折腾A股量化几年后，我决定慢慢放弃了
作者回顾了自己从本科时期进入A股，到学习量化交易、搭建完整量化系统的经历。在多年实盘运行后，他发现自己赚到的钱与投入的时间精力严重不成正比，且量化并未真正排除主观情绪的干扰。最终让他淡出A股的不是亏损，而是机会成本：同期纳斯达克100指数涨幅远超他的A股策略收益，而他作为拥有香港身份、可便利投资美股的人，完全没必要把自己限制在A股。作者感悟到投资并非努力竞赛，选对市场和资产比努力更重要，A股量化研究不再是他资产配置的重心。
相关文档
一文看懂A股、港股和美股的区别
文章系统对比了美股、A股和港股三大市场的特点。美股占全球自由流通市值63.5%，具备开放性、完备监管、做空机制和注册制等优势，机构投资者主导，牛长熊短；A股以散户为主，上市审核严格，结构以金融地产等传统行业为主，牛短熊长；港股则是国际资金与内地资金共同参与的市场，波动剧烈，存在仙股和A/H折价等问题，投资时需兼顾国际与内地政策。作者建议投资者理解三个市场的差异，以做出更明智的投资选择。
套利：期权的终极大杀器，99%的人根本没碰过
文章以'搬苹果'的比喻通俗解释套利的本质——低买高卖赚取市场定价错误的价差，区别于依赖预测方向的投机。通过巴菲特并购套利的经典案例（德州石油、动视暴雪收购），提炼出四条铁律：事件驱动不靠猜、与大盘脱钩、杠杆仅用于套利、严格筛选宁缺毋滥。作者指出A股散户所谓'套利'多为追传言接盘，真正可行的是要约收购、可转债条款、ETF折溢价、期权平价套利等。期权因多维定价网络天生适合套利，Delta中性、波动率套利等策略是不需预测方向的蓝海。文章最后推广期权俱乐部课程。
从美股和A股26年Q2财报季，看Agent真正发生了什么
作者通过梳理美股和A股2026年Q2财报季中Agent相关公司的数据，指出Agent已从发布会走向财务报表。ServiceNow、Salesforce、Workday、Palantir等率先兑现收入的企业，普遍掌握企业核心数据、权限和工作流。衡量指标从注册用户、Token调用量转向AI贡献的ARR、ACV、生产环境客户数和实际任务完成量。A股方面，金山办公、税友股份、汉得信息在垂直场景开始验证，但财务质量需重点关注。作者提出Agent产业链四层结构：基础模型、数据治理、工作流执行、垂直行业Agent，并将2026年定义为Agent的财务验证元年。
量化交易避坑指南：开源项目揭示的8大血泪陷阱
基于对1438个GitHub量化开源项目的深度分析，本文揭示了量化交易中最致命的八大陷阱：包括过拟合、前视偏差、零滑点假设、幸存者偏差等。文章通过真实案例拆解了回测与实盘断层的原因，指出70%的开源项目代码质量不达标，且鲜有项目防范核心风险。文末附带了30项上线前的严审检查清单与黄金法则，强调风控前置、样本外验证及对开源代码的理性批判，警示入门者敬畏风险，避免将“玩具代码”投入真金白银的实战。
不进 Jane Street 也能玩量化：用 AI + 免费开源工具搭交易系统
文章指出量化交易的门槛已从昂贵的数据和工具降至零，通过 OpenBB 获取数据、Qlib 进行研究、backtesting.py 进行回测等免费开源工具，普通人可搭建完整交易系统。文章强调量化本质是寻找统计规律而非预测，并需严格执行风控纪律，AI 可辅助研究和编程，但不可直接下达交易指令。
孙正义、黄仁勋、孙宇晨集体押注物理AI！六大方向全拆解
文章指出，全球顶级大佬正从数字AI转向“物理AI”赛道，即具备感知和执行能力的具身智能。文章详细拆解了孙正义、黄仁勋和孙宇晨的布局逻辑，并列举了人形机器人、存储、能源、无人机、空间计算和工业自动化六大投资方向及相关A股核心标的，最后提示了甄别蹭概念公司和把握投资节奏的风险。
美股最牛散户 Serenity 的投资打法拆解
文章深入分析了被称为“美股最牛散户”的 Serenity 的独特投资策略。区别于大众追逐热门股（如英伟达）的方式，Serenity 通过深度拆解产业链，挖掘处于上游、具有垄断地位的“冷门票”供应商。其核心“紫苏叶理论”包含三步：自上而下追问不可替代的环节、寻找玩家数量极少的垄断环节、公开发表分析接受反驳以验证逻辑。文章通过 $AXTI、$SIVE、RPI 等案例拆解了该方法如何避开拥挤赛道，发现被市场忽视的价值洼地。
AI 时代的量化交易系统构建分享
本文是作者在内部分享会上的复盘，重点探讨了 AI 如何降低量化交易的工程门槛。文章指出，利用 OpenClaw 等智能体，个人开发者可以独立完成需求文档编写、回测框架搭建、API 接入等全流程工作。作者详细讲解了从回测到实盘的信号层统一、技术分析的规则化参数化、以及常见系统误区（如过拟合、流动性筛选），强调在 AI 时代，量化交易的核心不再是代码能力，而是交易逻辑的系统化拆解与数据验证能力。
拆解「推特第一美股股神」Serenity
文章深入剖析了匿名推特账号 Serenity（@aleabitoreddit）的投资传奇。他通过深入研究 AI 供应链中的「瓶颈点」，精准挖掘并做多如树莓派（RPI）、AXTI 等冷门股票，引发巨大市场波动，甚至吸引了对冲基金跟单。文章详细复盘了其成名案例、独特的「瓶颈点」选股逻辑，同时也客观指出了其身份不可验证、业绩未审计等潜在风险。
未来两年物理AI股票alpha抓取深度研究
本文旨在探讨未来两年内“物理 AI”（机器人和自动化技术）领域的投资 Alpha 机会。作者明确指出，最确定的需求不在于“人形机器人”的故事，而在于已经开始产生现金流的物理 AI 基础层，如车载感知、边缘计算和仓储自动化。文章重点分析了 Ambarella、Mobileye、Symbotic、Intuitive Surgical 等公司，认为利润将流向高附加值、高切换成本的环节，并给出了具体的买入排序和交易策略。
未来十年的投资逻辑：寻找Web3与AI时代的“收税人”
本文回顾了过去十年的投资经验，指出应用层竞争激烈而“收税层”（基础设施）回报丰厚。作者认为在Web3和AI时代，应关注具备“税权”的底层设施。文章详细分析了三个核心方向：数字美元的利差税（如Circle、Ondo Finance）、AI时代的物理刚需税（如Vertiv、Oklo核电）以及AI Agent的身份与分发税（如World、Bittensor），并给出了寻找10倍标的的投资公式。
AI Trading Agent 新手入门指南
文章针对过去 6 个月 AI 交易工具爆发式增长带来的选择困难，提出了一个三层结构分类法：交易所原生 Skill、通用 Agent 平台（如 Moss）和自制 Skill。文章重点分析了各层的优势与短板，并指出通用 Agent 平台是新手最合理的入口。作者还详细介绍了如何在 Moss 上设置参数、关注核心指标（胜率、PF、回撤），并推荐了几个值得长期关注的开源项目，总结了新手应避免的常见错误。
