取日 K 路径，计算最大回撤和最大浮盈 | false |
EVALUATION_PRICE_PATH_LOOKBACK_DAYS |
否 | 价格路径日 K 回看天数 | 90 |
ALPHASIFT_DATA_DIR |
否 | 运行记录和评估结果目录 | ./data |
STRATEGIES_DIR |
否 | 策略目录路径 | 自动查找 |
AlphaSift 现在兼容 daily_stock_analysis 的 LiteLLM 配置习惯：
LLM_CHANNELS=primary
LLM_PRIMARY_PROTOCOL=openai
LLM_PRIMARY_BASE_URL=https://api.deepseek.com/v1
LLM_PRIMARY_API_KEYS=sk-xxx,sk-yyy
LLM_PRIMARY_MODELS=deepseek-chat,deepseek-reasoner
LITELLM_MODEL=openai/deepseek-chat
LITELLM_FALLBACK_MODELS=openai/gpt-4o-mini,anthropic/claude-3-5-sonnet也支持更简单的单供应商配置：
GEMINI_API_KEY=...
LITELLM_MODEL=gemini/gemini-2.5-flash如果已有 daily_stock_analysis 的 .env，通常可以复用其中的 LITELLM_MODEL、LITELLM_FALLBACK_MODELS、LLM_CHANNELS、LLM_{NAME}_*、OPENAI_*、GEMINI_*、DEEPSEEK_*、OLLAMA_API_BASE 等字段。
CLI 也支持显式加载外部 .env，可重复传入：
alphasift --env-file /path/to/daily_stock_analysis/.env \
--env-file /path/to/daily_ai_assistant/.env \
screen balanced_alphaalphasift/
├── SKILL.md # Skill 描述（AI Agent 读这个）
├── strategies/ # 选股策略 YAML
├── docs/
│ ├── configuration.md # 配置参考
│ ├── design.md # 设计原则
│ ├── positioning.md # 项目定位
│ ├── reference.md # 项目结构、边界和实测记录
│ ├── scoring.md # 评分体系
│ ├── strategy-guide.md # 策略编写指南
│ └── usage.md # 使用指南
└── alphasift/ # Python 包
├── __init__.py
├── cli.py # CLI 入口
├── config.py # 环境配置
├── context.py # LLM 上下文拼接
├── candidate_context.py # 候选级新闻/公告/资金流上下文
├── daily.py # 候选级日 K 特征增强
├── industry.py # 行业/概念/板块热度映射
├── models.py # 数据模型
├── snapshot.py # 全市场快照（4 种数据源 + 自动降级）
├── filter.py # L1 硬筛
├── scorer.py # 评分计算
├── ranker.py # L2 LLM 排序
├── risk.py # 独立风险层
├── post_analysis.py # L3 可插拔后置分析器
├── dsa.py # 可选 DSA 接入
├── store.py # 运行结果持久化
├── evaluate.py # T+N 后验评估与批量评估聚合
├── pipeline.py # 主流程编排
└── strategy.py # 策略 YAML 加载
- 三层漏斗：L1 代码硬筛 → L2 LLM 排序 → L3 后置分析（可选、可插拔）
- 策略即 YAML：所有选股逻辑通过 YAML 文件定义，不写死代码
- 默认规则可覆盖：因子评分曲线、风险阈值、组合风险桶、scorecard 规则和事件偏好都有默认值，也可在策略 YAML 中用 profile 覆盖
- 多因子候选画像：每只候选输出价值、流动性、动量、反转、活跃度、稳定性、市值、主题热度和热度趋势等因子分
- LLM 结构化软判断：LLM 只在候选池内做跨股票比较，输出全局市场判断、选择逻辑、组合风险、候选 thesis、行业/主题、风险、催化、标签和信心分；若快照或外部数据提供
industry/concepts/board_heat_score/board_heat_trend_score，会作为 LLM 判断锚点；--candidate-context-file可按code对齐候选级新闻、公告、资金流或自定义研究摘要，抓取上下文会带来源数、来源置信度、来源权重分、公告类别、事件标签和负面风险标签 - 组合分散覆盖层：LLM 标注行业/主题后，默认按行业风险桶对重复候选做温和扣分；若 LLM 缺失行业标签但候选有
industry，会用结构化行业作后备锚点 - LiteLLM 配置复用：兼容主模型、fallback、多渠道和 Router YAML，方便复用作者其他项目配置
- 独立风险层：在 LLM 后对过热、弱信号、低置信度等风险做统一扣分或剔除
- 候选级日 K 增强：只对 L1 后 Top N 候选补充 MA、60 日涨幅、MACD/RSI、signal_score、20 日突破幅度、区间振幅、20 日量能比、实体强度、MA20 回踩距离和平台持续天数；
DAILY_SOURCE=auto时会先试akshare，失败后降级到baostock - 默认 L3 评分器：本地
scorecard默认启用，作为最终候选的轻量一致性复核 - 可评估闭环：保存运行结果，用后续最新快照做 T+N 收益、胜率、缺失报价、交易成本扣减、等权组合摘要和形态后验标签统计；可选抓取日 K 路径计算最大回撤和最大浮盈
- DSA 后置增强：DSA 只是一种可追加 L3 分析器，不参与全市场初筛，也不是默认依赖
- 为 Agent 设计：SKILL.md 描述能力和接口，任何支持 Skill 协议的 Agent 都能调用
AlphaSift 的定位是“全市场候选发现与横向排序引擎”。它负责从全市场发现值得继续研究的股票，并把结构化因子、LLM 语义判断、组合风险和后置复核整合成可审计结果。
与传统条件选股器相比，AlphaSift 的优势是 LLM 结构化横向比较、行业/主题风险桶、候选 thesis、watch items、invalidators 和后验评估闭环。与 daily_stock_analysis 相比，AlphaSift 站在上游做全市场发现；DSA 更适合作为最终少量候选的 L3 单股深度分析。与 daily_ai_assistant 相比，AlphaSift 不是通知助手，而是结构化选股引擎，但可以复用其 LLM 配置。
更多说明见 docs/positioning.md。
- README、代码和环境变量中提到的
DSA，指的是外部单股深度分析服务daily_stock_analysis alphasift负责全市场候选发现、硬筛、横向评分和 LLM 候选排序daily_stock_analysis负责单只股票的深度分析，默认通过POST /api/v1/analysis/analyze提供服务- 两者通过
DSA_API_URL解耦部署；daily_stock_analysis不属于本仓库，但可以作为本仓库的 L3 分析后端 - 为控制成本，
alphasift只会在最终入围候选上调用 DSA；DSA 返回的结构化结果会在最后阶段影响final_score、风险判断和最终名次 - 默认使用内置
scorecard；也可以追加 DSA，或接入external_http形式的自定义评分工具
支持四种 A 股全市场快照数据源，自动按优先级降级。默认未配置 Tushare token 时使用：
efinance → akshare_em → em_datacenter
若配置了 TUSHARE_TOKEN / TUSHARE_API_TOKEN，且没有手工设置 SNAPSHOT_SOURCE_PRIORITY，默认改为：
tushare → efinance → akshare_em → em_datacenter
| 数据源 | 接口 | 特点 |
|---|---|---|
efinance |
push2.eastmoney.com | 实时推送，交易时段最快 |
akshare_em |
82.push2.eastmoney.com | 实时推送，备选 |
em_datacenter |
data.eastmoney.com | 选股器 API，非交易时段可用 |
tushare |
Tushare Pro daily + daily_basic |
最近交易日数据，需 TUSHARE_TOKEN，非实时 |
周末/节假日 push2 接口不可用，会自动降级到 em_datacenter。若某个数据源缺少当前策略必需字段，例如 PB，系统会跳过该源继续尝试后续来源。
| 策略 | 类型 | 说明 |
|---|---|---|
dual_low |
价值 | 低 PE + 低 PB，适合价值投资 |
volume_breakout |
趋势 | 放量突破关键阻力位 |
quality_value |
价值 | 估值合理、流动性充足、波动不过热 |
capital_heat |
动量 | 资金活跃、量价同步但未极端过热 |
oversold_reversal |
反转 | 跌幅可控且流动性仍在的修复候选 |
balanced_alpha |
框架 | 综合估值、资金、动量、稳定性的通用发现策略 |
momentum_quality |
框架 | 兼顾趋势确认和基本面质量的中线候选发现 |
shrink_pullback |
趋势 | 候选级日 K 增强后识别均线多头与回踩结构 |
在 strategies/ 目录添加 YAML 文件即可。参考 docs/strategy-guide.md。
- 依赖日 K 的策略只对 L1 后 Top N 候选做增强；这不是完整历史数据库或全市场回测系统
dsa后置分析器依赖外部daily_stock_analysis服务，当前按同步 REST 请求逐只调用，更适合最终名单的低频深度分析- L1/L2 主评分仍以快照横截面数据为主；任意 L3 后置分析器都只在最终阶段做覆盖和分数修正，不参与全市场初筛
tushare兜底源依赖用户自己的 Pro token、接口积分和权限；当前取最近交易日收盘数据，不提供实时盘口- T+N 评估基于保存时价格与评估时最新快照价格，不等同严谨事件回测；可扣减交易成本、标记突破/回踩后验形态，并可选抓取日 K 路径估算最大回撤/最大浮盈，但暂不处理分红、停牌和调仓约束
- 仓库内同时保留
strategies/与alphasift/strategies/两份策略镜像用于开发态和安装态；内置策略文件需保持一致，但strategies/允许新增自定义 YAML
测试环境：Python 3.12，数据来源为上一交易日（2026-04-10）收盘数据。
- efinance / akshare 实时推送接口在非交易时段不可用，自动降级到
em_datacenter（东方财富选股器 API） - 当前默认链路支持 Tushare；配置 token 且未手工指定
SNAPSHOT_SOURCE_PRIORITY时会优先使用 Tushare。本次记录未配置 Tushare token，未触发该源 - 未启用 LLM 排序（
--no-llm）
全市场 5190 只 → 硬筛后 337 只 → 输出 Top 5
| 排名 | 代码 | 名称 | 得分 | 价格 | 涨跌幅 | PE | PB |
|---|---|---|---|---|---|---|---|
| 1 | 002039 | 黔源电力 | 72.7 | 20.72 | -2.49% | 14.76 | 1.99 |
| 2 | 002444 | 巨星科技 | 71.0 | 30.82 | +0.29% | 14.59 | 1.95 |
| 3 | 002128 | 电投能源 | 70.9 | 31.60 | -2.41% | 14.00 | 1.90 |
| 4 | 002236 | 大华股份 | 70.8 | 17.43 | +1.04% | 14.86 | 1.50 |
| 5 | 600583 | 海油工程 | 68.9 | 7.02 | +4.15% | 14.89 | 1.17 |
全市场 5190 只 → 硬筛后 126 只 → 输出 Top 5
| 排名 | 代码 | 名称 | 得分 | 价格 | 涨跌幅 |
|---|---|---|---|---|---|
| 1 | 002837 | 英维克 | 74.0 | 99.05 | +6.40% |
| 2 | 688183 | 生益电子 | 73.8 | 95.30 | +7.09% |
| 3 | 300803 | 指南针 | 73.3 | 101.68 | +3.07% |
| 4 | 002384 | 东山精密 | 73.0 | 143.55 | +8.83% |
| 5 | 300277 | 汽轮科技 | 73.0 | 19.74 | +5.73% |
| 数据源 | 状态 | 说明 |
|---|---|---|
| efinance（push2.eastmoney.com） | 不可用 | 实时推送接口，非交易时段返回空响应 |
| akshare_em（82.push2.eastmoney.com） | 不可用 | 同上 |
| em_datacenter（data.eastmoney.com） | 可用 | 选股器 API，周末仍返回最近交易日数据 |
| tushare（Tushare Pro） | 未触发 | 当前已支持，需 TUSHARE_TOKEN |
降级链路验证通过：efinance → akshare_em → em_datacenter，自动切换到可用数据源。
- SKILL.md — Skill 描述与函数接口
- docs/usage.md — 使用指南
- docs/configuration.md — 配置参考
- docs/positioning.md — 项目定位与相对优势
- docs/comparison.md — 横向比较、短板与补齐优先级
- docs/design.md — 设计原则
- docs/reference.md — 项目结构、数据源边界和实测记录
- docs/scoring.md — 评分体系详解
- docs/strategy-guide.md — 策略编写指南
Apache License 2.0