【免费下载链接】OpenAlice
Your one-person Wall Street. An AI trading agent covering equities, crypto, commodities, forex, and macro — from research through position entry, ongoing management, to exit.
本文讲解 OpenAlice 内置技能build-thesis:当用户手里只有一个标的(ticker)、还没有形成确信度时,如何用可执行的数据工具把“名字”升级为“论点”——一条有脊梁的论点:什么必须为真、你和共识的差异在哪里、什么会证明你错了。读完你会掌握左侧/右侧双向判断的完整方法、traderhub/alice analysis/board的工具组合用法,以及如何把论点以<theme>/notes/<TICKER>.md的形式持久化为可监控的“活文件”。
双向论点:左侧与右侧
build-thesis的核心主张是:从两侧同时评判一个标的。大多数真实资金是中期或短期的,等不到价值回归——所以右侧(市场是否真的在偏爱这个标的)通常是实际盈亏(realized P&L)的主要驱动。不要停在“它很便宜”。
- 左侧(LEFT):数字是否站得住?估值相对于自身历史、相对于产业链同侪如何?价值真正依赖的 2–3 个假设是什么?共识/预期在哪里——以及最重要的分歧观点(variant view):你在哪里不同意华尔街,为什么。没有分歧观点,就没有超额收益(edge)。
- 右侧(RIGHT):市场本身是否在偏爱它?(在产业链上的横截面判断)相对强度、资金轮动方向、板块与宏观顺风。没有右侧确认,左侧再便宜也可能是一把下落的刀。
右侧的“什么必须为真 / 什么会证明你错”正是持仓监控(position monitor)关注的钩子;裁决之后要落地执行,则交接给alice-uta技能走交易审批流。
工具栈:先跑工具,不要凭记忆作答
技能的硬性纪律是“don't answer from memory — run the tools”。涉及三个 CLI 面:
| 用途 | 工具 | 覆盖内容 |
|---|---|---|
| 估值 / 预期 / 共识 | traderhub equity | profile、financials、ratios、estimates(分析师目标价共识)、insiders、short-interest、earnings 日历 |
| 相对强度 / 动量 / 相对历史的 z-score | alice analysis quant | 受约束的无副作用量化表达式语言,按 barId 取 K 线 |
| 板块 / 宏观框架 | traderhub board | macro、movers、calendar、valuation、term-structure、global-macro、shipping、fed、rotation(GICS 板块轮动表) |
新闻源按问题性质选择(见 traderhub、alice-analysis、alice 三个技能文档)。build-thesis是默认捆绑技能之一:chat 工作区模板的bundledSkills数组即包含scan-value-chain、build-thesis、sector-rotation、retrospective等(见 template.json,指引见 instruction.md)。
执行步骤(第 0–5 步)
第 0 步:锚定比较集
右侧判断是相对的——“强”只有对照同侪才有意义。如果该标的所属主题的价值链地图(来自scan-value-chain)已存在于 dossier 中,直接用它作为同侪/产业链集合;否则先草拟价值链——没有它,你不知道该拿什么做对照。
第 1 步:陈述主张
用一句话说出:要让这笔投资成立,必须发生什么。这是论点的脊梁,后续“什么必须为真”与“什么会证明你错”都围绕它展开。
第 2 步:左侧——数字是否站得住,以及你与共识的分歧
- 你自己的量化:相对于自身历史和产业链同侪的估值;价值实际依赖的 2–3 个假设。
- 别人的量化:共识/预期落在哪里——以及最关键的部分,你的分歧观点:你在哪里不同意市场,为什么。
- 必须为真(左):承重的估值假设。
- 证伪信号(左):什么会击穿基本面论点。
第 3 步:右侧——市场是否在偏爱它(在第 0 步的产业链上横截面判断)
- 相对强度:该标的 vs 其所在层同侪 vs 产业链 vs 大盘——领先者还是落后者?(落后者要么是左侧建仓机会,要么是下落的刀——必须指明是哪一种。)
- 资金轮动方向:资金在流入还是流出该节点/标的。流量数据是薄的——要透过价格/成交量动量、市场宽度(谁在领涨、谁在落后)和新闻叙事去读。
- 板块 + 宏观顺风:整条产业链是否处在宏观的顺风侧,还是该标的在逆流游泳?
- 必须为真(右):必须持续存在的趋势/资金流/板块强度。
- 证伪信号(右):动量破位、资金轮出、产业链整体走弱——这些正是持仓监控会盯住的钩子。
第 4 步:共识与已定价
这是否已是共识交易?容易的钱是否已经赚完?一个左侧+右侧都正确、但人人都在持有的论点,是一笔拥挤交易(crowded trade),不是超额收益——任何超额收益都只可能存活在分歧观点里。
第 5 步:裁决
合并两侧 → 论点是否真实?机会属于左侧建仓(早期、便宜、市场尚未确认)还是右侧建仓(市场正在确认、为更低的时间风险付溢价)——还是两者都不是。产业链地图经常能把视线从拥挤的龙头引向承载边际强度的、不那么拥挤的名字。
输出:写入 dossier,成为可更新的活论点
论点必须持久化为<theme>/notes/<TICKER>.md,放在价值链扫描(scan-value-chain)启动的 dossier 里(若尚无布局,先与用户确认,不要强加)。单标的笔记就是活论点:主张、两侧、必须为真、证伪信号观察清单。下一次会话直接读取并按信号移动更新它——永远不要从零重新推导。右侧的证伪信号是交接给持仓监控步骤的接力棒;要按裁决行动——建仓与下单走审批流——那是alice-uta技能(交易即 git 的git status/commit/push/reject审批流,见 alice-uta 技能)。
完整示例:NVDA(示意——对任何标的都应重新跑一遍)
主张(Claim):NVDA 持续增厚数据中心营收,因为超大规模厂商 capex 尚未见顶,且它仍是市场选择拥有 AI 硅片的方式。
左侧(Left):相对自身历史和产业链同侪,多数倍数上估值偏贵——不是价值便宜货。共识已经把数年的数据中心增长模型化进去了;唯一有超额收益空间的分歧观点是窄的——“CoWoS/HBM 供应是否会封顶华尔街正在模型化的增长?”/“定制硅片——TPU、Trainium——是否会悄悄蚕食份额?”。必须为真:capex 不见顶、~主导性加速器份额保持、利润率保持。破位信号:数据中心指引下调、利润率压缩、可观测的定制硅片份额流失。
右侧(Right):AI 硅片产业链的龙头,享受整条产业链的顺风——相对强度强。但锚定在产业链地图上看,边际强度已经从龙头名字向下游迁移,到了 HBM + 先进封装瓶颈(MU / SK 海力士 / Amkor)。必须为真:AI-capex 叙事持续、NVDA 仍是市场选中的领导者。破位信号:动量掉头、“capex 见顶”叙事成形、资金从 NVDA 轮向落后标的或流出产业链。
已定价(Priced-in):NVDA 是那个共识 AI 交易——极度拥挤。左侧+右侧可以同时成立,超额收益仍然很薄。
裁决(Verdict):左侧 = 公允偏贵(没有左侧便宜货),右侧 = 龙头但拥挤。产业链地图给出的信号是:更干净、更不拥挤的右侧交易可能出在瓶颈名字上,而不是 NVDA 本身——这正是双向 + 产业链锚定的读法能浮出、而单看一眼名字会错过的判断。
源码级印证:量化引擎与轮动表
alice analysis quant背后的 barId 量化引擎
quant对应 src/tool/quant.ts 中的calculateQuant:一段小脚本先做bars("barId","1d",count=250)绑定,再给最终结果表达式。函数目录覆盖趋势(sma/ema/macd/slope)、动量(rsi/roc)、波动率(stdev/atr/bbands/zscore)、成交量(rvol/obv/mfi/vwap)、统计与比较(correlation(a,b)−1..1,注释明言用于“relative strength / pairs / tracks the sector?”)——与技能中“相对强度、动量、相对历史 z-score”的用法一一对应。zscore(series, n?)在求值器中按Stat.ZSCORE(c, p)实现(见 evaluator.ts),correlation对两条序列做 Pearson 相关(见 statistics.ts)。面板(dict/list)机制允许一次调用批量计算多时间框架,例如{ "1h": rsi(h1.close,14), "4h": rsi(h4.close,14), "1d": rsi(d1.close,14) },脚本失败时返回{ error: { kind, message, suggestion } }而不是崩溃。
traderhub board rotation的轮动分数实现
板块轮动表的域实现在 sector-rotation.ts:枚举 11 只 SPDR Select Sector ETF(XLK/XLC/XLY/XLP/XLE/XLF/XLV/XLI/XLB/XLRE/XLU,见 GICS_SECTOR_ETFS),以 SPY 为基准(BENCHMARK_SYMBOL),在1D/1W/1M/3M/6M(对应 1/5/21/63/126 个交易日,见 PERIOD_DAYS)多个回看窗口上计算收益率与相对强度(减去基准同期收益)。核心信号rotation_score = mean of cross-sectional z-scores of momentum_acceleration 和 dv_share_change——动量加速度 = 1W 每日斜率减去 3M 每日斜率;dv_share_change= 今日该板块占 11 板块总成交额(close × volume)的份额减去其 20 日均值份额,>0 即比近期常态多分到板块资金。方法论字段明确标注了警示:ETF 成交额只是资金流的代理,受单票集中度与申赎/对冲流干扰,不是干净读数。该工具与/api/market/sector-rotation路由共用同一 hub-first 解析,Agent 与 UI 读到的是同一张表(见 sector-rotation.ts 工具)。这正是技能第 3 步“资金轮动/板块顺风”判断的底层数据。
共识与分歧的证据面
traderhub equity estimates对应 src/tool/equity.ts 的equityGetEstimates:返回卖方分析师目标价的 high/low/consensus/median(Yahoo Finance、无 key)。注释给出读法——拿共识价与现价比较得到隐含上行空间,high-low 价差读作分歧度:价差越大,市场对这只票的分歧越明显。这正是技能第 2 步“别人的量化 + 你的分歧观点”要用的输入。
新鲜度契约:右侧信号别用陈旧数据
alice analysis snapshot(见 src/tool/snapshot.ts)为带日期的 as-of 读取:asOf之后的 K 线绝不外泄(无 lookahead),并携带isLatestActual/staleTradingDays/freshnessWarning契约——isLatestActual: false即最新收盘是陈旧的,不能当作“当前价格”报出。右侧动量、轮动、破位信号的判断全部建立在价格数据上,陈旧或未来泄漏的数据会让“市场是否在偏爱它”的结论失真(完整工作流见 retrospective 技能)。
在 OpenAlice 研究流水线中的位置
build-thesis是“有名无确信”的中间步骤:scan-value-chain从主题扫出 3–6 个值得研究的名字并留下“下一个问题”,build-thesis接住这个接力棒(“the next question: is the thesis real?”),把名字变成可行动、可监控的论点;右侧证伪信号再交给持仓监控;裁决落地执行交给alice-uta。整个链路坚持“研究必须落成文件”的编码化工作流——论点写入 dossier 后 git 可追踪、会话丢失也不丢失,下一次会话从文件继续,而不是冷启动。
【免费下载链接】OpenAlice
Your one-person Wall Street. An AI trading agent covering equities, crypto, commodities, forex, and macro — from research through position entry, ongoing management, to exit.
相关推荐
financial-services 插件实战:用 thesis 命令与 thesis-tracker 技能搭建可验证的投资论点追踪体系
financial services 插件实战:用 thesis 命令与 thesis tracker 技能搭建可验证的投资论点追踪体系 导读 本文围绕 fin
人工智能AI 应用AI 技能/插件AI Agent金融科技Slate React v2 持久化投影方案:用 RangeRef 承载持久标注锚点,而不是把一切都伪装成临时 Range
Slate React v2 持久化投影方案:用 RangeRef 承载持久标注锚点,而不是把一切都伪装成临时 Range 本文是 plate 仓库(Rich
前端富文本UI组件Higress 全国招中标 MCP Server:用一份 YAML 把云市场招投标 API 变成大模型可直接调用的工具
Higress 全国招中标 MCP Server:用一份 YAML 把云市场招投标 API 变成大模型可直接调用的工具 本文以 plugins/wasm go/
API网关后端云原生LLM 网关人工智能MCP 服务
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考