跳到主要内容

核心概念：从规则到长期观察

策引的核心不是替用户寻找一个“最佳答案”，而是帮助用户理解并观察一个透明的 Formal Portfolio。普通路径是：

研究 -> 理解 -> 验证 -> 信任 -> 纪律 -> 长期观察

信任来自规则、版本、数据和证据，而不是来自策引、AI 或某一次历史收益。

Formal Portfolio 是什么​

可以用一个稳定的概念模型理解 Portfolio：

Universe
+ Trading Strategy
+ Portfolio Construction / Capital Rules
+ Execution assumptions
= Formal Portfolio

它是一个可以被回测、更新、订阅和长期观察的模拟系统，通常包含：

  • 明确的标的范围和数据市场；
  • 透明的 signal 规则；
  • 资金、持仓、现金和执行假设；
  • 历史结果、当前状态和可复查证据；
  • 官方组合或经过明确确认创建的 custom_ 组合身份。

Official、Custom 与 Lab 的关系​

  • Official Portfolio：策引公开维护的参考系统，用于先理解产品和规则；
  • Custom Portfolio：用户在理解规则后，基于受支持配置创建的新的 Formal Portfolio；
  • Agent Lab experiment：会员通过自己的 Harness 运行的一次受控研究实验，是临时结果，不是 Portfolio 数据库中的正式组合。

实验不会静默修改已有 Formal Portfolio。若未来要从实验建立组合，应复制实验配置，经过正常验证和明确确认后创建一个新的 custom_ 实体。

Backtest 是什么​

回测是用历史数据重放规则：

historical simulation != proof of future effectiveness

回测最有用的地方是帮助你理解：

  • 规则在趋势、震荡和极端阶段如何行为；
  • 最大回撤、空仓、连续亏损和交易频率；
  • 成本、现金暴露和执行假设；
  • 哪些结果支持假设，哪些结果反驳或限制假设。

不要只按 CAGR、Sharpe 或某段最高收益选择赢家。样本范围、交易数量、回撤和数据质量同样重要。

Signal 是什么​

signal 是系统按照既定规则产生的输出：

system output != user order != personalized recommendation

买入、卖出、持有或空仓描述的是模拟策略在特定时间点的状态变化。信号不保证会产生模拟成交，更不要求用户在真实账户执行。

Holdings 是什么​

holdings 是模拟 Portfolio 在当前计算中的持仓与现金事实。它不是用户券商账户的仓位，也不代表策引知道用户真实持有什么。

读取 holdings 时应同时查看：

  • 当前仓位价值是否可用；
  • 现金和目标权重如何解释；
  • 数据截至日期和策略版本；
  • 是否存在异常或暂不可用状态。

State 与 Evidence 为什么存在​

state 和 evidence 帮助回答：

当前行为是否仍然落在这个策略已知的历史行为和假设范围内？

它们不是“安全”或“会恢复”的保证，也不是买卖建议。应区分：

  • 绝对回撤幅度；
  • 相对于历史参考区间的位置；
  • 是否出现新极值、长期空仓或逻辑异常；
  • 数据是否新鲜、样本是否足够；
  • 哪些字段暂不可用。

详细状态语义以投资组合深度分析和当前运行实现为准。若状态为 abnormal 或 unavailable，AI 解释不能覆盖这个确定性结论。

Market Context 是什么​

市场分析可以提供指数、行业、宏观事件、风险指标和待观察条件等背景：

Market Context != Portfolio signal
Market Context != Portfolio mutation
Market Context != investment recommendation

市场变化本身不会授权 AI 或用户自动修改 Formal Portfolio。它最多帮助你提出一个更清楚的研究问题，之后仍需回到规则、数据和证据。

AI 在哪里发挥作用​

MyInvestPilot Chat2Invest 是解释、检索、组织和比较层：

deterministic Portfolio / signal / state / evidence
                 ↓
AI explains / retrieves / compares bounded facts
                 ↓
user understands and decides

AI 可以帮助解释指标、定位文档、比较历史行为、指出不确定性和整理研究问题；它不是确定性事实来源，不是买卖顾问，不是 Formal Portfolio 的自主变更者，也不是默认策略优化器。

需要受控复杂研究时，会员可以使用Agent Lab。Agent Lab 只 author canonical Strategy DSL，并通过校验和实验结果建立证据；READY 不代表策略好，FAILED 也不代表假设被证伪。

什么时候进入 Research​

日常观察遇到不舒服或不寻常状态时，先走这条路径：

uncomfortable / unusual state
  -> inspect deterministic facts
  -> compare historical evidence and assumptions
  -> distinguish known pain from invalidating evidence
  -> formulate an explicit research question if needed
  -> controlled research
  -> human decision

优化可以作为受控研究工具，但不是因为近期表现不好就自动启动的日常生命周期。研究应保留 baseline、变体、失败结果和限制，并一次只改变一个有意义的变量。

相关入口​

最后于 更新