作 者老余捞鱼原创不易转载请标明出处及原作者。写在前面的话最近我在用一个叫AlphaGBM Skills的技能它可以给Openclaw龙虾、Claude、Cursor这些AI助手接上了真实市场数据29项技能覆盖了股票评分、期权分析、波动率曲面、对冲回测等全链路每条数据都可验证终于可以不用担心AI编数据了。朋友们好前几天写过一篇文章《别只卷模型了金融AI的落地瓶颈其实是数据管道》感觉大家反应不积极反省了一下会不会是写的有点复杂了没有帮到大家。于是就有了今天的这一篇文章给大家介绍一个开源项目也是一个技能开始之前咱们先看视频。一个股票分析开源工具AlphaGBM Skills当我第一次看到 AlphaGBM Skills 这个项目的时候我的反应是终于有人把一件事想明白了AI可以帮你分析但数据必须是真实的、可验证的。这个项目直接给龙虾、爱马仕、 Claude、Cursor 这些AI助手接上了真实市场数据29项技能覆盖了从股票评分到期权策略的全链路而且每一条数据都能追溯到来源。今天这篇文章我会把 AlphaGBM Skills 的方方面面拆开给你看它是做什么的、怎么做到的、好不好用、适不适合你。内容会比较长但绝对值得你花时间读完。一、为什么我们需要真实数据层先说一个很多朋友都遇到过的事。你拿Deepseek、ChatGPT或者Claude问一个期权相关的问题比如苹果现在的隐含波动率是多少特斯拉的Delta是多少AI会给你一个看起来很专业的回答但如果你去核对有概率遇到它编的数据。这不是AI的错。大语言模型本质上是在猜下一个字它没有连接实时行情数据自然给不出真实数字。但在金融领域一个错误的数字可能就意味着判断失误。所以关键问题不是AI聪不聪明而是它有没有可靠的数据源。AlphaGBM Skills做的事就是解决这个数据层的问题。它不是又一个AI聊天工具而是一组预定义的分析技能每个技能背后都连接着真实的市场数据API。当你在 Claude 或 Cursor 里说帮我分析AAPL的时候AI不是在编而是在调用真实的接口、拿真实的数据、做真实的计算。核心一句话AlphaGBM 真实数据的期权与研究智能层。每一个数字都来自真实市场不是LLM的猜测。为了让你更直观地理解它的定位我整理了一个三方对比对比维度LLM角色扮演通用金融APIAlphaGBM数据来源AI自行生成延迟/基础数据实时期权数据数据可验证85%置信度部分可验证每个数字有出处期权分析深度几乎为零基础期权链IV/HV/VRP/Greeks/Skew/曲面评分体系主观判断无量化评分期权0-100股票1-10分析模型无无G B M基本面动量实战验证无参差不齐10000用户3个月实盘市场覆盖仅美股常识各不相同美股港股A股ETF商品差距一目了然。前两种方式要么数据不可信要么深度不够而 AlphaGBM 在真实数据和分析深度这两个关键维度上做得相当扎实。二、29项技能全景拆解AlphaGBM Skills 一共包含29项技能分成了六大模块。我挨个给你拆开讲让你清楚每个技能能干什么、怎么用。模块一核心分析7项技能这是整个项目的地基也是最常用的部分。从股票基本面到期权策略从波动率曲面到希腊字母这个模块覆盖了分析工作流的主线。Stock Analysis股票分析使用 G B M 模型把基本面PE、PEG、增长率、利润率和动量因子VIX、技术指标、资金流结合起来给出1-10分的综合评分附带预期价值EV和风险评分。你只需要说一句Analyze AAPL就行。Options Score期权评分对4种基本策略方向卖出看跌/卖出看涨/买入看跌/买入看涨分别打分0-100分。评分综合考虑了权利金收益率、安全边际、胜率、流动性、时间衰减等7个因子。一句Best NVDA call就能拿到排序结果。Options Strategy期权策略构建内置15种策略模板的策略构建器扫描器。牛市价差、铁鹰、跨式组合等等你要做的就是告诉AI你的方向判断它会帮你选模板、填参数、算盈亏。Vol Surface波动率曲面三维隐含波动率曲面——跨行权价、跨到期日的全景展示。一眼就能看出哪个区域的期权被高估、哪个被低估。对做期权的朋友来说这是最重要的工具之一。Vol Smile波动率微笑单个到期日的偏度分析。看虚值看跌是不是比平值贵太多判断市场在为什么样的尾部风险定价。Greeks希腊字母计算器不仅算基础的Delta、Gamma、Vega、Theta还支持隐含波动率反解。你输入合约代码它返回完整的希腊字母快照。PL Simulator盈亏模拟器任意组合的What-If情景分析。标的涨5%波动率降3%会怎样最大亏损在哪里盈亏平衡点在哪一算便知。模块二数据智能6项技能如果说核心分析是硬计算那数据智能就是软情报。它帮你读懂市场情绪、发现异常信号、判断波动率是贵还是便宜。技能核心功能典型提问IV Rank当前IV在252天历史中的百分位TSLA的IV算高吗Earnings IV Panel财报期IV Crush历史隐含波动定价铁鹰META财报期的铁鹰策略Unusual Activity大单/异常交易流检测今天有什么异常期权流Market SentimentVIX、Put/Call、恐慌与贪婪指数仪表盘当前市场情绪如何VIX Status5档恐惧温度计平静/正常/甜蜜区/谨慎/极度恐惧现在是BPS的好时机吗FearScore单标的6指标恐慌综合分大于等于60为信号触发阈值QQQ的恐惧分是多少这里特别说一下VIX Status和FearScore这两个新增技能。VIX Status把恐慌指数映射成了5个直观的档位平静正常甜蜜区谨慎极度恐惧你一看就知道当前市场处于什么状态。而FearScore更细它给每个标的单独算一个恐慌分6个指标综合评判分数大于等于60的时候就触发关注信号。这两个工具对做反向思维的朋友来说实用性很高。模块三工作流工具4项技能分析完了不是就结束了你还需要对比、监控、提醒、以及参考预测市场。这个模块就是干这些事的。Compare对比分析两只股票期权的并排对比。比如AAPL vs MSFT一张表看清谁的基本面更稳、谁的期权更便宜。Watchlist关注列表把标的加入监控列表关键变化时自动提醒。Alert条件提醒设置IV、价格或活跃度阈值触及就通知。比如TSLA IV超过80就提醒我。Polymarket预测市场对比把预测市场的概率和期权定价隐含的概率做对比看看两者之间有没有偏差。比如降息概率预测市场vs期权定价。模块四风控纪律3项技能这个模块是我个人最欣赏的部分。它不帮你做分析而是帮你管住自己用真实数据量化你的退出、对冲和仓位决策而不是凭感觉。Hedge Advisor对冲顾问场景驱动的对冲方案。你告诉它我的AAPL成本140现在180它会根据三种场景下跌急卖/底部试探/利润保护给出具体的对冲方案买什么行权价的看跌期权、做领口策略还是分批减仓附带价格和参数。BPS Backtest牛熊价差回测对牛熊价差策略做步进式回测而且一次调用就能对比有信号触发和无信号两组结果。你可以直接验证 FearScore 这类信号到底有没有用——数据说话不用拍脑袋。Take-Profit Lab止盈实验室对任意标的做15种退出策略的回测然后通过一个叫过山车率Rollercoaster Rate的独特指标自动判断这只标的该持有还是该分批退出。这个思路挺巧妙的它不是简单地告诉你涨了就走而是衡量价格来回波动的剧烈程度波动越大越适合分批。模块五投资大师4项技能这个模块非常有意思它把几位知名投资人的理念skill化了变成了一键可调用的工具。技能核心理念输出结果段永平分析在愿意持有的价位卖出看跌期权 / 备兑看涨收益率 / 按VIX分层的恐慌参考三面板卖出手册巴菲特分析四维记分卡商业模式/护城河/管理层/估值加权判定值得持有/值得关注/回避霍华德·马克斯周期融合VIXIV RankP/C估值的周期位置0-100进攻/防守姿态映射泰珀信号VIX大于等于35 FearScore大于等于80 质量过滤就绪/观察/接近/冷静 四档信号这四个技能的底层逻辑是把投资理念翻译成了可量化的规则。比如巴菲特分析它不是简单地看PE高低而是用商业模式、护城河、管理层、估值四个维度加权打分最终给出值得持有值得关注回避三个档位。再比如泰珀信号它模拟的是David Tepper在2009年和2020年那种恐慌时刻大举出手的逻辑VIX超过35、恐慌分超过80、标的质量过关三重条件同时满足才触发就绪信号。你不必认同这些投资人的每一个判断但把他们的核心逻辑量化成规则本身就是一个很有价值的分析框架。模块六知识库5项技能这个模块解决的是研究混乱的问题。你有没有这样的经历研究了一堆公司记了很多笔记但过了一个月回头看完全不知道当时为什么关注这个标的、买入逻辑是什么、该在什么条件下退出。研究大脑就是帮你管这件事的。它包含五个工具Company Profile公司档案自动生成研究档案基本面、PE/PB波动区间、红旗警示、事件日历加入知识库后自动刷新。Investment Thesis投资论点记录你的关注理由结构化的退出触发条件系统自动监控触发状态。过了一个月再问我当时为什么关注AAPL答案清清楚楚。Macro View宏观视野跟踪VIX/美国10年期国债/美元指数/黄金并结合你的持仓做影响分析。Theme Research主题研究把标的归入主题组比如AI基础设施港股高息加上新闻关键词监控。Health Check健康检查每周自动审计过期的档案、偏离的论点、孤立的页面给出0-100的健康分。说实话投资论点自动监控和健康检查这两个功能我在其他工具里几乎没见过。前者让你随时知道自己当初的逻辑还在不在后者让你保持研究体系的整洁。这两个功能组合在一起对长期研究型投资者来说非常有价值。三、技术架构你可能还奇这些技能背后的技术是怎么运作的架构其实很清晰简单来说就是三层你通过AI助手用自然语言提问技能层把你的话翻译成API调用数据层返回真实计算结果。不连API的时候用内置模拟数据连了API就用实时数据。而且这些技能之间不是孤立的它们会自动串联形成完整的工作流比如你说分析AAPL然后找期权策略AI不会只做一步它会先调股票分析拿到评分再调期权评分看哪个方向得分高接着调策略构建器生成具体方案最后调盈亏模拟器算出盈亏平衡点和胜率。整个过程自动串联一次对话全搞定。四、数据支持哪些市场市场股票标的期权数据数据指标美股200完整期权链IV/HV/VRP/Greeks/Skew/曲面港股35完整期权链IV/HV/VRP/GreeksA股20 ETF完整期权链IV/HV/VRP/Greeks商品金/银/铜/铝期货期权IV/Greeks/交割风险注意看A股那行它覆盖的是ETF期权包括50ETF、300ETF、500ETF等主流品种的期权链数据。对于国内投资者来说这意味着你可以用同样的工具框架分析A股ETF期权而不需要换一套工具。商品期货期权也在覆盖范围内这在同类开源工具中是比较少见的。五、数字都经得起检验AlphaGBM 反复强调一句话Real data, not guesswork不是猜的。我把它核心指标的算法逻辑整理如下你可以看看每个数字到底是怎么算出来的指标示例值计算方式IV隐含波动率32.5%基于实际买卖价用Black-Scholes模型反推IV RankIV排名58当前IV在252个交易日历史中的百分位VRP波动率风险溢价4.0%隐含波动率 - 历史波动率衡量期权定价偏高还是偏低期权评分80/100加权权利金收益安全边际胜率流动性时间衰减趋势阻力/支撑股票评分7.0/10G B M基本面PE/PEG/增长/利润率 动量VIX/技术/资金流风险评分4/10累加估值2、增长2、流动性2、市场1.5、技术1EV预期价值5.2%50% x 1周 30% x 1月 20% x 3月 的加权预期收益看到了吗没有一个数字是我觉得我估计。IV来自真实买卖价的BS反推IV Rank来自252天的真实历史统计VRP来自隐含和历史的差值期权评分是7个因子的加权结果股票评分是基本面动量的双因子模型。每个算法都摆在那你可以验证、可以质疑、可以改进。这就是数据驱动和感觉驱动的本质区别。六、实战演示光说不练假把式。我带你走一遍完整的分析流程让你看看AI是怎么自动串联多个技能的。你对AI说分析AAPL然后找最佳的期权策略AI会自动执行以下6步1. GET /api/stock/quick-quote/AAPL → $261.40 (-0.8%) 2. POST /api/stock/analyze-sync → GBM 评分 7.0/10EV 5.2% 风险 4/10目标价 $275止损参考 $239 3. GET /api/options/snapshot/AAPL → IV 32.5%IV Rank 58VRP 4.0% 4. POST /api/options/chain-sync → 卖出看跌评分80, 78, 75... 买入看涨评分76, 74, 72... 5. POST /api/options/tools/strategy/build → 牛市价差 265/280 最大收益 $1085最大亏损 $415 6. POST /api/options/tools/simulate → 盈亏平衡 $269.15胜率 44.5%然后你可能追问这个IV算贵吗7. GET /api/options/snapshot/AAPL → IV Rank 58中等水平 8. GET /api/options/tools/vol-surface/AAPL → 平值IV呈contango结构26天后有财报8个API调用全部来自真实接口全部可以验证。从股票评分到期权策略到盈亏模拟到波动率判断一气呵成。这就是技能串联的威力你不用手动一个个去查、一个个去算AI自动帮你串起来。七、上手指南说了这么多功能你肯定想知道怎么用。其实上手非常简单三种方式任选方式一Claude Code 技能安装# 克隆到项目目录 git clone https://github.com/AlphaGBM/skills.git .claude/skills/alphagbm # 或者作为子模块添加 git submodule add https://github.com/AlphaGBM/skills.git .claude/skills/alphagbm龙虾类的你直接给它说帮我安装下面这个技能。https://github.com/AlphaGBM/skills.git方式二Cursor 技能安装git clone https://github.com/AlphaGBM/skills.git .cursor/skills/alphagbm方式三命令行工具# 克隆并安装 git clone https://github.com/AlphaGBM/skills.git cd skills/cli pip install -e . # 设置API Key alphagbm config set-key agbm_xxxxxxxxxxxxxxxx # 开始分析 alphagbm stock analyze AAPL alphagbm options score NVDA重点不需要API Key就能体验所有技能都内置了AAPL、NVDA、SPY、TSLA、META的模拟数据。安装完直接问你的AI就行比如用AlphaGBM分析AAPL股票。如果你需要实时数据只需要设置环境变量# 设置API Key获取实时数据 export ALPHAGBM_API_KEYagbm_xxxxxxxxxxxxxxxx export ALPHAGBM_BASE_URLhttps://alphagbm.zeabur.app # 在 https://alphagbm.com/api-keys 获取免费Key还可以检查API服务状态curl https://alphagbm.zeabur.app/api/health这个接口不需要认证返回API状态、可用字段、数据源健康度和市场覆盖情况。对AI助手来说可以在调用之前先检查数据是否可用。八、费用方案免费额度够不够用方案股票分析期权分析快速报价/快照Free2次/天1次/天不限Plus1000次/月1000次/月不限Pro5000次/月5000次/月不限免费方案每天2次股票分析1次期权分析快速报价不限次数。对于初步体验和日常跟踪来说免费额度其实是够用的。但如果你要做密集的策略扫描或者批量对比那Plus方案会更合适。另外别忘了模拟数据是完全免费、无限使用的只是数据不是实时的而已。九、和传统工具的对比网上有一些关于 AlphaGBM 和传统工具的深度对比我结合自己的理解整理了一个更详细的表格功能维度传统券商AppExcel插件AlphaGBM Skills计算内核单线程依赖CPU主频并行计算架构波动率模型固定IV简单插值SVI/SABR动态拟合API支持无极弱原生Python SDK RESTful回测能力不支持慢数据受限步进式回测引擎AI集成无无原生支持Claude/Cursor/Windsurf策略评分无无7因子加权评分0-100投资框架无无巴菲特/马克斯/泰珀/段永平研究管理无手动自动档案论点监控健康检查差距是系统性的。传统工具在计算这个维度还行但在智能分析、AI集成、研究管理这些维度基本是空白。AlphaGBM Skills不是在某个点上做得更好而是在整个分析工作流上提供了传统工具不具备的能力。十、未来还会进化到什么程度根据项目的路线图接下来AlphaGBM Skills还会在以下方向持续迭代实时WebSocket数据流从你问它答进化到数据推给你这意味着实时监控和自动触发将成为可能。社区策略共享用户之间可以分享和复用策略模板形成策略生态。更多市场计划扩展到欧洲、日本、韩国的期权市场覆盖面会越来越广。更多AI平台还会支持更多AI代理框架。项目目前已经有405个Star、71个Fork代码100% Python贡献者活跃版本迭代稳定。从4月6日首次发布15个技能到5月底新增3个投资大师技能巴菲特/马克斯/泰珀短短不到两个月技能数量从15增长到29迭代速度相当快。重要提醒本文旨在技术交流与工具科普不构成任何投资建议。期权交易风险较高任何工具提供的数据和分析仅供参考实际决策请结合自身情况谨慎判断。市场有风险参与需谨慎。回到最开始的问题为什么我们需要 AlphaGBM Skills因为AI在金融领域最大的问题不是不够聪明而是不够诚实。它可能会编造一个看起来很专业的数字让你信以为真。AlphaGBM Skills 的价值就在于——它让AI从靠猜变成了靠数据说话而且每一个数字都能查到出处。29项技能、6大模块、4个市场覆盖、免费可用、开源透明。不管你是期权老手还是刚入门的新人这个工具都值得你花半个小时去体验一下。项目地址在 GitHub - AlphaGBM/skills一键 clone 就能开始。有问题的朋友欢迎留言讨论。我是老余下期见。风险提示本文仅供参考不构成投资建议。投资有风险入市需谨慎。版权声明本文为原创内容转载请注明出处。#AI量化分析 #AlphaGBM #期权分析 #开源工具 #金融科技 #真实数据 #Claude #Cursor #量化投资 #波动率 #Greeks #投资研究 
长河君 · 2026/8/20 22:11:38 · 阅读 1.2k 告别AI金融幻觉：AlphaGBM Skills用真实数据重建你的分析工作流
作 者老余捞鱼原创不易转载请标明出处及原作者。写在前面的话最近我在用一个叫AlphaGBM Skills的技能它可以给Openclaw龙虾、Claude、Cursor这些AI助手接上了真实市场数据29项技能覆盖了股票评分、期权分析、波动率曲面、对冲回测等全链路每条数据都可验证终于可以不用担心AI编数据了。朋友们好前几天写过一篇文章《别只卷模型了金融AI的落地瓶颈其实是数据管道》感觉大家反应不积极反省了一下会不会是写的有点复杂了没有帮到大家。于是就有了今天的这一篇文章给大家介绍一个开源项目也是一个技能开始之前咱们先看视频。一个股票分析开源工具AlphaGBM Skills当我第一次看到 AlphaGBM Skills 这个项目的时候我的反应是终于有人把一件事想明白了AI可以帮你分析但数据必须是真实的、可验证的。这个项目直接给龙虾、爱马仕、 Claude、Cursor 这些AI助手接上了真实市场数据29项技能覆盖了从股票评分到期权策略的全链路而且每一条数据都能追溯到来源。今天这篇文章我会把 AlphaGBM Skills 的方方面面拆开给你看它是做什么的、怎么做到的、好不好用、适不适合你。内容会比较长但绝对值得你花时间读完。一、为什么我们需要真实数据层先说一个很多朋友都遇到过的事。你拿Deepseek、ChatGPT或者Claude问一个期权相关的问题比如苹果现在的隐含波动率是多少特斯拉的Delta是多少AI会给你一个看起来很专业的回答但如果你去核对有概率遇到它编的数据。这不是AI的错。大语言模型本质上是在猜下一个字它没有连接实时行情数据自然给不出真实数字。但在金融领域一个错误的数字可能就意味着判断失误。所以关键问题不是AI聪不聪明而是它有没有可靠的数据源。AlphaGBM Skills做的事就是解决这个数据层的问题。它不是又一个AI聊天工具而是一组预定义的分析技能每个技能背后都连接着真实的市场数据API。当你在 Claude 或 Cursor 里说帮我分析AAPL的时候AI不是在编而是在调用真实的接口、拿真实的数据、做真实的计算。核心一句话AlphaGBM 真实数据的期权与研究智能层。每一个数字都来自真实市场不是LLM的猜测。为了让你更直观地理解它的定位我整理了一个三方对比对比维度LLM角色扮演通用金融APIAlphaGBM数据来源AI自行生成延迟/基础数据实时期权数据数据可验证85%置信度部分可验证每个数字有出处期权分析深度几乎为零基础期权链IV/HV/VRP/Greeks/Skew/曲面评分体系主观判断无量化评分期权0-100股票1-10分析模型无无G B M基本面动量实战验证无参差不齐10000用户3个月实盘市场覆盖仅美股常识各不相同美股港股A股ETF商品差距一目了然。前两种方式要么数据不可信要么深度不够而 AlphaGBM 在真实数据和分析深度这两个关键维度上做得相当扎实。二、29项技能全景拆解AlphaGBM Skills 一共包含29项技能分成了六大模块。我挨个给你拆开讲让你清楚每个技能能干什么、怎么用。模块一核心分析7项技能这是整个项目的地基也是最常用的部分。从股票基本面到期权策略从波动率曲面到希腊字母这个模块覆盖了分析工作流的主线。Stock Analysis股票分析使用 G B M 模型把基本面PE、PEG、增长率、利润率和动量因子VIX、技术指标、资金流结合起来给出1-10分的综合评分附带预期价值EV和风险评分。你只需要说一句Analyze AAPL就行。Options Score期权评分对4种基本策略方向卖出看跌/卖出看涨/买入看跌/买入看涨分别打分0-100分。评分综合考虑了权利金收益率、安全边际、胜率、流动性、时间衰减等7个因子。一句Best NVDA call就能拿到排序结果。Options Strategy期权策略构建内置15种策略模板的策略构建器扫描器。牛市价差、铁鹰、跨式组合等等你要做的就是告诉AI你的方向判断它会帮你选模板、填参数、算盈亏。Vol Surface波动率曲面三维隐含波动率曲面——跨行权价、跨到期日的全景展示。一眼就能看出哪个区域的期权被高估、哪个被低估。对做期权的朋友来说这是最重要的工具之一。Vol Smile波动率微笑单个到期日的偏度分析。看虚值看跌是不是比平值贵太多判断市场在为什么样的尾部风险定价。Greeks希腊字母计算器不仅算基础的Delta、Gamma、Vega、Theta还支持隐含波动率反解。你输入合约代码它返回完整的希腊字母快照。PL Simulator盈亏模拟器任意组合的What-If情景分析。标的涨5%波动率降3%会怎样最大亏损在哪里盈亏平衡点在哪一算便知。模块二数据智能6项技能如果说核心分析是硬计算那数据智能就是软情报。它帮你读懂市场情绪、发现异常信号、判断波动率是贵还是便宜。技能核心功能典型提问IV Rank当前IV在252天历史中的百分位TSLA的IV算高吗Earnings IV Panel财报期IV Crush历史隐含波动定价铁鹰META财报期的铁鹰策略Unusual Activity大单/异常交易流检测今天有什么异常期权流Market SentimentVIX、Put/Call、恐慌与贪婪指数仪表盘当前市场情绪如何VIX Status5档恐惧温度计平静/正常/甜蜜区/谨慎/极度恐惧现在是BPS的好时机吗FearScore单标的6指标恐慌综合分大于等于60为信号触发阈值QQQ的恐惧分是多少这里特别说一下VIX Status和FearScore这两个新增技能。VIX Status把恐慌指数映射成了5个直观的档位平静正常甜蜜区谨慎极度恐惧你一看就知道当前市场处于什么状态。而FearScore更细它给每个标的单独算一个恐慌分6个指标综合评判分数大于等于60的时候就触发关注信号。这两个工具对做反向思维的朋友来说实用性很高。模块三工作流工具4项技能分析完了不是就结束了你还需要对比、监控、提醒、以及参考预测市场。这个模块就是干这些事的。Compare对比分析两只股票期权的并排对比。比如AAPL vs MSFT一张表看清谁的基本面更稳、谁的期权更便宜。Watchlist关注列表把标的加入监控列表关键变化时自动提醒。Alert条件提醒设置IV、价格或活跃度阈值触及就通知。比如TSLA IV超过80就提醒我。Polymarket预测市场对比把预测市场的概率和期权定价隐含的概率做对比看看两者之间有没有偏差。比如降息概率预测市场vs期权定价。模块四风控纪律3项技能这个模块是我个人最欣赏的部分。它不帮你做分析而是帮你管住自己用真实数据量化你的退出、对冲和仓位决策而不是凭感觉。Hedge Advisor对冲顾问场景驱动的对冲方案。你告诉它我的AAPL成本140现在180它会根据三种场景下跌急卖/底部试探/利润保护给出具体的对冲方案买什么行权价的看跌期权、做领口策略还是分批减仓附带价格和参数。BPS Backtest牛熊价差回测对牛熊价差策略做步进式回测而且一次调用就能对比有信号触发和无信号两组结果。你可以直接验证 FearScore 这类信号到底有没有用——数据说话不用拍脑袋。Take-Profit Lab止盈实验室对任意标的做15种退出策略的回测然后通过一个叫过山车率Rollercoaster Rate的独特指标自动判断这只标的该持有还是该分批退出。这个思路挺巧妙的它不是简单地告诉你涨了就走而是衡量价格来回波动的剧烈程度波动越大越适合分批。模块五投资大师4项技能这个模块非常有意思它把几位知名投资人的理念skill化了变成了一键可调用的工具。技能核心理念输出结果段永平分析在愿意持有的价位卖出看跌期权 / 备兑看涨收益率 / 按VIX分层的恐慌参考三面板卖出手册巴菲特分析四维记分卡商业模式/护城河/管理层/估值加权判定值得持有/值得关注/回避霍华德·马克斯周期融合VIXIV RankP/C估值的周期位置0-100进攻/防守姿态映射泰珀信号VIX大于等于35 FearScore大于等于80 质量过滤就绪/观察/接近/冷静 四档信号这四个技能的底层逻辑是把投资理念翻译成了可量化的规则。比如巴菲特分析它不是简单地看PE高低而是用商业模式、护城河、管理层、估值四个维度加权打分最终给出值得持有值得关注回避三个档位。再比如泰珀信号它模拟的是David Tepper在2009年和2020年那种恐慌时刻大举出手的逻辑VIX超过35、恐慌分超过80、标的质量过关三重条件同时满足才触发就绪信号。你不必认同这些投资人的每一个判断但把他们的核心逻辑量化成规则本身就是一个很有价值的分析框架。模块六知识库5项技能这个模块解决的是研究混乱的问题。你有没有这样的经历研究了一堆公司记了很多笔记但过了一个月回头看完全不知道当时为什么关注这个标的、买入逻辑是什么、该在什么条件下退出。研究大脑就是帮你管这件事的。它包含五个工具Company Profile公司档案自动生成研究档案基本面、PE/PB波动区间、红旗警示、事件日历加入知识库后自动刷新。Investment Thesis投资论点记录你的关注理由结构化的退出触发条件系统自动监控触发状态。过了一个月再问我当时为什么关注AAPL答案清清楚楚。Macro View宏观视野跟踪VIX/美国10年期国债/美元指数/黄金并结合你的持仓做影响分析。Theme Research主题研究把标的归入主题组比如AI基础设施港股高息加上新闻关键词监控。Health Check健康检查每周自动审计过期的档案、偏离的论点、孤立的页面给出0-100的健康分。说实话投资论点自动监控和健康检查这两个功能我在其他工具里几乎没见过。前者让你随时知道自己当初的逻辑还在不在后者让你保持研究体系的整洁。这两个功能组合在一起对长期研究型投资者来说非常有价值。三、技术架构你可能还奇这些技能背后的技术是怎么运作的架构其实很清晰简单来说就是三层你通过AI助手用自然语言提问技能层把你的话翻译成API调用数据层返回真实计算结果。不连API的时候用内置模拟数据连了API就用实时数据。而且这些技能之间不是孤立的它们会自动串联形成完整的工作流比如你说分析AAPL然后找期权策略AI不会只做一步它会先调股票分析拿到评分再调期权评分看哪个方向得分高接着调策略构建器生成具体方案最后调盈亏模拟器算出盈亏平衡点和胜率。整个过程自动串联一次对话全搞定。四、数据支持哪些市场市场股票标的期权数据数据指标美股200完整期权链IV/HV/VRP/Greeks/Skew/曲面港股35完整期权链IV/HV/VRP/GreeksA股20 ETF完整期权链IV/HV/VRP/Greeks商品金/银/铜/铝期货期权IV/Greeks/交割风险注意看A股那行它覆盖的是ETF期权包括50ETF、300ETF、500ETF等主流品种的期权链数据。对于国内投资者来说这意味着你可以用同样的工具框架分析A股ETF期权而不需要换一套工具。商品期货期权也在覆盖范围内这在同类开源工具中是比较少见的。五、数字都经得起检验AlphaGBM 反复强调一句话Real data, not guesswork不是猜的。我把它核心指标的算法逻辑整理如下你可以看看每个数字到底是怎么算出来的指标示例值计算方式IV隐含波动率32.5%基于实际买卖价用Black-Scholes模型反推IV RankIV排名58当前IV在252个交易日历史中的百分位VRP波动率风险溢价4.0%隐含波动率 - 历史波动率衡量期权定价偏高还是偏低期权评分80/100加权权利金收益安全边际胜率流动性时间衰减趋势阻力/支撑股票评分7.0/10G B M基本面PE/PEG/增长/利润率 动量VIX/技术/资金流风险评分4/10累加估值2、增长2、流动性2、市场1.5、技术1EV预期价值5.2%50% x 1周 30% x 1月 20% x 3月 的加权预期收益看到了吗没有一个数字是我觉得我估计。IV来自真实买卖价的BS反推IV Rank来自252天的真实历史统计VRP来自隐含和历史的差值期权评分是7个因子的加权结果股票评分是基本面动量的双因子模型。每个算法都摆在那你可以验证、可以质疑、可以改进。这就是数据驱动和感觉驱动的本质区别。六、实战演示光说不练假把式。我带你走一遍完整的分析流程让你看看AI是怎么自动串联多个技能的。你对AI说分析AAPL然后找最佳的期权策略AI会自动执行以下6步1. GET /api/stock/quick-quote/AAPL → $261.40 (-0.8%) 2. POST /api/stock/analyze-sync → GBM 评分 7.0/10EV 5.2% 风险 4/10目标价 $275止损参考 $239 3. GET /api/options/snapshot/AAPL → IV 32.5%IV Rank 58VRP 4.0% 4. POST /api/options/chain-sync → 卖出看跌评分80, 78, 75... 买入看涨评分76, 74, 72... 5. POST /api/options/tools/strategy/build → 牛市价差 265/280 最大收益 $1085最大亏损 $415 6. POST /api/options/tools/simulate → 盈亏平衡 $269.15胜率 44.5%然后你可能追问这个IV算贵吗7. GET /api/options/snapshot/AAPL → IV Rank 58中等水平 8. GET /api/options/tools/vol-surface/AAPL → 平值IV呈contango结构26天后有财报8个API调用全部来自真实接口全部可以验证。从股票评分到期权策略到盈亏模拟到波动率判断一气呵成。这就是技能串联的威力你不用手动一个个去查、一个个去算AI自动帮你串起来。七、上手指南说了这么多功能你肯定想知道怎么用。其实上手非常简单三种方式任选方式一Claude Code 技能安装# 克隆到项目目录 git clone https://github.com/AlphaGBM/skills.git .claude/skills/alphagbm # 或者作为子模块添加 git submodule add https://github.com/AlphaGBM/skills.git .claude/skills/alphagbm龙虾类的你直接给它说帮我安装下面这个技能。https://github.com/AlphaGBM/skills.git方式二Cursor 技能安装git clone https://github.com/AlphaGBM/skills.git .cursor/skills/alphagbm方式三命令行工具# 克隆并安装 git clone https://github.com/AlphaGBM/skills.git cd skills/cli pip install -e . # 设置API Key alphagbm config set-key agbm_xxxxxxxxxxxxxxxx # 开始分析 alphagbm stock analyze AAPL alphagbm options score NVDA重点不需要API Key就能体验所有技能都内置了AAPL、NVDA、SPY、TSLA、META的模拟数据。安装完直接问你的AI就行比如用AlphaGBM分析AAPL股票。如果你需要实时数据只需要设置环境变量# 设置API Key获取实时数据 export ALPHAGBM_API_KEYagbm_xxxxxxxxxxxxxxxx export ALPHAGBM_BASE_URLhttps://alphagbm.zeabur.app # 在 https://alphagbm.com/api-keys 获取免费Key还可以检查API服务状态curl https://alphagbm.zeabur.app/api/health这个接口不需要认证返回API状态、可用字段、数据源健康度和市场覆盖情况。对AI助手来说可以在调用之前先检查数据是否可用。八、费用方案免费额度够不够用方案股票分析期权分析快速报价/快照Free2次/天1次/天不限Plus1000次/月1000次/月不限Pro5000次/月5000次/月不限免费方案每天2次股票分析1次期权分析快速报价不限次数。对于初步体验和日常跟踪来说免费额度其实是够用的。但如果你要做密集的策略扫描或者批量对比那Plus方案会更合适。另外别忘了模拟数据是完全免费、无限使用的只是数据不是实时的而已。九、和传统工具的对比网上有一些关于 AlphaGBM 和传统工具的深度对比我结合自己的理解整理了一个更详细的表格功能维度传统券商AppExcel插件AlphaGBM Skills计算内核单线程依赖CPU主频并行计算架构波动率模型固定IV简单插值SVI/SABR动态拟合API支持无极弱原生Python SDK RESTful回测能力不支持慢数据受限步进式回测引擎AI集成无无原生支持Claude/Cursor/Windsurf策略评分无无7因子加权评分0-100投资框架无无巴菲特/马克斯/泰珀/段永平研究管理无手动自动档案论点监控健康检查差距是系统性的。传统工具在计算这个维度还行但在智能分析、AI集成、研究管理这些维度基本是空白。AlphaGBM Skills不是在某个点上做得更好而是在整个分析工作流上提供了传统工具不具备的能力。十、未来还会进化到什么程度根据项目的路线图接下来AlphaGBM Skills还会在以下方向持续迭代实时WebSocket数据流从你问它答进化到数据推给你这意味着实时监控和自动触发将成为可能。社区策略共享用户之间可以分享和复用策略模板形成策略生态。更多市场计划扩展到欧洲、日本、韩国的期权市场覆盖面会越来越广。更多AI平台还会支持更多AI代理框架。项目目前已经有405个Star、71个Fork代码100% Python贡献者活跃版本迭代稳定。从4月6日首次发布15个技能到5月底新增3个投资大师技能巴菲特/马克斯/泰珀短短不到两个月技能数量从15增长到29迭代速度相当快。重要提醒本文旨在技术交流与工具科普不构成任何投资建议。期权交易风险较高任何工具提供的数据和分析仅供参考实际决策请结合自身情况谨慎判断。市场有风险参与需谨慎。回到最开始的问题为什么我们需要 AlphaGBM Skills因为AI在金融领域最大的问题不是不够聪明而是不够诚实。它可能会编造一个看起来很专业的数字让你信以为真。AlphaGBM Skills 的价值就在于——它让AI从靠猜变成了靠数据说话而且每一个数字都能查到出处。29项技能、6大模块、4个市场覆盖、免费可用、开源透明。不管你是期权老手还是刚入门的新人这个工具都值得你花半个小时去体验一下。项目地址在 GitHub - AlphaGBM/skills一键 clone 就能开始。有问题的朋友欢迎留言讨论。我是老余下期见。风险提示本文仅供参考不构成投资建议。投资有风险入市需谨慎。版权声明本文为原创内容转载请注明出处。#AI量化分析 #AlphaGBM #期权分析 #开源工具 #金融科技 #真实数据 #Claude #Cursor #量化投资 #波动率 #Greeks #投资研究