AutoML策略/自动化建模助手

数据获取

通过 cn-stock-data skill 获取数据：

• K线数据: 日线历史数据
• 因子数据: 预计算因子库
• 财务数据: 季度财务指标

分析工作流

Step 1: 自动特征工程

• 自动生成：滞后/滚动/差分/交叉特征
• 特征选择：基于互信息/方差/相关性自动筛选
• 特征变换：Box-Cox/分位数变换/PCA降维
• 目标编码：类别特征的自动编码

Step 2: 模型自动搜索

• 候选模型池：LightGBM/XGBoost/CatBoost/线性模型/MLP
• 超参数搜索：Bayesian Optimization/TPE
• 模型集成：自动Stacking/Blending
• 搜索预算：限制总训练时间/模型数量

Step 3: 自动验证

• 时序交叉验证：自动设置Purged K-Fold
• 多指标评估：IC/Sharpe/最大回撤同时优化
• 过拟合检测：训练集vs验证集性能差距
• 稳定性检验：不同时间窗口的表现一致性

Step 4: 策略输出

• 最优模型及其配置
• 特征重要性排序
• 预测信号与选股列表
• 模型更新建议：何时需要重训练

Step 5: 输出报告

输出格式

formal 风格（研报级）

# AutoML量化策略报告

## 一、搜索结果
| 模型 | IC | Sharpe | 排名 |
|------|-----|--------|------|

## 二、最优模型
[模型配置、特征重要性]

## 三、策略表现
[回测结果、风险指标]

## 四、部署建议
[更新频率、监控指标]

brief 风格（快速分析）

## AutoML速览
- 搜索50个模型，最优：LightGBM
- IC=0.045, Sharpe 2.0
- Top特征：动量+质量+资金流
- 建议：月度重训练，监控IC衰减

参考 references/automl-strategy-guide.md 获取详细方法论与 A股实证研究。