立项背景:传统人工选股效率低,因子挖掘耗时长,策略回测流程繁琐,需要一套自动化量化系统,辅助投资者挖掘市场因子、验证交易策略。
核心功能模块:市场数据拉取模块、AI 因子挖掘模块、策略回测模块、指标可视化模块。
业务流程:系统自动拉取股票历史行情数据 → 通过大模型挖掘有效因子 → 配置交易参数进行回测 → 输出夏普比率、最大回撤等评估指标,可视化展示净值曲线,辅助策略评估。
整体架构采用前后端分离设计,后端使用 FastAPI 搭建接口服务,Pandas 做数据清洗与回测计算,LangChain 封装大模型用于因子生成与逻辑推理。
本人负责:数据 ETL 模块、回测引擎开发,优化计算逻辑,将回测单轮运算耗时降低 40%;完成接口封装,支持前端页面调用。
难点:大规模 K 线数据回测计算性能瓶颈,解决方案:使用向量化计算替代循环,增加缓存机制,减少重复数据读取,提升系统响应速度。