阶段 C：AI 核心策略层

依赖阶段 B 完成。基于因子构建异常检测、趋势评分、组合优化和A/B验证体系。

总览

子任务	内容	文件
C1	异常检测 — Abnormal Score	`src/core/abnormal_detector.py`
C2	趋势评分 — Trend Score	`src/core/trend_scorer.py`
C3	AI 策略引擎 — Predicted P&L	`src/core/strategy_engine.py`
C4	A/B 验证框架	`src/core/ab_testing.py`

C1. 异常检测 — Abnormal Score

输入信号

信号	数据源	权重
期权溢价异常	L2 Flow	25%
Volume/OI 突变	L2 Flow	20%
Golden Sweep	L2 Flow	20%
Gamma Squeeze 指标	L2 Flow	15%
Dark Pool 异动	L2 Flow	10%
社交媒体热度突增	L4 Alt	10%

输出

@dataclass
class AbnormalSignal:
    symbol: str
    score: float        # 0-100
    type_tags: list[str]  # ['golden_sweep', 'volume_spike', ...]
    timestamp: datetime
    confidence: float   # 0.0-1.0
    details: dict       # 各子信号详情

检测逻辑

原始信号 → 标准化(z-score) → 加权合成 → 阈值过滤(>60) → 排序输出

C2. 趋势评分 — Trend Score

输入维度

维度	因子	权重
价格动量	EMA_cross + Momentum + MACD	30%
信息优势	异常分 + 大单流向	25%
情绪趋势	news_sentiment + llm_signal	25%
跨资产确认	sector_momentum + corr_regime	20%

输出

@dataclass
class TrendSignal:
    symbol: str
    score: float          # -100 ~ +100
    direction: str        # 'bullish', 'bearish', 'neutral'
    confidence: float     # 0.0-1.0
    components: dict      # 各维度贡献
    timestamp: datetime

评分规则

分值区间	方向	建议动作
+70 ~ +100	强看多	加仓/建仓
+30 ~ +70	温和看多	持有/小量建仓
-30 ~ +30	中性	观望
-70 ~ -30	温和看空	减仓
-100 ~ -70	强看空	清仓/做空

C3. AI 策略引擎 — Predicted P&L

流程

异常分 + 趋势分
    ↓
策略候选生成 (多因子筛选)
    ↓
组合优化 (Mean-Variance / Risk Parity / Black-Litterman)
    ↓
预测收益/风险 (Monte Carlo + 历史模拟)
    ↓
输出: 推荐组合 + 预期 P&L + 置信区间

组合优化器

class PortfolioOptimizer:
    def optimize(self, signals, method='risk_parity') -> Portfolio:
        """
        methods:
        - 'mean_variance': 均值方差优化
        - 'risk_parity': 风险平价
        - 'black_litterman': BL模型 (融合主观/AI观点)
        - 'equal_weight': 等权基准
        """

文件

src/core/strategy_engine.py — 策略引擎主类
src/core/portfolio_optimizer.py — 组合优化器

C4. A/B 验证框架

验证流程

策略候选 A & B
    ↓
同期模拟执行 (paper trading)
    ↓
收集绩效指标 (Sharpe, MaxDD, Win Rate, P&L)
    ↓
统计显著性检验 (t-test, Bootstrap)
    ↓
选择胜出策略 → 参数迭代 → 下一轮 A/B

显著性标准

指标	方法	阈值
收益差异	paired t-test	p < 0.05
Sharpe 差异	Bootstrap CI	95% CI 不含0
最小样本	交易次数	≥ 30
最短周期	模拟时长	≥ 20 交易日

文件

src/core/ab_testing.py — A/B 测试引擎

最后更新: 2026-03-01