开发者 ZhuLinsen 在 GitHub 开源了名为 AlphaSift 的 AI 量化选股系统,该项目覆盖 A 股、美股、港股等 7 个市场,支持每日自动选股,并提供公告排雷与公开胜率验证功能,宣称可零成本运行。AlphaSift 的核心思路是将技术形态筛选与 AI 分析相结合,通过不同策略生成实盘跟踪曲线,用户可通过在线看板直观查看各策略的历史表现。系统内置公告排雷机制,用于在选股阶段过滤存在风险信号的标的;同时各策略的胜率数据对外公开验证,接受使用者监督。项目已在 Linux.do 社区完成开源推广认证,作者声明代码完整开源、无未公开部分,相关承诺永久有效并接受社区监督。用户可在 GitHub 仓库获取完整源码,也可通过作者提供的在线看板直接查看每日选股结果与跟踪数据,无需本地部署。从功能定位看,AlphaSift 面向对量化选股感兴趣的个人投资者与开发者,试图以开源方式替代部分商业选股软件的付费功能。项目的差异化卖点在于’实盘跟踪 + 公开胜率’,不承诺收益,而是把各策略的历史表现数据直接呈现,供使用者自行判断。该仓库已在 GitHub 公开发布,并附带详细的部署说明与策略文档。
事件分析
从技术角度看,AlphaSift 的看点集中在三方面:一是将大模型能力引入个股公告分析,通过 AI 排雷机制自动识别风险信号,这是传统技术指标工具不具备的维度;二是多策略实盘跟踪曲线的设计,把’回测好看、实盘翻车’这一量化工具的常见痛点纳入透明化验证流程;三是零成本运行架构,通过复用免费数据源与 API 额度,实现个人可负担的日常运行。对行业而言,这类开源项目反映出 AI 应用正从通用助手向金融量化等垂直场景渗透,个人开发者借助大模型 API 即可搭建过去需要专业团队才能实现的选股系统,量化工具的门槛正在快速下降。后续值得关注的包括:策略在更长周期的实盘验证结果、社区对选股逻辑的复现与改进,以及免费数据源的稳定性问题。需要说明的是,历史胜率不代表未来收益,此类项目的技术展示意义大于投资指导意义,使用者需自行评估风险。
核心观点:AI 选股工具开源化大幅降低了量化门槛,但真正稀缺的不是选股算法,而是敢公开实盘胜率的透明机制。
原文链接:Linux.do