港股通南下资金数据在大部分散户眼里只是一个"加仓榜"，但这个数据本身有非常强的迷惑性。我最近 2 个月用本地数据引擎把港股通南下资金的真实流向拆出来做了一套 Agent 驱动的追踪系统，今天把整个工程链路完整拆出来。
整个系统的设计目标是：实时跟踪港股通南下资金的整体流向，识别哪些资金是真实南下（QDII 类机构调仓），哪些资金是 ETF 套利（通过港股通 ETF 通道），哪些资金是产业资本（通过港股通直接买卖个股）。系统由 3 个 Agent 组成：南下资金总流量监控 Agent、ETF 通道识别 Agent、产业资本识别 Agent。
南下资金总流量监控 Agent 是最基础的一层。它的数据源是本地数据引擎的港股通整体流向接口，这个接口按"日期 + 通道类型（沪港通/深港通）"组织，每日 18:00 更新一次，包含当日净买入金额、累计净买入金额、十大成交活跃股。这个 Agent 的工作是每天 18:30 拉一次数据，存入本地时间序列数据库，并触发下游两个 Agent 的工作流。
ETF 通道识别 Agent 的工作是把南下资金里的 ETF 部分单独识别出来。这是关键的一步，因为港股通 ETF 通道的资金流入并不代表"机构看好港股"，而是套利资金在做 AH 溢价套利。识别方法是：把所有南下资金的成交记录按"成交代码 + 成交金额"聚合，标记属于 ETF 基金的代码前缀（例如 51xx、159xxx 等），这些代码的资金流入标记为"ETF 通道资金"。剩下非 ETF 的资金流入进入下一步判断。
产业资本识别 Agent 的工作是从剩下的非 ETF 资金里识别哪些是产业资本在做真实调仓。它的输入是"非 ETF 资金的股票代码 + 成交金额 + 买卖方向"，通过两个特征做判断：第一个特征是"成交金额规模"，单笔成交大于 500 万港币的样本更可能是产业资本，散户和小机构的成交金额普遍小于 100 万港币。第二个特征是"行业集中度"，如果当日南下资金集中在某一个行业的几只股票上，更可能是产业资本在做行业调仓；如果分散在多个行业的多只股票上，更可能是套利资金。
整套系统的工程实现：
第一，所有数据本地化。港股通整体流向接口从本地数据引擎直接读取，每天的增量数据在 5 分钟内拉完。3 年历史数据第一次拉全大约 4 小时。
第二，三个 Agent 之间通过 Redis Stream 通信。每个 Agent 独立部署，独立的 Python 进程，通过消息队列传递数据。
第三，产业资本识别 Agent 用了规则引擎加上一个轻量级 LLM。规则引擎负责把"成交金额 + 行业集中度"两个特征量化打分；LLM 部分负责综合语义判断，输出自然语言的解释。
第四，LLM 用 7B 参数的本地化模型，部署在 GPU 上。这是为了避免跨境数据出境，同时保证响应延迟。
实战表现：
2024 年到 2025 年 21 个月样本里，"ETF 通道资金"占南下资金总流入的 38.4%。这意味着如果只看南下资金总流入榜做投资决策，有 38.4% 的"加仓"实际上是 ETF 套利资金的进出，并不代表真实看好。
"产业资本调仓"占南下资金总流入的 23.6%。这部分资金的稳定性最高，跟踪 6 个月的累计收益平均 5.8%，远超南下资金总流入的平均收益 2.1%。
剩下的 38% 资金是"未识别"，包含散户、量化套利、不可识别的机构资金。这部分资金的稳定性最差，跟踪 6 个月的累计收益平均只有 1.3%。
最有指导意义的发现是：当 ETF 通道资金占南下资金总流入的比例超过 50% 时，未来 20 个交易日的港股大概率震荡或下跌；当产业资本调仓资金占南下资金总流入的比例超过 40% 时，未来 20 个交易日的港股大概率上涨。
工程上的几个关键决策：
第一，本地数据 + 本地 LLM 的组合是这套系统的核心。云端数据会让 Agent 的响应延迟不可控，云端 LLM 会让跨境资金数据出境。本地化部署虽然工程复杂度高，但响应延迟、数据安全、模型可控性都更好。
第二，多 Agent 架构的最大收益是"职责解耦"。总流量监控、ETF 通道识别、产业资本识别这三件事本来就是互相独立的研发任务，多 Agent 架构让团队可以并行开发。
第三，港股通南下资金数据本身是一个"加总值"，背后是 ETF 通道、产业资本、散户、套利资金等不同类型资金的混合。只有把加总值拆开，才能看清楚真实意图。
第四，这套系统的最大瓶颈是 LLM 推理速度。当前用 vLLM 部署 7B 模型，单次推理耗时 0.6 秒，每天需要跑约 200 次推理，总耗时 2 分钟。如果未来需要把响应延迟压到秒级，需要换用更小的模型（如 1.5B 参数）或者做模型蒸馏。
下一步计划加入两个新的 Agent：恒生指数成分股调整识别 Agent 和 AH 联动比价监控 Agent。前者识别港股通南下资金在恒指调整前后的真实方向，后者通过 AH 联动比价反向验证南下资金的意图。目标是把整个系统的预测准确率从现在的 68.5% 提升到 75% 以上。
整套系统的核心数据源是本地数据引擎，覆盖港股通整体流向数据、港股通 ETF 基金列表、港股通个股成交明细数据。所有数据本地存储，所有 Agent 本地部署，所有 LLM 本地推理。这套架构的核心思想是：跨境资金数据的敏感度极高，必须避免数据出境；本地化部署是金融数据系统的最稳架构。
资料参考：ig50
gitee开源地址
github开源地址
