本项目实现 AlphaForge-Lite 两阶段流程：先构建低相关因子库，再做动态因子选择与线性组合，并输出完整评估报告。
run_asg_pipeline.py：主入口，一键执行完整流程。data/market_data.csv：输入数据文件。src/factor_library.py：因子构建。src/evaluation.py：IC/ICIR、Sharpe、组合回测、参数敏感性。reports/：运行产物。references.md：参考文献。
本仓库当前 data/market_data.csv 的来源与口径如下：
- 数据平台：Yahoo Finance（网页源）。
- 采集接口：Python
yfinance。 - 接口调用方式：
yf.download(..., interval='1d', auto_adjust=True, group_by='ticker')。 - 字段映射：
date：交易日日期asset：股票代码close：复权收盘价（auto_adjust=True）volume：成交量
- 标的范围（20只）：
AAPL, AMZN, BAC, CSCO, CVX, DIS, GOOGL, IBM, INTC, JNJ, JPM, KO, MCD, META, MSFT, NVDA, PEP, PG, WMT, XOM
- 文件当前覆盖区间（以现有文件为准）：
- 起始日期：
2023-04-24 - 结束日期：
2026-04-23 - 总行数：
15060 - 资产数：
20 - 生成日期：
2026-04-24
- 起始日期：
reports/summary.md
summary.md：总览结果与关键配置factor_sharpe.csv：单因子 Sharpe/IC/ICIRfactor_corr.csv：因子相关性矩阵selected_factors.txt：满足相关性阈值后的因子dynamic_returns.csv：动态组合日收益backtest_metrics.csv：年化收益/波动/回撤/胜率dynamic_sensitivity.csv：参数敏感性实验project_reflection.md：方法思考、优化动作、局限性
- 阶段1：构建因子库并执行低相关筛选（阈值
max |corr| <= 0.5）。 - 阶段2：基于滚动 IC/ICIR 做动态选因子，并用线性 ridge 进行日度组合配权。