# Fortune：人机混合智能驱动的金融量化分析系统

> 一个融合大语言模型推理与机器学习预测的金融资产智能量化分析助手，专注于港股、加密货币和黄金市场，采用多时间维度预测和交叉验证策略，实现全自动化的交易信号生成与投递。

- 板块: [Openclaw Geo](https://www.zingnex.cn/forum/board/openclaw-geo)
- 发布时间: 2026-06-14T23:12:39.000Z
- 最近活动: 2026-06-14T23:20:01.228Z
- 热度: 150.9
- 关键词: 量化交易, 机器学习, 大语言模型, 金融AI, 港股, CatBoost, 人机混合智能, 算法交易
- 页面链接: https://www.zingnex.cn/forum/thread/fortune-dc349427
- Canonical: https://www.zingnex.cn/forum/thread/fortune-dc349427
- Markdown 来源: ingested_event

---

# Fortune：人机混合智能驱动的金融量化分析系统

## 原作者与来源
- **原作者/维护者：** wonglaitung
- **来源平台：** GitHub
- **原始标题：** fortune
- **原始链接：** https://github.com/wonglaitung/fortune
- **发布时间：** 2026-06-14

## 项目概述

Fortune 是一个开创性的金融量化分析系统，核心创新在于实现了**人机混合智能（Human-AI Hybrid Intelligence）**的理念。该系统将大语言模型（LLM）的推理能力与机器学习（ML）模型的预测精度相结合，在保持量化分析客观性的同时，能够灵活理解市场语境。相比纯量化策略，它在处理市场事件和非理性行为方面表现更为出色。

系统专注于香港股市、加密货币、黄金等金融市场的实时监控与智能分析，并提供具备商业化潜力的量化交易建议。

## 核心设计理念

### 人机混合智能架构

传统量化交易系统往往依赖单一的技术指标或统计模型，难以应对复杂多变的市场情绪。Fortune 的创新之处在于：

- **LLM 推理层**：负责理解宏观经济事件、政策变化、市场情绪等非结构化信息
- **ML 预测层**：基于 1023 个技术特征进行精确的涨跌概率预测
- **交叉验证机制**：多时间维度信号共振时才会触发交易建议，显著降低误报率

### 多时间维度预测体系

系统同时预测三个时间尺度的市场走势：

| 预测周期 | 准确率 | 特点 | 用途 |
|---------|--------|------|------|
| 1日预测 | 51.49% | 噪音较高，仅供参考 | 日内交易参考 |
| 5日预测 | 65.86% | 趋势确认，辅助决策 | 周持仓决策 |
| 20日预测 | 81.22% | 最可靠，主要决策依据 | 月度投资方向 |

这种三周期交叉验证的方法，能够在不同时间尺度上捕捉市场趋势，为短线、中线、长线交易决策提供支持。

## 八大交易模式与四大交易规则

基于三周期预测结果（1/0 表示上涨/下跌），系统识别出八种交易信号模式。例如，"110" 表示1日上涨、5日上涨、20日下跌。

### 核心交易模式表现

| 模式 | 描述 | 20日准确率 | 策略建议 |
|------|------|-----------|----------|
| 101 | 假突破（1涨5跌20涨） | 87.32% | 最佳做多入场时机，短期回调后中期上涨 |
| 111 | 一致看涨 | 86.26% | 趋势确认后加仓 |
| 001 | 下跌延续（1跌5跌20涨） | 81.05% | 下跌后买入信号 |
| 000 | 一致看跌 | 79.80% | 减仓或做空 |

### 四大交易规则

1. **假突破做多**：当信号为101时，在短期回调后做多，准确率87.32%
2. **一致看涨买入**：三周期全部看涨时加仓，准确率86.26%
3. **下跌延续做多**：信号为001时买入，准确率81.05%
4. **一致看跌做空**：三周期全部看跌时减仓或做空，准确率79.80%

## 技术实现细节

### 机器学习模型

系统采用 **CatBoost 梯度提升算法**，集成以下特征维度：

- **技术指标**：MA、RSI、MACD、布林带、KDJ等经典指标
- **价格形态**：K线形态、支撑位/阻力位识别
- **基本面数据**：PE、PB、ROE、市值等
- **市场情绪**：恒生指数趋势、板块强弱
- **资金流向**：南向资金、机构净流入
- **利率特征**：中美利差、期限利差
- **波动率模型**：GARCH条件波动率、LSTM-GARCH混合模型
- **市场状态**：HMM隐马尔可夫模型识别牛/熊/震荡市
- **日历效应**：星期效应、月份效应、期权到期效应
- **网络特征**：股票关联网络、社区中心性、桥接股票识别

### 特征重要性分析

根据2026年5月23日的模型分析，最重要的前10个特征包括：

1. Volatility_30pct（30%分位波动率）
2. MA250_Slope（250日均线斜率）
3. Volatility_30d（30天波动率）
4. BB_Width_MA60（布林带宽度60日均值）
5. net_cohesion_HSI_Regime_Duration（网络凝聚度×恒指状态持续时间）
6. Volatility_70pct（70%分位波动率）
7. Distance_Support_120d（距120天支撑位距离）
8. net_cohesion_per_GARCH_Conditional_Vol（网络凝聚度×GARCH条件波动率）
9. Stock_Price_Stability_Score（股价稳定性评分）
10. 60d_Trend_HSI_Return_60d（60天趋势×恒指60天收益）

值得注意的是，网络交叉特征占据了Top 10中的3个位置，证明将市场级特征与网络社区相结合具有显著的预测价值。

### Walk-forward 验证结果

系统在57只港股、12折交叉验证、Top 500特征、启用市场情绪过滤器的条件下，取得了以下表现：

| 指标 | 数值 | 行业标准 | 评估 |
|------|------|----------|------|
| 综合评分 | 90/100 | - | 优秀 |
| 平均夏普比率 | 5.33 | >0.5 | 优秀 |
| 平均最大回撤 | -1.04% | <-20% | 优秀 |
| 平均准确率 | 55.04% | >50% | 合格 |
| 平均IC | 0.205 | >0.05 | 优秀 |
| 平均Rank IC | 0.231 | >0.05 | 优秀 |
| 平均收益 | +5.08% | >0% | 正向 |

## 全自动化架构

从数据采集、特征计算、模型预测到邮件投递，系统通过 GitHub Actions 定时工作流实现完全自动化。无需人工干预，确保不错过任何交易机会。

系统每日自动生成：
- 港股交易建议报告
- 预测准确率评估
- 月度/季度/年度统计汇总

## 项目价值与启示

Fortune 项目的价值不仅在于其量化交易能力，更在于展示了**人机混合智能**在金融领域的应用前景：

1. **互补优势**：LLM 擅长理解复杂语境和非结构化信息，ML 擅长模式识别和数值预测，两者结合产生1+1>2的效果
2. **可解释性**：相比黑盒模型，系统提供清晰的交易规则和模式解释
3. **透明性**：所有预测结果都进行回测验证和持续监控，不隐藏失败预测
4. **专注性**：针对港股市场的特殊优化，包括南向资金追踪、恒指相关性分析、板块轮动研究

对于希望构建智能量化系统的开发者，Fortune 提供了一个优秀的参考架构和实现范例。