金策智算 · 智能投研决策系统

图：项目的核心架构——基于唐朝三省六部制度的量化交易系统，将策略生成、风险审核与交易执行解耦为相互制衡的独立模块。

背景：为什么需要一个"有制度"的量化系统？

A 股市场每天产生数亿条行情数据，个人投资者和量化爱好者面临的共同困境是：想法很多，但无法验证；策略回测靠手工计算，周期长、误差大；实盘操作容易被情绪左右，追涨杀跌是常态。与此同时，主流的量化平台要么门槛极高（需要编程能力），要么封闭黑箱（不知策略逻辑，亏损也不知道原因）。

「金策智算」的作者「硅基流码」从唐朝的三省六部制度中找到了灵感——用制度约束权力，用流程对抗情绪。不是让机器代替人做决策，而是建立一套透明的、可审计的、可干预的交易流程，让人的主观判断在进入市场之前，先被历史数据检验一遍。

这套系统从 2024 年起步至今已迭代至 V1.5，GitHub 获得 1,468 颗星、435 个 Fork，YouTube 频道有完整更新记录，是目前中文社区中把「中国古代官制」与「现代量化系统」结合得最有特色的开源项目之一。

核心功能：四个步骤，从想法到可验证的策略

第一步：AI 自然语言策略生成

用户无需编写代码，只需用中文描述选股思路，例如"五日内有涨停，涨停后缩量至一半以下，RSI 处于超卖区间"。系统调用大模型（支持智谱 GLM 等）将这段描述解析为两部分：结构化筛选条件（用于初步过滤标的）+ 买卖执行规则（包含仓位、止损、止盈）。解析结果实时展示，用户确认后即可进入回测环节，大幅降低了量化策略开发的门槛。

第二步：历史回测与报告分析

系统支持单票回测、组合回测、批量回测三种模式。回测引擎基于真实历史行情数据运行（支持 AkShare、Tushare、通达信 TDX、MySQL、PostgreSQL 等多个数据源），输出包括收益率曲线、最大回撤、夏普比率、胜率等核心指标，并生成 HTML 格式的详细报告。回测结果可与基准指数对比，便于评估策略的相对表现。

第三步：多策略管理与风控审核

「门下省」模块是整个系统的核心风控节点——所有策略信号在执行前必须经过风控审核，门下省拥有「一票否决」权限，可拦截超过止损线、超过回撤上限、或违反仓位约束的交易指令。这一机制确保即使策略本身逻辑正确，实际执行时也不会因为极端行情失控。多策略并行运行时，系统统一管理各策略信号，协调仓位分配。

第四步：策略进化（AI 辅助迭代）

V1.5 新增的「策略进化」功能，允许用户对现有策略进行基因级别的改造和评估：系统会自动修改策略参数或条件，生成变体后批量回测，根据绩效排名筛选优质变体，进入下一轮迭代。这一过程可重复进行，直至策略绩效趋于稳定。相当于给策略装上了一个自动优化的「进化引擎」。

技术架构：三省六部的代码实现

项目采用 FastAPI + 纯前端 HTML 的简洁架构，所有代码在 src/ 目录下清晰分层：

server.py 是 FastAPI 服务入口，提供 REST API 支撑 dashboard.html 的所有交互操作。dashboard.html 是纯前端看板，无需构建，直接用浏览器打开即可操作，降低了部署复杂度。

主要依赖涵盖：pandas/numpy（数据处理）、matplotlib/mplfinance（可视化）、fastapi/uvicorn（Web 服务）、akshare/tushare/mootdx/pytdx（行情数据获取）、duckdb（本地数据引擎）、Pillow/psutil（系统工具），以及 zhipuai（大模型接口）。

上手体验：适合谁，不适合谁

适合的用户：有基本 Python 环境、能接受手动安装依赖的个人投资者或量化爱好者；希望把主观交易思路系统化、可回测化的研究型用户；需要批量回测工具的策略研究者。

门槛与局限：系统需要一定金融知识储备（至少理解什么是回撤、夏普比率）；数据源配置对新手有一定挑战（AkShare 免费但稳定性一般，商业级使用建议自建数据库）；不支持 Docker 一键部署，需要手动处理 Python 环境；对 macOS/Linux 用户，部分数据接口（如 pytdx 通达信接口）可能存在兼容性问题。

作者提供了 Windows 一键启动脚本和详细的视频教程（B 站「金策智算成长记」频道），新手建议先从视频入手。

行业意义：从「情绪化交易」到「制度化决策」

「金策智算」最有价值的地方，不是某个技术指标的实现，而是一种思路转变：把量化交易从「我有一个策略，直接跑」变成「我有一个策略，先让历史检验，通过风控才能执行」。这种设计哲学借鉴了中国古代官制的分权制衡思想——没有任何一个「部门」拥有绝对权力，策略生成、风控审核、执行调度相互独立。

在当前的 A 股量化生态中，大多数开源项目是纯技术实现（指标计算、API 调用、回测框架），很少有项目在架构层面思考如何约束交易者的非理性行为。「金策智算」填补了这一空白，也让它成为了一个值得持续关注的特色项目。