这也能赚钱？AI辅助炒股系统（一）

缘起

让AI炒股炒币（https://nof1.ai/）是最近一项热门的领域，nof1的比赛简单来说是给各种大模型相同启动资金，让大模型自主决策进行虚拟币买入卖出以赢得利润，截止当前（10.26）QWEN大模型暂时领先，以85.91%高居榜首。但具体实现方式与提示词并未透露，无法证明某个大模型聪明与否，但也给予普通人一种量化投资的思路。

正巧我最近的研究方向主要是聚焦数据决策领域，AI的决策辅助工具也勉强算专家系统的一种演进。在高度数字化管理运营的今日，任何人或组织如果能理解数字、基于数字可以作出准确的决策将会有巨大的优势。借由自身也有这方面的经验，业余时间与各位一起学习，边做边学，边做边分享，目标实现一套基于大模型的股票半自动决策支持系统。

调研

目前市面上开源的AI分析系统较多，有兴趣可以观看这篇文章有详细介绍。文章介绍了openBB、AI2阿尔法、tradingagents等，目前市面上决策的量化软件很多，基本上实现方式类似就不做过多重复赘述了。用 DeepSeek 选股、炒股真的可行吗？https://www.zhihu.com/question/11380170158/answer/1961103312465159429

简单来说就是通过langchain/langraph搭建了一套multi-agent的系统，结合对应股票历史表现+提示词驱动结大模型进行多角色推理、讨论、反驳、决策。单独的决策模块的核心是：

• 大模型
• 提示词设计
• agent-team设计

以tradingagents项目举例，其重要决策模型如下，会有由多个agent组成researcher-team帮助进行激进、保守的讨论，最后由trader制定交易策略，最终结合各方的讨论意见产出具体股票的报告。这个模式与之前的基于深度学习、IC因子量化方式有所不同，对于普通人更加友好，低门槛且便于理解，借助基座模型已有的强大推理能力，普通人也可以迅速到达比较高的系统水平。

但目前的架构均有普遍且明显的问题

• 缺乏基础评测功能
• 缺乏交易策略设计
• 缺乏全面数据优化

以上笔者调研了多个系统后普遍发现的问题，但并不代表当前开源系统不可用，但目标是较高收益率的话，就需要结合个人对市场的理解有针对性的持续优化。

理清思路

明确目标

• 在A股市场提供中长期策支持
• 季度可盈利

对于A股的选择主要由于交易方便，后续如果A股稳定也会拓展其他场。另外超短线和短线需要较强的工程技术保障，且容易消耗个人太多精力、系统成本过大。

如何评测

• 单个股票独立评价效果
• 多个股票汇总评价效果
• 设计执行策略预测营收

评测能力是系统中的重点，需要考虑模型、版本、提示词、结构等因素进行评价，与训练系统、试验系统相似。当然每个人对市场的理解都是独一无二的，所以每个人想出的策略也是各有差异。我们设计的系统主要是结合个人策略进行模拟，提升预测收益的准确性。

股票市场本身是零和博弈的游戏，代表想盈利只需要做到相对最优即可。假设个人决策质量高于99%的个体，大概率会有好结果。笔者只会提供系统设计的思路和方法，绝不会提供具体股票的投资建议与引导。

小结

本周系统各模块已在开发和设计中，下周系统的设计会与各位同步。今后也会以连载的方式在csdn上更新同步系统的运营情况，感兴趣的小伙伴请点赞+收藏，评论区提出你的问题与思路。

附录

https://www.zhihu.com/question/1963713236953203912

https://www.zhihu.com/question/11380170158/answer/1961103312465159429