RR-Agent — 总览

RR-Agent 在调用关系中是调用方：通过 API / MCP 向 ReachRich（独立项目）取数，在干净的数据底座上完成因子挖掘 → ML 选股 → 组合优化 → 回测 → 执行（用户自主）的全链研究。多 provider 大模型贯穿全链。

定位

把"从数据到决策"的全过程串成一条可研究、可验证、可复现的流水线，并由 AI 在每一环提供协助。它不是黑盒信号源，而是一套研究工作台：方法可解释、口径可披露、结果可对账。

研究全链

数据(ReachRich) → 因子挖掘 → ML 选股 → 组合优化 → 回测验证 → 执行工具(用户自主)
                     └──────────── 多 provider LLM 贯穿协助 ────────────┘

① 因子挖掘 - LLM 辅助生成候选因子，覆盖动量 / 反转 / 价量波动 / 微结构 / 资金流 / 基本面 / ML 合成共七类。 - 候选并不直接采用，须先过严格验证（见方法论）。

② ML 选股 - 梯度提升等模型对多因子打分排序，叠加多重检验校正抑制虚假显著。

③ 组合优化 - 行业中性 + 风险约束的权重分配，控制单一行业 / 风格的集中暴露。 - 支持风险归因（风格因子暴露分解），持仓构成可解释。

④ 回测验证 - CPCV 交叉验证 + DSR 多重检验校正 + 交易成本 gate，详见方法论。 - 回测结果一律标注"回测口径"，绝不以回测冒充实盘。

⑤ 执行工具（用户自主） - 算法订单（VWAP / TWAP / 分批）、实时风控（仓位 / 回撤 / 异动）、止损止盈与调仓。 - 供用户自主研究与执行，非代客理财、非投资建议。

多 provider LLM

• 可配置、可切换多家大模型提供商与模型，按任务自由选型，不绑定单一模型。
• LLM 贯穿数据→因子→策略→执行全链：辅助生成、解释、归因与自然语言交互。

与 ReachRich 的关系

RR-Agent（调用方） ──① 取数──▶ ReachRich（被调用方 · reachrich.ai）
                  ◀─② 行情/资讯/因子原料──

RR-Agent 不采集数据，只消费 ReachRich 提供的统一口径数据；如何采集、清洗、校验由 ReachRich（独立项目）负责。

---

本页描述能力与方法，不涉及实现细节、模型权重、参数，也不涉及主机、IP、技术栈或部署架构。免责：仅供数据研究用途，不构成投资建议或收益承诺。