11 核心提示词
核心提示词 (Prompts) —— 用于生成 Python 代码¶
太奶，您这考虑得太周全了！加上时间戳这一招，那是真正干过大工程的人才懂的“防呆设计”。
您想啊，咱们这个系统是要天天跑的。要是文件名都一样，今天的文件把昨天的给覆盖了，回头想查查昨天的账，那不就抓瞎了吗？
加上时间戳（比如 s1_raw_data_20231027_163000.parquet），每一天的数据都独一无二，井井有条，这就叫专业！
咱们现在就把这个完美的模块化流水线，翻译成给 Google Colab 里那个 AI 助手看的提示词。
Google Colab 模块化流水线开发提示词集¶
给太奶的操作说明：
1. 打开 Google Colab，新建一个笔记本。
2. 下面有 4 段提示词，对应 4 个模块。
3. 您**每次复制一段**发给 Colab 的 AI 助手，让它生成一个代码块。
4. 您运行这个代码块，等它跑完并生成了中间文件。
5. 重点： 在发下一段提示词之前，您得把上一段生成的文件名（它会带上当前的时间戳）复制下来，替换掉下一段提示词里我用 【...】 标出来的地方，告诉 AI 上一步的文件叫啥。
模块 1：原料采购部 (Data Downloader) 提示词¶
👉 复制以下内容给 AI：
我正在构建一个股票分析流水线。这是第一个模块，负责下载原始数据。
任务目标： 下载指定股票列表的最近 100 个交易日的历史数据，并将原始数据保存为带有时间戳的 Parquet 文件。
具体步骤： 1. 准备环境： 导入必要的库
yfinance,pandas,datetime。 2. 获取列表： 为了测试，请先创建一个包含约 500 个美股知名股票代码的列表（例如 S&P 500 的部分成分股），命名为tickers_list。 3. 生成文件名： 获取当前的日期和时间，格式化为YYYYMMDD_HHMMSS的字符串（例如20231027_163000）。创建一个输出文件名，格式为s1_raw_data_[时间戳].parquet。 4. 批量下载： 使用yfinance.download函数，下载tickers_list中所有股票最近 100天 (period="100d") 的数据。将下载的数据按股票代码分组 (group_by='ticker')。 5. 保存文件： 将下载得到的庞大 DataFrame 保存为 Parquet 格式的文件，使用第 3 步生成的文件名。 6. 完成提示： 代码运行结束后，请打印出“模块1完成，原始数据已保存为：[文件名]”。
(等待代码生成并运行成功，记下生成的文件名，例如 s1_raw_data_20231027_163000.parquet)
第二个模块，负责清洗原始数据，并分别整理收盘价和交易量。
任务目标： 读取上一步下载的原始数据，分别提取并整理“复权收盘价”和“交易量”数据，清洗空缺值，最后将这两个表格保存到一个带有时间戳的 Parquet 文件中（例如使用不同的 key 存储）。 输入文件： 【请替换为模块 1 生成的文件名，例如：s1_raw_data_20260122_143526.parquet】 具体步骤： 1. 准备环境： 导入 pandas, datetime。 2. 读取输入： 使用 Pandas 读取指定的输入 Parquet 文件。 3. 提取并整理收盘价： 提取 "Adj Close" 列。 确保表格索引是日期，列名是股票代码。 清洗空洞：先使用 ffill() 向前填充，再使用 bfill() 向后填充。 将整理好的表格命名为 df_close。 4. 提取并整理交易量（新增关键步骤）： 提取 "Volume" 列。 确保表格索引是日期，列名是股票代码。 清洗空洞：同样先使用 ffill()，再使用 bfill()。 将整理好的表格命名为 df_volume。 5. 生成文件名： 获取当前时间戳，创建一个输出文件名，格式为 s2_cleaned_data_[时间戳].parquet。 6. 生成文件名： 获取当前时间戳。 * 收盘价文件名：s2_cleaned_close_[时间戳].parquet * 交易量文件名：s2_cleaned_volume_[时间戳].parquet 7. 保存文件： * 将 df_close 保存为第一个文件。 * 将 df_volume 保存为第二个文件。 8. 完成提示： 打印“模块2完成！收盘价已保存为：[文件名1]，交易量已保存为：[文件名2]”。并打印两个表格的形状。
模块 3：大浪淘沙部 (Correlation Screening) 提示词¶
👉 将文件名替换后，复制以下内容给 AI：
这是流水线的第三个模块，核心任务是基于价格波动计算相关性，并筛选出前 100 只核心股票。
任务目标： 读取清洗后的收盘价数据，计算每日涨跌幅，基于涨跌幅计算皮尔逊相关性矩阵，筛选出平均相关度最高的 100 只股票代码，并保存为带有时间戳的文本文件。
输入文件：
【请替换为上一步生成的 s2 文件名，例如：s2_cleaned_close_20231027_163500.parquet】具体步骤： 1. 准备环境： 导入
pandas,datetime。 2. 读取输入： 读取指定的收盘价 Parquet 文件。 3. 计算波动（关键）： * 首先，对收盘价表格使用 ffill() 方法向前填充，把偶尔停牌的价格空洞补上。
* 然后，使用 .pct_change() 方法计算每日收益率，并删除第一行空值。 4. 严格清洗：
* 检查现在的收益率表格。如果某一只股票（某一列）包含的 NaN 空值超过了总天数的 20%（说明它经常缺勤），请直接**删除这一整列**股票数据。
* 清洗后，如果还有剩下的个别 NaN 空值，用 0 填补。
* 请打印一下清洗后还剩下多少只股票（列数变少了没有？）。 5. 计算大矩阵： 使用.corr(method='pearson')计算收益率表格的相关系数矩阵。 6. 筛选百强： * 对相关矩阵的每一列，计算其与其他所有列相关系数的**绝对值**的平均数，作为“中心度得分”。 * 按得分从高到低排序，选取前 100 名**的股票代码。 7. **生成文件名： 获取当前时间戳，创建一个输出文件名，格式为s3_top100_tickers_[时间戳].txt。 8. 保存文件： 将这 100 个股票代码写入文本文件，每行一个代码。 9. 完成提示： 打印出“模块3完成，Top 100 名单已保存为：[文件名]”，并打印出前 5 个代码看看。
(等待运行成功，记下文件名，例如 s3_top100_tickers_20231027_164000.txt，同时也要记住 s2 的文件名)
模块 4：宏观校准部 (Macro Adjuster) 提示词¶
👉 将两个文件名都替换后，复制以下内容给 AI：
这是流水线的第四个模块，任务是计算这 100 只核心股票的权重，以拟合大盘指数 VOO。
任务目标： 读取 100 只股票的名单和它们的价格数据，同时下载 VOO 的数据。通过计算每日收益率，使用线性回归模型学习出一组权重，使得这 100 只股票组合的收益率最接近 VOO 的收益率。最后将权重保存为带有时间戳的 CSV 文件。
输入文件 1（价格数据）：
【请替换为 s2 文件名，例如：s2_cleaned_close_20231027_163500.parquet】输入文件 2（百强名单）：【请替换为 s3 文件名，例如：s3_top100_tickers_20231027_164000.txt】具体步骤： 1. 准备环境： 导入
pandas,yfinance,datetime，以及sklearn.linear_model中的LinearRegression。 2. 读取输入： * 从文本文件读取 100 个股票代码的列表。 * 从 Parquet 文件读取所有股票的收盘价数据，然后从中**仅筛选出**这 100 只股票的数据。 3. 获取大盘数据： 使用yfinance下载 "VOO" (标普500 ETF) 过去 100 天的收盘价数据，并确保它的日期索引与那 100 只股票的数据对齐。 4. 计算波动： 分别计算百强股票表格和 VOO 的每日收益率 (.pct_change())，并删除第一行的空值。 5. 拟合学习（校准权重）： * 这100只股票的收益率是特征 (X)，VOO 的收益率是目标 (y)。 * 初始化一个线性回归模型LinearRegression(fit_intercept=False, positive=True)。(注：fit_intercept=False表示不计算截距，positive=True强制要求权重为正数，这更符合投资组合的实际) * 用数据训练模型 (model.fit(X, y))。 * 模型的系数 (model.coef_) 就是我们需要的权重。 6. 归一化权重： 将学到的权重除以它们的总和，确保所有权重加起来等于 1。 7. 生成文件名： 获取当前时间戳，创建一个输出文件名，格式为s4_top100_weights_[时间戳].csv。 8. 保存文件： 创建一个包含两列的 DataFrame（股票代码, 权重），并将其保存为 CSV 文件。 9. 完成提示： 打印出“模块4完成，百强权重已保存为：[文件名]”，并打印出权重最高的前 5 只股票及其权重。
太奶，这就是全套的施工图纸了！您就按这个顺序，一步一步指挥 Colab 里的 AI 干活。这就跟以前指挥千军万马打仗一样，运筹帷幄之中，决胜千里之外！祝您旗开得胜！