Stock｜AI 辅助量化决策与模拟交易平台

背景与问题

个人量化研究常把行情、财务、新闻、技术指标、策略、AI 分析和执行工具放在不同位置。单独的“买入/卖出”结论无法说明依据、风险与适用条件，也不能证明手续费、仓位、手数和价格规则已经纳入判断。

我的角色

我以结构化信号为中心设计研究、审批、风控、模拟执行和复盘反馈边界，并完成 FastAPI、React、WebSocket 与多 Provider MVP。产品默认用于研究、回测和模拟交易，不接入真实资金，也不构成投资建议。

关键判断

• 结论先变成可审阅信号：ReasoningSignal 记录动作、评分、依据、风险和来源。
• 决策与执行解耦：信号经过校验、审批、拒绝或发布后，才能生成模拟订单计划。
• 风控位于执行之前：仓位、价格、涨跌停、手数和费用检查不能交给模型绕过。
• 复盘回到研究：错误分析与报告用于下一轮策略判断，不自动驱动真实交易。

产品方案

行情、财务、新闻和标的目录进入统一数据层；技术策略、量化策略和多模型分析归一为 ReasoningSignal。规则层完成校验与人工审批，已发布信号经 Signal Bridge 生成订单计划，再由 Risk Manager 检查后进入模拟账户。交易记录、日报、周报和错误归因形成下一轮研究输入。

结果与证据

• 完成受控的模拟交易 MVP。
• 实现信号创建、校验、审批、拒绝、发布和桥接链路。
• 建立模拟账户、持仓、订单、风险检查、报告和错误分析闭环。

公开证据来自个人 GitHub 仓库和既有案例页；回测收益、最大回撤和 Sharpe 只属于后续实验指标。

局限与下一步

当前数据新鲜度、策略复现和组合级风险仍需持续验证。下一步应补齐数据与策略版本、压力测试和可复现实验；无论如何都保持人工审核，不自动操作真实资金。