帮助
本页为每日预测功能的使用说明。
项目简介
本项目通过 GitHub Actions 实现每日自动化 CI 流程：每晚 10 点触发，自动从 chenditc/investment_data 拉取最新 A 股数据，完成模型训练与选股预测。
训练流程
- 数据获取：自动拉取最新 A 股行情数据
- 模型训练：采用仅需 CPU 的模型（XGBoost、LightGBM、DoubleEnsemble、Linear），分别用过去 1～5 年历史数据训练，共得到 20 个模型
- 模型筛选：按 IC、ICIR、Rank IC、Rank ICIR 等指标筛选表现较好的模型
- 预测输出：多模型同时预测，取平均分数作为最终结果
分数含义
预测分数（score）：基于 T 日收盘数据，预测「T+1 日收盘买入、T+2 日收盘卖出」的期望收益率。
注：该收益率为理论值，未考虑 A 股 10% 涨跌停板限制。
score 与 label 为同一概念：预测值为 score，真实收益率为 label。
数据表格说明
查看建议：按文件名中的日期优先查看最新表格，推荐先看 xxx_ret 汇总表。
表格列说明
| 列名 | 含义 |
|---|---|
| instrument | 股票代码 |
| avg_score | 多模型预测的平均分数，即期望收益率 |
| pos_ratio | 预测为正收益的模型占比。如 1 表示全部预测正收益，0.875 表示 8 个模型中有 7 个预测正收益 |
| real_label | 真实收益率。预测未来时为 nan；若为历史日期，可得到真实值用于回测对比 |
| datetime | 预测日期。如 2026-02-11 表示：基于 02-11 收盘数据预测，02-12 收盘买入、02-13 收盘卖出的期望收益率 |
文件类型
| 文件 | 说明 |
|---|---|
| total.csv | 模型预测原始数据，含各模型 score |
| xxx_ret | 多模型平均后的汇总结果 |
| xxx_filter_ret | 经规则过滤后的汇总结果 |
filter 的简单规则（稳健性过滤）：
- 波动率（STD）：STD5、STD20、STD60 均 < 0.10，且 STD60 < 0.05、STD5 < 0.06；短期波动 STD5 不超过长期 STD60 的 2 倍
- 动量（ROC）：ROC10、ROC20、ROC60 均 > 0.80，且 ROC20 < 1.30，剔除波动过大或动量过猛的标的
常见问题
Q：为什么表格里有时没有股票中文名称？
A：股票名称来自外部数据接口（如沪深交易所、东方财富等）。GitHub Actions 运行在海外服务器上，访问国内数据源时易出现超时、限流或返回异常，导致名称拉取失败。此时表格仍会保留股票代码，不影响预测分数等核心数据的查看。
Q：为什么每次参与预测的模型数量不同？
A：系统会对模型按 IC、ICIR 等指标进行筛选，过滤条件较严格。新训练的模型若整体表现不佳，可能全部被过滤，导致当日无模型参与预测。若发现此类情况，我会及时调整过滤阈值，确保至少有一个模型可用。
Q：为什么有时一天预测了两次？
A：调试或验证时会手动触发 GitHub Action，执行完成后会按流程自动同步到页面，因此可能出现同一天多次更新的情况。