DB
金融数据接入
统一行情、财报、宏观与新闻，为模型提供有时间戳的事实。
最成熟
01研究与成交分离
02历史信息按真实时间进入
03费用与滑点必须计入
04先模拟，再谈实盘
01 / LANDSCAPE
公开探索到了哪里
从数据接入到连续交易评测，AI 投资已经形成一条技术链。成熟度并不均匀：越接近自动交易，可信证据越少。
NLP
金融语言模型
处理财报、新闻、情绪、实体关系与金融问答。
组件可用
AG
投研 Agent
模拟分析师、多空研究员、交易员与风险经理协作。
适合研究
R&D
自动量化研发
由 Agent 提出因子、实现模型，再交给确定性引擎回测。
前沿实验
BT
回测与模拟执行
让 AI 写策略、编译、回测，并进入 paper trading。
引擎成熟，代码需审计
EV
连续交易评测
控制知识污染，测试 Agent 是否真正拥有选股能力。
证据正在形成
02 / EVIDENCE
证据把边界画在哪里
项目演示告诉我们“能造出来”，严格评测才回答“是否真的有效”。
多数 LLM Agent 仍难稳定超过简单的 buy-and-hold。
StockBench 让 Agent 在连续数月中读取价格、基本面和新闻，逐日做买入、卖出或持有决定。少数模型展现潜力，但整体结果不支持“LLM 已经会炒股”。
查看 StockBench ↗AI 现在适合做
- 整理财报、公告和行业资料
- 生成多空假设与待核实问题
- 把交易想法转成可审计代码
- 记录判断并按期复盘
目前不能假定
- 多 Agent 自然产生超额收益
- 情绪准确等于方向预测准确
- 一次漂亮回测可以外推实盘
- 更强模型必然带来更好收益
03 / ROADMAP
适合 MyBrain 的建设路线
先把研究质量变得可见，再引入模拟收益；只有出现可编码假设后，才进入量化实验。
1
AI 投资研究助手
管理观察清单，读取财报和行业信息，形成多空证据、风险、失效条件和复查时间。
产物：行业研究 · 标的研究 · 投资判断 · 到期复盘
2
Paper Portfolio
建立与真实持仓分离的模拟组合，同时设置宽基指数、buy-and-hold 和无操作基准。
评价：费用后收益 · 最大回撤 · 换手率 · 判断命中率
3
确定性回测
Agent 提出假设、写代码和解释结果；专业引擎计算，独立程序排查时间泄漏与费用假设。
门槛：样本外测试 · walk-forward · paper trading
04 / PROJECTS
项目怎么取舍
| 项目 | 最值得借鉴 | 当前决定 | 风险提示 |
|---|---|---|---|
| TradingAgentsMULTI-AGENT RESEARCH | 角色分工、决策日志、记忆与风险审批 | 代码级研究 | 多 Agent 不等于更高收益 |
| daily_stock_analysisCHINA-READY DASHBOARD | A/港/美数据、自选股日报、持仓与推送 | 代码级研究 | 免费数据源稳定性有限 |
| OpenBBFINANCIAL DATA LAYER | 模型无关的数据接口与 MCP | 市场确定后 | A 股需要本地数据补充 |
| Qlib / RD-AgentQUANT R&D | 因子挖掘、模型训练与确定性回测 | 第三阶段 | 系统较重，实验必须复现 |
| QuantConnect MCPBACKTEST & PAPER | 自然语言策略开发、回测和模拟交易 | 第三阶段 | AI 生成代码仍需人工审计 |
05 / THINKING SPACE这不是结论页，
这不是结论页，
是你的思考现场。
内容只保存在当前浏览器，不会上传。完成后可以导出 Markdown，放回 Investment 目录。
非常怀疑保持开放高度相信
我的研究护栏
PERSONAL NOTES
尚未编辑我的 AI 投资研究备忘
QUESTION 01
市场决定数据源、交易规则和评价基准。可以从 A 股、港股、美股或更窄的股票池开始。
当前倾向