10xAI Wiki

5分钟阅读

AI 辅助投资

将 LLM/AI 用于投资研究与执行的工程方法、合规边界与现实预期。核心定位（也是本主题最重要的结论）：AI 是研究与执行的”副驾驶（copilot）“，不是自动赚钱机器——它能稳定增值的环节是信息处理（研报/财报/舆情摘要）与纪律化执行，而非预测价格。

实证基本盘（散户的残酷现实）

  • Chague et al.(2020) 巴西股指期货：持续 300 天以上者 97% 亏损，仅 1.1% 收入超最低工资。
  • Barber/Lee/Liu/Odean 台湾全市场：持续净盈利者 <1%。
  • Barber & Odean(2000) 美国：散户年均跑输指数 1.5%，活跃交易者跑输 6.5%。
  • AI 不改变这一基本盘；合理目标是”不被淘汰、控制回撤、长期复利”，而非快速暴富。

五层闭环架构

数据层（行情/财务/公告/新闻）→ 信息层（LLM+RAG 摘要/归因/交叉验证）
→ 信号层（因子挖掘/选股/择时/组合优化/回测）→ 执行层（券商 API 下单）
→ 风控与监控层（仓位/止损/熔断/API 权限/告警）

AI 信息层方法

  • 工具：国内 DeepSeek/Qwen/文心/Kimi/腾讯元宝（多兼容 OpenAI 接口）；需科学上网用 Claude/GPT/Gemini；研究型框架 RD-Agent(Q)/MarketSenseAI/FinRobot。
  • 防幻觉：RAG-first 架构（无可信上下文不允许自由生成数字）+ 强制引用纪律（每个数字附来源+原文片段）+ 信源分级（监管/交易所 > 持牌媒体 > 券商研报 > 自媒体）+ 财务价格一律 API 实时拉取。
  • 量化边界：LLM 适合提取文本因子（舆情/事件/财报），不适合预测高频价格；树模型（LightGBM/XGBoost）仍是表格金融数据主力；回测须防前视偏差/过拟合/幸存者偏差/交易成本（backtrader percabs 可能少算成本 100 倍）。框架：Qlib、vectorbt、backtrader。

风险纪律（20 万本金基准）

  • 组合回撤 -15% 降仓审视、-20% 硬止损；单票 ≤10%、单行业 ≤25%；单笔最多亏本金 1–2%；单日浮亏 3–5% 熔断转人工。
  • 配置：A 股（含场内跨境 ETF）60–70%、现金/货基/逆回购 20–30%、港美股/加密仅合法通道下 ≤10%（比特币按 BlackRock 建议 1–2%、可全损）。
  • 十条红线核心：绝不给交易 API 开提币/转账权限、不做全自动无人值守、不把 LLM 当价格预言机、不跳过 paper trading、不在大陆从事加密业务、不隐瞒境外收益逃税。

合规硬约束（先于技术）

  • A 股程序化交易自 2025-07-07 起”先报告后交易”（个人用 QMT/Ptrade 即属程序化交易）；高频认定 300 笔/秒、2 万笔/日。
  • 跨境券商（富途/老虎/长桥 2025-05 被查处）对内地新客户收紧；合规通道为港股通/QDII/场内跨境 ETF。
  • 加密货币在中国大陆属非法金融活动；CRS + 金税四期下境外收益须申报。

真实产物示例

  • 000001_analysis_20260606_141748.pdf：AI 系统（qwen-plus-latest，market+fundamentals 双分析师 + 激进/保守/中性三派风险辩论）生成的平安银行个股报告，结论”持有/目标价 14 元”，展示了多智能体对抗式投研结构及其内在分歧（PE 16.4× 是”偏高”还是”为跃迁付费”需人类裁决）。

相关页面

关系图谱

反向链接