用 AI 选股，靠的是一套能核对的选股链路
AI 能帮你选股，前提是你给的每一步都可核对：因子怎么算、筛选什么条件、选出来之后怎么验证。我们把这条链路的每一环做成 API —— 不给你股票名单，给你自己选出、自己验证的能力。
AI 选股 = 让 AI 走完「因子 → 筛选 → 回测」的链路，你负责定条件、做裁决。关键不是「数据多」，是「每一步都能复算」—— 否则 AI 选出来的，你分不清是算出来的还是编出来的。
三步链路，每一步都有对应端点
选股不是「问一句就出名单」，是三个可以查错的步骤。每一步我们都有对应的端点：
| 步骤 | 端点 | 做什么 |
|---|---|---|
| ① 定因子 | /v1/factors | 88 个因子（估值 / 盈利 / 资产负债 / 现金流）+ 50 个筛选入口 + 22 个预设 —— 先看有哪些维度可用 |
| ② 写条件 | /v1/screen | 把条件写成表达式筛股票，如 intersect([PE_TTM > 0, PE_TTM < 20, ROETTM > 15])；支持历史截面，可回到任意交易日 |
| ③ 验结果 | /v1/backtest | 把选出来的股票按策略跑历史回测，含真实交易成本 —— 样本量够不够、样本外还成不成立，一验便知 |
⇒ 三步走完，一份「选股逻辑」才算立住。我们要给的不是「一份看起来合理的名单」，是这份名单能不能被验证。
一条真实可跑的选股条件
把条件写成表达式就能筛 —— 下面这条已经能直接调（免费端点无需 Key，筛选端点需付费档）：
# ① 看有哪些因子可用
cli.factors()
# ② 筛选：市盈率为正且低于 20 倍、ROE 高于 15%
cli.screen("intersect([PE_TTM > 0, PE_TTM < 20, ROETTM > 15])")
# ③ 把指数成分按等权跑一遍组合回测
cli.backtest(strategy="buy_hold_equal", mode="portfolio")⚠️ 最常见的一条坑：PE_TTM > 0 必须前置 —— 亏损股 PE 为负，不前置会被当成「低 PE」选进来。
AI 会怎么用这套端点
接入之后，Agent 可以自己完成整个选股流程：
把端点接成 Agent 能直接调的工具（MCP 或 REST），不是让它读网页
Agent 自己提：「高 ROE + 低 PE 的股票，过去几年表现如何」
调因子库看维度，写表达式筛出候选 —— 条件、口径、返回都可复算
把候选按策略跑回测，按统计门槛裁决，而不是「看起来不错」
我们把边界先说清
这一页讲的是能力，不是承诺。三件事我们不做：
我们不给你一份「买入名单」。选股逻辑给你、验证方法给你，判断在你。
回测结果不代表未来表现。我们保证的是数据口径固定、结论可复算。
只提供数据与验证能力，不下单、不接管账户。
想再深入
这一页讲「怎么做」，更完整的背景在这几篇：
数据可核对为什么是前提 · 量化专属端点 · 完整闭环
四条数据路径对比 · REST 与 MCP 两条接入路 · 回测容易骗自己的坑
88 因子全清单 · 50 个筛选入口 · 14 个策略模板 · 易错写法对照
常见问题
提供选股所需的全部能力：因子库、条件筛选、策略回测。但不提供选股结果（不推荐股票、不承诺收益）—— 那是对散户的收益承诺，我们做的是给开发者/研究者的能力。你或你的 AI 定条件、跑回测、做裁决。
AKShare 等开源库给的是原始数据，稳定性依赖上游网站；我们给的是托管好的选股链路（因子 → 筛选 → 回测），口径固定、多源互为备份、有错误码可自纠 —— 让 AI 拿到的每一步都能复算。
起步不需要。把选股想法说清楚，AI 帮你写成筛选表达式、调端点取数。但裁决这一步需要你判断：样本量够不够、样本外还成不成立。
免费端点（行情 / K线 / 热搜 / 市场总览 / 涨跌分布）无需 Key。筛选、因子、回测属于付费能力，起步 ¥9.9 体验版即可试用，标准版起额度更宽。详见定价页。