一个 每天自己变得更聪明 的量化系统
不是写死策略跑回测，而是从数据到执行全链路的在线自进化闭环——
每一笔平仓都在更新模型，每一天开盘都比昨天更懂市场。
90% 的量化都在做同一件事：回测漂亮，实盘崩盘
你买过量化模板、接过 API、跑过回测。夏普很好看，曲线很平滑。一上实盘，全变样。问题出在哪里？
你面对的量化困局
绝大多数量化系统是静态的——因子权重写死在配置文件里，止盈止损靠拍脑袋设几个阈值，仓位分配永远是等权或者简单比例。市场风格一切换——大盘切小盘、价值切成长、低波切高波——你的「量化」就变成了反向指标。
更致命的是：它们不学习。今天亏了 10 笔，明天还是用同一套参数开仓。你的系统没有记忆，更没有进化能力。
你在用静态系统，跟一群每天进化的对手博弈
- 连续回撤却不知道怎么调整——因为没有风险预算框架，只能凭感觉减仓
- 该重仓的票只给了等权，该轻仓的票跟其它票吃一样的仓位——Kelly 最优仓位永远是 0
- 胜率在变、盈亏比在变，但你的系统永远用半年前的静态表预测明天——像用去年的地图导航今天的路况
- 补仓逻辑没有通过回测验证——机构从不盲目「跌了补」，你却因为「感觉会反弹」就加倍
- 卖出靠盯盘，错过最佳离场点——没有动态止盈的量化谈何「量化」
结果就是：你不是在量化交易，你是在自动化赌博。
AlphaPilot — 真正机构思路的在线自进化量化系统
不是「写好策略→回测→实盘」的传统三步走，而是一个每日闭环：
与其它量化方案的本质区别
传统量化系统是静态的——AlphaPilot 每一天都在进化
在线增量学习
不是回测优化，不是定时重训。每一笔平仓立即更新 ML 模型（Online Logistic Regression，8 维特征），今天的交易经验明天就用上。今早开盘的模型跟昨晚收盘时已经不一样。
Half-Kelly 风险预算
不用等权、不用固定比例。每只票的仓位 = f(预测胜率, 预测盈亏比, 个股波动率, 行业集中度)。高胜率低波动不拥挤 → 重仓；反之 → 轻仓或跳过。
分层风控体系
不止一个止损：动态止盈（回撤减半×3 刀）、E2 硬止损（14:45 收盘确认）、T+2 强平（可资金流延期）、板块反转紧急卖出。每层在不同时间尺度上保护组合。
P2 动态确认入场
Top10 候选池盘中先到先得：现价站上 09:35 定格价与 VWAP、近 2 根 5 分钟 K 线放量收阳（量比 > 1.3）、不追高（现价 ≤ 昨收 +5%）才触发买入，每日最多买 2 只。未触发则耐心等待下一只，不追单。
Expo 动态仓位暴露
系统根据市场状态（正常/弱势/严峻/崩盘）自动调整总仓位暴露，强势市场重仓出击，弱势市场轻仓防守。不需要人工判断「现在该几成仓」。
全链路自动化闭环
从数据采集 → 因子计算 → 模型评分 → 门控过滤 → 融合重排 → 订单执行 → PnL 追踪，全链路自动化运行，信号默认经人工确认闸门复核。每天开盘前你看到的就是当日完整的交易计划。
直观对比：传统量化 vs AlphaPilot
绝大多数量化系统停留在「写好策略→回测→实盘」的三步走——AlphaPilot 走的是另一条路
| 维度 | 传统量化 / 模板系统 | AlphaPilot |
|---|---|---|
| 模型更新 | 手工重训 / 固定周期（月/季） | 在线增量，每一笔平仓都学习，每天自进化 |
| 仓位分配 | 等权 / 固定比例 / 主观判断 | Half-Kelly + 波动率锚定 + 行业集中度约束，机构级风险预算 |
| 入场逻辑 | 开盘价买入 / 固定条件触发 | P2 动态确认（放量上攻）+ 分时资金确认，不追高不盲买 |
| 出场逻辑 | 固定止盈止损百分比 | 4 层动态出场：回撤减半止盈 + E2 硬止损 + T+2 强平 + 板块反转预警 |
| 市场适应 | 固定参数，风格切换时逆风 | Expo 系统动态调整总仓位，市场强→重仓，弱→防守 |
| T+1 合规 | 大部分忽略，实盘出问题 | 完整的 lot-level T+1 约束，当日买入绝不卖出 |
| 自动化程度 | 部分自动化，需人工干预 | 全链路自动化，从数据到执行到复盘；信号可选人工复核 |
| 数据维度 | 量价为主 | 量价 + 资金流 + 两融 + 龙虎榜 + 板块轮动 + 基本面因子 |
| 运行部署 | 本地 / VPS | 腾讯云上海服务器，7×24 全天候运行 |
今日盘中管线
传统系统用昨日数据交易今日——AlphaPilot 在开盘几分钟内完成全场刷新
核心模块
VM2.5 模型评分引擎
模型评分：VM2.5 XGBoost 多因子模型，116 维核心因子（技术 / 资金流 / 基本面 / 事件 / 集合竞价 / RD 因子）+ 扩展因子库，全市场截面评分。
ICIR 加权：因子权重按信息系数 IC 自动化迭代，反馈闭环每日更新，不靠人工调参。
隔夜加权：美股隔夜情绪映射到 A 股，跳空风险先降一档。
三路融合（09:35）：模型分 ×50% + 实时资金流 ×30% + 板块热度 ×20%，确保既有模型价值又有真实资金兴趣。
Kelly 在线仓位分配
在线胜率预测：Online Logistic Regression，8 维特征（评分百分位 / 波动率 / 市场环境 / 开盘缺口 / 资金阶段 / 通道状态 / 板块热度 / 主力净流入），每次平仓 partial_fit 更新。
Half-Kelly 计算：f* = (p·b − q) / b，再 × 0.5 保守化。
波动率调整：20 日对数收益年化标准差锚定行业中位数。
行业集中度约束：同行业总权重 ≤ 40%。
最少 30 条 trade 才启用 ML，之前 Fallback 回测静态表。
4 层动态出场体系
① 动态止盈（回撤减半）：浮盈 ≥3% 激活跟踪；回落 ≥1.5% 减半；共 3 刀，第三刀清仓。
② E2 硬止损：亏损 ≥10%，仅 14:45 后收盘确认窗口且现价仍 ≤ 止损才执行。给反弹留空间。
③ T+2 强平：日频持仓 ≥2 天强制离场。资金净流入 + 现价 ≥ 成本 95% 可延期 1 天。
④ 板块反转盘中预警：盘中巡检，持仓板块从资金流入转为大幅流出时紧急市价卖出。
P2 动态确认入场
核心思想：不追开盘、不抢跑，等盘中「放量上攻」的确认信号出现才买入。
候选池：09:35 三路融合生成 Top10 候选池，先到先得，每日最多买 2 只。
触发条件：现价 > 09:35 定格价 且 现价 > VWAP（趋势确认）
近 2 根 5 分钟 K 线至少 1 根量比 > 1.3 且收阳（量能确认）
现价 ≤ 昨收 × 1.05（不追高）
回测验证：Top10 先到先得 + P2 动态确认，T+1 平均收益 +2.57%、胜率 79%，显著优于固定 Top2。
Expo 市场自适应
系统根据市场环境自动调整整体仓位：
normal（正常）：满仓运作，追求 alpha
weak（弱势）：减仓防守，缩小标的数量
severe（严峻）：轻仓或空仓，只保留最强信号
crash_day（崩盘）：零仓位，全部清仓
判断依据：万得全 A 指数涨跌 + 涨跌比 + 资金流 + 成交量。完全量化，零主观判断。
全自动交易执行
每日 09:35 自动生成 Top10 候选池 → 盘中动态确认后逐笔自动执行
买入模式：日频精选（Top10 先到先得 + P2 动态确认，T+2 到期强平）——尾盘狙击已暂停，不再产生信号
动态确认：候选股现价 > 09:35 价且 > VWAP + 5 分钟放量收阳才触发成交，未触发则不追单
人工复核：信号默认进入待确认闸门，人工确认后自动下单，也可切换全自动；上海腾讯云服务器 7×24 运行
机构级多源数据
全维度数据覆盖，与机构站在同一信息起跑线
万得全 A 数据
日 K 线 + 60 秒刷新资金流 + 板块资金轮动 + 龙虎榜 + 两融余额。万得金融终端机构级数据质量。
基本面因子
季度财报数据、业绩预告、净利润同比趋势。避免价值陷阱——ST、净资产大幅下降的股票自动过滤。
市场微观结构
全 A 实时资金流（机构/散户/主力净流 + 主动买入比 + 量比），盘中巡检板块级资金反转。
技术因子库
116 维核心因子 + 扩展因子库：MACD 多周期、RSI、布林带、量价背离、均线排列、波动率锥、集合竞价量价因子、筹码分布、RD 因子。因子权重由 ICIR 信息系数自动化迭代。
同类方案对比：AlphaPilot 的独特位置
量化平台/SaaS
聚宽、米筐、果仁等提供回测环境和策略模板，但实盘仍需自己搭建。策略逻辑公开，无核心技术壁垒。
AlphaPilot 差异：完整全栈方案，在线自进化为核心壁垒。不开源核心 ML 模型，策略逻辑不暴露。
量化模板/开源
GitHub 上下载的策略模板，回测曲线漂亮，但缺少风控、仓位管理、实盘执行。T+1 合规、板块轮动、盘中巡检等工程细节全无。
AlphaPilot 差异：完整生产级系统，7×24 运行的工程化方案，不是 Jupyter Notebook 上的 demo。
跟单/信号
跟着大 V 买，本质是黑箱——你不知道他为什么买，也不知道他什么时候卖。资金量大了跟不了。
AlphaPilot 差异：全透明策略逻辑可审计，自己的服务器自己的数据，跟资金量无关。
私募/资管产品
门槛 100 万起，申购赎回不灵活。策略不透明，你不知道基金经理今天在做什么。
AlphaPilot 差异：无门槛，完全自主可控。策略逻辑完全透明，可随时查看持仓和交易记录。