沪深300 日频量化研究工作台：CNN-LSTM-Attention 基线模型 + 大模型预测 Agent，
配套三基准回测、IC 与分层检验、以及一套记录每次真实预测的台账。
当前页面是 构建时快照（数据截至 —），托管在 GitHub Pages，没有后端。
图表与模型预测都已预计算；AI 对话用你自己的 API key 在浏览器里直接调模型，key 不经过任何服务器。
要跑完整流程（抓行情、训练、回测、台账），clone 到本地 make reproduce。
关键指标
三种口径的净值对比
只跟沪深300 比，策略「跑赢」了；但同一批股票等权买了不动，收益远高于策略。
因为股票池用的是今天的市值前 300，回测 2023 年时自动只包含活到今天的赢家。
行情
模型预测 · 未来 7 个交易日
这个预测来自本地训练的 CNN-LSTM-Attention（35,027 参数）。样本外日频 IC 约 0，说明这 9 个价量特征
在 7 日尺度上的信息含量很低——这也正是后来把重心转向大模型 Agent 的原因：换模型不解决问题，
换信息才行。
风险画像 · 客户端实时计算
绩效 · 7 日调仓，含 8bps 手续费 + 2bps 滑点
净值曲线
蓝色线是「什么都不做」：把同一批股票等权买入并持有。它比策略高，说明在 7 日这个频率上，
主动选股并没有带来增益——所以本仓库把这条线作为默认基准之一，而不是只跟指数比。
样本外信号检验
预测分层 · 各分位实现收益
IC 是横截面上「预测排序」与「实际收益排序」的秩相关。日频 IC 均值 0.03 上下才算可用的弱信号。
这里的数字接近 0 且 IR 不显著——和线性基线（Ridge）的结论一致，说明瓶颈在特征，不在模型。
接入你自己的大模型
可以问什么
工具调用轨迹
等待提问。
回答会出现在这里。
示例输出 · 构建时用真实 API 生成的