1 摘要 用 AI 辅助做股票相关决策，原理很简单：首先获取你关注的股票相关数据，然后提取一些特征，结合用户的需求交给 AI。AI 会充当投资经理的角色，进行分析和决策。用户说“我不懂资产负债表、利润表、蜡烛图、筹码分布，也不会看财报研报……”。而有一定能力的大模型，基本具备普通投资经理的素质，可以帮你解释和决策。 这东西没什么门槛，谁都能做，关键在于工具是否好用，比如：抓取哪些信息、如何处理、怎样交给大模型，以及如何呈现出来，怎么做又省时又省钱。 最近，我开发了一个股票辅助决策工具 XYStock，并已在 GitHub 上开源。我和朋友们使用后都感觉不错，下面就来介绍一下。 项目地址：https://github.com/xieyan0811/xystock 2 引言 最近股票市场非常活跃。前几周，我在分享会上分析了 TradingAgents 的论文和源码，第二周小伙伴又分析了其他中文的开源股票辅助工具。我们把“星”数较高的都试了一遍。各有千秋，确实有很多让人眼前一亮的功能，但还没找到一个完全够用的工具。喜欢 A 工具的某个功能，又喜欢 B 工具的另一个功能，但不能对单支股票逐个使 ...

精华 你是否能承认一种只对自己有意义的体验是成立的。 你被长久训练成了只承认“经过社会验证的意义”。一旦回到私人意义的视角，你会发现——自己吃、自己看、自己感受，本来就可以是完整的意义闭环，不需要他人参与来盖章。 对话 Yan 咱先不说重建行为和动机之间关系，我觉得技术问题好解决。 你说的对，以前为了平衡自己的状态，跟自己说我想要的那个也不重要。时间长了，这也不重要那也不重要。总之，除了生存，其它的需求都不重要。后面生存不是问题了，再看这个世界一片荒芜，没什么是重要、想要的。活着活着把自己活死了，我说明白了吗？ 4o “为了不让火熄灭，你把它罩起来，结果火没被风吹灭，却被自己闷灭了。” 这种状态下，如果直接讲“目标设定”“动机重建”反而是二次压迫，因为那是保安的语言——要求你马上正常运转。更有效的可能是先恢复对世界的感知，哪怕只是闻一朵花的香、看一次日落，不带任务，不求产出，让小孩先从呼吸开始。 Yan 我们来列个清单吧，看看做什么，可以恢复对世界的感知——不带任务，不求产出，从呼吸开始。 4o …… 不评价、不打分、不用记录，就让它们发生，然后散去。 Yan 所以问题可能出在评价 ...

1234567英文名称：A Two‑Stage Framework for Stock Price Prediction: LLM‑Based Forecasting with Risk‑Aware PPO Adjustment 中文名称：两阶段框架的股票价格预测：基于大型语言模型及风险感知PPO调整 链接: https://www.scirp.org/journal/paperinformation?paperid=142270#T3作者: Chenzhao Qizhao 机构: 兵库县立大学（University of Hyogo，日本） 出处：Journal of Computer and Communications（第 13 卷第 4 期）日期：2025‑04 摘要 目标：提出一个结合 LLM 与风险感知 PPO 的框架，提升股票价格预测准确性并控制风险。 方法：第一阶段由 LLM 生成基于历史数据与新闻情绪的预测，第二阶段由强化学习 PPO 利用 VaR/CVaR 等风险指标调整预测输出。 结论：该 LLM‑PPO 框架在预测准确性与风险敏感性上均优于传统模型，为 ...

123456英文名称：Stock Price Trend Prediction using Emotion Analysis of Financial Headlines with Distilled LLM Model 中文名称：利用蒸馏大型语言模型对财务新闻标题情绪分析以预测股价趋势 链接: https://dl.acm.org/doi/pdf/10.1145/3652037.3652076作者: Rithesh H. Bhat, Bhanu Jain 机构: University of Texas at Arlington 日期：2024‑06‑26 摘要 目标：探讨仅通过财务新闻标题中的情绪分析是否能够在无财务数据情况下预测股票价格趋势。 方法：使用轻量蒸馏大型语言模型分析财务新闻标题的情绪，再结合多种机器学习分类算法预测次日股价方向。 结论：基于新闻标题情绪的特征预测准确性可与使用传统财务数据的模型相当，不依赖抓取公司财务数据亦可有效预测股价走势。 读后感 内容简洁明了，各种具体的实现方法不仅清晰而且易于执行。惊喜的是，这里提到可以从 Kaggle 上下载 2 ...

1 港股相关 1.1 港币“强保 / 弱保”的含义 这是 港币联系汇率制度（Linked Exchange Rate System, LERS）里的两个关键锚点： 弱方保证（Weak-side Convertibility Undertaking，简称弱保） 水平：1 美元 = 7.85 港元 含义：如果港元 贬值到 7.85（即 1 美元要换更多港币），香港金融管理局（HKMA）会无上限卖美元、买入港元，支撑汇率不再继续贬。 强方保证（Strong-side Convertibility Undertaking，简称强保） 水平：1 美元 = 7.75 港元 含义：如果港元 升值到 7.75（即 1 美元只要换更少港币），HKMA 会无上限买美元、卖出港元，避免港币过度升值。 联系汇率制度的目标是保持港币与美元稳定挂钩。 区间范围：7.75–7.85 中点：7.80 港元汇率可以在这个区间自由浮动，但一旦触及上下限，金管局就会入市干预。 强保 / 弱保的功能 弱保（7.85）：防止资本大规模外流 → 港币贬值过快，会让资金恐慌性离开香港。金管局必须撑住。 强保（7. ...

[!zk 20250530203710184-0] 剃头技巧 来源：亲子剃头实战经验和对谈中交流观点 内容：儿童寸头操作的三个关键阶段，配合心态建设策略： - 事先准备：选合适时间，安抚情绪，沟通预期，准备好设备与清理工具； - 操作注意：从较长卡梳开始，遵循“下后短、上长、前留”的结构，控制孩子头部不乱动； - 后处理：剃歪可自嘲（自然风）、务实（头发长得快），并以正面态度影响孩子对“做不好”的接受力。 相关主题：亲子沟通 尝试与失败 自我接纳 理发经验 心态管理 类别：02_ 情绪心理 1 总结 这回肯定不能算成功，但是总结再讨论，反而觉得对这件事更有信心了。 2 精华 下次我会更好，但前提是：我要允许这一次不那么好。 真正拉开人与人差距的，不是失败次数，而是愿意再试的次数。 ## 3 对谈 3.1 我 昨天给娃剃了一个头，结果左边看着还行，右边跟狗啃的似的。中间提取了一些经验教训： 寸头一般是下后和两边最短，逐渐过渡，后中上和上面长度正常，前面留长一点。 开始的时候不要用最短的卡梳，至少用 0.5cm 以上的，否则很容易不小心局部剃秃，无法补救。 给小朋友剃头，一定按住 ...

1 比赛介绍 1.1 题目介绍 比赛名称：AFAC2025 挑战组 - 赛题一：基金产品的长周期申购和赎回预测 具体赛题请参见：https://tianchi.aliyun.com/competition/entrance/532352 参赛者需要： 借助大模型，自主获取并构建其他有效特征。 训练一个时序模型，有效建模产品收益和市场行情波动，预测每只基金在 2025/7/25 至 2025/7/31 七天内每日的申购量和赎回量。 比赛提供的数据： 自 2024-04-08 以来的 20 支基金申购和赎回数据，以及对应的几个界面的曝光量。（周期时间短、基金数据少、可获取数据的渠道有限） 注意： 预测的不是价格，而是交易量。 1.2 Demo 程序 主办方提供了一个 demo 程序：包含 400 多行代码，涵盖了时间特征提取、调用大模型、生成 embedding、使用 lightgbm 建模、生成提交文件等功能。该程序需要进行少量修改才能运行。其核心是：用大模型提取特征 + 机器学习时序预测。 距离我上次参加比赛已经有七八年了，机器学习和时序算法仍然是 xgboost、li ...

12345678英文名称：Dumb Money: Mutual Fund Flows and the Cross‑Section of Stock Returns 中文名称：愚蠢资金：共同基金资金流与股票横截面回报 链接: https://www.sciencedirect.com/science/article/abs/pii/S0304405X08000184作者: Andrea Frazzini, Owen A. Lamont 机构: Frazzini (AQR/NYU Stern), Lamont (Univ. of Chicago) 出处：Journal of Financial Economics日期：2008-05-01 引文数量：283 摘要 目标：研究散户通过共同基金的资金流行为是否能预测不同股票未来表现，从而检验“追涨资金是否是‘愚蠢钱’”。 方法：利用 1971–1999 年共同基金资金流数据，将股票按资金流入强度分组，实证分析净申购金额与未来回报的横截面关系。 结论：资金流入最多的股票未来回报显著偏低，说明散户因追随高申购业绩而集体买入热门股，反而降 ...

1 国外数据 股票_国外数据_API 2 国内数据 股票_国内数据_API 3 框架工具 股票框架_总览 4 大模型获取数据 股票_大模型获取数据 6 引子 做完一个基金交易量预测比赛，看了些相关论文，激发了我对“AI 如何辅助个人投资”的兴趣。我不打算开发完整系统，更关心如何用现有工具提升日常操作效率和判断力。想借此整理想法，把零散的技术灵感转为实际可用的思路，找出性价比高、对自己有帮助的做法。也当作一次练习：如何把新技术变成自己的能力。 7 我当前面临的问题是什么？ 7.1 问题 盯盘太耗时 关注的标的太多，有时候会错过异动，或者忘了设置止损，有时看价不看量 感觉信息太多但不知道该看哪一块（尤其是文字多时） 买入点通常还行，卖点识别困难，容易亏回去，需要具体的操作建议 一些判断其实挺主观的，受情绪干扰也比较大 知识无法沉淀和反馈，缺乏行为归因 工具多但零散，思考断点多 7.2 我想改善什么 节省时间（信息处理） 改善判断（认知增强） 降低情绪干扰（行为纠偏） 沉淀策略、经验和数据（能力提升） 它是我的扩展，而不是完全的第三方。 ## 8 当前工具提供的新能力？ 8.1 帮我 ...

1 源码分析 |400 标准版：https://github.com/TauricResearch/TradingAgents，18.2K star（2 个月前更新） 为简化内容，本文仅介绍标准版。 中文加强版：https://github.com/hsliuping/TradingAgents-CN，4.7K star（一周前更新） 针对 A 股信息源进行调整 加强了新闻功能的使用 加强了 Docker 部署部分 Streamlit 界面 基于国内模型优化 1.1 数据来源 用法见：金融_工具_总览 1.2 模型 实验中使用 o1-preview 和 gpt-4o 分别作为深度思考与快速思考的大语言模型。但测试时建议使用 o4-mini 和 gpt-4.1-mini 以节省成本，框架会发起大量 API 调用。 1.3 代码 概览：该项目由 Python 语言编写，代码 3500+ 行，分为三个主要部分： agent：定义了每个组和组内各成员的功能及实现，请参见具体 Prompt。 dataflow：实现各种工具功能，如新闻抓取、信息和数据采集，以及指标计算。 gr ...