xxm
5b9d46efc6
- 归档 evolution/ + meta_growth/meta_watchdog/ab_research_daily - docs/evolution-archive-readme.md: 归档说明(旧模块功能+替代方案) - server.py: 新增 /api/research/effectiveness + effectiveness/summary + recommendation_log + execution_log - static/effectiveness.html: 新评估页面(概览/详细评估/推荐记录/执行记录) - 策略进化改为人驱动闭环(评估→用户决策→调整)
2.7 KiB
2.7 KiB
策略进化模块归档说明（2026-08-21）
归档内容
evolution/ 目录
| 文件 | 功能 |
|---|---|
| evolution_engine.py | 策略进化引擎：自动调整策略参数（止损/止盈/买入区） |
| evolution_api.py | 进化API：暴露进化结果给前端 |
| hypothesis_miner.py | 假设挖掘：从历史数据中发现潜在的策略改进假设 |
| lesson_extractor.py | 教训提取：从策略失败中提取可复用的教训 |
| b_group_miner.py | B组候选挖掘：发现新的候选股票 |
| merge_b_group.py | B组合并：将新发现的候选合并到策略池 |
| precompute_evolution.py | 预计算：提前计算进化所需的数据 |
| health_monitor.py | 健康监控：监控进化系统的运行状态 |
独立脚本
| 文件 | 功能 |
|---|---|
| meta_growth.py | 元自成长：自动调整策略的元参数（如仓位系数、风险权重） |
| meta_watchdog.py | 元监控：监控元自成长系统的运行状态 |
| ab_research_daily.py | AB研究：每日对比不同策略版本的表现 |
归档原因
-
策略进化模块（evolution/）的设计目标是"自动调整策略参数"，但它与重评流程（per_stock_reassess）的功能高度重叠。重评本身就是"根据最新数据调整策略参数"，进化引擎做的是类似的事。
-
元自成长（meta_growth.py）试图自动调整策略的元参数（仓位系数等），但这些参数应该由用户（老莫）根据经验判断，不应该由系统自动调整。
-
AB研究（ab_research_daily.py）对比不同策略版本的表现，但现在有了
strategy_effectiveness表（策略到期评估），功能已被替代。 -
策略自我进化的目标是"让系统自动改进策略"，但根据老莫的方法论，策略改进应该是人驱动的（基于评估结果 + 经验判断），不是系统自动的。
替代方案
| 旧模块 | 新方案 |
|---|---|
| evolution_engine（自动调参） | 重评流程（per_stock_reassess）+ 用户决策 |
| meta_growth（元参数自动调整） | 用户根据经验手动调整 |
| ab_research（版本对比） | strategy_effectiveness（到期评估） |
| hypothesis_miner（假设挖掘） | 策略自我进化（待实现，人驱动） |
| lesson_extractor（教训提取） | strategy_effectiveness 的 improvement_suggestion |
后续方向
策略自我进化应该是人驱动的闭环：
- strategy_effectiveness 自动评估策略表现
- 评估结果显示在 MoFin 研究页面
- 用户（老莫）根据评估结果决定是否调整策略
- 用户调整后，系统记录新的策略版本
而不是系统自动调参——那会导致"黑箱"问题。