FinGenius是全球首个AI未来金融平台，核心依托多Agent博弈系统（模拟市场参与者行为、实现多Agent协作与博弈推理）和MCP智能调用技术（Model Context Protocol，实现模型无缝协作），结合实时数据处理（毫秒级处理海量数据）与风险预警系统，提供舆情分析、风险评估、市场分析等功能；其以贵州茅台（600519）为典型案例，通过舆情、风控、市场、战略4类智能体协同分析，得出“中长期具备投资价值但短期存估值回调风险”的结论，建议分批布局（首批仓位15%）；平台应用场景覆盖银行与金融机构、投资与资产管理、企业财务管理、个人理财顾问四大领域，获中国银行...
QuantML量化论文知识图谱社区致力于机器学习量化模型深度研究，每日分享前沿论文、策略代码与Alpha因子，核心目标是连接论文与主题以助力高效探索；社区现有317篇论文、30个主题标签，时间跨度覆盖2011-2026年，热门标签集中在time-series prediction（272篇关联论文）、financial prediction（137篇）、trading strategies（130篇）等量化核心领域；同时提供“论文-标签图谱”“标签关系图谱”两大快速入口（前者可查论文摘要、作者与年份，后者能发现主题共现关系与聚类结构），最新论文包括2026年的《ContestTrade:...
因子模型作为现代量化投资的核心理论框架，已经从经典的 CAPM 单因子模型发展为包含价值、规模、动量、质量等多维度的复杂体系。本报告系统梳理了因子模型的理论演进脉络，深入分析了 Fama-French 三因子、五因子模型以及 Carhart 四因子模型等经典框架的理论基础与实证方法。研究发现，因子模型能够解释 50%-80% 的股票收益变异，显著优于传统 CAPM 模型的解释力。在实际应用中，因子模型已成为对冲基金、资产管理公司的标准工具，AQR Capital 等领先机构管理规模超过 1860 亿美元。展望未来，人工智能、另类数据与因子模型的融合将开启量化投资的新篇章。 一、因子模型理...
文章1：《RAG入门：从“是什么”到“为什么需要”——大模型时代的知识增强利器》
• 核心目标：帮零基础读者建立RAG基础认知，厘清RAG与传统大模型的差异
• 核心受众：AI初学者、产品经理、想了解RAG的技术小白
• 详细大纲：
开篇：破除2个常见误区（RAG=复杂工程？RAG可替代Fine-tuning？）
什么是RAG？——用“图书馆找书+写报告”类比讲清核心逻辑（检索→整合→生成）
RAG vs Fine-tuning：3个关键差异（成本、知识时效性、灵活性）
RAG能解决什么问题？——3个核心应用场景（企业知识库问答、专业领域辅助、实时信息查询）
极简RA...
| 版本号 | 功能描述 |
|---|---|
| V7.0 | 趋势反转 + 三模型叠加涨 + 蓝绿距 + 真实价格 + 集合竞价 + 实时趋势预测 |
| V6.0 | 趋势反转 + 三模型叠加涨 + 蓝绿距 + 真实价格 + 集合竞价 |
| V5.0 | 趋势反转 + 三模型叠加涨 + 蓝绿距 + 真实价格 |
| V4.0 | 异常放量 + 三模型叠加涨 |
| V3.0 | 双模型 |
| V2.0 | 日线-涨跌停池 + 资金流入 + 第一个红 |
| V1.0 | 日线-涨跌停池 |
V7.0 趋势反转 + 三模型叠加涨 + 蓝绿距 + 真实价格 + 集合竞价 + 实时趋势预测 V6.0 趋势反转 + 三模型叠加涨 + 蓝绿距 ...
stock_info 股票信息
adata_stock_info Adata
ak_stock_info Akshare
bs_stock_info BaoStock
tushare_stock_info Tushare
bsStockDailyHist BaoStock 日线数据
stockMinuteHist 5分钟数据
stockDailyHist adata & Akshare 日线数据
trendAnomaly 趋势探测器生成的每日的异常趋势的stock 数据
volumeAnomaly 交易量探测器生成的每日的异常交易量...