ok, 这条视频呢,跟大家说一下我是如何利用 ai 帮我搭建我的量化模型的,废话不多说,直接进干货。 ok, 给大家看一下这个动量因子的一个模型的构建了,他的一个思路还是非常简单的,我们可以看到这里蓝色纸表的部分, 这些就是数据的一个源头,包括说我用了像标普五百的一个呃,阅读的数据作为一个精准。那还有就是在这个市场上面所有美股的,呃,我,我的池子里面,所有美股的这个上市公司在每个月的收盘价啊,这个都在这里。还有就是池子 就是成分股,那成分股这个是我觉得在这一个表格里面,这个版本比我以前自己做的版本,因为这个版本是有 cloud 的 帮忙去做的,那一会他帮了我哪些东西,我会给大家去说。 我以前自己在手搓的时候呢,其实很难解决的东西就是动态的成分股,因为我们知道像标普它是有进有出的,但以前手搓的时候呢,呃,处理这方面的数据太麻烦了,所以我因为我也不不会写代码,我也不是马龙, 所以我很多时候我只能用静态的当下的成分股去倒推过往的数据,这样其实会存在一个幸存者偏差,因为有很多不好的公司,他可能退市了,所以做出来的结果呢,可能会偏高估。但是呢, 在这个版本里面呢,大家可以看到我这个成分股的选择是动态的,每一期自动线去拉取当期标普里面的成分股,然后再进行计算。为什么能做到这么动态?因为我在 excel 里面还加入了一个数据库, 大家可以看到这里,所以我可以直接在 excel 里面去调用这些数据。那我们有了动态的成分股,有了每一家公司在每一个时间节点的价格,就可以去计算它们的涨跌幅,从而算出来谁涨得好,谁涨得坏,从而去构建一年 一年时间维度的一个动量因子。你可能觉得这个很简单,对吧?就是把过去一年长得好的这些公司挑出来,就这么简单吧。没错,就这么简单。那我跟大家说一下,可能很多去做因子投资的人,他们会去搞一些非常复杂的一些因子,尤其是偏技术面的啊,包括做日内的,他们会构建非常复杂的因子, 其实因子并不是越复杂越好的,有的时候更纯粹的因子,更古老的因子可能会更加有效。并且动量因子呢,在学术也好,业界也好,都是被证明是一个长期有效的因子。那我们来看一下这个纯粹的古法动量,他是怎么跑赢标普的啊?来最终构建出来的动量的一个结果。 这里回测他也帮我做好了,你看每个月他会选出三十家公司,每个月有三十家公司,这 个策略还是蛮牛的。就拿最近很火的散碟来说,他在二五年十二月呢,就开始把散碟选进来了,非常的牛逼。然后呢,这个是回测的一些结果,比如说啊,挑选三家公司,二十家公司,十五家公司,十家公司, 呃,对应到同期的标普五百的变化,标普五百的净值变化呢?是从一变到了二点六六,这从一九年开始到现在。 那我们如果是动量的这些策略的话,你可以看到至少最终的净值,这个是很明显跑赢标普的。我觉得从一九年一月份回测到现在是非常有代表性的一个时期啊,因为我们在 这段时间里面经历了二零年的急跌,经历了二二年的熊市,也经历了二五年四月份中突发的解放日事件,这个策略都扛住了啊。我们也可以看到 sharp ratio 非常漂亮,达到了一以上,然后这个是一个追求 alpha 的 策略,所以它的 information ratio 呢? 呃,这个持二十只和持五只都是来到零点八以上,非常好看。但这里有一个问题,就是这个最大回测是月度的, 而且呢,为了计算 alpha 呢,我还用 capm 去构建了一个 benchmark。 那 我们可以看到 alpha 的 数据情况啊,包括 r squared 可以 看到。呃,有多少是可以被大盘的涨幅去解释掉?其实当我们选股来到十五二十只,也就只有一半左右的涨幅能被大盘解释掉,剩下一半呢,都来自于选股。 这个数据结果是蛮不错的,而且做法呢,也是非常的简单纯粹。但有个问题就是我之前在手搓的时候,也只能看到月度的一个情况,对吧?但是在这个里面,月度的最大回测其实是低估的人,因为他有一个平滑的效果,所以我想要看日度每一天的变化,所以 在 ai 的 帮助下,他帮我把日度回测也做了出来。你看他给我构建了三个非常牛逼的指标, 超级多的数据,光是拉取这个数据都跑了我好一会儿。然后我们可以看到日度回测的结果,这一条线呢是 sp 五百,那么剩下的上面这些线呢?以及下面的线呢,就是不同数量的一个动量因子的一个持股情况变化。最屌的来了,整个这个模型的构建 几乎都是由 cloud 完成的,大家可以看到在我的 excel 里面呢,我可以把这个 cloud 给调用出来,那我想要 呃去做什么东西,我只要跟他说,然后他自动就帮我在 excel 上面去处理了,太牛了,而且我的 excel 还接入了数据库,所以从取数据到数据处理这种效率哈,以前可能一个金融工程的团队需要干个三五天的,现在这 现在这玩意直接两个小时就搞定了。我也跟硅谷的两位朋友交流过啊,那两位都是马农,不约而同的给出了我一个感觉裁员潮很快要来的答案。而且这有一个很牛的地方呢,就是我一开始去算 capm 的 时候,因为我要用到无风险利率嘛,所以我要把每在十年期的无风险利率去把它给调用出来。 但这个数据库的调用呢,出了一点问题,那我就抱怨了两句啊,你看我给这个 cloud 说烦死了,结果这家伙直接就给了我一个替代的方案,他自己跑到美国财政部的网站上面,把美债十年期收益率的数据给扒了下来。但我们并不是说十年期美债的这个收益率是什么很难 获取的数据,只不过说在这个过程当中,它是会自己思考,并且自己进化,自己迭代,自己去完成任务的,这真的太夸张了,不过你说那我们人类还有没有用呢?其实目前来看是有一点用处的啊,因为这个模型在构建的过程当中呢, ai 它犯了一点小小的一个错误。那 但就是你好歹你要之前知道说你在做一个什么样的事情,可能你才能够看得出那个错误。因为我此前是首抽过一个版本的,只不过呢,在我首抽的版本里面有很多细节以及效率提升的方面, 这个把 ai 直接嵌进 excel 之后,可以帮我非常完美的提升,甚至有了这个东西,理论上面来说,几乎世界上面所有的对冲基金的策略,我都可以顺藤摸瓜地去复现出来,就是这么牛逼。总而言之一句话,留给我们的时间不多了,不知道朋友们你们怎么看?反正用完之后我非常之震撼。
粉丝20.1万获赞51.9万

我发现一个非常好用的 skill, 就 这个 qwares, 它可以让你的 openkey 直接接入 a 股和美股,让你实现二十四小时股票分析自由。操作很简单,一共就三步,首先进入 qwares 平台,然后注册账号, 再点击这里复制它的链接和 api k。 第二步,在 open ledger 中直接让它帮你配置这个 skill, 配置完成后进行第三步测试。直接问一句,今天 a 股有哪些涨停股票,看到了吗?实时数据直接返回,我们再试一个 现在黄金价格多少秒回。这就是接入 q virus 之后的结果,而且它的数据是可信的,有时候让他帮我定时监控股票的涨跌情况。它的数据是获取了同花顺的实时行情的数据发送到我的飞书上面的。

兄弟们,前两天我把 openclaw 接入了 qaires 放进了非书里面,它就实现了七成二十四小时的 a 股分析师。现在只需要两步,你自己的 openclaw 也可以轻松接入 qaires, 实现全球金融市场的分析自由。那本期视频呢,要和大家详细演示一下具体的操作过程,大家手把手去上手 qaires, 你可以将它理解成为 icon 打造的一个原声数据工具接口,让你的 icon 能够通过一个接口去获取上万种动态数据。简单来说就是给 icon 装上了连接真实世界的眼睛, 那它核心功能包含,比如说像市场分析对吧?像社交媒体追踪,包括多零数据整合,那通过这些标准化的接口就可以访问海量的数据和工具。首先我们打开浏览器的这个官网,然后呢我们找到这个地方,点击我是 icon, 我们只需要将这段话复制到我们的 open cloud 里面去, open cloud 就 会自动的去爬取当前的这个 skills, 然后以及具体的安装过程。它学习完成之后呢,会在你的电脑上安装好 qwires。 在 使用之前呢,我们需要配置一下它的 api key, 登录之后呢,这里会生成一个 api key, 那 这个 api key 呢,目前是免费送一千的额度,当你邀请好友是可以得双倍的,我们将这个生成的 api key 复制下来, 再粘贴给 openclaw, 这时候呢 openclaw 就 会自动的完成所有的配置,并返回测试结果。好,我们可以看到已经安装好了,这时候我们在 timegram 或者分数里面就可以去使用我们的这个 quick。 我 们下面来尝试布置一个小任务,要求它进行一个 a 股的实时监控, 这里呢,我们让 kris 支持每十五分钟自动运行 a 股的监控任务,并且生成涨跌幅的 top 十的榜单。那这样通过这样的形式呢,我们就可以很方便的看出,哎,今天到底是哪一些 a 股的涨幅前十的股票,对吧?我们可以分析它的增长潜力。那 奥本克劳呢,通过调用 kris 的 epi, 在 几秒内呢,就返回了完整的榜单。那这种实时监控呢,对于需要实时盯盘的投资者来说,那简直是神器。好吧,我们在工作的时候就可以实时的看到当前的一个结果 啊,并且呢,它还可以在分数平台内通过 qiris boot 实现七乘二十四小时自动的分析,实时的输出这个涨跌幅的啊排行任务。 那除了我们刚刚说的 a 股的实时监控之外呢,它还有一个加密货币的追踪,比如说,我们可以看到 qiris 实际上是支持多币种实时价格查询的,比如说像比特币和 usd, 或者比特币和 cny, 对 吧?那通过这样的方式可以很清楚地看到换算的数据速度是非常快。 这种多币种的追踪能力呢,对于加密货币投资者来说是非常实用的。当然呢, qwars 还有一个特别实用的功能,就是社交媒体整合,我 先让它 openclaw 总结今天最热门的 a i 新闻,那可以看到呢, openclaw 不 仅调动了 qwars 返回了完整热点榜单,还附带分析的趋势,这种社交媒体热点整合能力呢,那 openclaw 不 仅可以分析金融市场,还能够去追踪行业的动态。 当然如果你还没有安装 windows 的 话,你也可以直接安装 qwires 提供的 qwires boot, 因为它本身上是站在巨人的肩膀上,急于 openclaw 进行二次开发。但往一些开源到的 get up 上,大家可以直接去 star 使用方法呢?大家可以查看这个 redmi, 可以 说是相当的全面。那视频的最后,我想说 qwires 和 openclaw 集成呢,为 ai 智能连接打开了新世界大门。 那现在你只要复制一句话,再念个 open cloud, 再配置一个 api 应用,就能让 open cloud 实现七乘二十四小时自动的 app 思想监控以及加密货币的追踪,包括了各平台的数据整合。 那这些人力呢?无论是对于投资者还是行业爱好者来说,都是非常有价值的。当然如果你也对 agent 或者自动化感兴趣的话,也可以上手尝试一下 qwires。 好 了,那以上就是本期视频的全部内容啦,我是小刘,我们下期再见。

一分钟教你安装平民版战情室!最近 github 上一个叫 world monitor 的 开源项目火了,成为本月新热榜第一,当下狂揽三点八万颗星,被网友称为平民版战情室。使用方式非常灵活,简单版直接浏览器访问 world monitor app 就 能打开网页版。它能将全球地缘、政治、军事、动态、金融数据全部融合到一个三 d 地球以上,实现一站式实时追踪,同时可以展示各地直播,也可以直接点击观看。更酷的是,它还有不同的专业版本, 比如侧重军事安全的世界版,关注半导体和 ai 的 科技版,追踪央行和交易所的金融版。甚至还有一个独特的快乐指标,通过监测五角大楼深夜披萨外卖量来判断全球紧张程度,可以说是非常有趣的情报氛围了。 定制版追求定制化和隐私的朋友可以去 get up release, 下载 windows 桌面客户端,一步步安装,然后自行对接 a p i, 就 能获得定制化体验。感兴趣的话就去试试吧!

家人们炒股的终极神器来了! openclaw, 一 键接入 a 股数据实时监控,智能选股、定时分析全搞定,从此告别手动查行情,轻松拿捏股市动态。先搞定 openclaw, 基础配置 更新依赖启动服务,深层都肯进入控制台,再去 clevis 官网拿 api 密钥,新手直接在控制台输指令,自动安装技能,老手也能手动命令配置验证成功就能查 a 股涨幅吧!实时行情高级玩法,直接拉满, 自定义定时任务,开盘前出策略,收盘后做总结。还能各股深度分析板块监控,设置跌幅预计,甚至跨市场对比。飞书 telegram, 多平台联动行情消息实时推 数据,还能导出 excel 做可视化, varies 用不了。还有 to share xshare 替代方案,常见问题也有专属排查方法,密要保护,数据合规全。提醒股民们赶紧安排,用 open call 把炒股效率拉满,轻松抓潜力股!

这是我的一个云端的一个龙虾啊,比如说,假如说你自己有数据源的话,你可以用自己的数据源,如果说你没有自己的数据源,你可以用这个,这个是我朋友做的一个啊,就是那个曲总他们做的一个,就是相当于接入了各种数据源, 金金融行业的各种数据源啊,这边啊,然后就是说你在这边的话,拿到这个对应的 skill, 拿到 skill 的 话,你把这个一复制, 然后在这边在你的 open core 里面一提交,那么它就会帮你去安装啊,就会帮你去安装。这个就很简单啊,它可以帮你去安装这个东西,你后面你就可以调各种金融行业的数据了。先说一下,因为这个里面其实有两个问题要解决,第一个问题需要让你的龙虾 具备就能够拉到金融行业的数据,你需要数据源,我这个已经拉过了啊,这个就相当我具备了金融行业的数据了。这第一个,第二个什么呢?第二个的话我需要策略,呃,比如说,呃,这样吧,就是我让他干一个事情吧,啊,帮我分析一下,随便一个吧,比如说渤海化学,就是,哎,能不能 啊?就是入手啊?举个例子啊,那么这个手的话,他自己会去调度上面的 skill, 去调度这个,呃这个的数据,然后他去做对应的策略,然后来帮我去分析这个东西啊,能不能入手,我们稍等他来结论啊,其实就很简单,你把这个东西给他就行了,使用非常简单啊,但是我给大家说一下, 模型一定要用好好模型,据我自己还有我公司很多同事的测试得出结论, deepsea 三点还是非常差的, 真的是用起来非常难用啊,然后建议大家可以用 lemax 了,那个像这国国产的,像 jimmy 了,这些都可以,就是像其他的会比较差一点啊,其他用起来会不太好用啊。其实这样的,如果你自己有数据源的话,你可以用自己的数据源 啊,然后这里看到了吗?结论有了,看这个,他分析,然后最新数据,然后三十一号是什么什么一二三,对吧,然后这个是这样的啊,然后信号分析,这个这个金叉,然后什么看到了吧, 他有些信号啊,就是这个金沙,就是我,就是 m 五大于这个 m i 零,然后就说如果你持有什么,可以,就是如果还买什么的,那我可以干一个事情,举个例子啊,假如说我是一个专业的,搞金融的,那么我可以给他一个策略,我说啊,帮我设设置一个 啊,设置一个定时提醒,每天早上啊,九点半啊,提醒我要不要 买入啊?买入,比如说某某某啊,我说一下,比如说要不要买入,就是我也可以写策略,我也可以不写,比如我写策略,比如说,哎,买入的观测啊,这个 m a a 五上穿啊,举个例子啊,比如上 上穿,这个 m a a 十啊,然后比如说 i s r 啊,在这个,呃,三十以内, 就是我随便说几个啊,随便说几个,大家不要当真啊,这个就是随便写的啊,比如说我再加一个这个啊,这个价格在 m a 一 百以以上, ok, 以这个为基点啊,买入这个这个 策略, ok, 那 么他就会帮我生成一个对应的策略,然后生成策略之后会在每天早上他会去评测那个时刻的这个对应的价格和各方面是不是满足这个东西,如果满足的话,他就会啊提醒我 啊,我可以让他就飞出提醒我,或者说可以让他给我这个,比如说微信或者邮箱都可以啊,甚至可以自动让他去帮我交易,比如说帮我去买入或之类的。 ok, 我 们来看一下啊,我们稍等一下啊。嗯,对,他会设置这个定定时任务,每天早上九点半定时提醒啊,他会他会设这个, 然后它上面会做这个对应的脚本,然后它会设置脚本之后它会每天会有定时任务啊,然后就是说你比如完事之后的话,它会在这个定任务里面会帮你放对应的策略啊,每天早上九点,你看这个它已经加上了啊, 这个只是一些,我给大家说了一个初步的用法啊,他每天的话他会这样提醒你啊。 ok, 他 每天早上可能会提醒你这个信息啊,他会告诉你这个一二三啊这些东西啊,好吧,就说这是一个想说的,一个就是说具体的一个东西,咱们这里肯定有很多非常专业的人啊,那么对于专业的人的话,如果说你要用怎么用呢? 比如说帮我生成一个啊,这个 pen 啊,比如说举个例子啊,比如说我用这个,比如我上面这个就是可以,可以干这个,我不知道,大家用 trading view 吧,我觉得专业的人应该会用 trading view 啊,如果用 trading view 的 话是这样的,就是你告诉他,比如参考官方的这个手册, 然后帮我写一个策略啊,比如说五日上川这个什么什么啊?写个策略, ok, 你 发给他,那么他会帮你写好喷的脚本,那么写好脚本之后的话,你只需要到这边啊,就到吹到他他这边啊,我们来看一下啊, 然后就说你需要到吹定位,他会帮你去写这个对应的这个策略啊,会写这个策略啊,稍等一下啊, 他帮你写好,那么写好之后的话,你只需要把这个对应的拿过去,拿过去直接用就行了啊,把这个策略拿过用就行了,然后就说可以把这东西复制过去,然后放在那个 pen 的 那个脚本里面就行了。举个例子啊,比如特斯拉 啊,举个例子啊,比如说你在 pen 的 这个,呃,在这个地方啊,在这个地方,然后你把你把刚才那个代码复制进来,然后添加图标啊,然后保存这些添加图标, 然后他就完成了,看到了吧?就完成了,什么时候这个买来买去就就用信号就有了,知道吧? ok 啊, 对,我以前我自己写一些策略啊,这这些年不写了啊,这些年不写了,所以的话我想说什么意思呢?因为每个人都有自己的那个非常牛逼的核心的一个东西啊,那你可以用它快速帮你写这个玩意,然后快速格式化, 那么这个的话是它能带来的价值啊,对于很多搞交易的、搞金融的朋友的话,就可以直接用它了啊,那么这也是一种方式,因为再加上啊,就说这边有很多的这个平台啊,这个平台有大量的各种各样的喷的代码和策略啊,有各种策略和代码,你可以把它 交给他,然后让他,而且让他去调度这些策略去分析,知道吧?你可以把他策略扔给他,让他去帮你分析,让他帮你分析。你可以把多个策略放在这里,把复制过来,然后放在这里告诉他,告诉你的这个 open pro, 然后说,哎,你帮我分析,你每天帮我去监测这些策略,只要出现信号 就告诉我,就提醒我。大家应该都知道一个事情,当年的换方做量化,那么它背后有很多策略,各种各样的套利策略, 那么套利策略的就是你今天想的这个东西能套利,明天想那个东西能套利,后天想那个,或者说学习别人有一堆套利套利策略,那么你可以把所有套利策略都可以放在你的 open curl 里面,然后当每一个策略就是你在某个固定的时间,比如三个小时出发一次, 当出现那个策略的触发的时候,然后你就可以把提醒你买入或者卖出,那么这个东西就是这么一个,这么一个玩法啊,玩法其实就是很简单,也是这种这么一毛。所以说 open clone 这个的话,我觉得这个的话就是说在金融行业,至少目前我们看到是可落地的,是可以玩的,是可以直接落地的 啊,那么这个的话是这个跟其他行业就是不一样的,这个东西买卖的话,你你可以把它授权, 你可以把你的这个,比如说童话顺呢一些软件可以授权给他,可以授权的,你要授权了就可以了 啊,就是基本上这种大多数,大多很多平台,比如说童话顺呢,这些平台他们都有接口吗?你直接把你接口授权给他就行了啊?你比如说为什么说量化公司很牛?量化公司的核心的,他的核心的牛逼的点就是说他能够有一套东西,就他有一个 非常强大的一个策略的点,就是说他能够有一套东西,就不停的在监测,在扫市面上的各种的 各种票,然后扫各种票,然后扫各种票是否有触发那个交易信号,然后如果触发的话,他就立马会提醒,然后来要不要执行这个操作,其实就干这么一个事情, 然后如果说你所有策略都是套利的,那你一年肯定有那么三三五次机会啊,你想一想对不对?所以这就是这个东西的一个魅力啊。刚才给大家介绍的一个龙虾在金融行业的用力啊,那么其实在其他行业也是一样的,记得点赞关注哦。

兄弟们,这下量化团队要失业了!这款由 quant connect 团队开源的量化引擎 lin, 已经在 github 上斩获超十三 k 星标,成为金融 ai 与量化交易领域的现象级项目。 它支持上百种数据源与券商接口,轻松跑通大部分交易平台。与传统量化框架不同, lin 采用 python c shop 双语言开发,可以通过模块化架构自定义交易逻辑。 也就是说,你甚至可以构建自己的多智能体交易系统,形成类似金融团队合作的 ai 决策链。项目本身自带回测引擎、风险评估、绩效分析、 可量化工具,一整套完整闭环,让你几乎一键就能复刻对冲基金的研究体系。而且最重要的是,它完全开源,免费支持本地部署,你的百万美金策略和交易数据只属于你自己,隐私安全拉满,有需要的朋友可以试试了。

金融从业者直接狂洗! antropic 官方下场放大招!开源 cloud 专属金融插件,直连华尔街顶级数据源,一键让 cloud 变身专业投行分析师!建模、研报、竞调全搞定,效率直接拉满!这套插件太顶了! 五大核心插件覆盖全金融场景,必装的财务分析插件,带基础建模工具,十一个 mcp 数据员还能安需加装投行、股票研究、私募财富管理插件,四十一个技能加三十八个命令,全场景无死角,五条完整工作留风绳。 从实时数据拉取到出版级研报,从 sketch 文件自动件、三表模型到抄并购材料生成 ppt, 上游连数据,中游做分析,下游直出 excel ppt word 一 步到位, 纯马克 dunk 和森编写,无代码定制换数据源,改流程,导入品牌模板超轻松,还直连标普目的等华尔街顶级数据商, 兼容 cloud 双平台, ipad 二点零开源,可自由修改,金融人再也不用熬夜做模型写研报!有了这套官方插件,人都是华尔街专业分析师,赶紧安排!

这个是我用 ai 做的,可以本地运行的这个一个 ai 股票分析系统,看一下啊,有个各股诊断,有个策略选股,那各股诊断输入你想要诊断的各股 分析,它是接入大模型的,接入千万大模型,直接是 ai 大 模型帮助你分析的。 嗯,看一下是这个数据智能分析,简要评价、 基本面分析、技术面分析,这都是实时数据的,有这个在新浪财经还有其他的一个网站上采取的实时数据,然后接入千万大模型进行 ai 分 析,各种技术指标、风险策略都有风险等级, 这是一个。然后呢?策略选股,策略选股,目前就是一些常用的策略,比如说巴菲特价值选股法啊,高股红利分析,反正这种常用的这个这些都是常用的策略。 然后可以加,随时可以加加加策略,加你自己的策略,加一些好的策略啊,比如说,比如说这个基础面,基础双双保险啊,开始 ai 选股来看一下,结果 选出一些股票,这是实的选择了一只、两只、三只、四只、五只,选出五只股票。

欢迎来到五分钟 ai, 每天搞懂一个知识点,今天我们来学习 ai 函数调用 function calling 一 句话,核心 function calling 是 大模型在对话中根据用户需求调用外部函数的能力。通俗的讲,它让大模型从能说会道的参谋变成了能动手做事的助手。 当模型遇到无法直接解决的问题,比如查询实时信息,进行复杂计算,它不再说我做不到,而是告诉你的程序。 hey, 调用那个 getwareless 函数 方宣 calling 的 工作原理核心在于大模型被调用了两次。第一次调用,用户提问模型分析意图,决定调用哪个函数,并生成调用参数。比如用户问北京天气怎么样?模型返回调用 getwareless 参数 location 等于北京。注意,模型本身并不直接执行函数,它只负责深层调用的指令,真正的执行工作由你的程序来完成。程序拿到结果后传回给模型。第二次调用模型将函数执行结果整合成对人类友好的自然语言回复。 来看最经典的案例,智能天气查询助手首先我们定义工具列表,告诉模型你有哪些函数可以调用。函数名, get current whereabouts 描述,获取指定城市的当前天气参数,城市名称关键点, description 描述,决定一切, 模型靠它判断何时该调用这个函数。用户问北京天气怎么样?模型第一次调用后,返回函数调用指令,你的程序执行真实的天气 api, 拿到结果再传给模型进行第二次调用,生成最终回复。 function calling 还支持进阶技巧并行查询,当用户问同时查询北京和上海的天气,开启 parallel to cause 参数模型,可以同时生成两个函数调用,请求你的程序并行执行,大幅提升效率。 另一个案例,股票查询系统定义 getstock price 函数参数是股票代码,用户问青岛啤酒的股价是多少?模型调用函数,程序连接金融数据 api, 获取实时信息,这就是方心 callin 的 核心价值。将语言理解能力与外部工具执行能力相结合 来看,实战代码,使用 openai python sdk 实现。天气查询第一步,定义 tools 列表, 告诉模型有哪些函数可以调用。第二步,第一次调用模型,模型返回函数,调用指令包含函数名和参数。第三步,你的程序执行真实函数,比如调用天气 api 获取北京天气数据。第四步,将函数执行结果添加回输入列表,类型为 function call outproed。 第五步,第二次调用模型,模型整合结果,深层友好的自然语言回复好消息。国产大模型如通用千问、 deep seek 都兼容 open ai api 格式,换个 base url 就 能用。 最后来看四个关于 function calling 的 冷知识。冷知识一,模型没有手,大模型只是超级大脑,只生成调用计划,不执行代码。冷知识二,描述决定一切,函数的 description 写得越清晰,模型调用越准确。 冷知识三,思考过程可控,用 to choice 参数可以强制调用或禁止调用某个函数。冷知识四,与 m p p 的 关系 function calling 是 基础版, mcp 是 企业及工具箱协议,两者互补。掌握 function calling, 让你的 ai 助手突破边界,完成更复杂的任务。五分钟, ai 每天搞懂一个知识点。

如果你正在做量化交易,那这款开源项目你一定要了解一下。 get up 上这个 ai hack fan 的 项目,真的把 ai 和量化交易结合的特别实用。它是一套完整的 ai 量化对冲基金模拟框架,覆盖了金融数据获取、 ai 策略建模、风险控制到回测评估的全流程。 不管是宪信回归、随机森林这类经典模型,还是 lstm transformer 这些前沿的 ai 模型都 不能用来搭建量化策略,还能计算下浮比例、最大回撤等核心风控制标。整个项目基于拍份开发,还有现成的势力代码可以直接运行,就算是量化新手也能轻松上手。想学习 ai 在 金融领域的应用或者入门量化交易的话,这个项目真的值得收藏。

今天早上我是起了个大早,一起来,我就在找什么样的一些蓝领技能是值得学习的,我准备这两年给自己去装备一些蓝领的技能,以防自己以后被 ai 给替代掉。那么为什么会有这样的一个想法呢?因为昨天晚上我用 ai 帮我完成了一个非常非常不可思议的事情。 那么大家也知道我在大 a 的 一个思路其实是做这个基本面量化,基本面量化其实就是通过一些基本面的指标去选出那些符合条件的公司,然后再去进行买入。 那么我的很多模型,它的参数指标其实是非常复杂的,那么筛选起来如果你不会写代码的话,其实是很耗费时间的,那么我昨天就在想能不能说用 ai 帮我去完成这个工作, 但是我试了一下,我没有想到 ai 真的 帮我完完全全的把这个工作给完成了,也就是说我以后再也不用找人写代码,再也不用自己去做任何的筛选了,只要投位数据, ai 就 可以自动帮我完成一切的工作。 那么这条视频我就跟大家分享一下,我是怎么样去做这件事情的。那么事先声明,不构成任何的投资建议,这条视频也没有任何的投资建议,里面所有的标的名字代码全部都会被消除。 这条视频只是单纯的一个方法论的分享。那么我在大 a 主要有两个模型啊,一个叫做高质量股息模型,一个叫做大黑马模型。高质量股息主要是去作为一个红利低波的替代品,在红利低波的一个基础上去获得更多的一个阿尔法,那么大黑马模型呢?他选出来都是那些景气度在快速上升的一些公司, 那我就以这个高质量股息模型为例,让大家看一下 ai 是 怎么样帮我完成这个工作的。那么首先可以给大家简单的看一下我这个模型需要的一些参数,那我们看一下屏幕上这张图片吧。高质量股息这个东西,归根结底还是要去考核他的一个股息率,他支付股息的一个稳定性,支付股息的一个能力以及他基本面边际变化的一个方向。 那我们来看一下需要哪些指标。比如说我们要考察过去三期的一个股息率,它都要位于前百分之三十,然后过去一年的一个分红比例要大于百分之三十,然后还要去考察 roe 的 一些趋势, roe 要位于整体的前百分之四十, 并且还要比较单期和上期的一个 roe 它的一个反比变化率要大于负零点零五,然后包括我们还要通过过去两年的一个季报 roe ttm 去计算它 roe 的 一个波动率,然后波动率也要位于后百分之五十, 然后包括我们还要去考核他股价的一个波动率,波动率不能太高,同时呢他的一个基本面边际变化方向还不能是恶化的,比如说啊盈收同比他必须要大于零,然后扣菲净利润的一个增速要到零到四百,然后还要去考察他的一个环比变化率,同时我们还要考察他净利润 过去两年复合增速的一个变化率,然后还有一些其他的,比如说估值要小于五十,然后我们要先去筛选分红大于百分之三十这个条件,再去做其他的一些计算和筛选。那么整体看下来,其实虽然说我觉得不能说太复杂吧,但是也绝对不算一个非常简单的过程, 至少你用市场上那些主流的券商软件,他应该是不能直接帮你做出来的。然后我们这里要做的第一步就是要去 iphone 的 上面下载数据,下载数据之后,其实 它原始的数据并不是所有都会给到,还有很多东西需要你去计算,比如说一些反比的变化率,比如说 roe 的 波动率等等等等,你还需要去计算出这些分位数的一个值。 但是我可以告诉你,自从我掌握了这个 cloud 之后,我只需要去下载数据就好了,然后把数据给他,他就可以帮我完成所有的事情。那我们接下来看一下 cloud 到底是怎么样一键式的帮我们完成这个过程。 那么这些数据都是我从 iphone 上面下载的,然后也是我需要的数据,然后所有的公司名字呢都换成了一个编号, 所以在这里是没有任何跟投资建议相关的信息的。那我们看一下,其实我们的数据是真的不少的,所有的公司都在里面,大概有五千多家,你可以看到到最后编号是到了五千多,所以这是总共五千多个公司。 然后我们之前提到需要的指标也都在里面,比如说有过去三期的一个股息率,然后有分红的一个比例,然后包括 roe 的 数据。你像我们前面说到了吗?我们需要去算 roe 的 一个环比变化, roe 的 一个分位数,以及用它过去的一个 roe 去算它的一个波动率, 然后包括股价的一个波动率,然后扣分 eps 的 一个增速,然后两期的,因为我们要算一个黄笔,然后营收的一个同比增速 pe, 然后还有就是呃净利润的一个复合增速。 那么其实大家可以发现这里面的数据量是不少的,然后还有很多东西其实是没有的,比如说黄笔变化是需要我们自己去算的,然后风味数呢?也需要我们自己去算,我这里都没有算,我这里只是拿的最原始 最原始的一个数据,那么这些计算的工作,包括筛选的工作都全部交给 cloud 去帮忙完成,我这里不会做任何的操作。好了,现在我已经有了所有的数据,我怎么样用这个 cloud 帮我去完成接下来的操作呢?大家可以看清楚,我点一下这个 cloud, 然后把我要给他的一个指令发送进去, 然后发给他就好了,他就会自动去帮我进行接下来所有的操作,所有的计算,然后他会把结果直接输出给我,那我们这里就等一等看吧,看他会做一些什么样的事情 好了,这边现在他是显示已经筛选完成了,然后他会生成一个新的表格,叫做筛选结果,那我们等他生成好就可以看到结果了,然后他说有十七家公司是通过了所有的条件好,然后我再点一下同意让他去生成这个表格 好,然后它就生成好了,我们可以看下它的结果,它这里帮你去计算的所有的风位数,就是你之前没有计算的东西,然后包括 roe 的 波动率的风位数, roe 的 波动率,股价的波动率的一个风位数,它全部都计算好了, 然后他会告诉你每一步塞完之后还剩下多少家公司,然后这是他的结果,我们可以看一下,然后跟我自己的一个结果去对照一下,这是他的一个结果,然后呃这边是我的一个结果,那么我这边也把所有的名字和呃所有的编号全部都去掉了,那其实你可以看到 他筛选出来的结果是一模一样的,大家可以看一下,其实是一模一样的,没有任何的区别,所以这个东西真的非常非常的厉害。 那么刚刚就所有的实操过程,我相信大家应该是比较震撼的。但是可能有些朋友心里会想,也没有你说的那么夸张, 因为其实他刚刚做的还是很多的一些机械式的计算,然后机械式的筛选,其实我觉得这对于 ai 来说并不算很难的一个过程。但是为什么我这么惊讶呢?因为我要告诉你,其实这些条件并不是说我完完整整给他的,而是说他自己学习的, 我是怎么样把它训练出来的,我现在要跟大家分享一下。那么昨天晚上我就大概把我的这个选股的标准给到了它,其实大家也可以看到前面那幅图,它是比较凌乱的,并且很多东西它中间的逻辑并没有那么的连贯。 那么我丢给他之后呢?让他去尝试的做一下,那么第一遍他没有做对,他没有做对之后呢?我就扔了两期我晚期的一个呃,这个筛选的一个文件给他,我说你自己去学习一下,然后对照我前面给你的一些标准,你去想一想你问题出在哪里,然后他竟然通过他的学习去完整的 领会了我所有的思路。比如说我前面说了,这个模型的第一步就要去考量这个分红比例,它必须要大于百分之三十,你要做完这一步才能做后面的步骤,那么它这个 cloud 竟然可以读懂,我是这么操作的,它将写出来了,我是这么操作的, 然后包括我后续的操作,它都自己通过我给他的两个案例文件全部都学会了,我没有再给他做任何的一些指导。 然后他学完之后呢,我就说我说你帮我生成一个扣的吧,就是我给你什么样的一个指令,你可以帮我去完成这样的一个动作,就是不管我给你哪一期的数据, 然后他就把刚刚那个指令给我了,所以那个指令并不是我生成的,而是 cloud 他 自己通过学习之后他自己生成的。 而且他这个东西真的非常非常的聪明啊。就是比如说你扔往年的数据给他,他可以自己去判断出来哪一期是最新的一个 roe, 哪一期是上一期的,然后哪两期要去进行一个黄笔的一个对比,他是可以自己去帮你分析出来的, 他并不需要你去告诉他任何东西,他也不会比错。比如说他一定会用最新一期比上一期,而不是用上一期比上最新一期去计算这个黄笔变化。 然后他还有很多比较厉害的地方,我自己只是举了个例子,然后随后我是扔了过去的六七版的一个数据给他去进行一个测试,那么无一例外他全部都是百分之百的正确, 也就是说以后我再也不用说找人写代码,或者自己去筛选,或者自己去做一些回测了,他可以帮我全部都完成。 那么这条视频就到这里结束了,就是真的跟大家表达一下我的一个惊叹和震撼。那么未来如果大家喜欢这样的一些内容的话,那我可以出更多的一些测试视频,我想看一下可乐到底还能帮我做一些什么样其他的事情。如果你对这样的内容感兴趣,可以点赞、关注加收藏,谢谢大家。

你还在靠感觉炒金吗?难怪你总是被割!当全网都在用 ai 画画时,真正的聪明人已经开始用 ai 收割行情了。 这就是最近金融圈疯传的爱分析 ai 黄金系统,它搭载了深层推理引擎 deep seek, 不 再是简单的划线,而是像顶级分析师一样,带你预见未来。只需一键秒出专业级报告。 从黑线形态到多维度指标, ai 帮你把混乱的数据梳理成清晰的交易逻辑。你看这个压力未预测,精准的让人头皮发麻。 国内首个专注黄金的 ai 分 析平台,二十四小时不间断并排,专业理性,不带任何情绪, 这才是你在黄金市场生存的终极外挂。你觉得未来的黄金是直冲营销,还是深耕蓄力?在评论区留下你的看法,我抽一位粉丝送出 ai 分 析体验权。

最近有个 ai, 一 周赚了八十多万人民币啊,不是人干的啊,是机器,他全部自动干的,他就在一个叫 party market 的 网站上面悄悄的在那干活,从上线到现在做了两万多笔交易,加起来一共赚了超过一千两百多万。 没有团队,也不需要办公室,就一段代码,然后面对全球的几十万真人的玩家,把钱一点一点的就直接赚走了。 那他是怎么做到的呢?首先第一点啊,你得知道他到底在哪赚钱了?这个地方呢,不是炒股的地方,也不是炒币的地方,那他的买卖呢?是猜一个可能性,举个例子你就懂了。比如说大家都在猜一个叫 taylor swift 的 什么时候结婚,那这个平台呢?就开了一个盘, 就问他俩二零二五年底会订婚吗?你觉得会呢就买,是觉得不会呢就买否? 如果市场上面大家都觉得可能性是百分之七十,那市的价格呢?就是零点七美元, 结果一出赌对的人呢,就按一美元去结算,然后赚这个差价。那说白了,这个棋就是全世界的聪明人拿真金白银去压住,去比眼光的一个地方,谁判断准了,谁就赚钱 好。那这个机器人呢?他其实不靠判断,他玩的是三样东西啊,而且样样都是人类完全做不到的。这三样东西呢,是什么呢?第一招就是减数学的漏洞, 你想啊,一个事情,不是是就是否,对吧?他俩的价格加起来,按理说应该正好等于一美元,是不是好?但是人一上头啊,那这个等式呢?其实偶尔会偏一下,比如说 选四的人的概率是百分之四十五,那他的价格就是零点四五,然后选否的人呢?他的概率是 百分之五十二,比如说他卖啊,零点五二,那加起来总共才零点九七。好,这个时候机器人瞬间其实他是同时买入了两边,然后他的成本价就是什么是零点九七,所以他铁定能够干嘛?铁定能够回收一块钱, 所以这中间就白赚了三分钱是不是?但是你不要嫌着三分钱太少啊,但是他一天呢可以干几千次,这样积少成多,是不是很恐怖?好,第二招呢, 就所谓的导爷就赚毫厘的差价,这个其实就跟现实生活里面去导卖票的黄牛是一样的, 在一个合约的市场里面,价格八十美分,他手速快,然后七十九点九美分买入了,然后挂八十点一美分把它卖出去,那这里面就赚了零点二美分的一个差价, 那一笔利润呢?他是很薄的,但是架不住他二十四小时不睡觉,而且也不停机啊,是不是好?第三招呢,是专挑一些打架的现场, 趁乱去下手,比如说像预测比特币五分钟涨跌的这种盘,然后整个波动是特别剧烈的,那有时候整个交易所也会突然的爆仓,那 真人玩家根本就盯不过来啊,整个价格是很扭曲的,是吧?那在这种恐慌中,机器人就能够很冷静的进场, 该买买,该卖卖,对吧?但是这个是没有任何感情的一个收割机,怎么样看出来吧?这三招其实他核心的一点就是首先一个他没有情绪,第二个就是通过机器他的操作是非常快的, 应该人会困会饿,也会出现贪婪,会出现恐惧,会在最关键的时候呢出现手抖。但是机器人是不会的,他只有冷冰冰的逻辑,这个就是他能够赢的一个根本的地方。好,那这个机器人是从哪来的呢?很多人在猜他这背后用的是什么, 其实就用的是 opencloud, 对 不对?对吧,江湖人称龙虾啊。然后呢,现在在 github 上面已经有二十五万多个赞了是吧?那最狠的一点呢,是整个门槛现在已经打下了,以前搞过交易的机器人,你得会写代码,需要懂接口, 需要做服务器,整个过程都很麻烦。但是现在呢,大家用上 open card, 不 用去深究技术的细节,简单配置一下,装上一些核心的功能模块,一些 skills, 他 就能够帮你去盯盘,去自己交易,然后自己去预测,去报警。 好,整个消息传出来之后,已经有人在小红书上面花一千块钱求人帮忙去部署这个东西了。 想一想,整个市场大家还在试水的阶段,连平台都忍不住说, ai 智能体已经在我们这自负盈亏的跑起来。 好,那第四点呢?现在冲进去,你还能捡到钱吗?我知道你在想什么,自己也赶紧整一个,但是我需要劝你冷静一点,现在可没那么好走。为什么呢?因为一旦这个套路公开了,其实就离失效是不远,因为平台自己也开始动手了, 包括加手续费啊,去堵这个漏洞啊,还有改一些规则,以前那种纯靠数学去套利的赚钱的,这个机会差不多就没了。但是呢,更有意思的玩法也会再出现,有人开始用 ai 来预测天气来赚钱, 包括气象局更新了一些预报,但是市场的赔率还没来得及更新,然后就有人利用这个几分钟的一个窗口期,然后 一千美元一年能够变成两万四,那更猛的是什么呢? ai 的 脑力竞赛也开始了,有论文测试了二十一种大模型在预测市场里面的表现,其中有一个模型五十天,它的收益是超过百分之二十的, 这说明什么呢?就这个赛道的竞争,已经从比谁手快进化到了比谁脑子好,还有手快好。最后我们聊一下,这是对我们普通人有什么启发呢?很多人一看这个新闻就很激动,哎呀,这是 ai 印钞机啊,赶紧赶紧上啊,对吧? 或者具体去复制一下这个机器人啊。但是可能你看到的时候就已经晚了,整个窗口说关就关,但是这件事呢,真正的价值不是让你去模仿,而是给你提一个醒,就是金融市场的玩家其实正在悄悄的换人, 最早呢,是一些人类的交易员对吧?再后来呢,是这些不知疲倦的没有情绪的 ai 智能体, 而且他们正在变得越来越聪明,越来越便宜。好看懂这个变化的人呢,会提前去琢磨自己在新的这个游戏规则里面自己能干什么,看不懂的呢,只会觉得这个世界越来越快,变化太快了,钱越来越难赚了,却不知道到底是因为什么, 不是机器人更贪婪,而是他永远比我们更加冷静,未来会怎么样呢? ai 杀入进入市场,这个只是一个开始, 包括外汇,包括期货,包括去中心化的金融,他都会进去的,工具只会更便宜,更好用。好,那我们该怎么办呢?送你三句话,第一个呢,不要神话他,不要以为 你照搬就能成市场,和你其实都是一直在进化的。第二个呢,就是要理解它背后的逻辑,它到底赢在哪里?是把一套判断的框架变成机器可以执行的算法,用自动化去替代重复的人力。那这套逻辑呢?放在很多需要做决策的行业里面 都值得去想一想了。然后第三个呢,就是认知是你的门票,你不见得现在就要去造一个机器人,但是你需要知道 这场变格正在发生,他为什么会发生,以及他可能会把你的行业变成什么样子。时代的红利永远会先分给那些看得懂规则的人,大家加油!

一个 ai 股市分析神器,短短四个月已经在 github 上揽获两万多新标。它可以自动的实时分析大 a 数据,并精准的将股市情报数据、板块涨跌数据、技术面分析、资金流动动向,多维度的分析报告及时推送到你的手机上,支持目前上面上的所有主流 ai 大 模型和数据源。 最离谱的是,哪怕你截图发给他,他也能自动根据图片信息精准分析回复,支持自定义策略和历史回测,复盘更是通过这个工具可以一键本地部署,哪怕你是技术小白,也能轻松搞定。如果你也想体验,戳评论区!

你还在用拆 gpt 查股票吗?他连财报数据都可能是编的。今天这个神器 dexter 专治 ai 瞎编的毛病,他在 tapp 上已经狂揽十八 k 星。他是个会自己检查作业的 ai 金融分析师。你想分析特斯拉值不值这个价?他先拆解任务, 抓取实时财报,然后重点来了,让另一个 ai 专门挑错,就像写论文让导师审稿,错了就重写,直到靠谱为止。还支持 whatsapp 直接问离谱但好用。金融圈已经卷成这样了吗?是的,戳评论区链接,亲自体验 ai 给你打工还不翻车?

个人开源数据工具,现在大家最常用的可能就图希尔 xir, 包括海外、彭博、雅虎都是比较好用的。对于个人来说,数据其实有几个最大的痛点, 免费的数据不全,实时的数据太贵。免费又实时的数据呢?响应很慢,比如说你去爬虫可能会实时会断,利用你的各种网关问题。然后第四个是你多种不同的数据融合,留存在很大的一个壁垒。比如说你拿米筐、驯头,还有万德的几个数据,你去把它们缝合到一起,你会发现非常累。 很多字段是不一样的,但是实际表示东西又是一样的,是我们所谓的一个字段不兼容的一个状态。但是我们觉得未来可能都会是一套数据,因为我们也在为这个方向去做努力。

今天最大的收获就是我的 ai 交易员在正式上线后向我提交的第一份作战方案。他自称这是当前技术限制下能实现的最高效、最接近自动化的方案。他的承诺很简单,开头也很锋利, 操作全天只需要输入三条指令响应,三十秒内给出完整的链条 依赖。我只需提供开盘价和资金数执行。他将自动完成从分析决策到晚尾盘准备的所有工作, 而最终,指令浓缩成了一行字。明日上午九点二十五,发送一条包含开盘价的指令,够简单吧,就是包含开盘价的指令。 明日上午九点二十五。此刻的心情对于我来说是复杂的。我被这个方案的简洁性和野心所吸引, 他试图将复杂的交易决策压缩成一个近乎于黑箱的高效流程。 我好奇在如此多的罪字背后,实际运行起来会是一个严丝合缝的精密系统,还是另一个精致的逻辑沙盘? 因此,我决定让他试一试。这不是全然的信任,这是一次冷酷的测试。明天上午九点二十五分,我会准时发出指令, 然后退后一步,观察它如何将一行数字展开成一整套的分析建议与行动计划。我是大蛇,我会记录下它生成的所有内容,以及最终的市场结果以及最优方案。 让我们用一次最真实、完整的交易日循环来验证这个词的含金量。
