系统架构和边界

当前平台已经接入如下数据内容：

因子窄表以统一格式存放全部指标，仅包含四列核心字段：tradetime、securityid、factorname 和 value。

所有宽表（如日线行情、利润表、资产负债表）中的字段会被转换为上述窄表结构，统一写入因子窄表。

这样做的好处包括：

• 模型无需关心指标来源表
• 查询格式统一（例如：按 securityid + factorname 查询即可）
• 支持上千个因子，表结构依然稳定

例如“净利润”、“ROE”、“市值”、“PB”、“营业收入同比”、均按统一格式记录在因子窄表中。

元数据表记录了每个因子的基本信息，包括因子名和中文描述（如“净利润”、“毛利率”、“滚动市盈率”）。

这让系统能够把用户用自然语言表达的指标需求（比如“净利润”）映射到具体的因子名。

为了让 AI 能根据自然语言找到最可能的指标，我们将因子的中文描述和对应的 Embedding 向量结合起来，构建了一个语义检索器。

例如，档用户说：“净利润”时，系统会从 5000+ 因子里挑出最相关的 20 个候选：

• net_profit
• net_profit_growth
• pe（市值/净利润）
• roe
• ……

然后再让 AI 基于这些候选做更精确的判断。

这样做的原因很简单：

• 所有因子一次性发送给大模型会超出 Token 限制
• 筛选最相关的候选既提高准确度，也更快、更不容易混淆

这套体系让 AI 可以稳定地完成三类任务：

• 根据 securityID 查指标（单股票、单指数）
• 按指标筛选股票（构造 WHERE 条件）
• 进行单因子评价和多因子回测（因子名完全一致，便于引用）

简而言之，因子窄表统一了所有指标的存储方式，元数据表和向量检索统一了自然语言理解方式。

这样，AI 才能在整个投研链条里稳定地理解用户的意图，并找到正确的数据。

快速获取单只股票或指数的各类指标和基础信息，MCP 会自动理解用户意图，将自然语言映射到对应因子。

功能范围

• 通过股票代码或名称获取该股票的：
  • 基础信息（行业、市值、上市日期等）
  • 行情信息（多频行情）
  • 财务指标（利润表 / 资产负债表 / 现金流量表）
  • 每日指标（估值、成长、盈利能力、风险指标等）
• 通过指数代码查询：
  • 指数基本信息
  • 指数日线行情
• 结合元数据表自动识别用户意图：例如，用户说“给我看下茅台的盈利能力”，系统自动选出净利润、ROE、毛利率等相关因子

功能限制

无法跨标的自动聚合或推断多个指标：例如：“给我总结 A 股盈利能力最强的行业”属于统计任务，不在该查询范围。

使用自然语言筛选股票，Stock MCP 会将条件映射到具体因子，并返回符合条件的股票列表，支持共享表写入方便后续回测。

功能范围

• 根据用户提供的自然语言筛选条件，通过元数据表找到对应因子：

  例如“选 PB 小于 1 且 ROE 大于 10% 的股票”，系统会自动映射到 pb、roe 因子

• 支持的筛选维度包括：
  • 指标条件（filter_expr）
  • 行业过滤（industry）
  • 指数成分过滤（base_index：CSI 1000 / SZ50 / HS300）
  • 时间区间过滤
  • 必要因子校验（factors 列表与表达式匹配）
• 返回内容：
  • 符合条件的股票列表
  • 选股数量
  • 写入共享内存表（用于后续回测）
• 统一因子频率为日频，与因子窄表自然对齐

功能限制

• 不支持连续满足条件的选股逻辑
  • “过去一周每天市值都 > 100 亿”
  • “连续 20 天收盘价 > MA20”

    当前仅支持：

  • “过去一周至少一天市值 > 100 亿”
• 不支持月频/周频因子的筛选

  例如财报类因子 yoy、qoq 不支持直接出现在 filter_expr 中

• 不支持自然语言自动推断因子本体，例如：“找增速快的股票”，必须提供可解析的条件（如 net_profit_growth > 0）
• 不支持跨市场/跨指数组合筛选：同一条规则仅在一个指数成分池或行业内执行

对单个因子进行全面评价，包括因子收益、分层收益和行业分组回测等，用于验证因子有效性。

功能范围

• 支持对任意单个因子进行全面评价，包括：
  • 因子收益（RankIC、PearsonIC）
  • IC 分布与稳定性
  • 分层收益
  • 多空组合收益
  • 行业分组回测
• 支持自定义持有期（holdingPeriod）
• 支持行业过滤
• 支持任意时间区间（历史数据完备）

功能限制

• 不支持多因子联合 IC 或多因子组合排序评价：单因子评价必须只有一个因子名
• 不支持分钟级或高频因子测试：当前全部因子均为日频
• 不自动推断因子归一化方式/收益计算方式：需要明确给定因子名称，winsorize、zscore、neutralize 需用户明确

使用自然语言描述多因子策略，Stock MCP 会生成完整的回测配置，便于后续直接运行回测。

功能范围

• 根据用户输入的自然语言策略要求生成完整回测配置，包括：
  • 回测基础设定（日期、初始资金、benchmark）
  • 多因子列表（factors）
  • 因子权重
  • 仓位规则（如 max_stocks、equal/score 加权）
  • 调仓规则（按周几、最少持有天数）
  • 交易规则（手续费率）
  • 股票池来源（选股工具生成的共享表）
• 自动生成唯一回测 ID 并写入回测配置
• 检查所有参数合法性并返回完整配置 JSON

功能限制

• 不运行回测，也不计算回测收益：MCP 只生成配置，不执行回测
• 不自动推断因子、权重、调仓频率：用户必须明确告诉 MCP 使用哪些因子与权重。
• 不支持除了日频多因子选股策略之外的复杂交易逻辑策略，如：
  • 趋势过滤
  • 动态仓位（如凯利比例）
  • CTA / 高频策略