akg-factor-bridge/pool.py

461 lines
24 KiB
Python
Raw Normal View History

2026-08-03 14:02:13 +08:00
"""选股计划入池:把每日计划写进 Mongo 的股票池分组,供决策系统每晚推理覆盖。
背景(2026-08-03 与用户定稿):决策系统 (bionic_trader) 每晚 22:30 的认知扫描,扫描
范围就是 Mongo `stock_groups` 集合里**所有分组的股票代码并集**。把计划写成一个独立
分组(默认 group_code=AKG_PLAN),候选票当晚就会被夜间推理覆盖,产出支撑位、压力位、
定性结论——持仓系统 (PMS) 的参考位、择时执行区间、研判上下文全部由此而来。
这就是「提前计算为主」:不新造任何推理步骤,把票放进池子,已有的夜间推理自然完成预计算。
入池、留池、出池的规则(用户拍板,decide() 的注释里逐条对应):
入池 = 当日计划(强传导主榜前 N,与 PMS 候选同口径) ∪ 当前持仓
留池 = 旧成员既不在计划也无持仓、但形态未恶化的,留下继续接受每晚分析
——榜单是按条数截断过的,掉榜不等于变坏
出池 = 无持仓、不在计划、且形态已恶化(决策系统最新定性 SELL / AVOID / DROPPED)
→ 移入回收站集合 stock_recycle_bin(字段沿用现有格式,另加 reason 说明原因)
上限 = 池子超过 POOL_MAX 时,从「留池观察」里清最久没上过榜的(不进回收站;
出池后决策系统下次扫描会自动把其策略标 DROPPED 并出离场报告)
底线 = 持仓永不出池,即使形态恶化——那是 PMS 风控与体检的事,池子只保证它每晚有结论。
安全边界(都是「拿不到就不动」):
* 计划数据缺失(因子表没跑出来)→ 整个入池动作中止,池子保持昨日原样。
* 持仓读不到 → 同样中止——读不到持仓就可能把持仓票错清出池,宁可不动。
* 决策系统结论读不到 → 本轮不判恶化、一只都不回收(缺数据不算恶化),其余照常。
用法:
python run.py push-pool --dry-run # 只打印入池/出池明细,不写库
python run.py push-pool # 真写(写完顺手触发决策系统的增量补扫)
python run.py push-pool --no-kick # 写库但不触发补扫(比如夜间已近 22:30 全量扫)
"""
from __future__ import annotations # 注解不在定义时求值:开发机的 Python 3.9 也能导入本模块跑离线单测
2026-08-03 14:02:13 +08:00
import datetime as dt
import urllib.parse
import urllib.request
import common
import config
import db
import plan
# 决策系统结论里算「形态恶化」的定性(DROPPED 是它对掉出池子票的收尾标记)。
# 集合定义在 card.py(候选卡的硬风险用同一份),桥内只此一处;三处同源纪律见 card.py 模块说明。
from card import BAD_SIGNALS # noqa: E402,F401 —— 保留本名,调用方与单测不变
2026-08-03 14:02:13 +08:00
# ============================================================================
# 纯逻辑:入池/留池/出池的决定(不碰任何库,test_pool_logic.py 直接测它)
# ============================================================================
def decide(old_members, member_meta, plan_codes, holdings, bad_codes,
max_size, today: str) -> dict:
"""按定稿规则算出新池子与各类进出明细。
old_members 上一版池子的代码集合
member_meta 上一版的成员记录 {code: {"added": 日期, "last_plan": 最近上榜日}}
plan_codes 当日计划代码(有序,榜单名次序)
holdings 当前持仓代码集合
bad_codes 形态已恶化的代码集合(判据 BAD_SIGNALS,缺数据时传空集=不回收)
"""
old = set(old_members or set())
plan_set = set(plan_codes or [])
hold = set(holdings or set())
meta = {k: dict(v) for k, v in (member_meta or {}).items()}
# 旧成员里既不在计划也无持仓的,按形态分流:恶化 → 回收站;未恶化 → 留池观察
idle = old - plan_set - hold
recycled = sorted(idle & set(bad_codes or set()))
observers = sorted(idle - set(recycled))
pool = list(dict.fromkeys(list(plan_codes or []) + sorted(hold) + observers))
# 上限:只清「留池观察」,按最久没上过榜的先清;计划与持仓永不清
cap_evicted = []
if max_size and len(pool) > max_size:
def _last_seen(c):
m = meta.get(c) or {}
return m.get("last_plan") or m.get("added") or ""
for c in sorted(observers, key=_last_seen):
if len(pool) <= max_size:
break
pool.remove(c)
cap_evicted.append(c)
observers = [c for c in observers if c not in cap_evicted]
# 成员记录:新进的记 added,今天在计划里的刷 last_plan,出池的删掉
for c in pool:
meta.setdefault(c, {"added": today})
if c in plan_set:
meta[c]["last_plan"] = today
for c in list(meta):
if c not in pool:
meta.pop(c)
return {
"pool": pool,
"new_entrants": sorted(plan_set - old), # 计划带来的新面孔
"retained_holdings": sorted(hold - plan_set), # 因持仓保留(不在当日计划里)
"observers": observers, # 留池观察
"recycled": recycled, # 移入回收站(形态恶化)
"cap_evicted": cap_evicted, # 池满出清(不进回收站)
"held_bad": sorted(hold & set(bad_codes or set())), # 持仓且形态恶化——只警示不出池
"meta": meta,
}
def build_remark(d: dict, plan_date: str, now_str: str, degraded: str = "") -> dict:
"""分组文档的 remark 字段,格式沿用现有池子的写法(summary / factor_details /
retained_positions / update_time_str),人读为主。"""
n_plan = len(d["pool"]) - len(d["retained_holdings"]) - len(d["observers"])
summary = (f"共入池 {len(d['pool'])} 只。当日计划 {n_plan} 只"
f"(其中新进 {len(d['new_entrants'])} 只),因持仓保留 "
f"{len(d['retained_holdings'])} 只,留池观察 {len(d['observers'])} 只;"
f"移入回收站 {len(d['recycled'])} 只(形态恶化),"
f"池满出清 {len(d['cap_evicted'])} 只。")
if d["held_bad"]:
summary += f" 警示:持仓中 {', '.join(d['held_bad'])} 形态已恶化(持仓不出池,请在 PMS 侧关注)。"
if degraded:
summary += f" 注意:{degraded}。"
plan_codes = [c for c in d["pool"]
if c not in set(d["retained_holdings"]) and c not in set(d["observers"])]
return {
"summary": summary,
"factor_details": [{
"factor_code": "akg_score", "trade_date": plan_date,
"selected_count": len(plan_codes), "selected_codes": plan_codes,
}],
"retained_positions": d["retained_holdings"],
"update_time_str": now_str,
}
def segment_started_ratios(segments: list) -> dict:
"""关注环节表 -> {环节名: 已启动比例}。比例优先用数据基座台账的 moved / members_total
(与传导视图的 moved_ratio 同口径),台账没给时退回已动成员视图数出来的 started_count;
成员数缺失则为 None。plan.collect 返回的 segments_pointed 直接喂进来。"""
out = {}
for s in segments or []:
total = s.get("members_total")
if not total:
out[s.get("segment")] = None
continue
moved = s.get("moved")
if moved is None:
moved = s.get("started_count")
out[s.get("segment")] = round(float(moved) / float(total), 3) if moved is not None else None
return out
def strategy_context_entry(r: dict, plan_date: str, seg_ratio=None) -> dict:
"""一行计划 -> 分组文档 strategy_context 里该票的条目(纯函数,test_pool_logic.py 直接测)。
2026-08 起的既有键:factor_code / score / tier / upside / theme / plan_date / verdict /
reasons / card_rank;2026-09-03 方案第 3.3 节"入池上下文补证据字段"再加:chain_fit(链符)、
n_sources(源数)、pct0(数据日涨幅)、accum_state 与 accum_age(吸筹三态与评分日龄)、
segment_started_ratio(所在环节已启动比例)。都是只加字段,择时决策系统读池只取代码列,不受影响。
source 与 plan_version 两个键由调用方补,它们不来自计划行本身。"""
card_ = r.get("card") or {}
ev = r.get("evidence") or {}
accum = card_.get("accum") or {}
theme = ev.get("theme")
return {"factor_code": "akg_score", "score": r.get("score"),
"tier": r.get("tier"), "upside": r.get("upside"),
"theme": theme, "plan_date": plan_date,
"verdict": r.get("verdict"),
"reasons": (r.get("reasons") or [])[:4],
"card_rank": r.get("card_rank"),
"chain_fit": card_.get("chain_fit"),
"n_sources": ev.get("n_sources"),
"pct0": card_.get("pct0"),
"accum_state": accum.get("state"),
"accum_age": accum.get("age"),
选股计划排序轴换成公司质地,传导降为雷达门与带内次级键(台账 063) 按 docs/选股计划调整方案_2026-09-17.md 落地。三份读数(09-02 §1.8、08-28 周报、09-11 抽查)一致:传导越强超额越负,传导分的公式奖励的正是被证明为负的"未动补涨"。所以把传导从排序主轴换成雷达门加带内次级键,公司质地成为排序主轴。改动全在计划装配层,四个开关全设旧值即逐字回旧。 一、排序轴换质地(plan.py)。新增 _rerank_by_axis 按(质地带、被指向、组内分、原始分、代码)词典序重排、_rerank 按 config.PLAN_RANK_AXIS 分派;组内分从原始分反解、档位不进次序;被指向以候选卡门槛一 gates.pointed 为准。调用点先用 _rerank_by_quality 算旧序拿 rank_old 再算新序。_pick 与 pick_rows 加 uncapped_no_theme:质地轴下无传导行免主题限额、不计数,否则主轴被限额推翻。_row 加 quality_band、rank_axis、pointed、rank_old 四键,score/score_adj/tier 值与含义不变。返回字典质地轴下加 rank_axis、rank_rule、quality_band_counts。encoding 追加一句。 二、候选卡内序与质地门(card.py)。新增 quality_band 函数(好三中二差零,无评析与证据不足与超期一百二十天归一),plan.py 与 card.py 共用它。judge 加 stale_days 参数、返回加 quality_band;质地门"差降关注"改用质地带为零并带上一百二十天守卫(超期报告不再降档)。sort_key 在判决与涨幅之间插入质地带、受 CARD_SORT_BY_QUALITY 控,关掉逐字回旧。三门槛一确认三风险一字未动。 三、入池与评析名单(pool.py、review_targets.py)。pool 把选行抽成纯函数 select_plan_rows:rank 源取主榜新序里被指向的前 POOL_TOP、_pool_source 记 rank_top,备用开关 POOL_RANK_KEEP_OLD 并进旧序强传导前若干、去重、受 POOL_MAX 兜底;tier 与 candidate 逐字保留。strategy_context_entry 加 quality_band、rank_axis、rank_old 三键。review_targets 新增纯函数 pick_main_targets:both 取原始分前一百与新序前五十的并集、去重按新序,score 逐字回旧;评析覆盖与排序轴解耦。 四、周报对照(plan_review.py)。第一节加主榜新序前二十与旧序前二十两份名单(rank_old 缺的旧快照跳过);档位分组外加档位乘质地带交叉分组,看传导在质地档内还剩多少信息量。plan_reconcile 应答加 rank_axis: transmission 一键,说明逐票对账的"主榜第 N 名"仍按原始分序,文案不动。 五、单测、开关、文档。新 test_plan_rank_axis.py 十例(含四开关设旧值逐字回旧、四带序、带内次级键、确定性、超期守卫、入池 rank、评析并集、卡内序、主题限额例外、备用开关),本地 ALL OK。test_plan_quality_rank.py 接线匹配串改成新调用点,test_plan_snapshot.py 加一条质地轴主题限额对照用例。config 加 PLAN_RANK_AXIS、CARD_SORT_BY_QUALITY、REVIEW_TARGETS_AXIS 三个开关与备用开关 POOL_RANK_KEEP_OLD,POOL_SOURCE 默认改 rank。.env.example、README 计划字段、台账 063、入池对接说明、下游对接说明一并改。 没有改的是什么、为什么不合并。分数编码 factors.py 一字未动——它注册在外部平台当因子,改它会污染平台的因子历史;次序改动全部放在装配层。api.py 不碰。三门槛一确认三风险不动,质地门保持"差降关注"。持仓管理系统按上游名次排是协同项,在另一仓库单独审批,不阻塞本次上线(它的看多分桶已把好公司排在前面)。 实测读数。开发机 python3 test_plan_rank_axis.py 与 python3 test_plan_quality_rank.py 均 ALL OK;PLAN_RANK_AXIS=transmission CARD_SORT_BY_QUALITY=0 POOL_SOURCE=tier REVIEW_TARGETS_AXIS=score 下 test_plan_rank_axis.py 仍 ALL OK(逐字回旧那一例断言与 09-14 旧序逐字相同)。test_card、test_pool_logic、test_plan_snapshot 全绿。既有的 test_review_targets、test_plan_review_window、test_plan_logic_state、test_plan_cache、test_plan_reviews_live 因缺 psycopg/fastapi 或本机 Python 3.9 不支持联合类型注解而只能在部署机跑,非本次引入。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-09-17 10:28:23 +08:00
# 排序轴三键(2026-09-17):质地带、主轴名、旧序全量名次。只加字段,择时决策系统读池只取代码列。
"quality_band": r.get("quality_band"),
"rank_axis": r.get("rank_axis"),
"rank_old": r.get("rank_old"),
"segment_started_ratio": (seg_ratio or {}).get(theme) if theme else None}
选股计划排序轴换成公司质地,传导降为雷达门与带内次级键(台账 063) 按 docs/选股计划调整方案_2026-09-17.md 落地。三份读数(09-02 §1.8、08-28 周报、09-11 抽查)一致:传导越强超额越负,传导分的公式奖励的正是被证明为负的"未动补涨"。所以把传导从排序主轴换成雷达门加带内次级键,公司质地成为排序主轴。改动全在计划装配层,四个开关全设旧值即逐字回旧。 一、排序轴换质地(plan.py)。新增 _rerank_by_axis 按(质地带、被指向、组内分、原始分、代码)词典序重排、_rerank 按 config.PLAN_RANK_AXIS 分派;组内分从原始分反解、档位不进次序;被指向以候选卡门槛一 gates.pointed 为准。调用点先用 _rerank_by_quality 算旧序拿 rank_old 再算新序。_pick 与 pick_rows 加 uncapped_no_theme:质地轴下无传导行免主题限额、不计数,否则主轴被限额推翻。_row 加 quality_band、rank_axis、pointed、rank_old 四键,score/score_adj/tier 值与含义不变。返回字典质地轴下加 rank_axis、rank_rule、quality_band_counts。encoding 追加一句。 二、候选卡内序与质地门(card.py)。新增 quality_band 函数(好三中二差零,无评析与证据不足与超期一百二十天归一),plan.py 与 card.py 共用它。judge 加 stale_days 参数、返回加 quality_band;质地门"差降关注"改用质地带为零并带上一百二十天守卫(超期报告不再降档)。sort_key 在判决与涨幅之间插入质地带、受 CARD_SORT_BY_QUALITY 控,关掉逐字回旧。三门槛一确认三风险一字未动。 三、入池与评析名单(pool.py、review_targets.py)。pool 把选行抽成纯函数 select_plan_rows:rank 源取主榜新序里被指向的前 POOL_TOP、_pool_source 记 rank_top,备用开关 POOL_RANK_KEEP_OLD 并进旧序强传导前若干、去重、受 POOL_MAX 兜底;tier 与 candidate 逐字保留。strategy_context_entry 加 quality_band、rank_axis、rank_old 三键。review_targets 新增纯函数 pick_main_targets:both 取原始分前一百与新序前五十的并集、去重按新序,score 逐字回旧;评析覆盖与排序轴解耦。 四、周报对照(plan_review.py)。第一节加主榜新序前二十与旧序前二十两份名单(rank_old 缺的旧快照跳过);档位分组外加档位乘质地带交叉分组,看传导在质地档内还剩多少信息量。plan_reconcile 应答加 rank_axis: transmission 一键,说明逐票对账的"主榜第 N 名"仍按原始分序,文案不动。 五、单测、开关、文档。新 test_plan_rank_axis.py 十例(含四开关设旧值逐字回旧、四带序、带内次级键、确定性、超期守卫、入池 rank、评析并集、卡内序、主题限额例外、备用开关),本地 ALL OK。test_plan_quality_rank.py 接线匹配串改成新调用点,test_plan_snapshot.py 加一条质地轴主题限额对照用例。config 加 PLAN_RANK_AXIS、CARD_SORT_BY_QUALITY、REVIEW_TARGETS_AXIS 三个开关与备用开关 POOL_RANK_KEEP_OLD,POOL_SOURCE 默认改 rank。.env.example、README 计划字段、台账 063、入池对接说明、下游对接说明一并改。 没有改的是什么、为什么不合并。分数编码 factors.py 一字未动——它注册在外部平台当因子,改它会污染平台的因子历史;次序改动全部放在装配层。api.py 不碰。三门槛一确认三风险不动,质地门保持"差降关注"。持仓管理系统按上游名次排是协同项,在另一仓库单独审批,不阻塞本次上线(它的看多分桶已把好公司排在前面)。 实测读数。开发机 python3 test_plan_rank_axis.py 与 python3 test_plan_quality_rank.py 均 ALL OK;PLAN_RANK_AXIS=transmission CARD_SORT_BY_QUALITY=0 POOL_SOURCE=tier REVIEW_TARGETS_AXIS=score 下 test_plan_rank_axis.py 仍 ALL OK(逐字回旧那一例断言与 09-14 旧序逐字相同)。test_card、test_pool_logic、test_plan_snapshot 全绿。既有的 test_review_targets、test_plan_review_window、test_plan_logic_state、test_plan_cache、test_plan_reviews_live 因缺 psycopg/fastapi 或本机 Python 3.9 不支持联合类型注解而只能在部署机跑,非本次引入。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-09-17 10:28:23 +08:00
def select_plan_rows(main_rows, top, source, tiers, keep_old=False, candidates=None):
"""从主榜行里选入池行(纯函数,离线可测)。入池决定谁拿吸筹评分(候选卡确认线),所以池子
要与持仓管理系统看到的候选前缀同一个序,否则质地好的票永远缺确认。
rank(2026-09-17 默认):主榜新序(质地优先)里被指向的前 top,_pool_source 记 rank_top。
keep_old 为真时再并进按 rank_old 排的强传导前 top、去重、_pool_source 记 rank_old_strong,
总数受 POOL_MAX 兜底——只在上线次日"池包含候选"这条不变式核不过时打开。
tier:档位白名单里的前 top(09-14 前旧行为,回退用),逐字保留。
candidate:候选优先、再按档位白名单补足到 top(09-02 第二步,需传 candidates),逐字保留。
"""
import config
tier_rows = [r for r in main_rows if not tiers or r.get("tier") in tiers]
if source == "rank":
rows = [r for r in main_rows if r.get("pointed")][:top]
for r in rows:
r["_pool_source"] = "rank_top"
if keep_old:
have = {r["code"] for r in rows}
old_strong = sorted((r for r in tier_rows if r.get("rank_old") is not None),
key=lambda r: r["rank_old"])[:top]
for r in old_strong:
if r["code"] not in have:
r["_pool_source"] = "rank_old_strong"
rows.append(r)
have.add(r["code"])
rows = rows[:config.POOL_MAX]
return rows
if source == "candidate":
cand = list(candidates or [])
seen = {r["code"] for r in cand}
rows = (cand + [r for r in tier_rows if r["code"] not in seen])[:top]
for r in rows:
r["_pool_source"] = "candidate" if r.get("verdict") == "候选" else "tier_top"
return rows
rows = tier_rows[:top]
for r in rows:
r["_pool_source"] = "tier_top"
return rows
2026-08-03 14:02:13 +08:00
def build_recycle_docs(d: dict, group_id: str, group_name: str, org_id: str,
now: dt.datetime) -> list:
"""回收站文档,字段照抄现有格式(group_id/group_name/org_id/removal_batch/
removed_at/stock_code),另加一个 reason 说明为什么移入——Mongo 加字段对
老读者无影响,但事后能分清「形态恶化」与其他原因。"""
batch = now.isoformat()
return [{"group_id": group_id, "group_name": group_name, "org_id": org_id,
"removal_batch": batch, "removed_at": now, "stock_code": c,
"reason": "形态恶化(决策系统最新定性 SELL/AVOID/DROPPED),且无持仓、不在当日计划"}
for c in d["recycled"]]
# ============================================================================
# 取数(每一路的失败语义见模块头「安全边界」)
# ============================================================================
def _read_holdings() -> set:
2026-08-03 14:19:33 +08:00
"""当前持仓。首选 PMS 账本 pms_position(新架构下它才是有人维护的持仓事实源:
下游 trading_position 表已没有写入方,2026-07-30 实测账户有仓时该表也是空的);
账本表读不到再退回 trading_position 兜底。两条路都读不到就抛——持仓是出池判断
的底线输入,读不到宁可整轮不动池子。"""
try:
rows = db.read_mysql(
"pms", "SELECT ts_code, total_qty, status FROM pms_position")
out = set()
for r in rows.itertuples():
try:
qty = float(r.total_qty)
except (TypeError, ValueError):
qty = 0.0
if qty > 0 and str(r.status or "").upper() != "CLOSED":
out.add(common.to_prefix(str(r.ts_code).strip().upper()))
return out
except Exception as e: # noqa: BLE001 —— 账本表读不到才走下游表兜底
print(f" (PMS 账本 pms_position 读取失败,退回 trading_position 兜底: {e!r})")
2026-08-03 14:02:13 +08:00
rows = db.read_mysql("pms", "SELECT * FROM trading_position")
if rows.empty:
return set()
cols = {c.lower(): c for c in rows.columns}
code_col = next((cols[c] for c in ("stock_code", "ts_code", "code") if c in cols), None)
qty_col = next((cols[c] for c in ("total_quantity", "current_qty", "total_qty",
"volume", "quantity") if c in cols), None)
if not code_col:
raise RuntimeError(f"trading_position 找不到代码列(现有列: {list(rows.columns)})")
out = set()
for _, r in rows.iterrows():
code = str(r[code_col] or "").strip().upper()
if not code:
continue
try:
qty = float(r[qty_col]) if qty_col else 1.0
except (TypeError, ValueError):
qty = 1.0
if qty > 0:
out.add(common.to_prefix(code))
return out
def _read_bad_signals(codes: set):
"""这批票在决策系统结论表里的最新定性,恶化的挑出来。
读失败返回 (空集, 原因)——缺数据不算恶化,本轮不回收任何票。"""
if not codes:
return set(), ""
try:
marks = ",".join(["%s"] * len(codes))
rows = db.read_mysql(
"pms",
f"SELECT stock_code, signal_type, trade_date FROM strategy_daily_results "
f"WHERE stock_code IN ({marks})", tuple(codes))
except Exception as e: # noqa: BLE001
return set(), f"决策系统结论表读取失败({e!r}),本轮不判恶化、不回收"
if rows.empty:
return set(), ""
rows = rows.sort_values("trade_date").drop_duplicates("stock_code", keep="last")
bad = {str(r.stock_code).strip().upper() for r in rows.itertuples()
if str(r.signal_type or "").strip().upper() in BAD_SIGNALS}
return bad, ""
def _mongo():
from pymongo import MongoClient
c = config.mongo()
uri = (f"mongodb://{urllib.parse.quote_plus(c.user)}:{urllib.parse.quote_plus(c.password)}"
f"@{c.host}:{c.port}/{c.db}?authSource=admin")
return MongoClient(uri, serverSelectionTimeoutMS=8000)
def _kick_bionic_scan() -> str:
"""写完池子后触发决策系统的增量补扫(只补当天还没分析过的票)。
失败只提示不报错——当晚 22:30 的全量扫描是兜底。"""
if not config.BIONIC_SCAN_URL or not config.BIONIC_SCAN_KEY:
return "未配置 BIONIC_SCAN_URL / BIONIC_SCAN_KEY,跳过补扫触发(当晚全量扫兜底)"
url = (f"{config.BIONIC_SCAN_URL}?key={urllib.parse.quote_plus(config.BIONIC_SCAN_KEY)}"
f"&mode=incremental")
try:
with urllib.request.urlopen(url, timeout=15) as resp:
body = resp.read().decode("utf-8", "replace")[:200]
return f"已触发决策系统增量补扫: {body}"
except Exception as e: # noqa: BLE001
return f"补扫触发失败(当晚 22:30 全量扫兜底): {e!r}"
# ============================================================================
# 主流程
# ============================================================================
def push(date: str | None = None, top: int | None = None,
dry_run: bool = False, kick: bool = True) -> dict:
# 1. 当日计划(与 /plan 同一段装配代码)→ 先筛档位、再按绝对得分截断。
# 次序要紧(2026-08-17 修):原来是"全档位取前 top、再筛强传导"——排进 top 的
# 弱/无传导票把 top 之外的强传导票挤掉了,与 PMS 候选的"先筛强传导再截断"分叉,
# 两边看到的候选不是同一批。所以这里向 collect 要一个宽池子(top 的十倍、至少
# 二百,全在打分池规模之内),先过档位白名单,最后取前 top。
# 主题限额默认 0(config.POOL_THEME_CAP,2026-08-17 拍板:分散不由选层做,
# 组合分散归 PMS 行业闸;配非零值即应急回退)。
2026-08-03 14:02:13 +08:00
top = top or config.POOL_TOP
data = plan.collect(date, top=max(top * 10, 200), obs_top=0,
theme_cap=config.POOL_THEME_CAP)
2026-08-03 14:02:13 +08:00
tiers = config.POOL_TIERS
ds = data["date"]
选股计划排序轴换成公司质地,传导降为雷达门与带内次级键(台账 063) 按 docs/选股计划调整方案_2026-09-17.md 落地。三份读数(09-02 §1.8、08-28 周报、09-11 抽查)一致:传导越强超额越负,传导分的公式奖励的正是被证明为负的"未动补涨"。所以把传导从排序主轴换成雷达门加带内次级键,公司质地成为排序主轴。改动全在计划装配层,四个开关全设旧值即逐字回旧。 一、排序轴换质地(plan.py)。新增 _rerank_by_axis 按(质地带、被指向、组内分、原始分、代码)词典序重排、_rerank 按 config.PLAN_RANK_AXIS 分派;组内分从原始分反解、档位不进次序;被指向以候选卡门槛一 gates.pointed 为准。调用点先用 _rerank_by_quality 算旧序拿 rank_old 再算新序。_pick 与 pick_rows 加 uncapped_no_theme:质地轴下无传导行免主题限额、不计数,否则主轴被限额推翻。_row 加 quality_band、rank_axis、pointed、rank_old 四键,score/score_adj/tier 值与含义不变。返回字典质地轴下加 rank_axis、rank_rule、quality_band_counts。encoding 追加一句。 二、候选卡内序与质地门(card.py)。新增 quality_band 函数(好三中二差零,无评析与证据不足与超期一百二十天归一),plan.py 与 card.py 共用它。judge 加 stale_days 参数、返回加 quality_band;质地门"差降关注"改用质地带为零并带上一百二十天守卫(超期报告不再降档)。sort_key 在判决与涨幅之间插入质地带、受 CARD_SORT_BY_QUALITY 控,关掉逐字回旧。三门槛一确认三风险一字未动。 三、入池与评析名单(pool.py、review_targets.py)。pool 把选行抽成纯函数 select_plan_rows:rank 源取主榜新序里被指向的前 POOL_TOP、_pool_source 记 rank_top,备用开关 POOL_RANK_KEEP_OLD 并进旧序强传导前若干、去重、受 POOL_MAX 兜底;tier 与 candidate 逐字保留。strategy_context_entry 加 quality_band、rank_axis、rank_old 三键。review_targets 新增纯函数 pick_main_targets:both 取原始分前一百与新序前五十的并集、去重按新序,score 逐字回旧;评析覆盖与排序轴解耦。 四、周报对照(plan_review.py)。第一节加主榜新序前二十与旧序前二十两份名单(rank_old 缺的旧快照跳过);档位分组外加档位乘质地带交叉分组,看传导在质地档内还剩多少信息量。plan_reconcile 应答加 rank_axis: transmission 一键,说明逐票对账的"主榜第 N 名"仍按原始分序,文案不动。 五、单测、开关、文档。新 test_plan_rank_axis.py 十例(含四开关设旧值逐字回旧、四带序、带内次级键、确定性、超期守卫、入池 rank、评析并集、卡内序、主题限额例外、备用开关),本地 ALL OK。test_plan_quality_rank.py 接线匹配串改成新调用点,test_plan_snapshot.py 加一条质地轴主题限额对照用例。config 加 PLAN_RANK_AXIS、CARD_SORT_BY_QUALITY、REVIEW_TARGETS_AXIS 三个开关与备用开关 POOL_RANK_KEEP_OLD,POOL_SOURCE 默认改 rank。.env.example、README 计划字段、台账 063、入池对接说明、下游对接说明一并改。 没有改的是什么、为什么不合并。分数编码 factors.py 一字未动——它注册在外部平台当因子,改它会污染平台的因子历史;次序改动全部放在装配层。api.py 不碰。三门槛一确认三风险不动,质地门保持"差降关注"。持仓管理系统按上游名次排是协同项,在另一仓库单独审批,不阻塞本次上线(它的看多分桶已把好公司排在前面)。 实测读数。开发机 python3 test_plan_rank_axis.py 与 python3 test_plan_quality_rank.py 均 ALL OK;PLAN_RANK_AXIS=transmission CARD_SORT_BY_QUALITY=0 POOL_SOURCE=tier REVIEW_TARGETS_AXIS=score 下 test_plan_rank_axis.py 仍 ALL OK(逐字回旧那一例断言与 09-14 旧序逐字相同)。test_card、test_pool_logic、test_plan_snapshot 全绿。既有的 test_review_targets、test_plan_review_window、test_plan_logic_state、test_plan_cache、test_plan_reviews_live 因缺 psycopg/fastapi 或本机 Python 3.9 不支持联合类型注解而只能在部署机跑,非本次引入。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
2026-09-17 10:28:23 +08:00
# 选行抽成纯函数(2026-09-17):rank 源取新序里被指向的前 top,tier/candidate 逐字保留。
plan_rows = select_plan_rows(data["main"], top, config.POOL_SOURCE, tiers,
keep_old=config.POOL_RANK_KEEP_OLD, candidates=data.get("candidates"))
plan_codes = [r["code"] for r in plan_rows]
2026-08-03 14:02:13 +08:00
# 2. 持仓(读不到直接抛,整轮不动池子)与旧池子
holdings = _read_holdings()
# 2.5 低优先入池切片(09-02 拍板):门槛全过但缺吸筹评分的关注票,让它们当晚获得评分,
# 否则复盘缺评分是环状依赖(评分只覆盖池内票)。只改 Mongo 池成分,PMS 不读 Mongo 池。
# 受 POOL_MAX 约束:额度 = 上限 − 计划入选 − 持仓,切片只填得下的部分。默认 0 = 不开。
slice_rows = []
if config.POOL_WATCH_SLICE > 0:
room = max(0, config.POOL_MAX - len(plan_codes) - len(holdings - set(plan_codes)))
have = set(plan_codes) | holdings
for r in data.get("watch") or []:
g = (r.get("card") or {}).get("gates") or {}
if (all(g.get(x) for x in ("pointed", "started", "covered", "clean_name"))
and any("无吸筹评分" in m for m in (r.get("missing") or []))
and r["code"] not in have):
r["_pool_source"] = "watch_slice"
slice_rows.append(r)
have.add(r["code"])
if len(slice_rows) >= min(config.POOL_WATCH_SLICE, room):
break
plan_rows = plan_rows + slice_rows
plan_codes = [r["code"] for r in plan_rows]
2026-08-03 14:02:13 +08:00
col_name = config.POOL_COLLECTION
client = None if dry_run and not config_mongo_ready() else _mongo()
old_doc, old_members, member_meta = None, set(), {}
if client is not None:
col = client[config.mongo().db][col_name]
old_doc = col.find_one({"group_code": config.POOL_GROUP_CODE,
"org_id": config.POOL_ORG_ID})
if old_doc:
old_members = {str(c).strip().upper() for c in old_doc.get("stock_codes") or []}
member_meta = old_doc.get("member_meta") or {}
# 3. 形态恶化名单(只查可能出池的那批;读失败=不回收)
idle = old_members - set(plan_codes) - holdings
bad, degraded = _read_bad_signals(idle | (holdings & old_members))
now = dt.datetime.now()
today = now.date().isoformat()
d = decide(old_members, member_meta, plan_codes, holdings, bad,
config.POOL_MAX, today)
# 4. 打印明细(干跑到此为止)
src_cnt = {}
for r in plan_rows:
src_cnt[r.get("_pool_source")] = src_cnt.get(r.get("_pool_source"), 0) + 1
print(f"计划日 {ds},入池来源 {config.POOL_SOURCE},档位白名单 {sorted(tiers) if tiers else '(不过滤)'},"
f"计划入选 {len(plan_codes)} 只({src_cnt},其中候选卡判为候选 "
f"{sum(1 for r in plan_rows if r.get('verdict') == '候选')} 只);持仓 {len(holdings)} 只;"
f"旧池 {len(old_members)} 只 → 新池 {len(d['pool'])} 只(上限 {config.POOL_MAX});"
f"计划版本 {data.get('plan_version')}")
2026-08-03 14:02:13 +08:00
for label, items in (("计划新进", d["new_entrants"]),
("持仓保留", d["retained_holdings"]),
("留池观察", d["observers"]),
("移入回收站(形态恶化)", d["recycled"]),
("池满出清", d["cap_evicted"]),
("警示: 持仓且形态恶化(不出池)", d["held_bad"])):
if items:
print(f" {label} {len(items)} 只: {', '.join(items)}")
if degraded:
print(f" ⚠️ {degraded}")
if dry_run:
print("(--dry-run:只看不写)")
if client is not None:
client.close()
return d
# 5. 写分组文档(按 group_code+org_id 覆盖式更新)+ 回收站 + 触发补扫
remark = build_remark(d, ds, now.strftime("%Y-%m-%d %H:%M:%S"), degraded)
ctx = dict((old_doc or {}).get("strategy_context") or {})
ctx = {k: v for k, v in ctx.items() if k in set(d["pool"])}
seg_ratio = segment_started_ratios(data.get("segments_pointed") or [])
2026-08-03 14:02:13 +08:00
for r in plan_rows:
ctx[r["code"]] = {**strategy_context_entry(r, ds, seg_ratio),
"source": r.get("_pool_source"),
"plan_version": data.get("plan_version")}
2026-08-03 14:02:13 +08:00
for c in d["retained_holdings"]:
ctx.setdefault(c, {"factor_code": "akg_score", "note": "持仓保留"})
col = client[config.mongo().db][col_name]
col.update_one(
{"group_code": config.POOL_GROUP_CODE, "org_id": config.POOL_ORG_ID},
{"$set": {"group_name": config.POOL_GROUP_NAME, "pool_type": config.POOL_TYPE,
2026-08-03 14:02:13 +08:00
"is_public": False,
"description": "akg-factor-bridge 每日选股计划池:当日计划(强传导主榜) + "
"持仓保留 + 留池观察。决策系统每晚认知扫描按本组产出结论,"
"供 PMS 参考位/择时/研判使用。规则见 akg-factor-bridge/"
"docs/选股计划入池_对接说明.md",
"stock_codes": d["pool"], "member_meta": d["meta"],
"strategy_context": ctx, "remark": remark,
"updated_at": now},
"$setOnInsert": {"created_at": now}},
upsert=True)
doc = col.find_one({"group_code": config.POOL_GROUP_CODE,
"org_id": config.POOL_ORG_ID}, {"_id": 1})
print(f"✅ 分组已写入 {col_name}(group_code={config.POOL_GROUP_CODE},"
f"_id={doc['_id']},{len(d['pool'])} 只)")
if d["recycled"]:
bin_col = client[config.mongo().db][config.POOL_RECYCLE_COLLECTION]
docs = build_recycle_docs(d, str(doc["_id"]), config.POOL_GROUP_NAME,
config.POOL_ORG_ID, now)
bin_col.insert_many(docs)
print(f"✅ 回收站已记 {len(docs)} 只: {', '.join(d['recycled'])}")
client.close()
if kick:
print(_kick_bionic_scan())
return d
def config_mongo_ready() -> bool:
"""干跑时若 Mongo 还没配置(比如首次在开发机看效果),允许把旧池当空集。"""
try:
config.mongo()
return True
except Exception: # noqa: BLE001
print(" (Mongo 未配置,按空池试算)")
return False