与「AI选股」相关的搜索结果

#早间市场快报# > - 美股收涨；DeepSeek估值料将达740亿美元 - 中尼边境毁灭性洪灾致上千人失踪，至少390人丧生 - 中国7月工业企业利润大幅增长 - 如今对美贸易顺差最大的国家：越南 - 立项18年、烧钱逾百亿，加州高铁至今未铺一根铁轨 - AI选股能力真的提升了吗？

刚看到Bitget GetAgent Playbook 新上了一批美股选股策略，说实话我第一反应是：又来一个黑盒？结果跑了一遍「精选 AI 主题股票」，发现真不是那种扔几个代码就完事的东西 它用大模型做了两阶段研究：先初筛，把纯蹭概念、财务太弱的剔除；再深度精选，给出 AI 细分层（计算/基础设施/平台/应用）、质量因子、信心标签、投资逻辑和关键风险。每个标的都列了主要风险，比如 AI 板块集中度高，回调时名单里多只可能同步回撤——不藏着掖着这点让我好感拉满 我自己研究 AI 赛道也会按这个框架，但它一天就能扫完全市场，比我手动覆盖的效率高太多。而且这是 Signal Only 模式：只输出研究名单和逻辑，不自动下单，钱在你手里，参考不参考自己决定 五个策略我挨个摸了一遍，用大白话说说真实感受： 🔹 如果你跟我一样看好 AI 但不想自己挖标的——「精选 AI 主题」直接帮你把全栈产业链筛完了，省去每天翻研报的功夫 🔹 赌牛市、想博弹性——「高 Beta 成长型」把仓位分成核心/战术/投机三层，激进归激进，纪律感给得很足 🔹 偏保守、信复利那一套——「优质商业模式」是真的在找那种“躺着赚钱”的公司，护城河浅的、太贵的直接滤掉 🔹 不想只盯美股——「宏观事件驱动」直接跨资产覆盖到加密、黄金和原油，全球视角这点很加分 🔹 手里本来就有 QQQ——「纳指增强」等于是 AI 帮你从成分股里再掐尖，做超额收益的加法 没有一个是给你一个黑盒代码就完事的。全部 Signal Only，AI 只负责交研究作业，下单的权利一直在你自己手里 加密圈很多人还没接触过美股深度研究工具，“原来在 Bitget 上能看 AI 分析美股”这件事本身就挺有意思。Playbook 现在不只是炒币，是把机构分析师那套研究流程自动化了——一揽子多资产选股，全程可解释、可追溯 想自己上手试的，直接去体验👉 风险提示：本文仅为个人体验分享，不构成投资建议。AI 选股策略基于历史数据与模型分析，不保证未来收益，市场有风险，投资需谨慎

两年收益 +146 万后，有人把自己的投研系统开源了 项目叫 AI Berkshire，实盘成绩也直接放出来了： 2024：+69.29% 2025：+66.38% 核心不是“AI 选股”，而是把巴菲特、芒格、段永平、李录的投资框架，拆成可执行、可复盘的研究流程 它会从商业模式、护城河、现金流、估值、安全边际、管理层、风险因素等角度做公司研究，再结合 Claude Code / Codex，让多个 Agent 并行完成财报分析、估值判断、交叉验证和投资备忘录 这个项目最值得借鉴的地方，是它没有把 AI 当成一个“答案机器”，而是把真实投研里的判断路径，整理成了可以反复运行的系统 对个人投资者来说，这可能比单纯问 AI “这只股票能不能买”更有价值 项目： 非投资建议，纯分享学习

兄弟们，股票数据终于不用后端了！ chengzuopeng/stock-sdk —— 纯 JS/TS 股票行情 SDK，零Python、零后端，直接浏览器/Node.js拿实时数据！真香点： · 支持 A股/港股/美股/公募基金，实时行情 + K线 + 技术指标全都有 · 命名空间API超友好，IDE自动补全 · 自带CLI和MCP，一条命令就能接入AI工具 · 轻量零依赖，TypeScript完美支持 想做行情看板、量化Demo、AI选股？直接npm i stock-sdk就开干！ 直达地址： 官网文档： #股票API# #前端量化# #JS股票数据#

我去！有人把私募量化研究员的整套技术体系，整理成了一份免费的中文实战手册！ 从因子挖掘、机器学习选股，到 Barra 风险模型、组合优化和 A 股真实交易规则，连 Python 源码都准备好了！ 这个开源项目就是 quant-handbook。 涵盖 8 大模块、31 讲课程和 31 份 Python 实战示例，从因子挖掘、机器学习选股到组合优化、策略回测都有！ 核心亮点： 1️⃣ 数据工程：使用 Polars、DuckDB 处理行情数据，解决复权、财报对齐和未来数据泄漏。 2️⃣ 因子研究：覆盖量价、基本面、订单流因子，以及 IC/IR、分层回测和因子正交化。 3️⃣ AI 量化选股：结合 LightGBM、CatBoost、SHAP，构建机器学习选股流程。 4️⃣ 组合优化：实现 Barra 风险模型、风险平价、行业中性和换手率约束。 5️⃣ 真实交易回测：模拟 A 股 T+1、涨跌停、停牌、手续费、印花税和市场冲击成本。 6️⃣ 绩效归因：分析 Alpha、Beta 收益来源，监控特征漂移和组合风险。 以前学量化，因子会算、模型会训练，但真正做回测时，未来函数、交易成本和风控问题经常被忽略。 这套手册把完整的量化研究流程都串起来了。 我比较喜欢它对回测真实性的处理，不只是计算收益曲线，还把无法成交、交易成本和未来数据泄漏这些问题考虑进去了。 31 讲都有对应的 Python 示例，适合从零学习，也能作为量化策略开发的参考。 做 A 股量化、机器学习选股，或者想系统学习量化研究的，这份手册值得收藏！

🚨 又发现一个支持 A 股、港股、美股牛逼的仓库—go-stock！ 目前 6.6K+ stars，基于 Go + Wails + Vue3 + NaiveUI 搭的 AI 股票分析工具。最大的亮点：A 股、港股、美股三市场通吃，ETF/基金也在路上了 go-stock 核心亮点： > 实时行情一屏看全：分时图、K线（日/周/月）、涨跌幅一目了然 > AI 智能分析：个股技术面 + 消息面 + 资金面，一键生成分析报告 > 市场情绪量化：NLP 解析新闻/研报，直接出情绪指标，不用自己翻帖 > AI 智能选股：技术指标 + AI 预测双重筛选，筛完还能多轮追问 > 涨跌报警推送：钉钉/企业微信直达，不用盯盘 自选管理 + 成本追踪 + 盈亏计算，全在本地 SQLite，数据不出你电脑 最狠的是 AI 模型接入：DeepSeek、OpenAI、Ollama 本地跑、LMStudio、硅基流动、火山方舟、阿里云百炼主流平台全接 以前做股票分析：开同花顺看行情 → 开浏览器翻新闻 → 开 Excel 算指标 → 开微信问朋友。 现在 go-stock 一个桌面 App 全包了，底下还挂着你选的大模型实时分析。股票研究这件事，终于不用在八个窗口来回切了！

好家伙！TradingView 1000 多个选股字段，居然能直接让 AI 一句话调用！ 连美股财报、ETF 机构持仓、期权 GEX 和策略回测，都不用再切换工具了！ 开源项目 Momentum MCP，内置 101 个金融分析工具，支持 Claude Code 等 MCP 客户端，也可配置接入 Codex。 以前用 AI 做股票研究，选股要去 TradingView，财报去 SEC，机构持仓和策略回测又得换平台。 这套 MCP 直接把数据查询、智能选股、技术分析和策略验证串起来，用自然语言就能操作。 核心能力： 1️⃣ 1000+ 筛选字段：覆盖股票、Crypto、期货、外汇等 6 类市场 2️⃣ 47 套选股模板：均线金叉、放量突破、动量排名、行业轮动等 3️⃣ 技术分析：自动查询 K 线、RSI、MACD、均线，还能生成图表 4️⃣ ETF 机构持仓：追踪 71 只 ETF 的持仓变化、行业分布和相关资金信号 5️⃣ 策略回测优化：支持参数扫描、滚动验证和多股票策略对比 6️⃣ 期权与财报：分析 GEX、异常期权活动，还能读取 SEC 财报和宏观数据 比较实用的是，你可以直接告诉 Claude Code： “帮我筛选美股中放量突破、RSI 低于 70 的股票，再分析前三只的财报和技术指标。” AI 就能调用多个工具完成筛选、查询和分析，不用自己反复切换网站。 而且 TradingView 筛选、SEC 财报和部分 ETF 数据不需要付费 API Key。 做美股量化、TradingView 选股、AI Agent 或自动化投研的，这套值得收藏！

我这几只在支付宝买的基金，拿了不到 3 个月，收益 40%+，比预想中来得快一些 当时买的逻辑比较简单，AI、算力、硬科技前面调整不少，我觉得有修复机会 广发远见偏 A 股 AI 成长，主动选股，高弹性 中航机遇偏算力基建 / 硬科技，军工为辅，也带一点高端制造 易方达全球成长补全球科技和海外成长，顺便分散一下单一市场风险 现在看算是踩到了这轮风格 当然基金经理这段时间怎么调，也挺关键 后面我会继续看持仓和市场变化，逻辑变了就调整 非投资建议

谷歌都研究不明白的话真不适合炒股 如果你还不知道到底怎么看基本面选股，怎么做长期基本面投资，做所谓的“价值投资” 那我十分建议你去把Google这家公司全研究一遍，包括它的AI、云、浏览器、搜索、广告.....所有的板块和产品，你会回来感谢我的

真没想到！很多今天看起来很新的量化玩法，阿布量化十年前就已经在做了 缠论 / 波浪 / 谐波 / K 线形态 / 均线指标，全给你量化成买卖信号 abu，18.2K Stars，GPL-3.0 开源，一套老牌 Python 量化交易系统。 以前做量化，选股、择时、仓位、回测、参数优化、机器学习，往往得自己东拼西凑一堆脚本。 abu 不一样，它直接把这些东西塞进同一套框架，从找股票到跑策略、控风险、做参数优化，一路都给你搭好了。 核心能力： 1️⃣ 选股 + 择时：选什么股票、什么时候买卖，都能拆成独立因子自由组合 2️⃣ 完整回测：手续费、滑点、多股票、仓位管理、收益度量这些基础设施直接用 3️⃣ 参数优化：自带 Grid Search 和评分体系，可以批量找更合理的策略参数 4️⃣ 技术分析：MACD、KDJ、BOLL、RSI、ATR、ADX、缺口、背离等信号都有现成模块 5️⃣ AI / 机器学习：内置多套量化评分模型，还把形态、心理、趋势等特征做进机器学习流程 6️⃣ 多市场支持：A 股、港股、美股、期货、期权、Bitcoin 等都能拿来研究和回测 我觉得 abu 最有意思的地方，是它不是只给你一个“回测器”。 而是把量化交易真正拆成了一整套流程： 先选股，再择时； 再做仓位和风控； 最后拿历史数据验证、调参数。 现在看它的代码风格可能不算最新潮，但如果你想系统搞懂一套量化框架到底应该有哪些模块，这个项目依然很值得拆。 仓库：