基金量化定投选基系统

# 项目目标

### 一、 核心业务目的：解决定投的“三大痛点”

这个系统不是用来做高频交易，也不是用来找“下一个翻倍妖基”的。它的业务锚点极度克制，直指定投场景的核心痛点：

1. **解决“买什么”的痛点（标的筛选）**：

   全市场有上万只基金，普通基民不知道定投哪只。系统通过 38 维特征，在全市场截面中筛选出当前“最适合开启定投计划”的基金。

2. **解决“拿不住”的痛点（止盈纪律）**：

   规约中死锁的标签定义（D-2）：**DCA 简单平均成本法，总绝对收益率达到 20% 止盈，150 周窗口**。这说明模型的终极目标是预测“哪只基金能在3年内，以定投的方式最快达到 20% 的止盈线”。它强制输出的是 1-150 的周数（代表第几周达标），或者 0（未达标），这完全是为了辅助用户执行“到达 20% 就无脑跑”的纪律。

3. **解决“体验差”的痛点（心理按摩）**：

   规约特征域里专门开辟了 D 类（10维定投特有类）和B 类（下行波动率）。它不单看绝对收益，它在疯狂计算“定投浮盈比例”、“正收益周占比（舒适度）”、“被套痛苦程度（下行波动率）”。**业务目的是选出那些“定投体验不那么痛苦”的基金，防止用户在底部绝望时割肉离场。**

---

### 二、 这个量化模型具体能用来做什么？（应用场景）

结合规约 S6 推理业务契约（单基金查询与批量推荐接口隔离），模型在真实生产环境中直接支撑以下两个核心场景：

#### 场景 1：全市场“定投红宝书”批量推荐（对应批量接口）

* **业务动作**：每周跑批一次（D-5 决策：每周全量刷盘重训），对全市场约 1.5 万只基金打分。

* **模型输出**：输出一份按“定投性价比”排序的基金榜单（分 5 桶，等频分位）。

* **业务价值**：直接推给 C 端 App 的“本周定投精选”板块，或者作为投顾的底层选基池。规约明确指出，批量接口**强制清空归因字段**以压榨极致算力，说明这是一个高并发、纯看排序分数的粗粒度分发场景。

#### 场景 2：单基金“定投体检报告”与微观择时（对应单基金查询接口）

* **业务动作**：用户输入某只具体基金，系统拉取当前最新截面（T-1 对齐）的标准化参数，进行推理并给出诊断。

* **模型输出**：除了给出一个综合打分外，由于单基金接口没有“归因字段强制置空”的限制，结合底层的 38 维特征（如 `price_vs_ma_ratio_26w` 处于低位、`consecutive_down_weeks` 较高），系统可以生成类似如下的业务话术：

  > *“该基金目前中期偏离度偏低，已连续下跌 4 周，处于左侧定投舒适区；其 26 周定投胜率高达 72%，建议开启或加大定投频次。”*

* **业务价值**：提供千人千面的微观择时建议，而不是“无脑定投任何基金”。

---

### 三、 从规约倒推：模型本质上 NOT 是什么？

为了更精准地理解它的用途，必须明确规约中“否决”掉的东西：

1. **NOT 是“单笔买入持有”的模型**：

   如果是单笔买入，根本不需要计算 `dca_cost_ratio`（定投成本浮盈率）。模型里大量 D 类特征的存在，锁死了它只能用于“定期定额投入”的场景。

2. **NOT 是预测“能涨多少”的回归模型**：

   规约 3.3 节有极其严厉的声明：标签的 `0`（未达标）与 `1`（极早期达标）存在语义断崖，**严禁作为连续数值回归**。因此，模型本质是一个 **Learning to Rank (排序模型)**。它不告诉你某基金定投能赚 50% 还是 100%，它只告诉你“在达到 20% 止盈线这个游戏里，A基金比B基金排得更靠前”。

3. **NOT 是“长期价值投资”模型**：

   150 周（约 3 年）的硬性窗口切断，以及 20% 这种并不算极高的止盈线，说明该系统迎合的是“A股基民中短周期博弈心理”，赚的是估值回归和波动率的钱，而不是陪伴企业成长的钱。

**总结：**

**用顶级的算力，算出下周二发工资后，普通打工人应该点开哪只基金，设置自动扣款，并在三个月或一年后，系统发短信告诉他“赚了20%，赶紧跑”。**