AlphaGPT 是一套 AI 驱动的量化选股系统，核心思路是用 Transformer 模型自动生成可解释的 Alpha 因子公式，通过截面回测打分筛选，输出全市场主板 Top N 选股信号。
- 数据采集 —
data_download.py通过 Tushare Pro 拉取全市场主板股票日线行情，自动过滤次新股/科创板/创业板/ST股 - 模型训练 —
model_core用 REINFORCE 策略梯度训练 Transformer 生成最优因子公式 - 信号输出 — 对最新交易日截面打分，输出 Top 20 选股信号至
signals/目录
pip3 install -r requirements.txtPython 3.10+（推荐 3.11）。
| 服务 | 用途 |
|---|---|
| Tushare Pro API Token | 获取 A 股行情数据（注册：https://tushare.pro） |
在项目根目录创建 .env 文件：
# Tushare Pro API
TUSHARE_TOKEN=your_tushare_token
# 数据存储目录
DATA_DIR=data# 数据更新 → 训练 → 信号输出，一步到位
python run_daily.py| 命令 | 说明 |
|---|---|
python run_daily.py --update-only |
只更新数据，不训练 |
python run_daily.py --skip-update |
跳过数据更新，直接训练 + 信号 |
python run_daily.py --signal-only |
用已有公式直接生成信号（跳过训练） |
训练完成后会生成：
| 文件 | 说明 |
|---|---|
best_ashare_strategy.json |
最佳因子公式及得分 |
training_history.json |
训练历史记录 |
signals/{timestamp}/signals_top20.csv |
最新交易日 Top 20 选股 |
signals/{timestamp}/signals_all.csv |
全部股票信号排名（含 direction、market_trend） |
运行后终端会直接打印当日 Top 20 选股结果：
=======================================================
最新交易日选股信号: 2026-04-04
=======================================================
排名 股票代码 信号分值
---- ------------ ----------
1 600519.SH +0.5231 做多
2 000858.SZ +0.4892 做多
...
- 不是直接预测价格，而是"生成公式 → 解释执行 → 回测评分 → 优化生成器"
- 公式 = token 序列，token 由"特征 + 算子"组成，StackVM 执行成因子信号
- 截面选股：每日对全市场主板股票打分排序，做多 Top N
输入特征（6 维）： OPEN、CLOSE、HIGH、LOW、VOL、VWAP（由 FeatureEngineer 从原始 OHLCV 数据提取）
算子（12 个）： ADD、SUB、MUL、DIV、NEG、ABS、SIGN、GATE、JUMP、DECAY、DELAY1、MAX3
| 参数 | 值 | 说明 |
|---|---|---|
| 标的池 | 全市场主板（~3000只） | 自动过滤次新股/科创板/创业板/北交所/ST |
| 基准指数 | 中证全指 (000985.SH) | 回测对比基准 |
| 回测指标 | Sortino Ratio + IR | 含回撤惩罚 + 换手惩罚 + IR 评价 |
| 佣金 | 万 2.5 | 双边 |
| 印花税 | 千 0.5（2023-08-28后） | 卖出单边，此前千 1 |
| 涨跌停 | 主板 10% / ST 5% | 回测中限制 |
| 交易制度 | T+1 | 开盘价对开盘价收益 |
| 选股数量 | Top 20 | 截面排名前 20 |
| 再平衡 | 每 10 个交易日 | 非再平衡日沿用持仓 |
| 次新股过滤 | 上市 ≥ 250 个自然日 | 动态点对点过滤 |
| 训练步数 | 100000 步 | REINFORCE 策略梯度 + QFR 奖励塑形 |
| 公式最大长度 | 16 tokens | |
| Entropy 系数 | 0.1 → 0.05 | 线性退火，防止策略坍塌 |
| IC 奖励权重 | 5.0 | 与 Sortino 量级对齐 |
| QFR 参数 | λ=0.02, α=100, η=7.5e-4, δ=0.3 | IR 门槛动态提升 |
AlphaGPT/
├── run_daily.py # 每日策略入口（数据更新 → 训练 → 信号输出）
├── data_download.py # Tushare 数据下载器（全市场主板 + 基准指数）
├── model_core/ # 核心模块
│ ├── config.py # A股参数配置（佣金、印花税、涨跌停、T+1、股票池过滤、QFR、Entropy等）
│ ├── data_loader.py # AshareDataLoader：从 CSV 构建特征张量 + 股票池过滤（板块/ST/次新股）
│ ├── factors.py # 特征工程（6维 OHLCV 特征 + 技术指标因子）
│ ├── ops.py # 数学算子（ADD, SUB, GATE, DECAY 等）
│ ├── vm.py # 栈式虚拟机，执行公式 token 序列
│ ├── model.py # 核心 Transformer 模型 + MTP Head
│ ├── backtest.py # AshareBacktest：截面回测引擎（Sortino + IR 评分）
│ ├── engine.py # AlphaEngine：RL 训练循环（QFR 奖励塑形 + Entropy 退火）
│ ├── report.py # StrategyReport：OOS 业绩评估 + 可视化
│ └── signal_writer.py # 信号输出（CSV 格式，含市场趋势过滤）
├── data/ # 本地数据存储
│ ├── constituents/ # stock_basic.csv（全市场元数据）+ benchmark_index.csv
│ └── daily/ # 个股日线数据 ({code}.csv)
├── signals/ # 输出信号目录
├── data_pipeline/ # 数据管道
├── dashboard/ # 可视化仪表板
├── ashare/ # 分钟频回测（独立流水线）
├── lord/ # 研究：LoRD 正则化实验（已弃用）
├── paper/ # 学术论文
├── assets/ # README 图片资源
├── reports/ # 回测报告输出
└── strategy_manager/ # 策略管理器