很高兴正式入选「AI投研精英孵化计划」！🎉
接下来八周，我将与一群优秀的选手共同学习、实践和成长，进一步探索 AI 与投资研究的结合与应用。
期待在这段旅程中打开新的认知，产出新的成果，也遇见更多志同道合的伙伴！
#AI投研精英孵化计划 #AI投研 #人工智能 #AIAgent
@Uweb_agent @Techub_News – at Taiwan
为什么先崩日韩，后崩 #美股？
$QQQ $SOXX $SMH #KOSPI #日经指数 $MU #SKHynix
日韩，是全球高杠杆资金与实体经济周期的“煤矿中的金丝雀”。
如果把全球金融体系比作一座大厦：
美股是顶层的“主控室”与“核心资金池”，流动性最充沛、体量最庞大，具有极强的防御韧性。
日韩市场，则是外围的“传导齿轮”与“高杠杆借贷中枢”。
当全球宏观环境变差，高杠杆套利资金为了保住美股的核心资产，会先强行清算日韩等边际资产来补足保证金。同时，日韩作为全球半导体与出口制造业的龙头，对全球终端需求的衰退感知远比美股早。这种“资金去杠杆的挤压效应”与“供应链基本面的先知先觉”，形成了日韩股市先暴跌、数周后，美股才出现补跌的时间差。
核心金融逻辑与经典历史案例
逻辑一：套利交易拆解
（借便宜钱，买贵资产）
假设你从利率极低的日本银行借入日元，换成美元去买高收益的美股科技股。这套策略在市场平静时能躺着赚钱。但当风险来临、日元升值或日本央行加息时，这笔贷款的成本骤增。
当市场风吹草动，对冲基金最先做的事不是卖出美股的核心股票，而是打平杠杆。华尔街机构会在东京市场迅速卖出日元资产、买回日元还贷。这种平仓行为会引发日韩股市的剧烈踩踏（日元升值+日股暴跌）。当这股平仓潮极其庞大、清算完离岸资产仍不足以补足亏损时，机构被迫在几周后开始砍掉美股仓位，引发美股大跌。
逻辑二：供应链敏感度与出口盈利坍塌（基本面传导）
（进货商与总公司的感应差）
日韩（特别是韩国的三星、海力士，日本的电子与机械巨头）处于全球制造业的最上游。全球消费需求一旦萎缩，终端消费者可能还没停用iPhone，但苹果公司已经停止向日韩供应商下单了。
日韩股市的权重股高度集中在“高贝塔（Beta）”的出口及半导体行业。在经济衰退周期初期，日韩企业的盈利预期调整速度远快于标普500成分股。因此，市场分析师会先下调日韩企业的业绩预测，导致其股价提前提早崩塌；待1到2个月后，美国消费数据公布衰退事实时，美股才开始大幅下修盈利预期。
经典案例：2000年互联网泡沫破灭（Dot-Com Bubble）
关键时间点（日韩率先回落）： 2000年3月13日，日本内阁府公布经济数据确认日本重新陷入衰退，日经指数与亚洲芯片/硬件出口股剧烈下挫，引发了全球对IT硬件需求的担忧。
美股滞后见顶与深跌： 尽管美股纳斯达克在2000年3月10日摸顶5048点，但其主体大跌和全面溃败发生在4月份（4月14日单日暴跌9.6%），比日韩市场的警示信号整整滞后了约一个月。
逻辑三：离岸流动性挤压（Margin Call 保证金追缴链条）
（弃车保帅）
当一家跨国华尔街基金遭遇亏损、面临经纪商要求追加保证金（Margin Call）时，它不会立刻清仓流动性最好、最赚钱的“旗舰美股持仓”（车）。它会优先抛售离岸流动性较好但次要的资产，比如日韩等亚洲股票（卒）。
全球金融危机的演变，往往遵循“流动性收紧-边缘市场流动性枯竭-核心市场流动性踩踏”的路径。从边缘市场被抛售，到挤压传递至美国本土金融机构的资产负债表，中间通常存在几周的时间差。
经典案例：2008年次贷危机全面爆发期
关键时间点（日韩率先触底踩踏）： 2008年9月15日雷曼兄弟破产。2008年10月6日 - 10月10日，日韩市场遭遇了极其惨烈的抛售，10月10日日经225指数大跌9.62%，韩国市场同样暴跌，亚洲资本市场流动性几近冻结。
美股主跌浪滞后： 美股虽然在9月震荡，但标普500最惨烈、最集中、引发全国性恐慌的连续大跌与信贷冻结，是在10月中下旬至11月中旬才达到高潮（美股在11月20日才创出当时的新低）。
投资者能从中获得什么启示？
日韩股市“先崩”而美股“后跌”的现象，本质上是全球货币杠杆的撤退顺序与产业链传导时，共同作用的结果。
日韩是风浪的前哨站：
当看到日元汇率急剧飙升、日经指数或韩国KOSPI指数在毫无征兆的情况下因为“杠杆平仓”或“需求下行”出现单日5%-10%级别的暴跌时，这往往不是局部事件，而是全球资金池干涸的预警信号。
美股的“窗口期”极其短暂：
从日韩发生流动性踩踏，到这股危机浪潮通过对冲基金资产负债表反噬至美股（引发标普500和纳斯达克深度补跌），中间通常留有几周到一个月左右的撤退窗口。
美股投研交易SOP
$QQQ $VOO $SMH $SOXX $MU $DRAM $NVDA $GOOGL
【一】宏观和趋势定位
1、宏观定调
判断经济周期（扩张，衰退，复苏），利率路径，流动性环境。
2、主线识别
找出当前/下一阶段市场最强共识（芯片、存储、光学、电力、物理AI）。
3、趋势节点
确定大趋势的初始起点（宏观/基本面）、阶段起点（宏观/基本面）；阶段终点（宏观/基本面）、最终终点（宏观/行业转折点）。
【二】核心龙头筛选与基本面量化
龙头确认：护城河，定价权，营收/净利润增速，净利润金额，市场份额，机构持仓与观点。
【三】短期时机与切入点
确认周线多头趋势！
短线回调买入：股价从高点下跌15%-30%。
短线突破买入：股价突破关键阻力位/形态。
【四】止盈与退出策略
设定目标（估值/股价）：P/E、PEG、P/S、FCF、B/B、净利润率、季度/年度净利润。
追踪止损：-10%
退出策略：
宏观拐点止盈（美联储加息、经济数据恶化、资本支出过热/明显减少）；
财报驱动止盈（财报低于预期，相关数据大幅下降）。
情绪贪婪止盈：短期严重FOMO超买。
补充：
1、产业链坐标分析
画出公司产业链位置（例如NVDA：芯片设计-制造-封装-数据中心）
识别上下游风险（例如台积电产能，HBM供应）
2，机构持股追踪
跟踪13F filings，贝莱德/先锋/伯克希尔持股变化；个股新增，个股剔除，仓位变化。
3，风险控制框架
单一股票最大头寸 ≤ 10%
板块最大仓位 ≤ 30%
年度总回撤控制 ≤ 20%
【一】当前 #AI 市场处于什么阶段？
AI长期基本面未变，但短期市场FOMO过热。
核心指标观察：
AI商业化增速，
模型ARR增速，
云收入增速。
只要这3个指标没问题，短期调整是再定价，而不是大趋势结束。
【二】过去3年AI行情的3次大讨论
第1阶段（2023），AI到底需不需要那么多算力？
结果：英伟达 $NVDA 业绩，验证强需求。
市场意识到，AI需要大量GPU。
第2阶段（2024），大厂资本开支能持续多久？
结果：微软、谷歌、Meta等持续扩大投资。
市场意识到，AI数据中心是万亿美元级投资。
第3阶段（2025），算力是不是被高估了？
结果：训练效率提升，引发担忧。
随后：推理需求增长，多模态增长，Agent增长，最终需求继续扩大。
市场形成共识：算力需求，远未结束。
【三】最重要框架：渗透率决定商业化
决定AI能走多远的，不是技术，而是渗透率。
<10%，早期验证。
10%-50%，黄金增长期。
>50%，增速放缓。
当前企业AI采购率：
2025年9月，约10%。
2026年3月，约18%。
即：AI已跨过10%临界点，进入高速增长阶段。
【四】AI vs互联网的区别
互联网
解决：信息传播，连接效率。
本质：帮助人工作。
AI
解决：认知劳动，决策能力。
本质：替代部分人的工作。
即：
互联网，提高效率。
AI，直接创造劳动力。
AI商业价值，远高于互联网。
【五】算力产业链的投资逻辑
第一层：紧缺逻辑
扩散路径：GPU-HBM-DRAM-CPU-电力。
当前最紧缺：HBM，高端存储。
原因：扩产周期长，新产能2027年后才释放。
利好：SK Hynix，Samsung，Micron $MU $DRAM
第二层：升级逻辑
（光互连）
方向：LPO，NPO，CPO。
数据中心升级。
（电力）
方向：HVDC高压直流，功率半导体。
（先进封装）
方向：3D封装，玻璃基板，陶瓷基板。
第三层：未来逻辑
AI Agent，自动驾驶，机器人，Physical AI。
【六】未来投资主线
逐步切换：
第1阶段，算力不足。
核心：GPU，HBM。
第2阶段，企业部署AI。
核心：企业AI软件，AI咨询，AI实施。
第3阶段，垂直AI OS。
核心：行业AI操作系统，AI工作流平台。
第4阶段，Physical AI。
核心：机器人，自动驾驶，无人机。
【七】AI行情最大的锚
2个关键指标：
1，模型ARR
例如：
OpenAI，Anthropic。
收入增长速度。
2，云收入
例如：
Azure，AWS，Google Cloud。
收入增长速度。
逻辑链路：
用户付费-模型ARR增长-云收入增长-资本开支增长-算力链继续繁荣。
【八】如何判断AI泡沫破裂？
小幅调整
纳指跌幅：5%-10%
原因：估值过高，流动性变化。
特点：逻辑没变。
中度调整
纳指跌幅：10%-20%
原因：利率，宏观冲击。
特点：需要重新定价。
超大调整
纳指跌幅：25%+
原因：AI商业化失败，云收入降速，产业逻辑被推翻。
特点：整个叙事重置。
【九】未来1-2年最重要的观察点
市场关注重点将从GPU紧缺，转向商业化兑现。
重点观察
企业端：AI采购率，企业客户数量，ROI。
模型端：ARR增长，云厂商，云收入增长。
应用端：Agent渗透率，企业部署进度。
【十】结论
AI不是一次普通科技周期，而是类似电力革命、互联网革命。
投资逻辑演进：
2023-2025，GPU时代。
2025-2027，HBM、CPU、光互连时代。
2026-2028，企业AI部署时代。
2028+，Agent、机器人、Physical AI时代。
【#美股 #AI 七大ETF】
个股炒不明白，直接买ETF躺平！
$QQQ
纳斯达克100指数，重仓全球顶尖科技与创新巨头，美股流动性扩张与AI应用繁荣周期的核心风向标。
$SMH
半导体头部ETF，高度集中于顶级芯片设计与晶圆代工龙头（如英伟达、台积电），是捕捉半导体超级周期的高弹性标的。
$SOXX
费城半导体指数ETF，覆盖美国半导体上下游全产业链，是观察行业整体景气度与资本开支周期的重要指标。
$DRAM
全球内存与存储芯片主题ETF，直接反映DRAM、NAND及HBM（高带宽存储）供需变化，是AI服务器扩张周期的重要受益方向。
$FLTW
台湾ETF，高度集中于台积电、联发科等全球半导体与电子制造龙头，是先进制程、AI服务器制造和全球算力基础设施建设的核心受益者。
$FLKR
韩国ETF，重仓三星电子与SK海力士等全球存储芯片龙头，是HBM、DRAM及AI服务器硬件升级周期的高弹性代理资产。
$FOTO
光子学主题ETF，聚焦光模块、光芯片、光通信设备及光互连产业链，是AI算力基础设施从“电互连”向“光互连”升级的重要前瞻布局方向。
1. 美光 $MU 签署首个5年战略客户协议，三星和海力士正在效仿
美光（Micron） 已签署其有史以来首个 5 年期战略客户协议（SCA），主要针对 AI 基础设施中的高带宽内存（#HBM），锁定了供应量与价格。
瑞银（UBS）指出，这批长约非常严格，包含预付款（Prepayments）、包含罚则的强绑定（Penalty clauses）以及“3年固定+2年延期”等前所未有的强硬条款。
2.多年承诺带来可预测收入、运营稳定性，以及结构性抑制繁荣-萧条周期
过去 #内存 行业由于“价格每季度谈判”，导致盈利能见度极低。如今通过 3-5 年的产能锁死和资金预付，内存厂商的资本开支（CapEx）可以精准匹配未来需求，极大改善了由于盲目扩产导致的“繁荣-萧条”恶性循环。
3，随着收入可见性延长，PEG比率向1.0移动，市盈率（P/E）扩张随之而来。市场尚未完全定价。
由于长约提升了利润稳定性，华尔街正在将内存企业的估值框架从传统的市净率（P/B，针对周期股）切换为市盈率（P/E，针对成长股/软件股）。
虽然美光和 SK 海力士的股价过去一年大幅飙升（反映了 AI 超级周期的爆发），但华尔街尚未完全将“去周期化带来的估值乘数扩张”完全定价。如果这一模式经受住下一次市场考验，市盈率倍数有望结构性抬升。
华尔街眼中的3大潜在风险：
供应过剩的总量风险： 虽然大厂签了长约，但三大巨头（美光、三星、海力士）目前都在全球进行史诗级的资本扩张（例如美光开启 250 亿美元扩张计划）。当2028 年这些新建产能集中释放时，整体市场仍可能面临局部的供需失衡。
结构性分化： 行业正在走向“双轨制”。能享受 5 年长约和 P/E 重估的，主要是 HBM、企业级 SSD、服务器 DDR5 等高端 AI 链条。传统 PC 和智能手机内存依然无法摆脱原有的周期律。
执行力风险： 当宏观经济恶化，或大客户自身遭遇 AI 变现瓶颈时，这些长约的“惩罚条款”是否能被硬性执行，仍有待真正在下行周期中被检验。
RITD Lab retweeted
如何用20个工具不花钱建置一个机构级美股系统
近期爬梳自己贴文底下的留言，有看到不少人反映几个问题，bloomberg订阅一年要十万太贵，earning call那些听要听好久，现在是ai的时代有没有更敏捷高效的处理方式
昨天整理了一些自己在用的工具
涵盖 本地 AI、多智能体协作，到财报解析、量化回测、市场情绪追踪，来跟大家分享
一、 大脑基建与多智能体协作
1、本地大脑基建：Ollama
不用给 OpenAI 交保护费。一键在本地跑 DeepSeek-R1 等开源大模型，你的持仓和关注标的绝对私密，数据永远不出网。
：github.com/ollama/ollama
2、AI 避险基金：ai-hedge-fund
近期 GitHub 爆火的专案。包含多个 Agent（价值投资、技术分析、情绪分析等），直接模拟真实的对冲基金运作逻辑，自动给出交易决策。
：github.com/virattt/ai-hedge-…
3、多智能体协作：CrewAI
零门槛的 Multi-Agent 框架。轻松捏出「财报拆解 Agent」和「情绪分析 Agent」互相交办任务，最后由「首席研究员 Agent」统整报告。
：github.com/joaomdmoura/crewA…
4、微软开源大杀器：AutoGen
进阶的多 Agent 对话框架。能构建具备「反思、纠错、循环」逻辑的複杂投研决策管线，避免单一 Agent 的逻辑死胡同。
：github.com/microsoft/autogen
5、量化公司模拟器：TradingAgents
模拟真实华尔街交易公司的架构。透过多个不同策略风格的 Agent 相互辩论买卖决策，对你的投资标的进行极限压力测试。
：github.com/TauricResearch/Tr…
二、 金融垂类开源核武
6、美股专用投研平台：FinRobot
重磅核武。专为金融市场打造的 Agent 平台，内建完整投研工作流，全自动产出机构级别的 Equity Research 分析报告。
：github.com/ai4finance-founda…
7、金融专属大模型：FinGPT
对金融术语、市场情绪和总经指标的敏锐度极高，专门用来处理金融文本与社群论坛的情绪量化，精准度秒杀通用大模型。
：github.com/AI4Finance-Founda…
8、财报解析大师：LlamaIndex
最强金融 RAG 框架。几百页的 10-K 财报、SEC 招股书直接丢进去，精准提取财务数据与风险披露，比人工肉眼找快 50 倍。
：github.com/run-llama/llama_i…
9、强化学习交易：FinRL
用深度强化学习（DRL）进行量化交易的开源框架。如果你想让 AI 自己在市场中「试错并学习」交易策略，这就是首选。
：github.com/AI4Finance-Founda…
10、全自动投研报告：automated-market-report
每天自动整合金融大数据库，生成精美的 PDF 市场日报。你的专属早报秘书，直接拿去做付费社群内容都行。
：github.com/hgnx/automated-ma…
三、 量化策略与操盘室
11、微软量化投研平台：Qlib
微软开源的 AI 驱动量化投资平台。涵盖了从数据处理、Alpha 挖掘、模型训练到交易回测的全栈管线，华尔街机构在用的底层架构直接拿来跑。
：github.com/microsoft/qlib
12、顶级自动交易框架：Freqtrade
开源界最猛的交易机器人引擎。内建极其丰富的策略库、机器学习优化器和极速回测机制，彻底降维打击传统手动交易逻辑。
：github.com/freqtrade/freqtra…
13、极速交易引擎：NautilusTrader
核心用 Rust 语言编写，支援奈秒级别的高频回测与实盘交易。如果你的策略对延迟极度敏感，它的性能直接碾压传统框架。
：github.com/nautechsystems/na…
14、演算法回测巨头：Lean
QuantConnect 开源的事件驱动 C#/Python 回测引擎。支援股票、期权、外汇的複杂策略建模，是专业级的量化底层。
：github.com/QuantConnect/Lean
15、量化策略排行榜：best-of-algorithmic-trading
不要闭门造车写策略！这里有全球最顶级的开源量化框架和交易机器人排行榜。把别人验证过的印钞机 Fork 下来，稍微改装就能跑。
：github.com/merovinh/best-of-…
16、华尔街宽客武器库：awesome-quant
量化金融的终极百科全书。从衍生品定价到机器学习预测模型，里面藏了几百个专业级别的代码库，华尔街 Quant 在用的技术全公开。
：github.com/wilsonfreitas/awe…
四、 情报雷达与情绪数据掠夺
17、开源彭博终端机：OpenBB
完全免费的投研终端，整合了股票、期权、加密货币与总经数据。Python 玩家必装的看盘底座，直接省下巨额终端订阅费。
：github.com/OpenBB-finance/Op…
18、无代码批量爬虫：stock-market-scraper
不懂写代码也没关係，敲几行指令就能把全市场的历史数据扒下来，自动存成 CSV 或 JSON，直接餵给你的预测模型。
：github.com/gunjannandy/stock…
19、市场情绪量化：WSJ_WebScraping_NLP
散户被新闻牵着走，聪明钱在量化情绪。直接抓取华尔街日报海量文章做 NLP 情感分析，看透媒体在煽动什么情绪，反向寻找交易胜率。
：github.com/philippe-heitzman…
20、法说会解构器：WhisperX
专治多人财报电话会议 (Earnings Call)。精准分离「谁在说话」，把 CEO 的录音直接变成剧本级逐字稿，让 AI 帮你找关键指引。
：github.com/m-bain/whisperX
最近分享一些美股的内容时，不少朋友也在问，很多外网的视频很优质，但这些视频不一定是发生在Youtube油管
有没有别的抓取方式
以下为你整理 10 个开源神器：
全网视频下载、AI 去水印与本地字幕+私藏。
直接打破平台壁垒。
一、 突破封锁：全网无水印抓取神器
1、Cobalt：极致无痕下载引擎
直连底层 API，捨弃所有花俏介面与广告。完美支援 X (推特)、TikTok、B站等，核心卖点是原画质且「绝对无浮水印」。
github.com/imputnet/cobalt
2、VidBee：RSS 全自动监控队列
别再手动贴网址。直接订阅目标频道，对方一开播或更新，后台自动把最高画质扒到本地，睡觉时照样囤积资源。
github.com/nexmoe/VidBee
3、Lux：极速併发的整站收割机
Go 语言开发的高併发命令列工具。适合用来「端掉」整个播放列表，一行指令榨乾频宽，几十 G 影片一次拖回本地。
github.com/iawia002/lux
二、 AI 淨化：暴力去水印与画质重製
4、ProPainter：影视级去浮水印
目前 GitHub 最强修復工具之一。利用深度学习抹除影片上的狗皮膏药，AI 会自动「脑补」填补背景，几乎看不出破绽。
github.com/sczhou/ProPainter
5、Video2X：渣画质无损放大
早期存下来的低清珍贵影片有救了。靠 Real-ESRGAN 演算法逐帧降噪放大，满屏马赛克也能硬拉成高清版。
github.com/k4yt3x/video2x
三、 绝对私密：本地 AI 字幕与转录
6、VideoCaptioner：LLM 自动校正双语字幕
抓下来的外语生肉影片，它能结合 DeepSeek 等大模型进行语境翻译，比机翻顺畅百倍，5 分钟内全自动压製高质量双语字幕。
github.com/WEIFENG2333/Video…
7、Buzz：断网可用的字幕神器
处理极度敏感影片时绝对不能上传云端。这款工具自带介面，断网状态下直接调用显示卡跑 Whisper 模型，隐私安全性点满。
github.com/chidiwilliams/buz…
四、 终极私藏：本地资产管理与重组
8、Stash：老司机专属本地 Netflix
专为本地私密影片打造的开源管理系统。支援自动刮削元数据、打标籤、建立演员资料库。你的硬碟就是最精准分类的私有云。
github.com/stashapp/stash
9、AutoCut：像改 Word 一样剪片
处理长影片不用再痛苦拉时间轴。AI 把影片转成文字，你只要在文本里删掉不要的段落，影片就自动剪裁完毕，二创效率翻倍。
github.com/autocut-video/aut…
10、Transcribee：硬碟废片转知识库
存了不看的硬核讲座或直播，一键丢进去转成带「说话人识别」的 Markdown 笔记。让影片变成可搜寻的文字资产，直接餵给专属 AI。
github.com/bugbakery/transcr…
RITD Lab retweeted
这里整理一些免费取得顶级美股资讯的网站给大家
其中涵盖有投行报告与分析师论坛
希望大家今年在这部分都能有好的收穫
1. 投行官方（免费但有立场）
→ 看叙事框架为主
Goldman Sachs
goldmansachs.com/insights/re…
goldmansachs.com/insights/go…
gspublishing.com/content/pub…
Morgan Stanley
morganstanley.com/what-we-do…
matrix.ms.com/research
JPMorgan Chase
jpmorgan.com/insights/resear…
markets.jpmorgan.com/home
2. 机构终端（贵但最完整）
→ 卖资讯优势
Bloomberg
professional.bloomberg.com/p…
AlphaSense
alpha-sense.com/solutions/fi…
Refinitiv
eikon.refinitiv.com
FactSet
factset.com/solutions/invest…
S&P Global
spglobal.com/market-intellig…
3.散户工具（性价比最高）
→ 补齐「信息落差」
Seeking Alpha
seekingalpha.com/subscriptio…
TipRanks
tipranks.com
Investing.com
investing.com/pro
YCharts
ycharts.com
ZeroHedge
zerohedge.com/markets
4. 中文搬运区（免费但要筛）
→ 捡机构外流 PDF
报告驿站
nash-ai.cn/foreign-rt.html
发现报告
fxbaogao.com
洞见研报
djyanbao.com
慧博投研
hibor.com.cn
价值目录
valuelist.cn
东方财富
data.eastmoney.com
【 $BTC $ETH 最近反思】
（1）身为行业从业者，习惯性看多，永远看多，看熊成了政治错误！
（2）没有第一时间识别出周线头肩顶，9.8w就是右肩（诱多）。
（3）思维没有真正第一时间转换为大熊市。
（4）低估大空头趋势的力量，尊重趋势的力量。
（5）下方点位卡的不准，7.6w绝对守不住，且向下跌穿的动能会很强，支撑6.1w，而不是6.8w。
（6）大熊市，可在真正的大级别支撑，博短线反弹20-30%立刻止盈。
（7）大熊市不言底，对机构清算，期权+合约+杠杆，连环清算。连机构巨鲸都出现严重误判，熊市最黑暗的时刻还没来，杀机构一定很血腥。杀完散户，杀机构，杀矿工。
（8）K线技术分析，一定程度上辅助了数据图表分析。
（9）深度数据驱动分析，成功规避了市场风险。
（10）减少盯盘，减少频繁短线决策，重点看大方向大趋势，关键点位。
