fortune AI技能包

2. 安装依赖

pip install -r requirements.txt

九、依赖项

yfinance catboost akshare pandas scikit-learn lightgbm jieba hmmlearn arch

---

二、快速开始

```bash

六、安装部署

```bash

4. 验证安装

python hsi_email.py --no-email ```

必填环境变量：

---

3. 配置环境变量

cp set_key.sh.sample set_key.sh

编辑 set_key.sh，填写邮箱和API密钥

source set_key.sh

1.3 港股预测 CatBoost 机器学习模型

核心优势：使用CatBoost梯度提升算法，整合1023个技术指标、基本面数据、市场状态、网络特征和情感指标，对港股进行多周期涨跌预测。相比传统技术分析，机器学习模型能自动发现复杂的市场规律。

性能指标：

⚠️ 注意：训练时CV准确率高于Walk-forward准确率是正常现象，不代表数据泄漏。详见 docs/VALIDATION_GUIDE.md。

Walk-forward 验证结果（57只股票，12 folds，Top 500特征，市场情绪过滤器启用，2026-05-23）：

特征体系（1023个特征）：

市场级特征处理：60个市场级特征（所有股票同值）通过与网络社区交叉，使不同社区的股票对同一市场信号有差异化响应。利率特征通过此机制区分个股。

特征重要性（个股20天模型，Top 10，2026-05-23）：

关键发现：网络交叉特征（net_cohesion_*, net_constraint_*）占据 Top 10 中的 3 席，证明市场级特征与网络社区交叉后具有显著预测价值。

模型配置：

双模式预测系统：

系统区分两种预测场景，确保训练-预测一致性：

实际应用： - 每日自动预测自选股未来5天和20天的涨跌概率 - 结合置信度分级决定仓位大小（高置信度重仓，低置信度轻仓或观望） - 通过邮件推送预测结果，便于及时决策

⚠️ 风险提示：

高置信度预测错误时损失风险依然很高：

必须配合止损策略：建议设置 3-5% 止损，可提升期望收益 30%。

1.6 大模型智能决策

核心理念：利用大语言模型（通义千问）的推理能力，整合多维信息生成交易建议。相比传统量化策略，大模型能理解市场上下文，提供更有针对性的建议。

六层分析框架：

板块轮动分析：

输出示例： - 每只股票的买入/卖出/持有建议 - 具体的仓位配置建议 - 风险提示和止损位

模型训练

python3 ml_services/ml_trading_model.py --mode train --horizon 20 --model-type catboost

模型训练与验证

python3 ml_services/ml_trading_model.py --mode train --horizon 20 --model-type catboost python3 ml_services/walk_forward_validation.py --model-type catboost --horizon 20 python3 ml_services/walk_forward_by_sector.py --sector bank --horizon 20