跳到主要内容

使用场景与学习方法

策引更适合帮助用户建立一个可理解、可复查的观察过程，而不是每天寻找新的市场观点。以下场景都以历史模拟和公开证据为基础，不构成投资建议。

普通用户：先理解，再观察​

  1. 从从这里开始选择熟悉的市场；
  2. 打开一套规则简单的官方 Portfolio；
  3. 阅读规则、最大回撤、空仓期、交易频率和成本假设；
  4. 查看当前 holdings、signal、state 和 evidence；
  5. 决定是否订阅提醒，并按合理节奏观察。

这个过程不要求用户先创建 Custom Portfolio，也不要求因为短期表现不舒服就调参数。

忙碌用户：低噪音的长期观察​

邮件和组合详情可以帮助用户在有新 signal、状态变化或达到自己设定的复盘节奏时回来查看。建议记录：

  • 策略版本和数据截至日期；
  • 当前 state 和 reason code；
  • 回撤、空仓和 holdings 的变化；
  • 规则是否仍按原始假设运行。

模拟 Portfolio 不是用户真实账户，signal 也不是必须执行的订单。

研究者：比较历史行为​

当你想比较两套规则时，使用相同的市场、时间范围和执行假设，至少对照：

  • 收益与最大回撤；
  • 回撤持续时间和空仓期；
  • 交易次数、费用和现金暴露；
  • 样本量、数据质量和市场阶段。

目标是理解 trade-off 和失败方式，不是从历史数据中选出一个“最佳策略”。

有明确想法的用户：创建 Custom Portfolio​

当你已经理解一个官方 Portfolio，并且有一个受支持、可验证的想法时，可以阅读创建自定义 Portfolio。建议先写下 baseline、一个要改变的变量、观察窗口和停止条件，再创建新的 Formal Portfolio。

复杂研究：Agent Lab​

会员可以使用 Agent Lab 连接自己的 Harness：

研究问题
  -> canonical Strategy DSL
  -> resolve / validate
  -> test_ 实验
  -> READY / FAILED evidence
  -> 比较、记录限制、停止或设计下一次实验

实验是临时的研究 artifact，不写入 Formal Portfolio registry，也不会静默修改已有 Portfolio。不要大规模参数搜索后只展示赢家。

AI 和市场分析：解释层​

MyInvestPilot Chat2Invest 和市场分析可以帮助：

  • 解释规则、指标、市场背景和风险；
  • 比较两个方案的历史差异；
  • 找到相关文档；
  • 把“这个状态很难受”整理成可验证的研究问题。

它们不负责排名标的、给买卖建议、设置买入价格或仓位，也不会因为市场变化自动修改 Portfolio。

学习顺序​

第一阶段：理解​

第二阶段：观察​

第三阶段：定制或研究​

研究边界

历史结果不代表未来表现。AI、Portfolio signal 和市场分析都不能替代用户对真实账户的独立判断。

最后于 更新