简介：这是一套面向量化入门者与Python爱好者的轻量级AI炒股系统源码，覆盖选股、风控、择时、复盘四个解耦模块，并采用分类+回归双LGBM模型，既判断涨跌又预测涨幅。所有预测仅基于当日及之前数据，无未来函数，适合在普通笔记本上完成单票深度择时与周度复盘实验。资源包共11个文件，以4个Python脚本（主程序、训练、工具函数）为核心，附带两个训练好的pkl模型、两份csv交易/数据文件、两个pyc缓存及1个requirements.txt依赖说明，整体仅598KB，结构简洁便于二次开发。已有440人学习下载。通过该资源可快速搭建Streamlit交互界面，点按按钮即可跑通选股与复盘流程，是入门AI量化和扩展多Agent策略的良好起点。
1. AI炒股系统不是黑匣子：多Agent架构与LGBM双模型怎么落地
入门量化时我总以为炒股系统是个黑匣子，跑完回测只能看到一条漂亮的资金曲线。直到拆完这套源码才明白，AI在这里被拆成了四个能单独调试的Agent，配合LGBM分类与回归双模型，既管择时，也管周度复盘。它不需要庞大算力，一个普通笔记本就能跑通，核心解决的不是预测明天涨跌的玄学问题，而是把“什么时候该操作、本周交易哪里不对”变成可回溯、可复现的函数。适合有一年Python经验、想验证AI择时思路而不是沉迷指标参数优化的交易研究者。读之前先确认你认识LGBM的train与predict接口，剩下的跟着目录走。
2. 多Agent架构与LGBM双模型：为什么这么拆，而不是写一个单脚本
2.1 四个Agent的职责边界：比单一大模型更可控
我见过很多人做AI炒股系统时，喜欢把数据下载、特征计算、信号生成、报告输出全塞进一个run.py，跑完就完事。这套源码没有这么干，而是用多Agent架构把流程切成了四个独立模块：数据采集Agent负责拉取和清洗行情，特征Agent负责计算指标与形态识别，择时Agent负责调用LGBM分类模型输出信号，复盘Agent负责在周末汇总本周交易并调用回归模型做持仓诊断。每个Agent之间只通过DataFrame和JSON传数据，不传递自然语言，这也意味着任何一环出问题，你可以直接单独调试它，而不是翻一个三千行的脚本。
拿复盘Agent举个例子。它并不直接读取实时行情，而是读取数据采集Agent落盘的历史行情文件、择时Agent写出的信号记录，以及你自己补充的交易日志。三个输入一合并，才生成周度复盘报告。这种解耦方式带来的实际好处是：择时Agent换参数重跑，复盘Agent不需要跟着改；数据源换了，其他三个Agent完全无感。
提示：如果你准备把这套代码改造成自己的策略研究框架，优先保留Agent之间的数据接口协议，而不是保留具体实现。
2.2 LGBM分类+回归双模型：一个定方向，一个定幅度
为什么选LGBM双模型而不是用单个模型输出一个综合分数？这里的逻辑很直接：分类模型擅长回答“明天是涨还是跌”，但它的输出概率不能直接当收益率来用；回归模型擅长回答“未来五天大概能赚几个点”，但对方向反转的敏感度弱。两者各有盲区，组合起来才完整。
具体来说，分类模型用LGBMClassifier，预测标签是明日相对今日的收益是否大于零，输出概率作为择时信号的置信度。回归模型用LGBMRegressor，预测未来五日累计收益，输出数值用于仓位评估和周度复盘。训练特征完全共享同一份特征工程结果，但评估指标不同，分类看AUC，回归看MAE与RMSE。这套源码把两个模型分开训练、分开保存，预测时各自加载模型文件，互不干扰。
选LGBM而不是XGBoost或深度学习模型，理由有三个。第一，LGBM对表格型数据的拟合能力在中小样本上不会输给神经网络，训练速度快到可以频繁重训。第二，特征重要性输出很直观，你能看到MACD、RSI、成交量这些因子到底谁在起作用，而不是面对一个深度学习黑匣子。第三，它对缺失值和异常值有一定容忍度，行情数据里偶尔出现停牌导致的空值，不用专门做太多清洗就能喂进去。
2.3 源码目录与数据流：一张表看清每个文件干什么
刚打开压缩包时目录有点多，我把关键模块整理成了下面这张表，按数据流向排序，训练时照着这个顺序跑不会乱。
| 路径/文件名 | 职责说明 | 运行时依赖 |
|---|---|---|
| config.yaml | 全局配置：数据区间、模型参数、阈值、标的列表 | 无 |
| data_fetcher.py | 数据采集Agent：下载日线行情并落盘为parquet | 行情接口 |
| feature_engineer.py | 特征Agent：计算MACD、RSI、rolling统计与形态 | data_fetcher输出 |
| trainer_classifier.py | 训练LGBM分类模型，输出模型文件 | feature_engineer输出 |
| trainer_regressor.py | 训练LGBM回归模型，输出模型文件 | feature_engineer输出 |
| signal_generator.py | 择时Agent：加载分类模型生成每日信号 | 训练好的classifier |
| weekly_review.py | 复盘Agent：加载回归模型生成周度诊断报告 | 训练好的regressor |
| backtest.py | 回测脚本：按信号与次日开盘价模拟交易 | signal_generator输出 |
整个数据流是一条单向链：行情原始数据先经data_fetcher，再进feature_engineer，之后分叉到两个训练脚本，训练产物再被signal_generator和weekly_review加载。没有循环依赖，这也是它能被拆开调试的前提。运行时建议按顺序执行，首次跑通后再考虑并行加速。
3. 择时分析实战：从MACD双底特征到LGBM分类信号
3.1 特征工程：把MACD双底/双顶变成模型能懂的数值
热搜里“python+源代码+macd双底+高+低”指向的正是这个环节。MACD双底是经典的看涨形态，但模型不认识K线图，你得把形态翻译成数值特征。这套源码的做法不是直接传MACD柱序列，而是提取出双底形态的关键要素：DIF与DEA是否在零轴下方形成二次金叉、两底之间的最低点差值、第二次金叉时柱状体高度与第一次的对比。我把这部分特征构造代码简化如下：
def extract_macd_double_bottom(df, short=12, long=26, signal=9): # 计算标准MACD三要素 ema_short = df['close'].ewm(span=short, adjust=False).mean() ema_long = df['close'].ewm(span=long, adjust=False).mean() dif = ema_short - ema_long dea = dif.ewm(span=signal, adjust=False).mean() macd_hist = (dif - dea) * 2 # 寻找MACD柱状体从负转正的拐点 cross_up = (macd_hist.shift(1) <= 0) & (macd_hist > 0) cross_down = (macd_hist.shift(1) > 0) & (macd_hist <= 0) features = pd.DataFrame(index=df.index) features['macd_dif'] = dif features['macd_dea'] = dea features['macd_hist'] = macd_hist # 近10日内是否出现零轴下方的金叉，作为双底候选 features['golden_cross_below_zero'] = ( (dif > dea) & (dea < 0) & cross_up ).rolling(10, min_periods=1).max() return features这段代码有个关键处理：用shift(1)判断金叉拐点，确保当前K线的信号只依赖之前的数据，避免未来函数。参数short、long、signal是MACD标准值，12、26、9对应日线级别最常用的配置，如果你做的是周线级别，可以改成26、52、12，但样本量会明显减少，需谨慎。rolling(10)的作用是把“过去10天内是否出现过零轴下方金叉”变成一个持久特征，而不是只保留金叉当天为1，这样模型更容易捕捉到二次金叉的延续性。
除了MACD形态，特征表里还叠加了RSI、布林带位置、过去5日和20日收益率、成交量相对20日均量的比值。这些特征全部用shift(1)对齐，保证特征值在T日收盘后能计算，且预测的是T+1日行情。特征Agent每新增一个因子，都要在最后拼接到主特征表，统一对齐索引。
3.2 分类模型训练：正负样本、早停与类别平衡
分类模型的目标是预测T+1日收益率是否为正。训练前有一个容易被忽视的步骤：划定训练集与测试集时绝对不能随机切分，而是要按时间顺序切分。这套源码默认用前70%的交易日做训练，后30%做测试，并且保留了连续时间。标签构造采用future_return > 0作为正样本，跳过了收益恰好为0的极少情况。
import lightgbm as lgb from sklearn.metrics import roc_auc_score # 按时间顺序切分，不shuffle split_idx = int(len(X) * 0.7) X_train, X_test = X.iloc[:split_idx], X.iloc[split_idx:] y_train, y_test = y.iloc[:split_idx], y.iloc[split_idx:] model = lgb.LGBMClassifier( objective='binary', learning_rate=0.05, n_estimators=1000, num_leaves=31, class_weight='balanced', random_state=42 ) model.fit( X_train, y_train, eval_set=[(X_test, y_test)], eval_metric='auc', callbacks=[lgb.early_stopping(stopping_rounds=50, verbose=True)] ) print('Test AUC:', roc_auc_score(y_test, model.predict_proba(X_test)[:, 1]))class_weight='balanced'在这里很关键，因为A股下跌和横盘的天数通常多于大涨，正样本比例可能只有四成，不平衡会逼着模型永远预测下跌。early_stopping监听测试集AUC，连续50轮不提升就停止，避免过拟合。num_leaves=31默认值可以先用，后面再调；别一上来就开64或128，否则你会在第五章节看到它怎么让你的回测翻车。
训练完成后模型会保存为lgbm_classifier.txt，后续signal_generator直接load。我一般会在训练脚本里加一行日志，输出特征重要性Top 10，方便和二次金叉特征的实际贡献对照。
3.3 信号生成与滞后对齐：提交预测结果给你“后悔药”
择时Agent读取最新的特征表，调用已训练好的分类模型，输出每个交易日的上涨概率。信号不能直接当买卖指令，因为概率值本身没有阈值概念。这套源码默认把prob > 0.55定义为买入信号，prob < 0.45定义为卖出信号，中间区域保持原有仓位不动。这个阈值可以在config.yaml里改，但它影响的是误报率与漏报率的平衡。
# signal_generator.py 核心片段 from datetime import timedelta import pandas as pd import lightgbm as lgb model = lgb.Booster(model_file='models/lgbm_classifier.txt') df = pd.read_parquet('features/feature_table.parquet') # 只保留模型训练时见过的特征列，避免列顺序错乱 feature_cols = [c for c in model.feature_name() if c in df.columns] df = df[feature_cols].dropna() # 预测的是次日信号，日期列右移一天 df['signal_date'] = df.index + timedelta(days=1) df['buy_prob'] = model.predict(df[feature_cols]) df['signal'] = 'hold' df.loc[df['buy_prob'] > 0.55, 'signal'] = 'buy' df.loc[df['buy_prob'] < 0.45, 'signal'] = 'sell' df[['signal_date', 'buy_prob', 'signal']].to_csv('signals/signal_log.csv', index=False)注意signal_date的处理：模型用的是T日收盘后的特征，对应的是T+1日的交易决策，所以把特征索引加一天，这才是真正对账用的日期。很多自写回测在这里出错，回测成绩好看，实盘完全对不上，核心原因就是没有做这个滞后对齐。signal_log.csv会同时记录日期、概率和信号，这份文件也是随后复盘Agent的输入之一。
4. 周度复盘模块：回归模型、持仓诊断与Agent报告怎么串起来
4.1 回归模型训练：预测五日收益，给仓位一个参考数字
分类模型能告诉你方向，但给不了“大概能赚多少”的参考。周度复盘需要量化每一笔信号的收益质量，所以源码里设计了第二个LGBM模型，直接回归预测未来五日的累计收益率。标签构造与分类模型不同，分类用T+1单日收益的符号，回归用T+1到T+5的累计收益。这里要注意：回归任务对异常值非常敏感，遇到停牌复牌后的一字涨停，收益率会拉到远超正常分布的水平，训练前要做clip处理。
# trainer_regressor.py 核心片段 df = load_feature_table() # 构造五日累计收益标签，clip到[-0.2, 0.2]抑制极端值 df['future_5d_return'] = df['close'].pct_change(periods=5).shift(-5) df = df.dropna(subset=['future_5d_return']) df['future_5d_return'] = df['future_5d_return'].clip(-0.2, 0.2) split_idx = int(len(df) * 0.7) train = df.iloc[:split_idx] test = df.iloc[split_idx:] model = lgb.LGBMRegressor( objective='regression', learning_rate=0.05, n_estimators=1000, num_leaves=31, random_state=42 ) model.fit( train[feature_cols], train['future_5d_return'], eval_set=[(test[feature_cols], test['future_5d_return'])], eval_metric='mae', callbacks=[lgb.early_stopping(stopping_rounds=50, verbose=True)] )pct_change(periods=5).shift(-5)的含义是：T日那行数据记录的是，从T+1到T+5这五天的总收益率。shift(-5)是把未来信息对齐到当前训练样本的特征行，这在训练阶段是允许的，因为你是在用特征预测未知的未来，但绝对不能在预测阶段对尚未发生的数据做同样操作。clip(-0.2, 0.2)等效于把极端涨停跌停截断，不然模型会被那几天的超常收益带走，损失函数全消耗在拟合极端值上。
4.2 复盘Agent：把日志、建议与违规项拼成周报告
每周五收盘后，复盘Agent要做三件事：读取本周信号记录、读取回归模型的预测收益、读取实际行情收益，然后对比生成报告。它输出的不是一句“本周表现良好”，而是一份包含表格和数字的诊断文档。源码里的报告格式是Markdown文件，方便直接贴到文档或通知工具里。
# weekly_review.py 报告主结构 report = [] week_records = signal_log[(signal_log.index >= monday) & (signal_log.index <= friday)] for _, row in week_records.iterrows(): actual_5d = price_after_5d(row['signal_date']) / row['close'] - 1 pred_5d = reg_model.predict(row[feature_cols])[0] report.append({ '日期': row['signal_date'], '方向': row['signal'], '预测五日收益': round(pred_5d, 4), '实际五日收益': round(actual_5d, 4), '偏差': round(pred_5d - actual_5d, 4), }) violations = detect_violations(signal_log, trade_log) report.append({'违规项': violations})这份报告的字段设计表如下，你拿到源码后可以直接复用这个结构：
| 字段 | 来源 | 作用 |
|---|---|---|
| 日期 | signal_log | 对齐交易事实 |
| 方向 | signal_log | 判断做多/做空/观望 |
| 预测五日收益 | regression模型 | 复盘预期 |
| 实际五日收益 | 行情价格计算 | 识别偏差 |
| 偏差 | 预测-实际 | 衡量模型是否系统性悲观/乐观 |
detect_violations是源码里比较有意思的函数：它会检查是否在信号为sell时仍然持有、是否在buy信号次日开盘价高于信号价3%时强行追高。这些规则是写死在配置里的，属于交易纪律的自动化检查。我建议你拿到源码后先把这里改成自己的交易规则，因为模型输出了信号，但执行层面的风险控制仍然依赖这些硬规则。
4.3 报告怎么用：从偏差里反推阈值设置
复盘报告不只是用来回看，它最实际的价值是暴露模型偏差。如果连续三周，买入信号的真实五日收益都显著低于预测值，说明分类模型的概率阈值给得太松，0.55买入了太多低质量信号，这时应该上调阈值到0.6试一轮。反过来，如果信号数量太少、空仓时间过长，说明阈值太紧。
另一个常用做法是把偏差按年份聚合。A股不同年份的市场风格差异极大，牛市里信号正确率高，震荡市里又把把止损。源码里提供了一个analyze_bias_by_quarter函数，按季度输出平均偏差和命中率，看哪个季度模型表现滑坡，再回头查那段区间的特征分布。这样做比总盯着总体准确率更接近实战，因为AI炒股系统的信号最终要落到不同市场环境下，宁可知道它会失效，也别让它静默失效。
5. 避坑排查：数据、未来函数与Agent通信的五个教训
5.1 未来函数：回测曲线漂亮，实盘瞬间翻车
现象：回测里年化收益喜人，跑实盘或模拟盘时，信号永远慢半拍，收益曲线大幅回落。
原因：特征构造或信号生成时，用到当日收盘后才知道的数据去预测当日结果，最常见就是shift用反方向，或者在生成T日特征时把T日收盘价也放进去了。
解决：全流程统一规则，所有特征在T日计算时只能使用T日收盘前可得的信息。代码里强制检查每个特征列，把凡是与close同期的列在预测前执行shift(1)，再把T+1信号日期加一天。我在signal_generator里加了断言，如果特征表索引与信号日期重合，直接报错退出。
5.2 时间序列随机拆分：训练集偷看了未来
现象：模型测试AUC高达0.85，但换成滚动回测后AUC只有0.55，差距巨大。
原因：训练集与测试集使用了随机切分，同一个月内的样本被拆到了两边，模型其实记住了行情形态的时间上下文，而不是学到了真正的预测能力。
解决：一律按时间顺序切分，且测试集必须晚于训练集。这套源码里split_idx = int(len(X) * 0.7)是按行索引切的，不是train_test_split随机切。如果你想做更严格验证，改成按年份切，比如2019到2022训练，2023测试，这样更能反映真实的前瞻性。
5.3 LGBM过拟合：num_leaves开太大，噪声当信号
现象：训练集AUC接近0.99，测试集AUC只有0.52，特征重要性里排第一的居然是某个无意义的ID列。
原因：num_leaves=128加上min_data_in_leaf=5，模型深度足够把训练集的每一条噪声都背下来，量化特征里的微小波动全被当成规律。
解决：先把num_leaves降到31以下，min_data_in_leaf调到20以上。然后用feature_fraction=0.8和bagging_fraction=0.8做随机采样，逼迫模型找共性规律。我在调参时习惯先用默认参数跑一版，只有测试集AUC超过0.6才考虑放宽复杂度，否则优先怀疑特征是噪声而不是模型容量不够。
5.4 Agent间传数据：索引错位导致报告日期全偏
现象：复盘报告里的实际收益和信号日期对不上，明明周一发的买入信号，却显示周五才买入。
原因：三个Agent各自读取数据时，日期索引的时区或格式不一致。数据采集Agent存下来的日期是2024-01-15 00:00:00，复盘Agent用str.contains('2024-01-15')匹配，而信号Agent输出的是2024/01/15，字符串一拼接就错位。
解决：统一约定Agent间通信只传时间戳，用pd.to_datetime规范化后再比较。我在源码里保留了一个normalize_datetime工具函数，所有Agent入口都调它，确保日期在进入逻辑前已经统一格式。如果你的数据源跨了多个市场或时区，这一步省不了。
5.5 复权方式不一致：除权除息日之后信号全乱
现象：某只股票在6月除权后，模型连续三天给出强烈卖出信号，但实际股价并没有明显下跌。
原因：特征计算用了前复权数据，行情落盘时却用了未复权价格，除权导致的跳空被模型识别成暴跌信号。LGBM的回归模型对收益率的跳变极其敏感，一个除权就能把预测值拉偏好几个点。
解决：全流程统一使用前复权价格，且在数据采集Agent里就把复权处理做完，后续Agent不再碰原始价格。adjust='qfq'是行情接口里最常用的参数，如果你在data_fetcher里改了复权方式，记得把训练好的两个模型全部重跑一遍，旧模型对新的价格序列不生效。
6. 进阶：滚动训练与特征稳定性验证，把系统从“能用”推到“敢用”
6.1 每月滚动重训，让模型跟上市场风格变化
静态模型最怕市场风格切换，2024年有效的因子在2025年可能变成反向指标。常见做法是每个月末用过去12个月数据重训一次模型，并用最近一个月的样本验证。源码里预留了一个retrain_cron.py，参数是训练窗口长度和重训频率，我习惯设成window_days=365, freq='1ME'。重训不是从零开始，会延续上一轮的最优num_leaves和learning_rate，这样超参数稳定，特征重要性变化才可对比。
6.2 特征稳定性检查：只用两行代码确认因子没有失效
每轮重训后我会额外跑一次特征重要性排序，上周模型排名前五的特征，本周如果跌出前十，就要回去查原始数据是否出了问题。下面这段代码可以放在重训脚本尾部：
importance = pd.Series(model.feature_importances_, index=feature_cols) top_features = importance.sort_values(ascending=False).head(5) print('当前Top特征:', top_features.index.tolist())只有那些在连续三轮重训里都保持高重要性的特征，才值得被写进最终策略白名单。这套源码最合我心意的地方也在这——它把AI炒股从“一键跑出代码”拉回到“每天确认输入、每周检查输出、每月验证特征”的工程节奏里。多Agent架构让每一步都可以单独重放，LGBM双模型让方向判断和幅度判断各有数据支撑。以前我做策略总是回测完就扔进文件夹吃灰，从那以后我每次落地一套新源码，都会强制走一遍先跑数据流、再核对信号日期、最后跑一个滚动重训的三步流程，确认每一步都对得上账，才敢把它放进模拟盘。希望这些拆解能帮你在自己的数据集上少走几趟弯路。
本文还有配套的精品资源，点击获取
