股票分析系统

## 1. 项目概述 (Project Vision)
本项目（原名 Stock Analysis）现升级为 **AlphaSeries**，旨在构建一个基于 **Rust + Polars + AI** 的工业级全天候量化分析平台。
系统不仅仅是一个盘后选股器，更是一个集成了高性能计算、分形市场分析与混合智能预测的金融工程平台。
核心理念：**体制适应性 (Regime Adaptability)** —— 识别市场所处的状态（趋势、震荡、混沌）并动态调整策略。

## 2. 核心功能需求与隐喻体系 (Product Vision & Metaphor)

### 2.1 核心功能
1. **全天候市场感知**: 利用 Hurst 指数识别市场体制 (Trend vs Mean Reversion)。
2. **深度特征工程**: 筹码分布 (ASR) 与 资金流向 (Smart Money)。
3. **混合智能策略**: 结合确定性规则 (Technical) 与 概率性预测 (XGBoost)。

### 2.2 "NBA" 数据隐喻体系 (UI Presentation)
系统前端不直接展示晦涩的技术指标，而是采用 **"NBA球探报告"** 的隐喻，降低认知门槛：

| 量化原语 (Backend) | 产品展示名称 (Frontend) | 业务含义 |
| :--- | :--- | :--- |
| **XGBoost Prob Score** | **获胜贡献值 (Win Share)** | AI 预测的上涨概率 (0-100分) |
| **Kaufman Efficiency (ER)** | **真实命中率 (TS%)** | 趋势的流畅度与纯度 (越接近1越强) |
| **ASR / Winner %** | **球队士气 (Morale)** | 获利盘比例 (>90% 视为士气高涨/无阻力) |
| **Z-Score / ATR** | **对抗强度 (Intensity)** | 波动率异常值 (识别恐慌或过热) |
| **RVOL / Northbound** | **正负值 (+/-)** | 主力资金流向 (机构进场/离场) |

全部都是我一个人负责实现的,包括产品规划\产品设计\架构设计\选型\测试,由AI负责具体代码实现
## 技术选型 (Tech Stack)

* **核心语言**: Rust (内存安全，零成本抽象)。
* **数据计算**: **Polars** (基于 Arrow 的高性能列式数据处理，替代 Pandas/Vec)。
* **机器学习**: **XGBoost** (Rust 绑定，用于多因子打分) + **Tch-rs** (PyTorch binding, 探索性)。
* **数据库**: SQLite (本地存储基础数据) + Parquet
选用Rust而没选择Python原因,Rust的计算效率高,在需要大量回算的场景下,Rust有着Python不具备的优势

### 3.1 总体架构
```mermaid
flowchart LR
subgraph Existing[现有系统（保持不变）]
FE[前端与回测入口]
Sync[现有同步流程]
Backtest[回算/回测引擎]
TechStore[(现有技术面存储)]
end

subgraph Sidecar[AkShare 旁支体系]
Adapter[AkShare 数据适配器]
RawStore[(AkShare 原始库 3天)]
Mapper[统一模型映射与填充]
DerivedStore[(统一模型库 15年)]
QueryAPI[只读查询接口]
end

Sync --> Adapter
Adapter --> RawStore
RawStore --> Mapper
Mapper --> DerivedStore
Backtest --> QueryAPI
QueryAPI --> DerivedStore
TechStore --> Backtest
```