Institutional Tracker Ai

AI链条机构建仓探测算法。基于Tushare结构化数据，通过5维信号评分体系（资金流+量价+筹码+北向+事件） 识别A股AI链条（算力/芯片/大模型/应用）机构建仓行为，生成买入信号（10日持有期、-15%止损）。 含市场环境判断（11指标）、外部情绪聚合（5源）、日内分钟线分析、大规模回测框架。 回测结果：544次买入信号，10日胜率55.3%，P=0.007（统计显著），样本外59.0%（P=0.006）。 当用户提到以下意图时触发此 skill： "机构建仓检测"、"AI链条选股"、"资金流分析"、"量价信号"、"建仓探测"、 "机构行为识别"、"吸筹信号"、"A股机构跟踪"、"AI赛道筛选"、"智能选股"、 "帮我跑一遍建仓探测"、"今天有哪些AI股票在吸筹"、"跑回测"、"评估算法可信度"。

institutional-tracker-ai — AI链条机构建仓探测算法

一句话定位：每天盘后自动扫描A股AI链条龙头，通过5维信号评分识别机构建仓行为，生成带统计检验的买入建议。

核心价值

• 统计显著的买入信号：544次买入，10日胜率55.3%（P=0.007），样本外59.0%（P=0.006）
• 只做买入，不做卖出：卖出信号41.9%正确率已砍掉，改为机械止损-15%
• BEAR市禁入：熊市环境下自动屏蔽所有买入信号，避免逆势操作
• 论文支撑：资金流市值归一化（Kang 2025）、量价反转逻辑、散户反向过滤

算法架构

text

输入层                    评分层                      输出层
┌─────────────┐    ┌──────────────────┐    ┌─────────────┐
│ Tushare API │    │ A.资金结构 (30%) │    │ ACCUMULATION│ ← 买入
│ ├ daily     │───▶│ B.量价形态 (24%) │───▶│ MARKUP      │ ← 持有
│ ├ moneyflow │    │ C.筹码位置 (18%) │    │ WASHOUT     │ ← 加仓
│ ├ margin    │    │ D.北向两融 (16%) │    │ NEUTRAL     │ ← 观望
│ ├ mins(5m)  │    │ E.事件异动 (12%) │    │ CAUTION     │ ← 警示
│ └ index     │    │ + 分钟线加成 15% │    └─────────────┘
└─────────────┘    │ + 市场环境调整   │
                   └──────────────────┘

快速开始

前置要求

必须	说明
Python 3.10+	标准库即可，无需额外安装包
Tushare 代理 Token	闲鱼购买（约38元/月），支持分钟线

安装

bash

# 1. 复制脚本到工作目录
cp -r ~/.workbuddy/skills/institutional-tracker-ai/scripts/ ./institutional_tracker/

# 2. 编辑配置文件，填入你的 Tushare Token
vi ./institutional_tracker/config.py
# 修改 TUSHARE_TOKEN = "你的token"
# 修改 TUSHARE_API_URL = "你的代理地址"

# 3. 创建必要目录
mkdir -p ./institutional_tracker/data/daily_scores
mkdir -p ./institutional_tracker/reports

运行

bash

# 每日扫描（盘后运行）
cd ./institutional_tracker && python3 main.py

# 大规模回测
cd ./institutional_tracker && python3 backtest_v2.py

5维信号评分体系

A. 资金结构分析（权重30%）— score_fund_flow()

核心逻辑：

1. 市值归一化（Kang 2025）：净流入占市值百分比，而非绝对金额，避免大盘股天然优势
2. 超大单占比加成：超大单(>100万)占比>20%时加分
3. 连续性确认：连续3-5天主力净流入累加奖励
4. 散户反向过滤（上交大2019, Ravina 2023）：
   • 散户跟风买入 → 降权15分（FOMO末端信号）
   • 主力买+散户卖 → 加权10分（经典吸筹模式）

B. 量价形态识别（权重24%）— score_volume_price()

核心改进（v8 量价反转逻辑）：

• 放量温和上涨 → 降权至+30（A股放量上涨预测反转，量价趋势2023）
• 缩量横盘 → 加权至+55（安静吸筹，国金2022）
• 缩量小跌 → 加权至+45（洗盘吸筹）
• 放量大涨后缩量 → +50（主力控盘不出货）

辅助指标：OBV背离检测、CMF蔡金资金流、多日形态（连阳/连阴）

C. 筹码/位置分析（权重18%）— score_position()

• 简化版筹码分布（参考 ChipDistribution 开源）
• 获利盘比例 + 筹码集中度 + 平均成本偏离
• BOS/CHoCH 结构破裂检测（参考 smart-money-concepts 开源）
• MA20偏离 + PE估值

D. 北向+两融（权重16%）— score_north_margin()

• 北向十大成交个股级别信号
• 北向全局7日趋势
• 融资余额变动 + 融券余额激增检测

E. 事件异动（权重12%）— score_limit_event()

• 涨跌停封板/开板
• 连阳/连阴模式
• 换手率暴增 + 成交额暴增
• 底部/顶部反转模式

日内分钟线加成（权重15%）— analyze_intraday_pattern()

利用 Tushare 5分钟K线数据：

1. 尾盘放量（>35%=+20分）：机构尾盘集中建仓
2. 开盘抢筹/出货：开盘30分钟放量+全天方向判断
3. 成交均匀度（CV<0.4=+10）：VWAP算法交易特征
4. VWAP偏离：收盘价vs日内VWAP判断买卖方主导

市场环境判断 — judge_market_regime()

11个指标综合判断BULL/NEUTRAL/BEAR：

指标	权重	说明
均线多空排列	20%	MA5/20/60/120排列
MACD趋势	16%	双线+柱状态
指数位置	11%	距120日高低点
北向20日趋势	12%	累计流入/流出
成交额趋势	8%	5日vs20日均额
涨跌停比	8%	赚钱效应
动量	6%	20日涨跌幅
隔夜美股	5%	标普500联动
恒生联动	5%	港A联动r=0.69
外部情绪	8%	5源聚合

关键规则：

• BEAR → 买入门槛=999：熊市完全禁止发出买入信号
• BULL → 门槛降低：牛市放宽买入条件
• NEUTRAL→BULL转折 → 额外降低吸筹门槛

标的池

默认监控25+只AI链条核心标的（可在 main.py 中修改）：

赛道	代表标的
AI算力/光互联	中际旭创、新易盛、天孚通信
AI服务器	工业富联、立讯精密、沪电股份
AI芯片	寒武纪、海光信息、中芯国际、北方华创
AI大模型	科大讯飞、金山办公
AI应用	中科创达、虹软科技
AI+存储	源杰科技、江波龙

回测框架

详细方法论见 references/backtest_framework.md，核心特点：

1. 多时期覆盖：2022熊市→2023震荡→2024结构牛→2025科技牛→2026YTD
2. 样本外验证：训练集(2022-2024) vs 测试集(2025-2026)
3. 多窗口收益：3/5/10/20日前瞻收益
4. 追踪止损模拟：15%回撤止损
5. 统计检验：二项分布P值 + Wilson置信区间
6. 过拟合检测：训练vs测试胜率衰减

最终回测结果（v11）

指标	全周期	样本外(2025-26)
买入次数	544	~200
10日胜率	55.3%	59.0%
P值	0.007	0.006
20日胜率	—	60.0%(P=0.003)

自动化配置

每日盘后扫描

建议在 WorkBuddy 中创建自动化任务：

text

时间: 每个交易日 16:35
任务: cd ~/institutional_tracker && python3 main.py
推送: 通过微信推送报告摘要+HTML附件

每周效果评估

text

时间: 每周五 17:30
任务: 评估本周信号实际收益 vs 基准(55.3%)
规则: 连续2周<45%标记算法失效，需重新校准

故障排查

问题	解决方案
Tushare返回空数据	检查Token是否过期，代理地址是否正确
分钟线接口报错	确认Token权限>=15000积分，freq用5min不是5
北向数据缺失	当天非交易日，会自动fallback到最近交易日
信号全是NEUTRAL	可能处于BEAR市场环境，算法自动屏蔽买入信号
回测耗时过长	Tushare限速0.6s/次，10只股票约需30分钟

免责声明

本算法基于 Tushare 结构化交易数据自动生成信号。"机构行为"基于超大单(>100万)/大单(20-100万)分类的统计推断，不代表真实资金身份。所有结论仅供参考，不构成任何投资建议。投资有风险，决策需谨慎。