拓冰网站定制 
PanWatch 策略引擎架构入场候选、信号解释与策略目录如何协同【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatchPanWatch 是一款覆盖 A股、港股、美股的 AI 盯盘工具其策略引擎是机会页背后的核心入场候选把 AI Agent 的建议转化为可执行的入场计划策略目录统一管理 7 个内置策略与权重信号解释则把分数拆解成看得懂的红绿因子标签。本文带你用 5 分钟看懂这三者的协同链路。一图看懂策略引擎的三段式流水线PanWatch 的策略引擎位于 src/modules/strategy/整体是三段式结构入场候选entry_candidates.py——汇集数据产出候选池策略目录 信号计算strategy_catalog.py 与 strategy_engine.py——给每个候选按策略打分、施加组合约束信号解释signal_explain.py——把分数翻译成人话展示在机会页三段的衔接靠数据库快照候选层按日期写入快照信号层逐日消费并落库解释层在 API 响应时做纯函数后处理不污染计算主流程。第一步入场候选把 Agent 建议变成入场计划入场候选的刷新入口是 entry_candidates.py 中的refresh_entry_candidates函数它做四件事双源汇聚一边读取各 Agent盘前分析、盘中监测、收盘复盘、市场扫描产出的最新建议另一边拉取市场池的热门活跃标的。两者命中的标会被标记为mixed市场关注避免只盯自选股的盲区。行情与 K 线补全批量拉取实时行情并对候选做 K 线摘要量比、均线位置等行情接口失败时自动回落到缓存快照保证降级可用。评分与动作归一按动作类型给出基础分买入 78、持有 58、观望 52……再结合信号文本突破、回踩、超跌等关键词修正。生成交易计划为每个候选生成入场区间entry_low / entry_high、止损位、目标价与失效条件并给出 0-100 的计划质量分plan_quality——没有明确入场区间的买入信号会被强制降级因为不可执行的信号不算信号。第二步策略目录7 个内置策略各就各位策略目录strategy_catalog.py是引擎的注册表定义了 7 个策略及其风险等级与默认权重策略代码名称风险等级默认权重trend_follow趋势延续中1.15macd_goldenMACD金叉中1.10volume_breakout放量突破高1.18pullback回踩确认低1.05rebound超跌反弹高0.95watchlist_agentAgent建议中1.00market_scan市场扫描中1.08每个策略还携带参数如观察天数horizon_days与适用范围。目录采用代码即配置的启动方式首次运行自动写入数据库后续可通过 api/factors.py 提供的权重接口做手动覆盖或 pin 固定——权重变化会写入审计历史StrategyWeightHistory配合后验评估自动再平衡strategy_engine.py 中的rebalance_strategy_weights形成打分 → 验证 → 调权的闭环。信号计算因子拆解 组合约束refresh_strategy_signals 是引擎的心脏对每个候选 × 每个策略逐一计算因子分解核心因子包括选股αalpha_score基础分相对市场中枢的优势催化catalyst_score涨幅区间、突破信号词、近 72 小时新闻事件偏向计划质量quality_score入场计划完整度来源加成source_bonus盘前/盘中 Agent 来源与相对强度排名风险惩罚risk_penalty与拥挤度惩罚crowd_penalty大涨、放量、高换手、负面新闻都会扣分打分后还会过三道组合约束单市场未持仓活跃信号上限A股 30、港股/美股 20、高风险信号占比上限A股 35% 以内、单策略集中度上限42%。超线的信号不会消失而是被降级为观望并记录降级原因——你在机会页看到的每条信号都能追溯为什么被约束。信号解释把 0-100 分变成 AI Score 与红绿标签这是新手体验的关键一步。signal_explain.py 是一个纯函数模块在 API 层对信号列表做后处理注入AI Score把 0-100 的rank_score映射为 1-10 的 AI Score一眼可读因子拆解把加分项选股α、催化、计划质量、来源加成与扣分项风险、拥挤度分成正向绿色和负向红色两组各取贡献最大的 5 项效果就是机会页上每张卡片底部的标签条绿色选股α 14.2、红色风险 -2.0分数不再是黑箱。结果在哪看模拟盘验证策略胜率信号最终流向两个去处机会页的人工决策以及模拟盘的自动执行。模拟盘页面PaperTrading.tsx按策略代码统计胜率与期望值让你直接看到macd_golden这类策略在你账户上的真实表现——这也正是后验评估反哺权重再平衡的数据来源。相关模块速查入场候选生成src/modules/strategy/entry_candidates.py策略目录与权重src/modules/strategy/strategy_catalog.py信号计算与组合约束src/modules/strategy/strategy_engine.py信号可解释化src/modules/research/signal_explain.py因子权重 APIsrc/modules/strategy/api/factors.py前端机会页frontend/src/pages/Opportunities.tsx小结入场候选负责选谁策略目录负责按什么规则打分信号解释负责为什么是这个分。三者通过快照与因子快照表解耦既保证了计算可复现、结果可追溯也让策略引擎可以持续自我校准——这正是 PanWatch 作为 AI 盯盘工具区别于简单行情提醒的核心所在。【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 PanWatch 策略引擎架构：入场候选、信号解释与策略目录如何协同
PanWatch 策略引擎架构入场候选、信号解释与策略目录如何协同【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatchPanWatch 是一款覆盖 A股、港股、美股的 AI 盯盘工具其策略引擎是机会页背后的核心入场候选把 AI Agent 的建议转化为可执行的入场计划策略目录统一管理 7 个内置策略与权重信号解释则把分数拆解成看得懂的红绿因子标签。本文带你用 5 分钟看懂这三者的协同链路。一图看懂策略引擎的三段式流水线PanWatch 的策略引擎位于 src/modules/strategy/整体是三段式结构入场候选entry_candidates.py——汇集数据产出候选池策略目录 信号计算strategy_catalog.py 与 strategy_engine.py——给每个候选按策略打分、施加组合约束信号解释signal_explain.py——把分数翻译成人话展示在机会页三段的衔接靠数据库快照候选层按日期写入快照信号层逐日消费并落库解释层在 API 响应时做纯函数后处理不污染计算主流程。第一步入场候选把 Agent 建议变成入场计划入场候选的刷新入口是 entry_candidates.py 中的refresh_entry_candidates函数它做四件事双源汇聚一边读取各 Agent盘前分析、盘中监测、收盘复盘、市场扫描产出的最新建议另一边拉取市场池的热门活跃标的。两者命中的标会被标记为mixed市场关注避免只盯自选股的盲区。行情与 K 线补全批量拉取实时行情并对候选做 K 线摘要量比、均线位置等行情接口失败时自动回落到缓存快照保证降级可用。评分与动作归一按动作类型给出基础分买入 78、持有 58、观望 52……再结合信号文本突破、回踩、超跌等关键词修正。生成交易计划为每个候选生成入场区间entry_low / entry_high、止损位、目标价与失效条件并给出 0-100 的计划质量分plan_quality——没有明确入场区间的买入信号会被强制降级因为不可执行的信号不算信号。第二步策略目录7 个内置策略各就各位策略目录strategy_catalog.py是引擎的注册表定义了 7 个策略及其风险等级与默认权重策略代码名称风险等级默认权重trend_follow趋势延续中1.15macd_goldenMACD金叉中1.10volume_breakout放量突破高1.18pullback回踩确认低1.05rebound超跌反弹高0.95watchlist_agentAgent建议中1.00market_scan市场扫描中1.08每个策略还携带参数如观察天数horizon_days与适用范围。目录采用代码即配置的启动方式首次运行自动写入数据库后续可通过 api/factors.py 提供的权重接口做手动覆盖或 pin 固定——权重变化会写入审计历史StrategyWeightHistory配合后验评估自动再平衡strategy_engine.py 中的rebalance_strategy_weights形成打分 → 验证 → 调权的闭环。信号计算因子拆解 组合约束refresh_strategy_signals 是引擎的心脏对每个候选 × 每个策略逐一计算因子分解核心因子包括选股αalpha_score基础分相对市场中枢的优势催化catalyst_score涨幅区间、突破信号词、近 72 小时新闻事件偏向计划质量quality_score入场计划完整度来源加成source_bonus盘前/盘中 Agent 来源与相对强度排名风险惩罚risk_penalty与拥挤度惩罚crowd_penalty大涨、放量、高换手、负面新闻都会扣分打分后还会过三道组合约束单市场未持仓活跃信号上限A股 30、港股/美股 20、高风险信号占比上限A股 35% 以内、单策略集中度上限42%。超线的信号不会消失而是被降级为观望并记录降级原因——你在机会页看到的每条信号都能追溯为什么被约束。信号解释把 0-100 分变成 AI Score 与红绿标签这是新手体验的关键一步。signal_explain.py 是一个纯函数模块在 API 层对信号列表做后处理注入AI Score把 0-100 的rank_score映射为 1-10 的 AI Score一眼可读因子拆解把加分项选股α、催化、计划质量、来源加成与扣分项风险、拥挤度分成正向绿色和负向红色两组各取贡献最大的 5 项效果就是机会页上每张卡片底部的标签条绿色选股α 14.2、红色风险 -2.0分数不再是黑箱。结果在哪看模拟盘验证策略胜率信号最终流向两个去处机会页的人工决策以及模拟盘的自动执行。模拟盘页面PaperTrading.tsx按策略代码统计胜率与期望值让你直接看到macd_golden这类策略在你账户上的真实表现——这也正是后验评估反哺权重再平衡的数据来源。相关模块速查入场候选生成src/modules/strategy/entry_candidates.py策略目录与权重src/modules/strategy/strategy_catalog.py信号计算与组合约束src/modules/strategy/strategy_engine.py信号可解释化src/modules/research/signal_explain.py因子权重 APIsrc/modules/strategy/api/factors.py前端机会页frontend/src/pages/Opportunities.tsx小结入场候选负责选谁策略目录负责按什么规则打分信号解释负责为什么是这个分。三者通过快照与因子快照表解耦既保证了计算可复现、结果可追溯也让策略引擎可以持续自我校准——这正是 PanWatch 作为 AI 盯盘工具区别于简单行情提醒的核心所在。【免费下载链接】PanWatchPanWatch — AI stock monitoring for A-shares, HK US markets, powered by TradingAgents. Portfolio insights, real-time alerts automated reports.盯盘侠覆盖 A股/港股/美股的 AI 盯盘、持仓分析、实时提醒与自动报告。项目地址: https://gitcode.com/GitHub_Trending/pa/PanWatch创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考