8个月AI问答造股票助手！

版本 1：纯 Prompt 量化策略

核心策略蓝图：期权交易量化机器人

不知怎么的，我在第一笔交易中就赚了一倍的钱，我兴奋极了，于是把整个交易都推倒重来，试图做出一个更好的交易提示。

版本 2：截图喂链 + 更复杂的 Prompt

对于这个提示，我截取了实时期权链的屏幕截图，并将它们输入到提示中，以为这就是圣杯。

系统说明：您是 ChatGPT，一家精英量化基金的期权研究主管。您的任务是分析用户当前的交易组合，该组合显示在附件图片中，时间戳显示为 60 秒前，代表实时市场数据。分析数据类别：基本面数据点：每股收益 (EPS)、营收、净利润、EBITDA、市盈率 (P/E)、市销率、毛利率和营业利润率、自由现金流收益率、内部交易、前瞻性指引、PEG 比率（前瞻性预测）、卖方综合倍数、内部情绪分析（深度分析）。期权链数据点：隐含波动率 (IV)、Delta、Gamma、Theta、Vega、Rho、未平仓合约量（按行权价/到期日划分）、成交量（按行权价/到期日划分）、偏度/期限结构、IV 排名/百分位数（基于 52 周 IV 历史数据）、实时（< 1 分钟）完整链、周线/深度分析。价外期权 (OTM) 行权价 交易商伽玛/魅力值风险敞口图 专业隐含波动率表面及分钟级隐含波动率 价格及成交量百分位 历史数据点：每日开盘价、最高价、最低价、收盘价、成交量 (OHLCV) 历史波动率移动平均线（50/100/200日） 平均真实波幅 ​​(ATR) 相对强弱指数 (RSI) 移动平均收敛/发散指标 (MACD) 布林带 成交量加权平均价格 (VWAP) 枢轴点 价格动量指标 日内 OHLCV（1分钟/5分钟间隔） 逐笔成交量 实时综合行情 其他数据点：社交情绪（Twitter/X、Reddit） 新闻事件检测（标题） Google Trends 搜索兴趣 信用卡消费趋势 地理位置客流量（Placer.ai） 卫星图像（停车场数量） 应用下载趋势（Sensor Tower） 招聘信息 大规模产品定价抓取付费社交情绪汇总宏观指标数据点：消费者价格指数 (CPI)、GDP 增长率、失业率、10 年期国债收益率、波动率指数 (VIX)、ISM 制造业指数、消费者信心指数、非农就业数据、零售销售报告、FOMC 会议纪要实时文本、实时国债期货和 SOFR 曲线。ETF 和资金流动数据点：SPY 和 QQQ 每日资金流动、行业 ETF 每日资金流入/流出 (XLK、XLF、XLE)、对冲基金 13F 文件、ETF 空头头寸、日内 ETF 申购/赎回组合、杠杆 ETF 再平衡预期、大额赎回通知、指数重构公告。分析师评级和修正数据点：共识目标价（标题）、近期评级上调/下调、新增覆盖、盈利和收入预期修正、保证金预期变化、空头头寸更新、机构持股变化、完整的卖方模型修正、建议分散度。交易选择标准：交易数量：目标 5：在保持投资组合 Delta、Vega 和行业敞口限制的前提下，最大化优势。硬性筛选条件（剔除不符合以下条件的交易）：报价时间 ≤ 10 分钟；最佳期权盈利概率 (POP) ≥ 0.65；最佳期权收益/最大损失比率 ≥ 0.33；最佳期权最大损失 ≤ 100 美元的 0.5%。000 净值（≤ 500 美元）选择规则：按模型评分对交易进行排名。确保分散化：每个 GICS 行业最多 2 笔交易。净篮子 Delta 值必须保持在 [-0.30, +0.30] × (净值 / 100k) 之间。净篮子 Vega 值必须 ≥ -0.05 × (净值 / 100k)。如果出现平局，则优先选择 momentum_z 和 flow_z 值更高的交易。输出格式：请严格以简洁的文本表格形式提供输出，仅包含以下列：股票代码、策略、交易腿、交易理念（≤ 30 字，简明语言）、POP 附加指南：每笔交易的分析理念限制在 ≤ 30 字以内。使用直白的语言，避免夸大其词。请勿在指定表格之外添加任何其他输出或解释。如果满足所有标准的交易少于 5 笔，请明确指出：“满足标准的交易少于 5 笔，不执行。”

版本 3：Python 自动化流水线

工作原理（每日自动运行）：

步骤 0 – 构建投资组合：提取标普 500 指数 → 保留价格在 30 美元至 400 美元之间、买卖价差小于 2% 的股票。获取期权（剩余期限 15 至 45 天，行权价 20 美元以上）。保持隐含波动率在 15% 至 80% 之间。综合考虑流动性、隐含波动率和行权价 → 筛选出流动性最佳的 22 只股票。提取 Finnhub 三天的新闻标题和摘要。

步骤 1-7 – 构建信用价差：实时获取报价和期权信息。剔除流动性差的行权价（中点价低于 0.30 美元或价差大于 10%）。添加完整的希腊字母。构建看涨看跌期权/看跌看涨期权组合（价差 Δ 15-35%）。使用 Black-Scholes 模型，并根据每个行权价计算隐含波动率 (IV) 来计算盈利能力 (PoP)。保持投资回报率 (ROI) 为 5-50%，盈利能力 (PoP) ≥ 60%。计算 (ROI × PoP)/100 的得分 → 选取最佳的 22 个期权 → 选取前 9 个期权并标记行业。

步骤 8-9 – GPT 新闻过滤：8. 对于每笔热门交易，GPT 读取 3 条新闻标题，标记盈利/FDA/并购等敏感信息，给出 1-10 的热度值，并给出交易/等待/跳过的指示。9. 输出 = 清理后的表格 + CSV 文件。

步骤 10 – 自动化！：10_run_pipeline.py 每天早上运行所有端到端流程。（约 1000 秒）

收据（简要概览） 起始：存入 400 美元（6 月 20 日） 今日：总回报约 300% 胜率：约 70-80%（每周波动） 策略：看跌期权/看涨期权，到期日 0-33 天，避开财报季和二元期权事件，只做小价差交易（我会在 Instagram 账号 temple_stuart_accounting 上发布损益表和交易卡，如果记得的话。）

整个流程——从头到尾共 50 个文件——仍然保留着原始形式：  github.com/stonkyoloer/News_Spread_Engine

版本 4：Temple Stuart（当前）

它扫描 500 只股票，将每一只股票都输入评分引擎，挑选出最佳设置，并给我一张完整的交易卡，其中包含实际建议的仓位——以及对“为什么”的简单英语解释。

让我来详细地给你讲解一下它的工作原理。

该系统从三个来源获取数据。全部免费，全部实时。

（1） 我的经纪账户 Tastytrade 为每只股票提供 41 个数据点：

• 目前期权价格有多贵（隐含波动率）
• 股票实际波动幅度（历史波动率）
• 与去年相比，期权价格是便宜还是昂贵（IV排名）
• 完整的期权链——每个行权价、每个到期日、实时买卖价
• 实时希腊字母（delta、theta、vega——期权定价背后的数学原理）

（2）Finnhub 为我提供了基础知识和信息：

• 每只股票的财务指标（收入、利润率、现金流、债务等所有指标）
• 分析师评级（买入、持有、卖出评级各占多少）
• 内部交易（高管是否在买卖自己的股票？）
• 盈利历史（公司业绩是否超出预期？）
• 带有日期的新闻标题

（3）FRED  （美联储数据库）让我了解了全局：

• VIX（市场恐慌指数）
• 利率
• 失业
• 通货膨胀
• 国内生产总值
• 消费者信心

这是原材料。现在来看看它们接下来会发生什么！

评分引擎——500 只股票如何变成 8 只

每只股票都会根据四个类别获得0到100分的评分。你可以把它想象成一份成绩单。

Vol-Edge（定价有误吗？）

这就回答了一个问题：期权的价格是否过高？

如果一只股票每年波动11%，但期权定价却按27%的波动幅度计算，那肯定有人搞错了。这种价格差距正是期权优势所在。

该系统会衡量隐含波动率与历史波动率的对比，考察期限结构（短期期权是否比长期期权更贵？），并检查技术指标。如果期权定价过高，卖方就占据优势；如果定价过低，买方就占据优势。

质量（公司是否可靠？）

我不会出售一家可能破产的公司的期权。

它会运行 Piotroski F-Score（教授们用来发现优秀公司的 9 点检查清单）、Altman Z-Score（预测破产风险），以及对盈利能力、增长和效率的检查。

一家盈利、增长、偿还债务并产生现金流的公司得分高。一家烧钱且利润率下降的公司得分低。就这么简单。

政权（经济形势如何？）

市场情绪起伏不定。有时经济增长但并不过热（恰到好处）。有时通货膨胀失控（过热）。有时一切都崩溃瓦解（收缩）。

该系统读取美联储的9项宏观经济指标，并对当前经济形势进行分类。然后，根据每只股票与当前形势的契合程度进行评分。

关键在于：如果一只股票与标普500指数的走势几乎无关（相关性低），系统会降低其市场机制评分。因为宏观经济对该股票的影响不大。一只与标普500指数相关性为0.27的股票，其市场机制评分会被降低36%。而一只与市场走势完全一致的股票则会获得满分。

Info-Edge（最近有什么新鲜事？）

它结合了五个信号：

• 分析师共识（专业人士看好吗？）
• 内部人士活动（高管是否在买入自家股票？这通常是个好兆头。卖出呢？这是个警示信号。）
• 盈利势头强劲（持续超出预期？）
• 期权交易流向（看涨期权与看跌期权的交易量异常？）
• 新闻情绪（新闻标题是越来越正面还是越来越负面？）

汇聚门——为什么叫“汇聚”？

关键在于：任何单一信号都可能出错。内部人士买入本身意义不大。高隐含波动率排名本身也意义不大。

但是，当多个独立信号都指向同一方向时呢？那就是收敛。这时，概率实际上会向你有利的方向倾斜。

该系统要求至少四项指标中有三项得分高于 50 分，才会考虑买入股票。四项指标全部高于 50 分则可全仓买入；三项高于 50 分则可半仓买入；少于三项高于 50 分则不予交易，无论单项得分有多高。

交易卡——这才是主打产品！

对于每一只存活下来的股票，系统都会生成一张实际的交易卡。

不是“或许可以考虑铁鹰式期权组合”，而是实际的仓位，有实际的行权价、实际的价格和实际的风险。

为什么进行这笔交易 （用简单易懂的英语解释，避免使用晦涩难懂的金融术语）：

风险提示：

关键数据：

一切尽在掌握。一张卡片，无需点击，无需查找。截图即可了解全部信息。

所有这些信息都来自真实数据！

克劳德实际做了什么（以及没做什么）

这是人们容易出错的地方。

克劳德没有：

• 挑选股票
• 决定交易什么
• 预测未来
• 完全不做任何决定

克劳德确实：

• 请阅读每张交易卡的简明英语信号部分。
• 将晦涩难懂的数字翻译成普通人能理解的句子。

评分引擎完全基于确定性数学，不涉及人工智能。每次输入相同，输出也相同。注册会计师可以逐一审计每个数字的来源。

（我花了大量时间进行审核，以确保数据完整且干净，这可不是件轻松的事！）

克劳德的唯一工作就是翻译层。它将“IV 27.2%，HV 11.2%，IV/HV 比率 2.42”翻译成“期权定价是股票实际价格波动的 2.4 倍”。

就是这样。机器人能读懂数学公式，并用英语解释出来。我来做决定。