选股打分包:计划按公司质地重排组内名次,不跨档(台账 058)
装配拿到评析后,在主榜与观察档两个分数序列上按质地重排一次:好票同档前移、 差票后移。四个出口(接口、快照、逻辑状态入库、评析名单)同序。每行加 score_adj, 原始分保留供档位解码。PLAN_QUALITY_BONUS 默认 8,设 0 逐字回旧。新测四条不变式全绿。 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
This commit is contained in:
parent
bccc2e5970
commit
3d3f31788e
|
|
@ -90,6 +90,10 @@ MONGO_DB=stock_predictions
|
|||
# PMS_MYSQL_PASSWORD=
|
||||
# PMS_MYSQL_DB=
|
||||
|
||||
# --- 质地调整分(2026-09-14 工作包四;台账 058):计划装配时把公司质地并进组内名次,
|
||||
# 好的票同档内前移、差的后移,不跨档。默认 8,设 0 即关(关掉后计划输出逐字回旧)---
|
||||
# PLAN_QUALITY_BONUS=8
|
||||
|
||||
# --- 入池口径(默认与 PMS 候选一致:强传导主榜前 20;改动记得与 PMS 页面的
|
||||
# PMS_PLAN_TOP_N / PMS_PLAN_TIERS 保持一致)---
|
||||
# POOL_GROUP_CODE=AKG_PLAN
|
||||
|
|
|
|||
|
|
@ -156,6 +156,12 @@ EXCLUDE_RISK_NAMES = os.environ.get("EXCLUDE_RISK_NAMES", "1") == "1"
|
|||
# 等 score_lab 对比器跑出数据再定;改这个值属于口径变更,改前先看对比器读数。
|
||||
UPSIDE_NEG_TOLERANCE = float(os.environ.get("UPSIDE_NEG_TOLERANCE", "0"))
|
||||
|
||||
# --- 质地调整分(2026-09-14 工作包四;台账 058)--------------------------------
|
||||
# 计划装配时把公司深度评析的质地档并进组内分:质地好加这个分、差减这个分、其余不动。
|
||||
# 只影响组内名次,不跨档:主榜档位步长是 20,最大加成 8 远小于 20,好的票在同档内前移、
|
||||
# 差的票后移,档位标签仍按原始分解码。默认 8,设 0 即关(关掉后计划输出与改动前逐字一致)。
|
||||
PLAN_QUALITY_BONUS = float(os.environ.get("PLAN_QUALITY_BONUS", "8"))
|
||||
|
||||
# --- 统一任务调度平台触发(08-03;键名与决策系统保持一致,便于平台侧统一配置)----
|
||||
# 空串 = /api/v1/xxl/* 整组端点禁用(安全默认)。回调契约见 xxl.py 模块说明。
|
||||
XXL_TRIGGER_KEY = os.environ.get("XXL_TRIGGER_KEY", "")
|
||||
|
|
|
|||
|
|
@ -545,3 +545,21 @@
|
|||
- **预期。** 下次出计划(次日早七点十分)之后,接口走快照路径、毫秒级返回;计划成为可复现的,同一数据日同一代码算多少次都一样。
|
||||
|
||||
- **复核日期。** 明日出计划后,看接口日志里的 source 字段是不是 snapshot,以及连续两次现算是否仍然一致。
|
||||
|
||||
## 058 · 2026-09-14 · 质地调整分:把公司质地并进计划的组内名次(工作包四)
|
||||
|
||||
这一条来自持仓管理系统那边的一次拍板。评析已经能算出每只票的公司质地档,但计划的名次一直只看传导分与组内分,质地没进排序。于是好票和差票在同一档里的先后,跟质地无关。这次把质地并进组内名次。
|
||||
|
||||
- **改动。** 计划装配时,等公司评析装配好,就在主榜与观察档这两个分数序列上按质地重排一次:质地好的票同档内前移,差的后移,中与证据不足不动。加减的分数由环境变量 `PLAN_QUALITY_BONUS` 控制,默认 8,设 0 即关。
|
||||
|
||||
- **为什么只在那两个序列上改,不在别处。** 计划有四个出口都从这两个序列取数:接口下发的主榜观察档、复盘用的全量快照、逐票逻辑状态入库、送评析的目标名单。只在序列上重排这一次,四个出口才同序。若只改下发那一行(`_row`),快照与入库就会和下发不一致。
|
||||
|
||||
- **为什么不跨档。** 主榜的分数编码是「200 加传导档位乘 20 加组内分」,档位之间隔 20 分,组内分夹在正负 9.9。质地最多加减 8,加上组内分也就到正负 17.9,够不到相邻档位的基准分。正常组内分量级下,强传导不会因为质地差掉到弱传导后面,弱传导也不会因为质地好窜到强传导前面。档位标签仍按原始分解码,重排只改顺序、不动分值,也不动候选卡名次。
|
||||
|
||||
- **新字段。** 每行多一个 `score_adj`(原始分加质地加成),随接口与快照带出,供人追溯这次排序的依据;原 `score` 保留,档位标签靠它解码。
|
||||
|
||||
- **验证读数。** 开发机 `python3 test_plan_quality_rank.py` 全绿,四条不变式各一例:从不跨档、加分为 0 时逐字回旧、重编后名次连续、快照带 score_adj;另有加成取值与接线两组。`test_plan_snapshot.py` 与 `test_plan_verdict.py` 未受影响。
|
||||
|
||||
- **部署与预期。** 本地做完提交,155 拉代码后重启桥容器(先经审批,避开 07:00 到 07:30 与 08:30 到 09:05),重启后预热一次计划接口。次日早七点十分起,入池与评析名单都按新序。持仓管理系统榜单当天会有一波名次跳动,属预期。
|
||||
|
||||
- **复核日期。** 重启并出一次计划后,按 §5.4 的 curl 看前 50 里质地好的只数是否上升、rank 是否连续、每行是否都带 score_adj。
|
||||
|
|
|
|||
35
plan.py
35
plan.py
|
|
@ -108,6 +108,32 @@ def _tier_label(score: float) -> str:
|
|||
int((score - 190.0) // 20), "?")
|
||||
|
||||
|
||||
def _quality_bonus(cr, bonus: float) -> float:
|
||||
"""公司质地评析对组内分的加成(2026-09-14 工作包四)。
|
||||
质地好加 bonus、差减 bonus,中/证据不足/无评析都不动。bonus 为 0 时恒回 0。"""
|
||||
if not bonus or not isinstance(cr, dict):
|
||||
return 0.0
|
||||
o = cr.get("overall")
|
||||
if o == "好":
|
||||
return float(bonus)
|
||||
if o == "差":
|
||||
return -float(bonus)
|
||||
return 0.0
|
||||
|
||||
|
||||
def _rerank_by_quality(ranked, cards: dict, bonus: float):
|
||||
"""按质地调整分给一段榜单(主榜或观察档的分数序列)重排名次。
|
||||
只改顺序,序列里的分值仍是原始分——档位标签靠原始分解码,不能被加成污染。
|
||||
并列时用稳定排序保留原始名次;bonus 为 0 或空榜时原样返回,保证关掉即逐字回旧。"""
|
||||
if not bonus or ranked.empty:
|
||||
return ranked
|
||||
adj = ranked + pd.Series(
|
||||
{k: _quality_bonus((cards.get(k) or {}).get("company_review"), bonus)
|
||||
for k in ranked.index}, dtype=float)
|
||||
order = adj.sort_values(ascending=False, kind="mergesort").index
|
||||
return ranked.reindex(order)
|
||||
|
||||
|
||||
def _val(series: pd.Series, k: str):
|
||||
v = series.get(k)
|
||||
return None if v is None or pd.isna(v) else float(v)
|
||||
|
|
@ -444,6 +470,12 @@ def collect(date: str | None = None, top: int = 20, obs_top: int = 10,
|
|||
cards, segments_pointed = _assemble_cards(
|
||||
ds, list(main.index) + list(obs.index), ev, upside, mkt_days, risk=risk)
|
||||
|
||||
# 质地调整分(2026-09-14 工作包四):拿到评析后,就在主榜与观察档这两个分数序列上重排一次。
|
||||
# 下面的 _pick 出接口、_full_rows 出复盘快照、快照又喂逐票逻辑状态入库与评析目标名单——
|
||||
# 四个出口都从这两个序列取,所以只在这里改一次,四处才同序。只改顺序、不改分值。
|
||||
main = _rerank_by_quality(main, cards, config.PLAN_QUALITY_BONUS)
|
||||
obs = _rerank_by_quality(obs, cards, config.PLAN_QUALITY_BONUS)
|
||||
|
||||
def _pick(ranked: pd.Series, n: int):
|
||||
"""分数从高到低取 n 条;每个传导主题最多 theme_cap 条(0=不设限)——
|
||||
传导目标是环节级、同环节成员共享同一条证据,不限额会被少数环节刷屏。"""
|
||||
|
|
@ -471,6 +503,9 @@ def collect(date: str | None = None, top: int = 20, obs_top: int = 10,
|
|||
"moved_ratio": None, "source": "moved_view"}
|
||||
r = {"rank": rank, "code": k, "name": names.get(k),
|
||||
"score": round(float(s), 2),
|
||||
# 调整分只随行展示、供排序追溯;档位标签仍按原始 score 解码(工作包四)
|
||||
"score_adj": round(
|
||||
float(s) + _quality_bonus(c.get("company_review"), config.PLAN_QUALITY_BONUS), 2),
|
||||
"evidence": evidence,
|
||||
"heat": _val(heat, k), "upside": _val(upside, k)}
|
||||
if with_tier:
|
||||
|
|
|
|||
|
|
@ -0,0 +1,166 @@
|
|||
"""质地调整分(2026-09-14 工作包四,台账 058):把公司质地并进计划的组内名次。
|
||||
|
||||
装配阶段已经读到公司深度评析的质地档,本改动在主榜与观察档这两个分数序列上按质地重排一次:
|
||||
质地好的票同档内前移、差的后移。只改组内名次,不跨档,不改分值——档位标签仍按原始分解码。
|
||||
|
||||
离线,不连库不起服务。跑法:python3 test_plan_quality_rank.py,预期最后一行是 ALL OK。
|
||||
本机没有真实快照时会跳过最后一轮(在部署机上跑才有那份)。
|
||||
|
||||
四条不变式对应本文件:
|
||||
一 从不跨档 test_no_tier_cross(正常组内分下重排后原始档位序列不升;标签按原始分解码)
|
||||
二 加分为 0 逐字相同 test_zero_bonus_identical(关掉后序列与分值都原样)
|
||||
三 重编后名次连续 test_rank_continuous(重排后 enumerate 出的名次是连续的 1..n)
|
||||
四 快照带 score_adj test_wiring(collect 两个序列都重排、_row 落 score_adj,快照因此带上它)
|
||||
"""
|
||||
import os
|
||||
import sys
|
||||
import types
|
||||
|
||||
# 离线不连库:装不上的驱动打个空壳,pandas 本机装得上就用真的(重排要在真 Series 上验)。
|
||||
for _n in ("pandas", "pymysql", "psycopg"):
|
||||
if _n not in sys.modules:
|
||||
try:
|
||||
__import__(_n)
|
||||
except Exception: # noqa: BLE001
|
||||
_m = types.ModuleType(_n)
|
||||
if _n == "pandas":
|
||||
_m.DataFrame = type("DataFrame", (), {})
|
||||
sys.modules[_n] = _m
|
||||
|
||||
import pandas as pd # noqa: E402 —— 本包重排就在 pd.Series 上做,直接用真的 pandas
|
||||
|
||||
sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
|
||||
|
||||
import plan # noqa: E402
|
||||
|
||||
FAILED = []
|
||||
|
||||
|
||||
def t(name, cond, extra=""):
|
||||
print((" ok " if cond else " FAIL ") + name + ((" " + str(extra)) if not cond else ""))
|
||||
if not cond:
|
||||
FAILED.append(name)
|
||||
|
||||
|
||||
def _cards(spec: dict) -> dict:
|
||||
"""spec 是 {代码: 质地档},装成 collect 里 cards 的形状(只放本改动要读的那一路)。"""
|
||||
return {k: {"company_review": ({"overall": q} if q else None)} for k, q in spec.items()}
|
||||
|
||||
|
||||
def test_quality_bonus():
|
||||
print("[质地加成的取值]")
|
||||
t("好加满分", plan._quality_bonus({"overall": "好"}, 8) == 8.0)
|
||||
t("差减满分", plan._quality_bonus({"overall": "差"}, 8) == -8.0)
|
||||
t("中不动", plan._quality_bonus({"overall": "中"}, 8) == 0.0)
|
||||
t("证据不足/无评析不动", plan._quality_bonus({"overall": "证据不足"}, 8) == 0.0)
|
||||
t("没有评析字典不动", plan._quality_bonus(None, 8) == 0.0)
|
||||
t("加成为 0 时任何质地都回 0", plan._quality_bonus({"overall": "好"}, 0) == 0.0)
|
||||
|
||||
|
||||
def test_zero_bonus_identical():
|
||||
print("[不变式二:加分为 0,序列与分值逐字回旧]")
|
||||
ranked = pd.Series({"A": 242.0, "B": 238.0, "C": 222.0, "D": 218.0})
|
||||
cards = _cards({"A": "差", "B": "好", "C": "好", "D": "差"})
|
||||
out = plan._rerank_by_quality(ranked, cards, 0)
|
||||
t("名次顺序原样", list(out.index) == list(ranked.index), list(out.index))
|
||||
t("分值原样", list(out.values) == list(ranked.values))
|
||||
|
||||
|
||||
def test_no_tier_cross():
|
||||
print("[不变式一:正常组内分下重排不跨档,标签按原始分解码]")
|
||||
# 强传导基准 240、弱传导基准 220,组内分只给 ±2(正常量级)。加减 8 后仍不跨档:
|
||||
# 最低的强(差 240-2-8=230) 仍高于 最高的弱(好 220+2+8=230) 的严格判定见下。
|
||||
ranked = pd.Series({"S_top": 242.0, "S_bot": 238.0, "W_top": 222.0, "W_bot": 218.0})
|
||||
cards = _cards({"S_top": "差", "S_bot": "好", "W_top": "好", "W_bot": "差"})
|
||||
out = plan._rerank_by_quality(ranked, cards, 8)
|
||||
order = list(out.index)
|
||||
# 强的两只都排在弱的两只前面——没有弱窜到强前,没有强掉到弱后
|
||||
t("重排后档位序列不升(强在前、弱在后)",
|
||||
order == ["S_bot", "S_top", "W_top", "W_bot"], order)
|
||||
# 同档内质地好的前移:强档里 S_bot(好) 排到 S_top(差) 前
|
||||
t("同档内好票前移", order.index("S_bot") < order.index("S_top"))
|
||||
t("同档内好票前移(弱档)", order.index("W_top") < order.index("W_bot"))
|
||||
# 标签按原始分解码,不受加成影响:重排后每只的档位仍是它本来的档
|
||||
tiers = [plan._tier_label(out[k]) for k in order]
|
||||
t("档位标签仍按原始分解码", tiers == ["强传导", "强传导", "弱传导", "弱传导"], tiers)
|
||||
# 分值不被加成污染(供 _tier_label 解码的是原始分)
|
||||
t("分值不被改动", out["S_bot"] == 238.0 and out["W_top"] == 222.0)
|
||||
|
||||
|
||||
def test_rank_continuous():
|
||||
print("[不变式三:重排后按序 enumerate 出的名次连续]")
|
||||
ranked = pd.Series({"A": 240.0, "B": 240.0, "C": 220.0, "D": 220.0, "E": 200.0})
|
||||
cards = _cards({"A": "差", "B": "好", "C": "好", "D": "中", "E": "好"})
|
||||
out = plan._rerank_by_quality(ranked, cards, 8)
|
||||
ranks = [i for i, _ in enumerate(out.items(), 1)]
|
||||
t("名次是连续的 1..n", ranks == list(range(1, len(out) + 1)), ranks)
|
||||
# 同分并列用稳定排序:加成相同的 A、B 若加成后仍并列,保持原始顺序
|
||||
stable = pd.Series({"X": 240.0, "Y": 240.0})
|
||||
outs = plan._rerank_by_quality(stable, _cards({"X": "好", "Y": "好"}), 8)
|
||||
t("加成后并列时保持原始先后(稳定排序)", list(outs.index) == ["X", "Y"], list(outs.index))
|
||||
|
||||
|
||||
def test_wiring():
|
||||
print("[不变式四的接线:collect 两序列都重排、_row 落 score_adj]")
|
||||
src = open(os.path.join(os.path.dirname(os.path.abspath(__file__)), "plan.py"),
|
||||
encoding="utf-8").read()
|
||||
i_main = src.find("main = _rerank_by_quality(main, cards,")
|
||||
i_obs = src.find("obs = _rerank_by_quality(obs, cards,")
|
||||
t("主榜序列被重排", i_main > 0)
|
||||
t("观察档序列被重排", i_obs > 0)
|
||||
# 重排必须在 _pick 与 _full_rows 定义之前——四个出口才同序
|
||||
i_pick = src.find("def _pick(")
|
||||
i_full = src.find("def _full_rows(")
|
||||
t("重排排在 _pick 之前", 0 < i_main < i_pick and 0 < i_obs < i_pick)
|
||||
t("重排排在 _full_rows 之前", 0 < i_main < i_full)
|
||||
# _row 里落 score_adj,快照走 _full_rows→_row,因此快照带 score_adj
|
||||
i_row = src.find("def _row(")
|
||||
i_full_rows_def = src.find("def _full_rows(")
|
||||
body = src[i_row:i_full_rows_def]
|
||||
t("_row 落 score_adj 字段", '"score_adj"' in body)
|
||||
t("_row 的 score_adj 用原始分加质地加成算", "_quality_bonus(c.get(\"company_review\")" in body)
|
||||
# _tier_label 喂的是原始分 s(序列值未被加成改动),不是 score_adj
|
||||
t("档位标签仍按原始分 s 解码", 'r["tier"] = _tier_label(s)' in body)
|
||||
|
||||
|
||||
def test_against_real_snapshot():
|
||||
print("[拿真实快照看名次连续 —— 本机没有就跳过]")
|
||||
import glob
|
||||
import json
|
||||
import config
|
||||
fs = sorted(glob.glob(os.path.join(config.PLAN_SNAPSHOT_DIR, "plan_*.json")))
|
||||
if not fs:
|
||||
print(" -- 本机没有快照文件,跳过这一轮(在部署机上跑才有;接口层判收见 §5.4 的 curl)")
|
||||
return
|
||||
snap = json.load(open(fs[-1], encoding="utf-8"))
|
||||
shown = snap.get("main_shown") or []
|
||||
if shown:
|
||||
t("下发主榜名次连续", [r.get("rank") for r in shown] == list(range(1, len(shown) + 1)))
|
||||
full = snap.get("main") or []
|
||||
if full and all("score_adj" in r for r in full):
|
||||
# 这份是本改动上线之后出的快照:每行都该带 score_adj,档位仍按原始分解码
|
||||
t("全量主榜每行都带 score_adj", True)
|
||||
bad = [r["code"] for r in full
|
||||
if r.get("tier") and r["tier"] != plan._tier_label(r["score"])]
|
||||
t("档位标签与原始分一致(未被 score_adj 污染)", not bad, bad[:5])
|
||||
else:
|
||||
print(" -- 最新快照还没有 score_adj(本改动未在该快照生成时上线),只验了名次连续")
|
||||
|
||||
|
||||
def main():
|
||||
test_quality_bonus()
|
||||
test_zero_bonus_identical()
|
||||
test_no_tier_cross()
|
||||
test_rank_continuous()
|
||||
test_wiring()
|
||||
test_against_real_snapshot()
|
||||
print("-" * 70)
|
||||
if FAILED:
|
||||
print("FAILED %d: %s" % (len(FAILED), "; ".join(FAILED)))
|
||||
return 1
|
||||
print("ALL OK — 质地调整分:加成取值 / 关掉逐字回旧 / 不跨档 / 名次连续 / 接线")
|
||||
return 0
|
||||
|
||||
|
||||
if __name__ == "__main__":
|
||||
sys.exit(main())
|
||||
Loading…
Reference in New Issue