原对话:沿提问、回答和转折完整展开 下面先按节目顺序重建。主持人在追问什么,嘉宾如何以自己的经历、例子和推理作答,尽量保留在具体语境中;案例中的事实、数字和判断先归属于发言人。随后才进入本文的机制解释与独立判断。
00:00:02–00:28:31 连续对话 100:00:18–00:04:35 从专业量化工具到大众投研平台:Vibe-Trading的演变可以先简单自我介绍一下吗? 能不能先给大家介绍一下你的开源项目 Vibe-Trading? 你觉得这个项目之所以成功,除了你刚才讲的理念,有什么具体的点让它这么受欢迎? 你所谓的 all-in-one 是哪些方面的 all-in-one? 主持人曲凯先介绍吴浩哲的AI Trading开源项目受到关注,并请他自我介绍。吴浩哲自述是香港大学在读博士生、HKUDS数据智能研究室成员,本科出自武汉大学数学系;过去几年做过传统因子挖掘、深度学习、大模型文本处理,再到Agent。他说项目在对话所称“今年4月1日”开源,不到半年GitHub超过3万Star,贡献者来自20多个国家和地区。shownotes另写“开源半年,已有3.4w个Star”,可理解为不同时间或取整口径的关注度快照;这些数字均不是活跃使用、机构采用或收益指标。原稿把“今年”直接换算成2024年没有文本依据,本稿保留相对时间,不反推公历年份。
吴浩哲把Vibe-Trading描述为:普通用户用自然语言提出投资想法,系统提供覆盖宏观、公司基本面、量化和风险回顾的研究支持。这里的“研究团队”是对多类自动研究能力的比喻,不表示真有一支持牌团队,也不表示输出已经可直接下单。项目早期在对话所称“去年年底”启动,转录名称为“Quanta Agent”,面向量化研究员;他声称当时包含400多个因子、9个市场的回测引擎和统计检验。这是嘉宾对项目功能的介绍,本期未现场演示或核对代码。
他说团队随后发现用户需求与纯专业量化工具并不一致,便逐步转向覆盖二级市场工作的“交易台”,量化只是其中一部分。转向的核心动机是研究结果能否被人检查和理解:因子信号、IC、夏普比率可以概括统计表现,却未必能回答普通投资者“为什么买这只股票”。在他看来,人为自己的资金行动负责,需要能解释行动,因此项目更强调辅助主观投资,把研究转成现金流、催化剂和风险等可讨论的理由,最后操作仍由用户完成。可解释性在这里服务于人的判断和责任,并不自动证明解释本身正确。
主持人还转述“某模型用户问股票是第一大聊天场景”,但未给数据来源;随后追问项目为何受欢迎。吴浩哲把主要原因归于时机:对话所称“今年3、4月”缺少all-in-one金融工作台Agent,同时团队希望把复杂能力开放给普通用户。他解释all-in-one既包括非专业用户,也包括从业者检验宏观直觉、量化思路,或把基本面经验转成可自动执行的策略。最后一句是产品能力定位,不等于本期已经验证从自然语言到实盘执行的完整性、风控或盈利表现。
AI Trading 嘉宾定义为在低成本产生判断与高代价资金行动之间建立可验证、可审计的通道。研究输出是带证据和条件的假设;回测只检验历史规则;执行涉及权限、仓位、成本与责任。三者不能互相替代,也不因使用LLM或Agent就自动获得正收益。
Vibe-Trading 吴浩哲创建并维护的开源项目。嘉宾称其从专业量化工具演变为自然语言驱动的二级市场工作台,覆盖宏观、基本面、量化与风险回顾。Star与贡献者数反映项目关注或参与,不能证明实际采用、交易执行质量或盈利。
Harness 嘉宾框架中位于模型判断与行动之间的“闸门”,决定哪些决策有资格进入执行,人负责设定它的规则。原文没有说明具体算法、阈值、拦截率或自我学习能力,因此这里只解释职责,不虚构实现。
数据对齐 本期主要指研究数据在口径、历史时点和完整性上的一致与可得:例如价格是否复权(转录词待回听)、金额单位、月/分钟频率、回测只用当时可知信息、缺数时暂停。它是可信研究与回测的前提之一,不等于策略有Alpha。
吴浩哲 · 00:01:07
嘉宾自述项目在对话所称“今年4月1日”开源,不到半年超过3万Star、贡献者来自20多个国家和地区;shownotes写3.4万Star。它们说明关注度,不证明持续采用或盈利。原文未给可核对的公历年份。
话题推进: 在定义了Vibe-Trading是一个辅助主观投资的“all-in-one”平台后,主持人将话题转向更宏观的AI Trading概念本身,询问其定义与适用场景。
00:04:35–00:09:59 决策便宜,行动很贵:AI Trading的核心是建立可审计的通道我能不能请你帮忙定义一下 AI Trading 这个词,给它最适用的一些场景? 主持人把主观投资、量化和forecasting都纳入AI Trading的讨论,请嘉宾给出定义。吴浩哲先用软件开发作对照:AI让写代码、补测试、排错和运维更便宜,但用户需要什么、功能是否值得做仍需判断。他认为金融里“决策”反而极多:市场持续报价,社交媒体不断产生观点,研究Agent还能批量生成判断;真正贵的是把判断变成资金行动。因此他的目标不是增加信号数量,而是决定哪些信号有资格进入行动。这里的“几乎免费”是对判断生成边际成本的概括,不是说模型调用、数据采购、研究和风控没有实际费用。
他排除两种想象:AI像神谕一样预测明天涨跌,以及AI自动下单让人“躺赚”。他的定义是,“在几乎免费的决策和代价昂贵的行动之间,建立一条可被验证、可被审计的通道”。流程中有三个角色:模型读材料、想假设、写代码、给判断;Harness决定哪个决策有资格变成行动;人决定能做什么、不能做什么、做到多大,处理规则之外的情况并制定Harness规则。原文只说明这些职责,没有给出Harness的代码、阈值、拦截率或自动学习能力,不能补写成已实现的具体风控系统。
吴浩哲用传统量化作概念对照:人先把决策固定成规则,机器大量执行,换手率与策略容量通常预先估计;而Agent不断读取新闻、公告、电话会和社交媒体并产生新判断,需要持续把关。这个对照强调动态决策入口,并不表示传统量化没有持续监控、动态规则或人工责任。
现金流例子把研究、回测和执行分成了不同阶段。研究阶段,AI整理财报公告的数字、出处和时间,列出对现金流改善的解释,关键是区分材料事实与Agent假设;随后检查改善来自应收账款回收还是延后付款、同行如何变化、是否存在反证。若进一步形成策略,才进入历史验证:当时是否能获得信息、回测是否偷看未来、扣除所有成本后结论是否仍成立。原文没有列全成本项目,也没有给出任何回测数值。执行阶段则由人决定是否买卖;结果还要保留适用条件、未知信息和更新规则,证据不足时停在“不能判断”。所以“材料→假设→验证→有边界的执行与复盘”不是一条自动盈利流水线,前一阶段输出只是后一阶段的候选输入,研究结论、回测表现和真实成交结果必须分别验收。
话题推进: 在详细阐述了AI Trading的定义和流程后,主持人基于嘉宾提到的“处理非结构化数据”,提出了一个具体应用场景:利用AI分析市场情绪。
00:09:59–00:15:42 从舆情、个人案例到人机分工:研究建议不等于收益证明你现在有没有接触过AI做这样的事情(抓取社交媒体评论分析市场情绪),然后你觉得这种做法实际带来的价值是怎么样? 这些(交叉验证、行业对比等)里面就很多是人的know-how的部分吧,那这些哪些是AI能自主的去决策的、去判断,哪些是需要人去加进去的? 如果模型已经把这些都蒸馏进去了,那所有人他自主的去用,比如说GPT或者其他的AI Lab的这些产品,直接去聊天框里面去问问题和分析,跟我单独做一个第三方的工具的区别是什么? 那你现在自己在炒股的时候,是使用了自己这个工具吗? 你觉得你最后在操作的时候,在买卖的时候,到底多大程度上是遵循了这个AI的建议? 如果百分之八九十都已经是听AI的,那最终为什么不能让AI自主的去操作这件事情,然后甚至于说它就变成了一个近乎于量化的一个事情? 主持人先问用AI抓取Twitter、Reddit等评论分析散户情绪是否有价值。吴浩哲说自己做过,并认为“很有效”,把一些论坛舆情视作“反向指标”;但本期没有给出样本、预测指标、回测或收益,因此这只能记为他的经验判断。他随即指出反制问题:如果大家都抓小红书、Twitter等言论,机构或其他人可能用机器人制造虚假信息。他还把Trading概括为零和博弈,并据此认为方法会被对手适应。这个“零和”说法保留了嘉宾原观点,但不能不加限定地推广到所有资产、期限和投资者;本期论证更直接支持的是“固定信号可能被利用、需要持续调整”,而不是证明每种方法普及后必然失效。
主持人追问交叉验证中的行业know-how由谁提供。吴浩哲给出很强的判断:所有行业know-how本身都可由AI判断,因为知识已在模型迭代中被“蒸馏”进去;人主要判断风险,因为风险承受能力因人而异。原稿保留了这个分工,但需明确它是嘉宾的能力判断,而非本期展示的能力边界测试。“知识被蒸馏进去”也没有说明覆盖率、时效性、隐性经验和错误率。
对于为何不直接在通用聊天框提问,他回答第三方工具可以提供可审计、可验证、可re-run的流程。转录在这里提到“Codex”和“Cloud”,第二个名称无法确认,不改写为其他产品。他认为通用模型较黑箱、生成有随机性和幻觉;自己的工具能控制模型生成什么,以及哪些计算必须通过正确计算完成。这个设计目标是让可确定的部分可重算、让过程留痕,并不等于整个Agent重跑必然完全一致,更不等于自建工具天然没有幻觉或数据错误。
主持人接着问他是否用自己的工具、多大程度遵循AI。他先答是,再估计80%到90%的决策遵循AI建议,自己验证推理链条。这个比例没有统计区间、分母或决策日志,后文“80%到90%的空间留给AI”也是口语化自述,不能当成严格的工作量占比或收益归因。
希捷案例具体展示了人机分工,但没有展示盈利。对话所称“今年7月”,存储板块先热后经历近半个月整体下跌,市场讨论中国厂商扩产会否压低存储价格。Agent提出内存、闪存、机械硬盘虽同属“存储”,所受冲击是否相同,并围绕此问题做“验证和实验”,得出冲击不同的判断;他据此认为市场对整个行业定价可能不充分,选到主营机械硬盘的希捷。原文没有交代用了哪些数据、如何验证、对照组是什么,也没有证明下跌完全由扩产消息造成。随后他们比较希捷财报后的历史表现和样本,AI结论偏谨慎,但人机合作仍决定在财报前买入。这里没有历史样本数量、预期收益、仓位、止损、实际成交、财报后走势或最终盈亏,因此它只能证明嘉宾描述的一次研究—验收—买入流程,不能证明AI选对了股票,更不能外推长期收益。
主持人问既然高度采纳AI,为何不完全自动操作。吴浩哲把它归为“选择权”和责任问题:即使量化高度自动化,人仍需为开仓和亏损负责。这是他对终局与责任的价值判断,不是全自动系统在技术上不可能的证据。
话题推进: 在讨论了AI辅助个人决策的边界后,主持人将视角放大,询问当越来越多的人和机构使用AI辅助交易时,会对整个市场产生什么影响。
00:15:42–00:19:44 AI普及对市场的三大影响:信息加速、Alpha转移与系统性风险现在我感觉用AI去做辅助交易的人越来越多了,包括各种机构和个人,那这个会对现在的市场交易会有什么影响吗? 如果大家都用AI的话,而且都用类似的功能的话,那可能这个东西又变成一个共识了,就是市场会变动的更快吗,还是会怎么样?你现在觉得有没有已经看到一些苗头,或者未来会怎么样? 主持人把问题从个人使用扩展到市场:如果机构和个人都用类似AI,存储案例中的机会是否会更早成为共识、价格变化是否更快?吴浩哲给出三个判断,均是对机制与趋势的讨论,不是本期实证结果。
第一,信息被价格消化会更快。他以“财报后漂移”为背景:嘉宾所描述的早期现象是,好财报公布后,股价可能在之后数天、数周甚至数月缓慢反应,因为读财报、改模型、开会和下单都需要人。他凭记忆提到一篇中文可称作《安息吧,财报后漂移!》的论文,说自己记得发表于2022或2023年,并用“好像”限定“从2006年起美国这些指数中漂移已不存在、意外信息当天完全消化”的说法。原稿删去这些不确定语气后,容易把回忆写成已核实论文结论;本稿恢复为嘉宾转述,论文准确题名、样本、市场、年份和效应定义均待原文核查。他进一步预测AI普及后信息消化可能缩到几秒,并判断“先读到、先读懂”不再那么值钱、读财报门槛消失。这是趋势判断和强表达,不能由所述论文直接推出所有市场、所有信息都将在数秒内定价。
第二,他认为超额收益来源可能从单个信号移向组合条件。人人都能一键跑因子时,单因子Alpha更容易被套利;剩下的机会需要同时取得、对齐并拼接不同数据。转录随后出现“跨单词之间”,语义不清,本稿只保留上下文明确的多源数据组合,不猜改专名。“组合后可能出现未被定价的关系”是研究假设,不代表任意增加数据或因子都能产生Alpha。
第三,错误也会传播得更快。他回忆前几年一张AI生成的“五角大楼附近爆炸”假消息曾伴随美股短暂下跌,用来说明系统自动读取、判断并下单时,误导可能更快传到价格;本期未核对事件日期、跌幅或因果链。他还说团队研究过多个Agent在共同股票市场中的影响,并转述“一些研究”发现类似合谋、内幕操作的行为。这里没有论文、实验环境、行为定义或真实市场证据,因此只能记为研究转述,尤其不能把模拟中的类合谋行为直接认定为真实内幕交易。他提出的未决问题是责任如何在模型厂、使用者与交易所之间分配。
话题推进: 在分析了AI对市场的宏观影响后,主持人将问题聚焦于系统本身,询问在AI Trading系统中,什么才是决定成败的最核心要素。
00:19:44–00:25:44 系统四要素与数据对齐:回测可信只是执行验收的一环你觉得AI Trading里面最核心最重点的到底是什么?就是如果所有的人和机构大家都在用类似一套东西的话,那这里面的好坏拼的是什么? 你刚才提到这个点,你说独家的数据其实可能没有大家想象中价值排名那么高嘛,但有些机构他比较看重提前拿到一些信息,比如跟董秘沟通、参加电话会等,这些东西如果拿到了,是不是会对结果有非常大的影响? 主持人问,当人与机构使用类似系统时,好坏究竟拼什么。吴浩哲把系统归为数据对齐、Harness、Model与人四类,其中模型有不同“智商”和偏好。他先给出规范性定义:好系统让决策尽可能多且便宜,行动尽量少,每次行动有来由、边界和负责人;坏系统要么把每个便宜决策都变成行动,形成过度交易,要么完全不敢行动且解释不了原因。他把收益率、胜率看作结果而非原因,并认为完备系统可能自然产生好结果。这里需要保留“可能”:本期没有证明流程完备必然带来高收益,收益率与胜率也仍需结合盈亏幅度、成本、基准和时间区间解读。
四要素的职责是:模型智商影响能想到什么,独家数据影响想到的东西别人是否想到;数据对齐检查想到的是否为真,Harness检查想错时能否被系统阻止。前两者偏向改善候选决策,后两者守护决策进入行动的一刻。他认为前两者的边际价值在下降,后两者价值上升;若只挑一个最核心,他选择数据对齐。这是一种工程优先级判断,不表示模型、数据获取或执行成本不重要,也不是经过对照实验得到的统一排序。行动之贵在原文中具体表现为每笔手续费、亏损自行承担和无法撤回;“未成年退款”只是强调不可撤回的玩笑。
数据对齐包括三类实际失败。其一是口径:转录说“价格有没有付全”,原稿解释为“复权”,合理但需回听确认;金额可能是千美元或美元;“em”被上下文解释为m,弱模型会把用户prompt中的m随机分到月线或分钟线,嘉宾称这是项目前天刚修的bug。其二是数据源降级:他称一些小交易所只有单一数据源,源挂掉后降级到某些加密货币交易所的美元计价源,表面正常但金额差六七个数量级。具体市场、计价单位和出错计算未给出,数量级差异也宜回听,不能用常识补造细节。其三是历史时点信息:转录称“pricing time,就PIT”,原稿按Point-in-Time解释;无论术语听写如何,上下文明确的检查原则是,回测2020年选股不能使用后来才更正的数字,否则相当于提前看答案。最后,缺数据时Agent应主动暂停并告知,而非静默继续因子回测。以上既包括嘉宾报告的项目bug,也包括他认为系统应当具备的行为,不能全部写成项目已经完整实现并通过测试的功能。
主持人以机构与董秘沟通、合规电话会等信息优势追问独家数据价值。吴浩哲回答“数据多不等于有Alpha”,并认为大家都能获得的日线和另类数据上的规律已被价格消化。这是一种较强的市场效率判断,并非本期验证结果。他给出的更有操作性的解释是:买数据让命题可检验,数据本身不直接给答案;想法看似无效,可能源于数据不够或口径未对齐。个人和小团队在数据投入与广度上难比机构,因此他建议拼对齐质量和数据组合想法。这能形成更严谨的研究,却仍要经过样本外、成本和执行检验,不能直接把“对齐质量高”换成“能赚钱”。
话题推进: 在强调了数据对齐和严谨逻辑的重要性后,主持人转向了另一类更偏主观和宏大叙事的投资判断,探讨AI在这类场景下的适用性。
00:25:44–00:28:31 AI在不同投资风格中的角色:擅长逻辑推演,难解主观信念你提了蛮多说AI去帮帮忙读财报啊,去看数据啊之类的,但这些我理解都是比较显性的东西,就是它已经到逻辑推演的比较后期了。但就有些人他可能是更主观的那种,更fundamental的去做个判断,比如说AI如果起来,什么东西就会起来,那这种是不是AI是不太适合做嘛? 我讲的更多的是比如说啊,我举个不一定恰当的例子,比如说白酒,如果你让AI纯看财报,也许它觉得不是一个好的事情,但有的人就会觉得说它有个大的方向的判断,它觉得说白酒一定不会消失,对吧,它就会怎么怎么样,这个是不是AI就不太能做了? 你刚才提到了Jev啊,你觉得Jev实际对AI Trading的影响是什么呢?尤其是在forecasting领域的,forecasting本身很多就是在做一个概率的一个投注嘛。啊,那Jev是不是在这些方面上确实是有帮助的? 主持人先区分两类主观判断。他询问“AI起来,什么东西会起来”这种产业方向判断是否适合AI。吴浩哲认为这反而是AI最适合做的,把它归为价格传导链:类似油价、美债价格、黄金变化如何影响市场,可用deep research梳理关系。这个观点说明AI可以帮助展开传导链和收集证据,但并未证明它能准确预测链上每一环或形成正收益。
主持人随即澄清,他问的不是严谨逻辑链,而是接近信念的判断,并举“不一定恰当”的白酒例子:AI看财报可能不看好,但投资者相信白酒不会消失,并由此作长期判断。吴浩哲认为这种交流会陷入“扯皮”,如果人不在乎逻辑,只反复说“我觉得不会消失、一定会好”,AI不断用逻辑回应,那么更像情感陪伴而非投资研究。他批评的是拒绝检验、只让AI附和既有信念的交互,不宜扩大成一切长期投资信念或基本面投资都没有价值;但原话较强的“情感陪伴”评价应保留,而非改写成对这类判断的温和认可。
随后主持人把话题转向转录作“Jev”的技术或项目,尤其问它对forecasting是否有帮助。该专名在转录和shownotes中均写作Jev,但无法据此确认正式名称,原稿在issues里猜为Gemma没有证据,本稿删除该猜测。
吴浩哲先“泼冷水”,称Jev对Trading的帮助“可能约等于零”。他理解其受关注的原因是:Agent反复调用大模型得到答案又慢又贵,而Jev让这件事又快又便宜,生态也随之跟进。他的第一项批评不是低成本毫无用途,而是这优化了金融流程中本已便宜的一侧——产生判断——没有解决判断如何可信地转成行动。此段在28:31结束,下一段继续讨论数学与日期、概率输出、预测校准和适合的信息初筛任务。
话题推进: 对Jev降本价值的讨论尚未结束;下一段继续区分预测输出、概率可靠性与可执行交易,并讨论它在金融信息初筛中的有限用途。
00:28:31–00:40:45 连续对话 200:28:31–00:32:04 Jev批评与概率审计:预测置信度不能直接换成仓位或收益承接上一段:Jev对AI Trading、尤其forecasting究竟有什么帮助? 吴浩哲继续从三个层面批评Jev用于交易。第一,他认为让决策更便宜,只是把原本不太值钱的东西变得更不值钱,未解决从决策到行动的可信转换。第二,他回忆Jev刚发布时官方文档提到数学计算、日期比较等弱点,而金融材料充满数字、日期、噪音和故意误导。这里他用“我记得”“好像”描述文档,本期没有展示文档或基准,所以不能写成已经验证的能力测评。第三,他认为Jev只给概率、不给理由,用户难以长期信任一个只说买或不买、没有分析链条的系统;他担心用户反应过来时已亏损很多。这是风险判断,不是已发生的亏损记录。
但他没有把Jev排除在所有金融工作之外。他认为它适合高频、低成本的信息初筛:判断新闻是否关于某公司、公告是原始材料还是转载、材料与问题是否相关,一天可处理几万到几十万次,而且不必做算术和日期比较。他把这类用途比作门口“分拣员”,而不是交付完整链条的人。他也承认初筛出错可能漏掉核心公告;原话认为其他公告仍能进来、对个人最终判断影响不大,这不是对漏报风险为零的保证,实际影响取决于被漏信息的重要性和后续复核。
关于forecasting,他提出“交易是对概率下注,不是对答案下注”:价格可形象理解为未来各种可能性的加权结果,盈利逻辑来自自身概率与市场隐含概率的差异,再扣除成本;概率还影响仓位。他举60%把握配小仓位、更大把握配大仓位,甚至说100%可能all in。这里是口语化示意,不是可直接执行的仓位公式:除概率外,实际结果还取决于赔率、盈亏幅度、市场是否已定价、相关性、成本和风险约束;“100%”也不能由模型自述直接获得。
他进一步追问AI报告的把握是否可靠。如果返回50%,他反问这是否像抛硬币、是否也是一种幻觉,并得出不该行动。审读时需区分:50%本身可以是合法且有校准意义的概率,不必然是幻觉;在他的例子中,真正缺乏的是相对市场的可交易优势及可信依据。概率是否校准要看一组预测与真实频率是否相符,不能只看单次输出。
联合概率例子揭示了另一种误用。模型若分别给“下季度营收超预期”和“超预期带来股价增长”90%把握,直接算0.9×0.9=81%会偷偷加入独立假设;而多个判断常基于同一条新闻,信源一错,相关错误会一起发生。用审读者的符号重述:若A为营收超预期、C为随后股价上涨,所求是P(A∩C)=P(A)P(C|A)。仅知道两个口头边际概率都为0.9,不能得到联合概率;只有额外给出P(C|A)=0.9,或在独立假设下使用两个边际概率,才可相乘。嘉宾的核心警示是共同信源与相关性会破坏简单连乘,而不是说所有90%都不可信。即使联合概率估计正确,也仍需赔率、成本和执行结果才能评估交易收益。
预测概率与校准 模型说90%是一次置信度输出;校准要看大量同类预测中,报90%的事件是否约有90%发生。单次置信度、预测准确率和交易收益是不同指标。联合事件需要条件概率或额外独立假设,不能随意连乘。
AI for Finance 嘉宾用来指改善金融机构工作流程的应用,如估值复核、材料和对账,验收偏向交付质量、稳定使用、同事复核与接手。AI for Trading则追求持续跑赢市场,必须另行核验基准、风险、成本与实盘结果。
Human in the loop 当前语境中指人审核、设定边界并为行动负责;嘉宾进一步设想,未来即使AI不需人帮助,人也可能为意义感、承诺与责任继续参与。后半部分是哲学展望,不是人机回环一定能提高收益或控制风险的证据。
研究、回测与执行 研究从材料形成可检验假设;回测用历史数据模拟规则并估算成本后的表现;执行把规则变成真实订单,受到实时数据、成交、滑点、市场冲击、容量和风控约束。任一层的成功都不能替代其他层的验收。
话题推进: 在讨论了Jev的局限性后,主持人曲凯将话题转回嘉宾自身实践,询问他正在使用什么模型以及对当前模型能力的看法。
00:32:05–00:33:59 AI for Trading vs. AI for Finance:目标与关注点的差异你现在自己用的是什么模型啊?然后你觉得目前的模型对于AI Trading这件事情大概是一个什么样的水平?是已经完全足够用还是怎么样? 现在好多AI Lab在做那个AI Finance的事情嘛,比如说最近Kimi推出的一些东西之类的,这块你是怎么看的?它跟AI Trading之间的一些异同是什么? 主持人问嘉宾日常使用什么模型、当前模型做AI Trading处于什么水平。转录回答为“Codex和Cloud”,其中Cloud无法确认正式产品名,本稿不自行改成Claude。吴浩哲认为与主观投资相关的任务已经做得很好,并把主观投资概括为deep research,称这个问题在对话所称“去年”已有明确答案,AI确实比人好。这是他的总体使用评价,本期没有给任务集、人类对照、评价指标或错误案例,不能推广为AI在所有研究、预测、交易和执行任务上均优于人。
主持人再以Kimi等AI Lab的金融应用追问AI Finance与AI Trading的区别。吴浩哲把目标分开:AI for Trading问能否持续跑赢市场;AI for Finance问能否让金融机构工作更好。他举对话所称“今年5月”Anthropic开源金融模板、Kimi“9月”发布的产品,功能包括估值复核、材料和对账。这些产品名称、发布时间和功能均按嘉宾转述保留,本期未独立核验,shownotes还出现Workbuddy,但正文没有进一步介绍,不能补写其功能。
在他看,AI for Finance更看重能否每天接着用、是否稳定、能否交付具体工作成果,而不是持续向外展示惊艳表现。转录中的“持续的经验性”语义不明,不据此扩写。他判断后续产品差距在机构数据接入、对团队工作方式的理解,以及成果能否被同事接手、复核和修改;单纯换更强模型解决不了这些问题。这构成“工作流采用”的评价标准,与“交易收益”是两套验收:前者可看交付质量、复核和持续使用,后者必须看相对基准的净收益与风险。本期没有给这些产品的采用率、留任或业绩数据,也没有证明模型进步已经不重要。
话题推进: 在区分了AI for Trading和AI for Finance后,主持人进一步追问AI工具对不同水平投资者的具体影响。
00:34:00–00:37:41 人的价值反思:为何Human in the loop在AI时代依然必要你觉得AI Trading的工具或者说模型智能这些东西本身,它对于在做投资的人来说,它的投资能力可能是30分,用了AI Trading会从30分变成40分,还是80分的人用了会变成90分还是怎么样? 主持人用30分、40分、80分、90分的口头量表问AI会怎样改变不同水平的投资者。吴浩哲认为会对人有增强,并按三层解释:20—30分的人可用AI做风险把控和研究,减少听信小作文与短视频荐股;50—60分的人已有基础判断,可进一步做基本面、宏观等专业研究;80—90分的人可让idea在更多维度得到验证。这些分数只是主持人和嘉宾的沟通刻度,不是测评分数或收益提升幅度,也没有证明每个人必然受益。
他用过从业经历说明专家之间的互补:宏观研究者可能不会写代码,难以亲自做历史回测;量化从业者可能熟悉理工科工具,却不理解价格代表的经济学原理。AI可帮助双方跨工具与知识边界验证观点。这里“宏观直觉变成回测”仍是研究验证,不是真实交易;而“更自信”也只表示主观状态,如果验证设计有误,信心提高甚至可能伴随过度自信,不能自动写成决策质量或收益提高。
随后嘉宾把话题转向Human in the loop的意义。他指出目前常以AI能完成多少复杂工作、节省多少工时、替代多少员工来为AI定价;若未来模型远强于人类,问题可能反转为“人还能做什么,世界还有什么需要我”。他认为失去工作之外,人还会失去被需要和对他人生活产生影响的感觉。
因此他设想,即使AI未来能完全自主交易,人仍可能留在流程中。当前人参与的直接理由是审核文档和把关;未来继续参与的理由则可能是获得正反馈、方向感、意义感,通过创造、决定、承诺和责任感受生命的分量。他最后提出,人的价值来自创造的价值还是人本身,并承认现在没有答案。这是一种哲学设想,不应被用来证明Human in the loop天然能控制风险,也不改变前文真实责任与执行验收的要求。
话题推进: 在进行了深刻的哲学探讨后,主持人将话题拉回现实,询问嘉宾对AI Trading感兴趣的新手有何入门建议。
00:37:42–00:40:45 入门AI Trading的建议:隔离风险并探索未知领域对于现在可能对用AI Trading感兴趣的人,但还没用的人,有没有一个0到1的一个建议,说大家现在应该先去做哪些事情,怎么样把它用起来? 主持人最后请嘉宾给尚未使用AI Trading的人一个从0到1的建议。吴浩哲先半开玩笑地推荐Vibe-Trading,随即把第一件事定为风险隔离:想清楚愿意拿多少钱承担风险,不把它当致富密码,因为会有反制手段,不可能一直赚钱,它更像一种新的交易模式。具体建议是明确风险偏好、确定可承受的资金数额、使用单独账户。这些措施限定的是可承受损失和探索边界,原文没有承诺账户隔离能消除风险,也没有给仓位公式或止损策略。
在风险预算之内,他建议用AI尝试没试过的市场或领域。他认为有些散户可能只是当前市场不适合自己,并特意补充这不是在评价A股好坏;有人适合大宗商品逻辑,有人适合在四五千只股票里做基本面,有人适合技术图形。AI可以降低探索不同研究方式的门槛,但“发现自己天赋”仍是他的建议与可能性,节目没有提供跟踪记录或盈利证据。真正判断适合与否仍需保留每次假设、样本外结果、成本与风险记录,不能凭几次盈亏或AI的自信回答下结论。
主持人在39:17致谢,访谈结束。此后至40:45为片尾音乐,没有新增对谈观点。shownotes列出制作、剪辑均为陈皮,片头为Joe Strummer & The Mescaleros的《Mondo Bongo》,片尾为Carsick Cars的《松》,并给出Vibe-Trading项目与小宇宙单集文稿入口。
话题推进: 嘉宾给出入门建议后,主持人表示感谢,本期对谈结束。
以上是原对话的分段阅读。下面才开始提炼论证、解释机制并给出本文自己的判断。
主要论证:观点怎样由经历与例子支撑 AI Trading的核心是在低成本产生判断与高代价行动之间建立可验证、可审计的通道。 吴浩哲 · 00:05:15;00:06:40;00:07:07
模型可批量读材料、提出假设和给判断,但每次行动涉及费用、亏损与不可撤回的责任。因此系统价值不只是增加信号,而是筛选哪些信号能进入行动。模型负责生成,Harness承担闸门职责,人设定权限、规模、规则与例外处理。
成立条件: 这是嘉宾的系统设计框架。“几乎免费”不表示模型、数据与研究没有成本;可审计也只提供检查条件,不证明解释正确或交易盈利。传统量化同样需要持续风控,不能把动态把关视为Agent独有。
若只选一个最核心环节,他选择数据对齐;数据多和模型强都不能替代口径、时点与缺失检查。 吴浩哲 · 00:19:57;00:21:07;00:22:12;00:23:40
金额单位、复权与月/分钟频率会改变输入含义;回测使用后来更正的数据会偷看未来;缺数静默继续会掩盖证据缺口。模型和独家数据影响想到什么,数据对齐与Harness影响错误能否被发现并阻止进入行动。
成立条件: 这是嘉宾对工程优先级的判断,不是实证排序。项目bug与应然检查项要分开;对齐提高研究可信度,但不能保证样本外有效或扣除执行成本后盈利。
AI普及可能加快信息定价,使机会从单信号转向多源数据组合,同时也加快错误传播。 吴浩哲 · 00:16:13;00:17:49;00:18:21;00:19:09
当人人都能读财报、跑因子时,先读到和单一信号的优势更容易被套利;差异化可能来自同时获得、对齐和组合数据。自动读取与下单也会让假消息及多Agent异常互动更快影响价格。
成立条件: 财报后漂移论文、五角大楼事件和多Agent行为均为嘉宾转述,没有原始文献或实验材料。几秒定价、Alpha转移属于趋势预测;组合数据也可能增加多重试验与过拟合,不能自动产生Alpha。
Jev对Trading的帮助约等于零,但可用于金融信息初筛;预测概率必须审查理由、校准与相关性。 吴浩哲 · 00:27:40;00:28:41;00:29:35;00:31:20
他认为Jev优化的是本已便宜的判断生成,没有解决判断到行动的转换;又回忆其数学和日期弱点,并批评只给概率不给理由。他同时认可公司相关性、原始公告/转载等低成本大批量分类。两个90%不能随意相乘为81%,共同信源会产生相关错误。
成立条件: Jev专名和文档内容待核。“约等于零”是嘉宾强观点,不是基准结果;50%概率不必然是幻觉。概率、仓位与收益还需赔率、成本、风险约束和执行数据连接。
AI for Finance与AI for Trading的验收目标不同,项目展示、个人使用和真实收益也是不同证据。 吴浩哲 · 00:01:07;00:13:53;00:32:46;00:33:23
前者追求机构交付、稳定使用与团队复核,后者追求持续跑赢市场。Vibe-Trading的Star、贡献者、因子和回测引擎说明项目影响或功能主张;希捷故事说明一次研究和买入流程,两者都没有给出持续使用或净收益记录。
成立条件: 后半句是审读者依据本期证据范围作出的区分,不是嘉宾给出的正式评价框架。要支持收益结论,至少需要时间戳完整的样本外决策、基准、成本、成交与风险记录;单个案例即使盈利也不足以验证长期有效。
机制与术语:对象、输入输出和中间过程 从研究到回测再到执行:每一层单独验收 【审读者依据嘉宾多处论述整理,不是Vibe-Trading已验证架构图】
1. 研究输入:财报、公告、新闻、电话会、社交媒体和行情。模型抽取数字、出处、时间并提出假设,首先区分材料事实与模型解释。输出应是可检验命题、反证和未知信息,而非直接买入指令。
2. 研究验证:以现金流例子检查应收账款回收、延后付款、同行变化与相反证据。输出是有适用条件的判断;证据不足就停止。
3. 历史回测:将命题固化为规则,只使用各历史时点当时可获得的数据,检查复权、单位、频率与缺失,并扣除成本。输出是历史模拟表现,不是真实成交。
4. 行动闸门:Harness按人设规则决定哪些判断有资格执行,人决定能否做、做多少及例外处理。原文只定义职责,没有给实现细节。
5. 真实执行与复盘:实际订单还会遇到实时数据、成交价格、滑点、市场冲击、容量及不可撤回损失;本期只明确提到手续费、成本和责任,其余是审读者指出仍需验收的执行因素。复盘应比较事前假设、回测与真实结果,更新判断或停止。
对应节目:00:06:40;00:08:14;00:09:45;00:13:53;00:20:10
本文自拟示意,不是嘉宾实验 【按源文希捷案例重述并整理证据边界】Agent先区分内存、闪存和机械硬盘受同一扩产讨论的影响,再比较希捷历史财报后表现,AI结论偏谨慎,人机合作最终在财报前买入。它覆盖了研究、历史比较与行动决定,但没有披露验证数据、回测规则、成本、仓位、成交和退出结果,因此不能补上“随后上涨”“策略盈利”或“AI贡献80%—90%收益”等结论。
数据对齐如何发现错误,以及它不能证明什么 【嘉宾观点与审读者边界】
1. 口径检查:确认价格是否复权(转录待回听)、美元/千美元、m代表月还是分钟。输入含义不一致时,后续计算再精确也算错对象。
2. 历史时点检查:模拟2020年选股时,只允许使用当时已发布、可获得的数据,不能用后来才更正的财报。否则回测提前知道答案。
3. 完整性检查:缺数时明确暂停和报告,不让Agent静默用残缺数据完成因子回测。原文没有证明项目在所有路径上已自动实现。
4. 输出与失败:检查通过只说明数据口径和时点更接近真实研究条件;源数据本身错误、规则漏检、样本外失效、数据挖掘和成本仍可导致失败。
5. 与Alpha的关系:数据使命题可检验,不直接提供答案。个人可把对齐质量和组合想法作为研究方向,但多数据组合会增加搜索空间,必须防止试过大量组合后只报告偶然有效者。
对应节目:00:22:12;00:22:25;00:23:08;00:23:40;00:24:32
本文自拟示意,不是嘉宾实验 【审读者自拟简化算例,仅解释时点,不是嘉宾实验】假设回测在2020年3月1日决定是否买入,公司原财报在3月15日发布,后来又在5月更正。3月1日的模拟既不能用3月15日原值,也不能用5月更正值;3月20日的模拟只能用3月15日当时已知原值,除非另有当时可得的更正信息。若回测全期统一采用5月更正值,就混入未来信息。即使修正这一点,也只能去除一种偏差,不能据此宣称策略样本外盈利。
预测概率怎样进入交易,为什么不能直接等同收益 【嘉宾例子加审读者形式化】
1. 预测层:模型输出事件发生概率,如营收超预期90%。校准需要检验一批同类预测的实际频率,单次90%不能自证可靠。
2. 联合判断:若A为营收超预期、C为股价上涨,则P(A∩C)=P(A)P(C|A)。只知道两个口头概率都为0.9,不能得到0.81;直接相乘需要额外条件或独立假设。共同新闻会造成相关错误。
3. 定价层:嘉宾用“自己的概率与市场隐含概率之差,再扣成本”解释机会。即使估计准确,也要知道不同结果的盈亏幅度和市场是否已定价,不能只看命中率。
4. 仓位与执行:60%小仓、100% all in是口语示意,并非公式。真实仓位还需风险预算、赔率、相关性和最大可承受损失;实际收益还需真实成交和成本记录。
5. 不行动条件:证据不足、没有相对市场优势或概率不可靠时,嘉宾主张停止。50%本身不必然是幻觉,但若没有额外信息与赔率优势,就不能仅因模型给了一个数字而行动。
对应节目:00:30:25;00:30:56;00:31:11;00:31:20;00:31:44
本文自拟示意,不是嘉宾实验 【按嘉宾例子重述并作数学澄清,不是真实收益计算】若P(A)=0.9且P(C|A)=0.9,则P(A∩C)=0.81;若只有P(A)=0.9、P(C)=0.9,则条件概率未知,联合概率不能确定。若A与C都由同一条可能错误的新闻推出,两个高置信度并不构成两份独立证据。即便得到0.81,也仍未包含涨跌幅度、市场定价、费用和滑点,不能称为81%的赚钱把握。
尚未解决的问题与可检验的下一步 待解问题: Vibe-Trading的Harness和数据对齐在代码中究竟实现了哪些检查,失败时会留下什么记录?
下一步信息或小实验: 阅读当前代码和测试,选取m月/分钟歧义、千美元/美元、历史后更正财报、关键字段缺失和虚假新闻五类输入,分别记录系统输出、是否暂停、是否允许生成交易建议。预先定义应拦截与应放行样本,统计漏拦和误拦,而不只看一个演示。
怎样的结果会改变判断: 若关键错误能稳定被拦截、日志可重跑且漏拦/误拦可量化,才能增强“可验证通道已落地”的判断。若只是提示词要求或少量示例,不能把Harness写成可靠风控。增加机器学习或自我学习也不天然更好,仍需独立验收。
待解问题: 模型的预测概率、研究评分与真实交易结果之间是否确实存在可重复的联系?
下一步信息或小实验: 预先冻结带时间戳的预测与规则,在未见样本上记录预测概率和实际结果,用校准曲线检查报90%的事件实际发生比例,同时保留简单市场基准。随后分别计算研究指标、扣除费用与买卖价差等成本的模拟结果,以及考虑实际成交的执行结果,避免用其中一个替代另一个。
怎样的结果会改变判断: 若概率校准、样本外净结果和执行结果一致改善,才支持从预测到行动的链条;若研究评分高而成本后或执行后无优势,说明瓶颈在交易转换,而非再多生成判断就能解决。
待解问题: 80%—90%遵循AI建议究竟如何测量,人机协作是否优于人单独或简单规则?
下一步信息或小实验: 连续保存一批完整决策,而非只保留成功案例:事先记录AI建议、人的初判、证据变化、最终决定、仓位和退出。把AI反对人时仍被采纳的情况单独列出,并与简单基线比较。希捷案例需补事前报告、实际成交、持有期和结果,但不能仅凭这一笔判定能力。
怎样的结果会改变判断: 若比例来自完整日志且人机组在未见样本、风险和成本后优于基线,才支持协作增益。若高采纳只发生在与人原判一致时,或成功案例经过挑选,则80%—90%更像使用习惯描述,不能作能力归因。
待解问题: 多Agent研究中的类合谋行为在什么实验条件下出现,能否外推到真实市场?
下一步信息或小实验: 先取得嘉宾所指研究,核对市场是模拟还是真实、Agent是否共享模型或数据、通信是否允许、目标函数和“合谋/内幕”的判定规则。复现实验时改变这些条件,并与单Agent及非Agent基线比较,不直接部署真实资金。
怎样的结果会改变判断: 若行为只在特定奖励、通信或共享模型条件下出现,风险解释应限定于这些条件;若跨设置稳定出现且有独立审计,才支持更强的系统性风险判断。模拟中的行为标签本身不等于法律上的内幕交易。
影响理解的转录疑点 00:01:07;00:13:53;00:32:57 原文使用“今年4月1日”“今年7月”“今年5月/9月”“去年”等相对时间,四份材料未提供可核对的公历日期。原稿自行写成2024年应撤销;若需绝对日期,应查单集正式发布时间及音频。00:01:32;00:01:49 “跨代思的研究团队”和项目旧名“Quanta Agent”为机器转录,前者语义不顺,后者拼写未由shownotes确认。本稿只展开后文明确的宏观、基本面、量化、风险覆盖,不猜改旧项目正式拼写。00:12:50;00:32:16 两处转录为“Codex和Cloud”。Cloud可能是产品名误识别,但不能直接改成Claude或其他名称;保留转录并待回听。原issues关于Codex已弃用的背景推断与本段内容审读无关,删除。00:16:54 论文中文称呼《安息吧,财报后漂移!》及2022/2023、2006年、美国指数样本均来自嘉宾带“好像”的回忆,需查论文原文;不能作为已核实文献事实。00:18:21 “跨单词之间”语义不清。上下文只足以确认嘉宾强调多数据同时取得、对齐和拼接,不据此猜造英文术语。00:20:49;00:27:23—00:30:25 Jev正式专名不能由转录确认。原issues猜测Gemma没有依据,已删除;对Jev数学、日期弱点的描述也是嘉宾对文档的回忆,需另核。00:22:25 “价格有没有付全”原稿理解为“是否复权”,“em”原稿理解为字符m及month/minute。后者有月线/分钟线上下文支持,但仍应回听确认;前者不作确定改写。00:22:50 小交易所故障后降级到加密货币美元计价源、金额差六七个数量级的具体含义不清,缺市场、币种、单位和计算上下文。保留嘉宾问题自述,不补造汇率或稳定币机制。00:23:08 转录为“pricing time,就PIT”,原稿展开为Point-in-Time。历史时点信息可得性的含义明确,但英文术语发音仍待回听。00:30:37 “价权平均”疑为转录噪声,本稿只概括为对未来可能性加权的价格直觉,不据此建立严格定价公式。60%小仓、100% all in是口头示意,不是经过推导的仓位规则。00:33:11 “持续的经验性”语义不清,本稿保留前文明确的具体交付、稳定使用和团队复核,不猜测为“惊艳性”或其他术语。优先回听00:19:44—00:25:44,核对系统四要素、m/复权/PIT、数据源降级和缺数暂停,区分真实项目bug与应然设计;再读00:30:25—00:32:04,理解预测概率、联合概率、仓位和收益不是同一指标。若核查项目价值,另看00:01:07—00:04:35与00:13:28—00:15:10:前者是关注度与功能主张,后者是单次研究—买入叙述,均没有实盘收益证据。