01 / EVALUATION LOOP
Evaluation Loop
把线上 Badcase 变成一个持续发现、诊断、治理和回归的系统。
Badcase→Diagnose→Govern→Regression
01
最近，我在用 AI 做些什么？
我现在很少只停在“体验一个新工具”。更习惯继续往前一步：它能不能帮我把一个真实问题，做成一个真正会被使用的东西？
TOOL · WORKFLOW · SKILL
最近这段时间，我开始把科研、工作和日常里反复出现的问题，逐渐变成自己的小工具：有些是研究 Workflow，有些是浏览器里的轻量插件，有些则是为了让原型、评测和信息获取不再每次从头开始。
沪深 300 机器学习 / 深度学习选股策略
清华大学大数据量化项目 · 2026.03 — 2026.07
REAL PROJECT
背景
针对沪深 300 成分股短周期 Top5 选股任务，在高噪声、多因子且市场状态快速变化的行情数据中，识别未来 5 个交易日具有较高收益潜力的股票，并控制组合波动与最大回撤。
我做了什么
使用 Python，结合 AkShare、CSMAR 等数据源完成行情与基本面数据采集、清洗和对齐；构建估值、技术面和基本面等多类因子，并通过 IC、Sharpe Ratio、PNL 曲线和 Feature Importance 做因子筛选与稳定性评估。
模型
使用 LightGBM、XGBoost、Transformer 及 Blending 进行特征筛选、未来收益预测和模型融合，最终形成每周 Top5 股票组合。
END-TO-END QUANT PIPELINE
01
数据获取
行情 / 基本面
→
02
因子挖掘
估值 / 技术 / 基本面
→
03
特征筛选
IC / Importance
→
04
模型训练
ML / DL / Blending
→
05
组合构建
Weekly Top5
→
06
回测评估
PNL / Sharpe / MDD
PNL CURVE / ILLUSTRATION
JUNE BACKTEST
Strategy
Benchmark
MODEL 01
LightGBM
MODEL 02
XGBoost
MODEL 03
Transformer
↓ BLENDING
Top5 Portfolio
平均周化收益率
16.07%
年化 Sharpe Ratio
6.50
最大回撤
6.03%
02 / PROTOTYPE SKILL
Prototype Skill
把场景脚本直接变成可以点击的 H5 Demo，而不是每次重新画静态原型。
Scenario→State→Pattern→Demo
03 / PAPER COMPANION
Paper Companion
嵌在浏览器里的论文阅读助手：边看论文，边解释概念、关联上下文和整理理解。
“这个概念和前文有什么关系？”
→ 解释
→ 上下文连接
→ 结构化笔记
→ 解释
→ 上下文连接
→ 结构化笔记
04 / RESEARCH DIGEST
Daily Research Digest
自动筛选关注方向的新论文，再生成每天真正值得读的一小份研究推送。
01 · New paper · relevance 94%
02 · Method update · relevance 88%
03 · Worth reading today →
05 / BROWSER MINI TOOLS
Browser Mini Tools
看到一个重复的小动作，就顺手做成浏览器里的轻量工具，让它真正进入日常。
Explain
Summarize
Connect
Capture
06 / MORE TO COME
Still Building...
这个区域会继续长。只要某个问题重复出现得足够多，我大概率会想办法把它做成工具。
Problem→AI Capability→Build→Use
02
我更在意的，是把 AI 接到真实问题上。
新的模型、产品和 Agent 能力只是起点。真正让我兴奋的是：它能不能进入我的科研、工作或生活，并最终变成一个我会反复使用的东西。
DISCOVER · CONNECT · BUILD · LIVE WITH IT
MY DEFAULT LOOP
从“看到一个新能力”，
从“看到一个新能力”，
到“它真的进入我的日常”。
这不是一条固定流程，更像一个持续发生的循环：输入前沿信息，连接手上的问题，快速做成工具，再在真实使用里继续改。
WHAT I KEEP WATCHING
New Models
AI Products
Agent / Skill
Open-source
Research Papers
THE KEY STEP
CONNECT
这个新能力，能解决我手上的什么问题？
01
DISCOVER
持续输入
看新模型、新产品、新范式。
02
FRAME
找到真实摩擦
科研、工作、生活里，哪里正在重复消耗时间？
03
BUILD
做成自己的工具
Skill / Plugin / Web Tool / Workflow。
04
USE & ITERATE
真正放进日常
被反复使用，才算真的解决问题。
REAL CONNECTIONS
我最近把哪些问题接到了 AI 上？
RESEARCH读论文时概念与上下文切换太慢
→
Paper Companion浏览器内嵌解释 / 连接 / 笔记
RESEARCH每天主动找新论文太碎
→
Daily Research Digest筛选关注方向并自动推送
WORK原型每次从静态稿重新开始
→
Prototype SkillScenario → Interactive Demo
WORKBadcase 很多，但治理链路太碎
→
Evaluation Loop发现 → 诊断 → 治理 → 回归
RESEARCH量化想法验证成本高
→
Quant WorkflowIdea → Factor → Model → Backtest
I DON'T JUST USE AI.
我更习惯把它变成自己的工作方式。