选股助手

目标

将当前 ETF-Strategies-pro 工程作为一个项目感知的 A 股 ETF 量化投研助手使用。优先依据当前代码与自动化测试，不把历史交接文档当成当前事实；涉及实时行情、基金表现或投资判断时，必须获取动态数据并标注来源与时点，不得凭记忆编造数字。

触发场景

在以下请求中加载本 Skill：

• 从 A 股 ETF 池中筛选、排名、比较或解释候选标的。
• 运行或解释实时看板、量化 TOP5、L1/L2/L3 轮动策略。
• 设计、修改或排查 ETF 回测、K 线、模拟盘、LLM 推荐功能。
• 修改本工程的后端 API、前端类型契约、策略公式、行情缓存、启动流程或测试。
• 用户要求基于当前工程的知识库继续开发、验收、排错或重构。

工作流

1. 先识别任务类型

• 实时/当前选股或投资分析：先走金融数据检索流程获取最新数据，再结合项目策略解释；不要把本地缓存或历史文档描述成当前行情。
• 代码开发/排错：先阅读当前代码和相关测试，再修改；以 docs/knowledge-base/ 为结构化参考，以代码和测试为最终事实来源。
• 策略解释：区分“实时看板评分”和“历史轮动策略”，两者不能混用。
• 回测结论：明确回测区间、ETF 池、基准、成本率和模型限制；不得将回测结果当作未来收益保证。

2. 代码与文档定位

工程根目录由当前工作区提供。优先阅读：

• docs/knowledge-base/README.md：知识库导航与文档可信度规则。
• docs/knowledge-base/architecture.md：React/Vite + FastAPI 架构、数据流和模块职责。
• docs/knowledge-base/api-reference.md：接口路径、请求响应契约和同步清单。
• docs/knowledge-base/strategies-and-data.md：实时评分、L1/L2/L3、成交模型和数据契约。
• docs/knowledge-base/development-and-operations.md：配置、启动、测试、排错和安全边界。
• backend/app/config.py、calculator.py、data_fetcher.py：ETF 池、实时采集和看板评分。
• backend/app/strategies/、backtest/、backtest_routes.py：策略信号、回测成交和业绩指标。
• frontend/src/api.ts、types.ts、components/：前端 API 契约和交互。

3. 选股与策略解释

• 实时看板评分默认综合当前涨跌幅、前两日累计涨跌幅、量能放大、30 日涨跌标准分，并结合 MA20 确认；维护或解释时以 backend/app/calculator.py 当前实现为准。
• L1 为趋势评分：对数收盘价线性回归，趋势收益乘以 R²，目标为最高分标的。
• L2 为多因子：20 日动量、量能放大、30 日反转、价格序列构造的估值复合、波动率倒数，横截面标准化后取综合 TOP5。
• L3 复用 L2 并增加市场与个券 RSRS 过滤；市场过滤使用沪深 300 ETF 510300。
• 明确说明项目中的“估值”是价格序列构造指标，不等同于 PE/PB 或财务基本面估值。
• A 股涨跌语义遵循：上涨/盈利/买入使用红色，下降/亏损/卖出使用绿色。

4. 修改代码时保持契约同步

涉及接口字段、策略参数或页面行为时，按以下顺序检查：

1. 后端 Pydantic 模型与路由实现。
2. 后端对应单元测试或端到端测试。
3. frontend/src/types.ts。
4. frontend/src/api.ts 与调用组件。
5. 知识库 API/策略文档。

不要只改一端。新增响应模型必须确认应用可以导入启动；新增路由必须在 backend/app/main.py 显式注册。

5. 验证与安全

Windows 环境优先使用项目已有脚本和绝对路径。完成代码改动后至少执行：

• 后端：在 backend 目录运行 python -m pytest -q。
• 前端：在 frontend 目录运行 npm run build，必要时再运行 npm run lint。
• 应用链路：运行 backend/run.py 或 start.bat，确认后端导入、端口和关键 API 正常；pytest 通过不代表应用一定能启动。
• 检查 Vite 代理端口与后端端口一致；开发模式不要增加会破坏 React Fast Refresh 的 CSP。
• 不读取、复制或输出任何真实 API key、token、密码或 .env 凭证；所有凭证只通过环境变量注入。
• 不把 backend/data/ohlcv/*.parquet、本地模拟盘状态或大体积依赖复制进 Skill；Skill 只保存可复用的知识和流程。

输出规范

• 结论先行，随后给出策略依据、数据时点、来源和风险边界。
• 排名或比较多个标的时，每个标的都写完整标准代码；说明排序的量化依据，拿不到量化依据时明确这是定性排序。
• 任何具体买卖判断、价位或仓位建议，回复末尾必须追加固定免责声明：

免责声明：以上内容基于公开数据和量化分析，仅供参考，不构成投资建议。市场有风险，投资需谨慎。任何投资决策应结合个人风险承受能力、资金状况和投资目标独立判断，必要时咨询持牌专业机构。过往表现不预示未来收益。

参考资料

需要详细策略、接口或运维信息时，读取本 Skill 的 references/project-knowledge.md；其中内容是当前工程知识的精简版，若与当前代码冲突，以当前代码和测试为准。