huhongkai-hs300-factor-lab

这是 hs300_factor_lab 在 2026-08-18 的研究源码与说明文档快照。它用于保存和阅读项目的预处理、时序建模、分布式训练、评估、实验编排与 AutoResearch 工作流。

包含什么

• Python、Shell、CUDA/C++ 等项目源码；
• 实验配置与研究计划；
• 中文研究说明、设计文档和实验方法记录；
• 一份不含真实样本的数据格式说明。

不包含什么

• 行情、因子矩阵、标签、股票代码等真实数据；
• .npy/.npz/.h5/.csv/.pt、checkpoint、prediction 和共享内存缓存；
• test83/test86 交付目录、日志、运行输出和服务器认证信息；
• Python/Node 第三方依赖源码和第三方论文全文。

因此该包不是“安装后立即复现实验”的数据发行版。许多脚本仍需要 PyTorch、NumPy、Pandas、h5py 等依赖以及符合说明的数据，部分历史启动脚本还保留原研究环境的路径假设。

安装与查看

python -m pip install huhongkai-hs300-factor-lab
hs300-factor-snapshot info
hs300-factor-snapshot list
hs300-factor-snapshot export ./hs300_factor_lab_snapshot

也可以在 Python 中定位或导出快照：

from hs300_factor_lab_snapshot import snapshot_path, export_snapshot

print(snapshot_path())
export_snapshot("./hs300_factor_lab_snapshot")

导出后首先阅读：

• 数据格式说明.md：合成示例、字段、矩阵形状与缺失值语义；
• README_原项目.md：原项目入口；
• src/models/DESIGN.md：AutoResearch 工作流设计；
• reports/autoresearch_x192_20260806/：中文研究记录。

重要口径

项目中的 IC/UIC 必须连同标签一起解释。标签 56、标签 57 对应不同预测目标，数值不能脱离标签直接横向混排。历史 Test 已被多轮研究反复评估，不能表述成从未暴露的外部 OOT。

许可证

当前版本仅用于公开阅读和归档，未授予再分发、修改或商业使用许可。若需要别人合法复用代码，应由作者后续明确选择 MIT、Apache-2.0 等许可证后再发布新版本。