diff --git a/README.md b/README.md
index 526b1a2..9fec119 100644
--- a/README.md
+++ b/README.md
@@ -23,6 +23,7 @@
 - `indicators` — 50+ 技术指标（MACD / KDJ / 布林 / ATR / ADX / 等）
 - `data_adapter` — 桥接 qtdb_pro 长表与新模块（rename / long-wide / 复权 / vwap 代理）
 - `backtest` — weight-based 多日仿真（rebalance_table / compute_nav / compare_to_benchmark）
+- `portfolio_construction` — 多期因子分数 → Top-K → 等权目标权重表
 - `metrics` — 绩效（年化收益 / 波动率 / Sharpe / 最大回撤 / Calmar）
 - `factor_library` — 通用方法（turnover / winsorize / IC / OLS / jb_test）
 - `portfolio_decomp` — 组合分解（risk_parity / mean_variance / 因子归因）
@@ -61,6 +62,7 @@ from quant_engine.execution import (
     ExecutionConfig, simulate_with_daily_data, compute_realized_pnl,
 )
 from quant_engine.backtest import run_weight_backtest
+from quant_engine.portfolio_construction import scores_to_weight_table
 from quant_engine.indicators import macd, bollinger, kdj
 from quant_engine.data_adapter import (
     long_to_wide, wide_to_long, rename_tushare_columns,
@@ -74,7 +76,12 @@ df = load_qtdb_daily(["000001.SZ"], "2024-01-01", with_adj=True)
 prices, volumes = prepare_execution_inputs(df)
 result = simulate_with_daily_data(prices, initial_cash=1_000_000.0)
 
-# 权重回测 → 稳定结果对象 → 绩效/基准分析
+# 多期因子分数 → Top-K 等权组合 → 稳定回测结果
+rebalance_weights = scores_to_weight_table(
+    factor_scores,
+    top_k=20,
+    gross_exposure=1.0,
+)
 backtest = run_weight_backtest(
     weights=rebalance_weights,
     stock_returns=daily_returns,