登录社区云,与社区用户共同成长
邀请您加入社区
FinRobot 解决的是「AI 写研报不靠谱」这个真问题,解法是多智能体分工 + 代码化估值——让 AI 复刻投研团队的角色,用代码保证数字准确,用辩论避免单边结论。它适合分析师、量化研究者、以及想自动化投研流程的人。但也要认清边界:它产出的是「研究辅助」,不是「投资建议」;金融数字虽准,但结论仍是 AI 判断,需要人工复核;且多数据源配置和 LLM 成本是需要正视的门槛。如果你也想不折腾环境就
FinAgent 的交易员阶段,接收研究经理计划与四份分析师报告,由LLM生成中文交易方案,并提取,供风控与页面展示使用。交易方案供人阅读,供程序使用,再交由风控阶段审议与修正;结果同时进入Markdown报告与前端独立Tab(结果页交易员有自己单独的报告页)。
垂直领域Agent是指专门服务于特定行业场景,具备领域专属知识储备、符合行业监管规则、能够完成特定专业任务的自主智能体,是大模型向产业落地的核心载体。对比维度通用Agent垂直领域Agent(以医疗为例)知识覆盖范围全领域通用知识仅覆盖医疗领域专业知识,超出范围主动拒答幻觉率20%~40%❤️%(符合临床要求阈值)合规性无强制合规校验必须符合《医师法》《临床指南》等监管要求可解释性黑盒,无法溯源回
qteasy是一款专为量化交易设计的本地化工具包,具有以下核心特点: 本地化全流程:支持数据获取、回测、优化、模拟交易全流程本地运行,保障隐私和可控性 防未来函数机制:通过数据窗口注入方式,确保回测仅使用"当时可见"数据,提高可信度 高效向量化计算:采用NumPy+Numba实现高速回测,支持多进程并行优化 策略组合灵活:内置70+策略,支持积木式多策略组合和参数优化 国内市场
2026年4月,金融科技领域正在经历一场静悄悄的革命:Fincept Terminal(现代化金融终端)单日增长1,169 Stars,Kronos(金融市场基础模型)本周增长6,026 Stars,TradingAgents(多Agent交易框架)本月增长18,900 Stars,AI Hedge Fund Team本月增长4,818 Stars。这些数字背后不是简单的"AI+金融"叠加,而是。
本文深度解析 Hermes Agent,揭示其如何赋予 LLM 精准的金融思维与行动力。你将看到它如何攻克数值推理难题,通过原生函数调用与代码执行机制,助你构建可靠的量化投研智能体 💡。
本文介绍如何使用qteasy量化交易框架创建大小盘轮动交易策略。qteasy是一个功能全面的Python量化交易工具,支持数据获取、策略回测、参数优化和实盘交易。文章展示了如何通过内置的"ndayrate"策略实现轮动选股逻辑:比较两个指数20日涨幅,选择涨幅较大的持有。具体步骤包括创建Operator对象、配置策略参数(如选股数量、排序方式等),并提供了详细的策略文档查询方法
本文介绍了一套基于Python的自动化解决方案,用于从上市公司PDF财报中批量提取关键财务指标。方案采用PyPDF2进行PDF文本解析,pandas进行数据处理,通过定义核心财务指标(如资产负债率、净利润等),编写提取函数实现指标定位、数值清洗和派生指标计算,最终将结构化数据导出为Excel。该方案支持批量处理多个PDF文件,包含异常处理和数值校验机制,显著提升了财务数据提取效率。文章详细说明了环
最近 AI Agent 的风越吹越猛,后台好多朋友问:想搭一个能 “自己干活” 的 Agent,完整流程到底是啥样的?今天直接上干货 —— 这张白板图,把 Agent 从 “接用户需求” 到 “交出结果” 的全流程扒得明明白白,新手也能秒懂!
在做量化交易、行情监控系统、或者金融数据分析时,一个非常现实的问题是:如何同时获取 A股、港股、美股、期货、外汇甚至加密货币的实时行情?结果就是:代码变得异常混乱,维护成本极高。
Dexter、RD-Agent、ValueCell、实战、FinanceToolkit、Fincept Terminal、QuantDinger、betting-against-beta、frontier-alpha、
你是否曾经历过:为了分析一只股票,花3小时翻遍10份券商研报、5份财报,手动算完12个财务指标最后还搞错了市盈率?你是否想过拥有一个24小时待命、持有「虚拟CFA证书」的专属投研助理,1分钟就能输出一份专业级的个股分析报告?本文将从零开始,带你完整搭建一个可直接运行的金融分析Agent,覆盖核心概念解析、技术原理推导、全栈代码实现、实场景测试、合规风控设计全流程。
过去我们做多模态 RAG,要么拿 VLM 给图片写个 Caption,然后当纯文本搜;要么就是用 CLIP 或者 SigLIP 这种模型去做端到端,虽然 SigLIP 作为 CLIP 的改进版,在 Zero-shot 场景下确实能打,处理非统一分辨率图片时也更灵活。但是,在某些情况下,这两种方法都不太够用——比如当你的知识库里混合了长文本、复杂的统计图表、视频流时,单纯依靠 CLIP 这种粗粒度的
金融监管报送的自动化已不再是“选答题”,而是“必答题”。通过引入实在Agent等代表性的企业智能自动化方案,金融机构能够有效补齐传统模式下人工复核效率低、易出错的短板。展望未来,随着大模型技术的持续演进,Agent将从单纯的“流程执行者”向“合规治理伙伴”转变,在保障金融安全、提升运营韧性方面发挥不可替代的核心价值。在这一进程中,坚持技术的中立性、数据的安全性以及人机协同的可控性,将是金融机构实现
本文介绍了一个基于Elasticsearch构建的金融欺诈调查平台架构,重点聚焦资金中转账户(mule account)检测和洗钱网络追踪功能。该平台采用分层架构设计,包含数据层(通过跨集群搜索整合银行交易数据和可观测性数据)、智能层(集成AI agents和ES|QL查询)和展示层(Kibana和自定义应用)。文章详细阐述了专为欺诈调查优化的数据模型,包括交易记录、账户信息和行为信号等核心索引,
根据贵司历史合同,建议在验收条款中加入分阶段确认机制,可减少尾款纠纷——过去三年,贵司有7份合同因此产生争议。简历很特别:背靠DeepSeek大模型,懂法律,会审合同,能谈判,7×24小时不睡觉,薪资要求是人类的五分之一。第200天,它主动提交了一份报告:“过去半年,A类合同履约风险同比下降34%,主要得益于预付款条款的优化。给它一个业务需求:“我们需要一份设备采购框架协议,长期合作,分批交货,付
本文探讨了"本体"概念的本质与价值,指出不应将其视为技术概念。作者认为,本体的核心价值在于将技术、数据和业务三者有机结合,解决IT行业长期存在的技术与业务割裂问题。尽管实现本体的技术手段(如数据库、大数据等)并无新意,但其通过AI智能体实现了业务闭环,使静态知识转变为动态行动指南。随着大模型等AI技术的发展,本体理论得以从学术走向工业实践,成为构建行业领域智能体的关键。文章强调
他认为中国AI正经历从“会说话”到“会思考”再到“可决策与执行”的快速演进,小龙虾的进化方向表现为从聊天到决策执行、从单点应用到系统协同两个维度,而OneAgent从Agent to Agent到Agent金融的演进,代表了行业的重要创新方向。作为一款聚焦金融垂直领域的AI智能体服务与算法平台,OneAgent旨在通过自主创新的多智能体协同系统,优化对冲交易策略,将顶尖对冲基金级别的策略开发能力转
黄仁勋指出AI正从生成式迈向智能体时代,算力需求两年暴涨万倍。金融数字化将从数据分析转向智能执行,B2B获客将从人力驱动转向AI智能体驱动。未来竞争核心在于全栈算力效率和行业深度专业化,人类角色将从执行者转变为架构设计者。智能体时代将重构商业逻辑,按调用量和交付结果收费将取代传统SaaS模式。
你在学什么:让工具适应你的需求,而非反过来学了能做什么设计专属的/command命令创建你风格的 Agent(基本面分析型、趋势交易型等)设置事件触发链:比如"纳斯达克连续下跌 → 自动分析特朗普说了什么"一句话:把工作流变成"命令",一键执行现状62% 的金融机构已布局 AI Agent机构投研团队已在用Agent工具头部从业者已开始用 AI 工具提升效率你的选择现在学 = 和先发者一起探索不学
AI Agent的引入,本质上是将"人力密集型"的业务转变为"技术密集型"的业务,从而在成本端实现显著的规模效应。其中,多级流转云(客户为核心企业)融资额3042.3亿元,同比增长46.7%,占全年总融资额的比例达到59.9%——这是一个历史性的节点:多级流转云正式成为联易融的"半壁江山"。更重要的是,AI Agent的边际成本几乎为零。更值得关注的是"撤退"的质量:压降地产的同时,基础设施/建筑
更值得关注的是,联易融的战略叙事正在发生质的跃迁:从"供应链金融科技公司",升级为"全球贸易金融数字基础设施构建者"。国际业务品牌Unloq的亮相、SC+平台的推出、以及"中标某特大型央企基于Web3.0的供应链金融平台项目"——这些动作共同指向一个更大的野心:成为中国供应链金融科技公司中,第一个真正意义上"出海"的选手。这一变化背后的原因,可能与AI Agent产品的商业化有关。无论是国际市场的
作为企业级AI智能体与数字员工平台服务商,凡泰极客携旗下FinClaw企业级Agent平台与FinClip超级应用智能平台亮相金融科技展区,围绕“AI数字员工”“企业级Agent平台”“金融级安全与治理”等核心议题,展示了AI在金融行业从概念验证走向规模化落地的实践路径,吸引了银行、证券、保险及政企领域的IT决策人和业务负责人到场交流。业务执行能力:AI不仅能回答问题,更能直接执行业务操作,如填表
早上为了接口定义吵得脸红脖子粗,下午看到DeepSeek V4的新能力却感到荒诞。Agent时代,金融IT人该争夺的不再是代码权,而是“背锅权”。
深度求索发布DeepSeek-OCR2光学字符识别系统,显著提升复杂文档处理能力。新模型采用DeepEncoderV2技术,实现动态空间重排,在多栏跨页文档、复杂表格及手写体识别方面表现优异,准确率达99.6%。特别适用于金融场景,能高效处理财报、票据等材料,支持入门级硬件(如RTX4090)即可实现高并发文档处理。相比现有方案,该技术以1/6计算资源取得端到端模型赛道最高准确率,为智能体建设提供
摘要: 本文介绍了量化交易中数据驱动决策的重要性,并详细讲解如何通过Python接入StockTV实时行情API。量化交易依赖高质量、低延迟的数据,而个人开发者常面临数据延迟、质量差和系统稳定性等问题。StockTV提供REST API和WebSocket API两种接口,支持实时行情获取与订阅。文章提供了完整的代码示例,包括获取实时报价和建立WebSocket连接的实现方法。最后强调工具本身不产
本文对比了2026年越南HOSE市场(VN30指数)三大主流API服务商:iTick API(适合个人开发者,免费套餐友好)、RPDS DATA(适合专业团队)和Bloomberg API(机构专用)。重点演示了使用Python对接iTick API获取实时行情、历史K线和盘口数据的完整流程,包括代码示例。文章指出选择API时需考虑数据覆盖、延迟、成本等因素,并提醒注意免费套餐限制和API密钥安全
2026年,全球股市实时行情API需求激增,以iTick、Polygon.io、Finnhub等为代表,iTick免费覆盖亚洲市场广、延迟低;Polygon.io延迟最优但成本高;Finnhub技术指标丰富但亚洲覆盖一般。用户需根据市场重点、预算和技术需求选型。提供REST和WebSocket接口,免费版适合个人开发者,示例代码展示实时报价、历史K线查询和WebSocket订阅,适合量化策略开发。
在金融数字化转型的浪潮中,提示工程架构已成为金融机构的核心竞争力之一。然而,“能力越大,责任越大”,随着AI应用的深入,系统面临的流量挑战日益复杂。限流降级策略不再是可有可无的技术细节,而是保障金融业务连续性、保护客户资产安全的关键防线。金融行业的限流降级策略必须超越单纯的技术层面,融入业务理解、风险控制、合规要求和用户体验的多维考量。它不仅是一种技术手段,更是一种金融科技治理哲学——在创新与稳健
AI技术正在重塑软件工程范式,涵盖自动化代码生成、低代码/无代码开发和算法优化三大领域。在代码生成方面,大型语言模型能基于自然语言描述生成完整函数和单元测试,开发者需进行严格审查。低代码平台通过AI实现智能UI生成和自然语言转工作流,使业务专家能快速构建应用。算法优化则利用AutoML等技术自动调参,提升模型性能。这些技术正加速融合,推动软件开发向更高效、民主化方向发展,但也带来可靠性、安全性和职