📈202602反思AI交易

目前执行策略

1. 每周周末批量分析 100 支
   1. 初筛：基于资产负债率、研发投入率、自由现金流、市销率、市盈率初步筛选，避免低质量标的。
   2. 次筛：使用 TradingAgent-CN（TA） ^[1] 的1 级快速分析筛选出评级为 买入 和 持有 的标的*。
   3. 精筛：使用 TA 的 3 级标准分析处理，筛选出买入标的，并按照交易策略设定条件单。
2. 周中
   1. 中午休市，挑选 10-30 支有兴趣的标的，进行分析，如果有买入的则下午卖出。
   2. 中午休市，当现有持仓达到目标价，使用 TA 进行 3 级标准分析，决定下午决策。
   3. 下午休市，对现有持仓使用 TA 进行 3 级标准分析，决定第二天交易策略。

筛选经验总结

1. 行业分位高于 2 的，基本全部是 卖出。分位计算方式是，行业指数/行业 MA（MA 20 或者 60）。比如半导体、机器人、航空航天
2. 对于大盘股或者蓝筹股，比如上海医药、中国中车，低负债、营收稳健的标的，可能会误判，因为 TA 的分析偏好是偏保守的。但是比较容易修正，就是如果发现趋势不佳，会迅速在 1-3 天后判定为卖出。
3. 使用 MA20 > MA 60 的 MA 动能初筛方法是无法筛出 TA 认同买入的标的的。【原因暂时不明】

交易经验总结

1. 关于止损线：目前实际执行 买入 的所有标的都设置有全自动条件单进行止损。止损线的设置基本是依据 MA20 ，目前暂时没有触发过。

基于 TA 大规模分析的策略为什么有效？

通过 TA 进行大规模分析构建基线，相比于知道谁能涨多少，明确在同一个行业或者同一个市场，谁的表现可能会更好即可。
通过划定基线，分散持仓，可以达到收益风险比较高的结果。

可能的问题

由于盈利可能是市场整体回暖导致的（Beta 收益），而非策略本身具备持续地超额收益获取能力（Alpha 收益）。因此后续仍然需要追踪和 A 股大盘的相关性。

有效市场假说 EMH ：当前资产价格已经完美、瞬间地包含了所有已知信息（财务数据、宏观政策、甚至情绪指标）。如果 EMH 绝对成立，技术分析和基本面分析都是徒劳的，因为你能看到的公开数据（如市盈率、资产负债率、甚至是常规的量价指标），千亿规模的量化基金早就通过光纤在毫秒级完成了定价。
不可避免的 Alpha 衰减：Alpha 是你的策略跑赢市场基准的“超额收益”。一旦某个包含超额收益的策略被市场验证有效，资金就会疯狂涌入。买入力量会导致标的提前上涨，卖出力量会导致提前下跌，原本的利润空间被后来者抹平。使用开源框架或通用因子的交易者，面临的 Alpha 衰减周期通常以周甚至天计算。
A. 对立假说一：市场是“间歇性失明”的异构体。EMH 假设所有参与者都是绝对理性的“经济人”。但真实市场由受情绪支配的散户、受风控合规限制的机构、以及存在趋同交易的量化程序组成。当极端恐慌导致机构被动平仓（如流动性枯竭），或者量化程序发生踩踏时，市场会处于严重的“无效状态”。真正的 Alpha 往往存在于这些因制度缺陷或人性恐慌造成的定价扭曲中。
B. 对立假说二：Alpha 没有消失，只是发生了转移。很多人认为策略失效是因为市场变聪明了。另一种严谨的解释是，市场的核心驱动因子发生了宏观切换（例如从“成长红利期”切换到“存量博弈期”）。你原本的 Alpha 可能只是特定宏观周期下的 Beta。