基于 Agent 的 ETF 轮动系统

项目概述

项目	内容
项目名称	基于 Agent 的全自动 ETF 大类资产轮动系统
项目周期	2026年7月 — 至今（持续迭代）
技术栈	Python, Hermes Agent, Tushare Pro, Jinja2, Git
我的角色	独立架构设计与开发
项目状态	已上线运行，每日自动执行

传统 ETF 投资策略存在两类典型缺陷：

构建一套 结合 Agent 推理能力与工程化执行 的自动化投资系统，将人的角色从"盘中决策者"转变为"策略迭代者"。核心差异在于：

系统由三条链式衔接的定时任务驱动每日自动执行：

18:10  执行任务（按昨日计划模拟成交）
   ↓
18:15  复盘任务（校验执行正确性 + 体系健康度）
   ↓
18:20  计划生成任务（完整五步判断 → 输出下一交易日计划）
   ↓
次日09:15  推送任务（计划推送到飞书）

设计原则：计划、执行、复盘三段分离，职责边界清晰。Agent 仅在盘后执行判断。

系统锁定 6 只大类资产 ETF，覆盖权益、债券、商品、现金四大类，不做行业级轮动：

关键设计决策： 1. 现金是正式候选——与其他标的地位平等，不因"必须持有资产"而降低判断标准 2. 不做行业ETF轮动——行业轮动频率高、波动大、判断维度多，不适合 Agent 做稳定推理 3. 切换门槛明确分级——轻微占优/明显占优/压倒性占优，避免频繁切换

每一步都按固定顺序执行，不跳过、不跳跃：

输出规则：结论必须唯一，不允许"二选一""盘中再看""视情况而定"等模糊输出。

基于 Hermes Agent 框架，每条 cronjob 为自包含的 prompt，指定 schedule、skills、model、workdir、deliver 目标：

# 核心调度链（3条 cronjob）
Job 1 - 18:10: 回放执行
Job 2 - 18:15: 复盘校验
Job 3 - 18:20: 计划生成（使用 stronger 模型）

# 辅助任务
09:15 - 全体系计划推送
15:00 - 收盘提醒
23:55 - 每日摘要聚合

链式衔接通过 context_from 机制保证顺序依赖：下游始终等待上游完成。

每次运行输出结构化 Markdown 文件（含 YAML Frontmatter），自动同步至：

问题	影响	解决方案
计划链条断裂	复盘要求建仓但计划文件缺失	统一监控目录 + 23:55 一致性校验 + 异常告警推送
分钟级数据缺失	Tushare 偶发数据断点	记录异常，跳过执行。原则：宁可漏执行，不造假数据
Agent 数据幻觉	编造或夸大数据表述	prompt 强制约束：所有数据须经 API 查询核实，时间窗口精确到日期区间
交易日历复杂性	调休、长假等特殊情况	运行时查询交易所 trade_cal，不依赖硬编码判断

市场背景：上证失守 4000 点，沪深300 两周跌 4.3%，科创50 两日振幅 16%

Agent 判定：

增长预期 → 模糊    风险偏好 → 下降分化    流动性 → 中性
避险     → 升温    外部扰动 → 存在但次要
结论：环境高度模糊，不应做方向性押注

最终决策：6 只候选标的全量排序后，认定无一显著优于现金 → 继续持有货币ETF，持币观望

该决策并非"未作判断"——而是经过完整五步推理框架得出的系统级结论，每个环节均可追溯可复盘。

周期	方向	目标
短期	量化辅助指标	引入动量、波动率、趋势强度等量化数据作为 Agent 判断实证
	规则库反哺	自动识别重复判断偏差，提示规则收紧建议
中期	多资产分仓	从单一持有扩展为动态比例配置
	条件触发执行	支持"跌破 MA10 则次日转现金"等条件规则
长期	跨体系联动	ETF 轮动与回调低吸体系共享风险预算与资金池