Home

Welcome to Wyckoff-Analysis Wiki

欢迎来到 Wyckoff-Analysis 官方知识库。

本 Wiki 聚焦三件事：

• 策略逻辑：Wyckoff Funnel + 宏观水温 + OMS 风控
• 工程实现：GitHub Actions 调度、LLM 与 RAG 集成、数据快照回放
• 回测方法：当前可复现口径、已知偏差、参数对比方法

---

📘 导航

🌟 金融交易篇

• 01. 威科夫理论：探寻主力的足迹
• 02. 量化选股因子：截面强弱与防守带
• 09. 板块轮动与大盘水温：A 股适配策略 (v2.1 新增)
• 完整术语速查 → 主仓库 GLOSSARY.md

💻 技术实现篇

• 03. 核心架构与业务管线
• 04. AI 与 RAG 集成
• 06. GitHub Actions 运维手册
• 08. Python 工程实践与项目设计

🧪 回测与研究篇

• 05. 回测方法学（当前实现）
• 07. 策略变更记录与可比性

---

当前默认回测口径（2026-04）

• hold_days=[5,6,7,8]（Grid 搜索）
• exit_mode=sltp
• stop_loss=[-6,-7,-8,-9]（Grid 搜索）
• take_profit=0（不设止盈）
• regime_filter=True（大盘水温仓位控制）
• summary 强制输出：最大回撤 / VaR95 / CVaR95 / 最长连亏

---

项目设计哲学

1. 先选环境，再选个股：优先排除系统性风险，再讨论个股机会。
2. AI 只做参谋，OMS 执行风控：模型建议不直接下单，执行权在风控引擎。
3. 快照隔离计算与网络取数：支持离线重放与参数回测，提升可复现性。

---

阅读建议

• 新同学：按 03 -> 04 -> 05 阅读，先看系统全貌，再看 AI，再看回测口径。
• 做策略迭代：先看 07 再做回测，避免跨版本横向比较失真。