我做了一个「会推演世界」的 AI 量化引擎——Palantir Ontology 风味

一句话:市场不是随机跳动的 K 线,是少数几个高权重推动者,为了各自锚在未来的目标,正在演化出的一串事件。大多数工具在盯 K 线,我们在给这个世界建一张会呼吸的本体图,然后让 AI 在图上推演。

一、先说个反常识的判断:世界不是随机的

做交易久了会形成两种世界观。

第一种,也是绝大多数量化工具的默认世界观:价格是随机游走,你能做的就是从历史 K 线里找统计规律。 于是所有人都在堆指标、拟合参数、回测胜率——自下而上,拿指标去凑信号。

第二种,是我们这套系统的出发点:K 线只是表象。它背后是一小撮真正影响宏观的推动者——总统、美联储、OPEC、资本开支周期、地缘博弈——在按各自的意图行动。 特朗普 3 月加关税,不是一个孤立冲击,是"2026 中期选举要保住石油票仓"这个未来目标在驱动现在的动作;伊朗摩擦、抗拒降息,都是同一条意图线上的实例。

如果你能在 3 月就把关税归因到"中期选举石油票仓"这个动机,你就能预测它接下来会生成的一整串动作,提前布局——而不是等到 5 月才参透,追着行情跑。

这套系统做的,就是把混沌的 K 线,还原成"一个有意图的主体在按目标行动"。 这正是 Palantir 讲了很多年的 Ontology(本体论)——把世界建成对象、关系、动作的图谱,然后在图上做推理——只不过我们把它用在了市场上。

二、我们把整个市场,建成了一张「世界感知图」

因子是点,关系是边。传统量化只有一堆孤立的点:VIX=-1、半导体强势、油价涨……彼此之间没有关系。

我们做的是把它们连成一张有向加权图——一张市场的"数字孪生":

节点:actor(特朗普 / 美联储 / OPEC / 国家)、theme(AI 资本开支 / 战争 / 降息周期)、cycle(厄尔尼诺 / 信用周期)、板块、产业链、标的、宏观驱动。
边:serves(动机:动作→某个 actor 的未来目标)、causal / transmission(跨主题传导)、supply_chain(产业链上下游)、linkage(人物↔资产,如马斯克→特斯拉)、rivalry(国家级对抗,如中美博弈)、reinforces / weakens(外部事件增强或削弱一条线的强度)。

每条时间线还带三个活的属性:onset(何时起)、intensity(当前强度,随新事件刷新、随时间衰减,用传染病 SIR 模型刻画)、node_weight(宏观影响力)。

这张图不是画完就死的。LLM 负责建图、维护、归因;系统按心跳周期性"醒来",读图判断当前市场处在什么阶段、哪些线正活跃、谁的权重在涨。

三、A(k) 蝴蝶效应:一个节点的扰动,如何传遍全图

这是整套引擎数学上最硬核、也是最像 Palantir Ontology 内核的一块。

一个节点有多重要,不看它连了几条边,看网络中心性。用的是生产网络经济学里的 Katz-Bonacich 中心性(Acemoglu 2012,Econometrica 级的结果):一个节点重要,当且仅当它是"其它重要节点"的重要供给者——这是个递归定义,展开来正好是邻接矩阵幂的加权和:

影响力 = Σₖ αᵏ · Aᵏ = (I − αA)⁻¹ − I

Aᵏ 数的是"从一个节点出发、走 k 跳能到达的所有路径";把所有跳数按衰减系数 α 加起来,就是这个节点扰动全网的总能力。当耦合强度逼近临界点,单个节点的微小扰动会被无界放大到整张网——一只蝴蝶振翅,掀起全图风暴。泡沫和踩踏的结构先兆,数学上就长这样。

为什么这值钱? 因为第一跳的传导(战争→油价)市场几秒就 price in 了,没有超额收益。alpha 藏在市场还没连起来的远端多跳:战争 → 油价↑ → 输入性通胀↑ →(美联储立场调制)→ 无法降息 → 利率敏感的成长股承压 / 价值与黄金受益。这条 4 跳的链,大多数人不会实时连起来。系统会。

截图里"动机锚点"下面那一串——影响 → 半导体(超级板块) 0.56 权益市场 0.43 成长科技 0.43 …——就是这套传导算出来的、一个事件沿图扩散到各个板块的强度。

四、未来时间轴:系统会「向前感知」

人脑遇事,习惯往回看——"这种情况历史上怎么解决的"。但交易要的不是解决历史问题,是遇到一个事件,能不能找到对应的未来行情。

所以系统的原始动力是时间:它像人到点会饿一样,靠定时器周期性醒来,主动判断市场阶段——从"数据来了才反应"升级成"主动判断"。

更关键的是它会向前播种:从一个 actor 的 agenda(带截止日的目标集),推演出它未来会生成的事件序列,写进一条自扩展的未来日历。于是就有了截图里那条未来时间轴——把确定的硬日历(CPI、GDP、FOMC、财报)和推演出来的动机锚点(2026 中期选举 / 退市新规落地 / AI 资本开支未来股息预期 / 2028 连任)摆在同一条时间线上,每一条都带倒计时和影响传导。

系统不只感知"当下和过去",它对"未来已知的、和推演出来的事件"提前调整因子权重和仓位约束。财报还有 3 天、季末调仓窗口将至、FOMC 下周开会——这些都在事件发生之前就影响当前决策。

五、只为「意外」付费——算力经济学

新闻、快讯、推特是一条永不停歇的消防水管,不可能每条都喂大模型,一天就烧干。

我们的原则是:算力花在"意外"上,不花在"数量"上。 特朗普一天发 10 条推特,9 条符合已知 agenda——廉价刷新一下强度就行;只有那 1 条偏离预测的,才升级到贵的深度分析。

这张图既是过滤器又是预测器。一条信号进来,先问四个问题(全在内存里跑,零 LLM):挂得上图上的节点吗?节点还活跃、权重够高吗?从它出发几跳能够得着我的持仓吗?它符不符合日历里已经预测好的 agenda?——只有"够得着账本、且是意外"的少数信号,才配得上一次昂贵的深度推演。

一句话:不是每个事件都分析,只分析那些"违反了你的模型预测、且真能影响到你"的。

六、系统能发现它「原本不知道」的东西

最难、也最让我兴奋的一层:自增长感知——让系统自己发现 unknown-unknowns。

产候选是廉价的:让大模型从新闻里提炼一个新因子、枚举一张日历网格、对"市场动了但图上没有实体能解释"的残差缺口提一个假设——四条来源源源不断地产候选。

难点 100% 在守门。 每一个候选,都要穿过一整条统计验证管线才能上岗:多重检验校正(BH-FDR,防止在一堆假设里捞幸存者)、金融过拟合概率(DSR / PBO)、样本外滚动验证(walk-forward)、经济机制门、再到人工审批。通过后进入 provisional(试用),经真实前向验证才晋级 active,失效了自动 retire。

没有这条管线,自增长感知就是"一台带着'已验证'公章的垃圾因子生成器"——比没有更危险。所以我们宁可漏,绝不滥。

截图里的提案审核和感知发现两个 tab,就是这条管线露出水面的部分。

七、从「看懂世界」到「敢下手」:四层闭环

看懂世界不等于赚到钱。整套系统是四层,战略在上、战术在下:

① 数据录入   feed + 定时器 → 归一成事件
② 感知模型   判局 / 谁在推动 / 怎么演化 —— 战略(不算值、不下单)
③ 决策层     把战略忠实翻译成系统里真实存在的动作 —— 桥
④ 策略量化   周期因子 + 战法 → 何时进、进多少 —— 战术(执行)

感知模型是研究员,它推演、不下单;执行层是交易台。研究员不会自己去撬第二条下单路径,他只做三件事:提案一个新因子、触发一批标的重算、给出一段有证据链的理由。所有买卖,最终都收敛到唯一的执行臂——周期因子共振 + 战法。

而决策层这座桥最致命:分析对了,如果没把它落成"挂上策略、建好预备仓、给足信心",到时候照样不敢进。我们有个刻在设计里的负样本:某次系统判对了"算力必须落地、利好某标的",但决策层没挂策略、没进宇宙——两周后标的爆拉 10 个点时不敢上,错过 3 倍。闭环断在决策层,再对的战略也白搭。

底下那条执行臂,就是上一代打磨成熟的周期量化:全市场周期因子(美股 1.2 万 + A 股 5800 + 港股一套引擎批算)、关键位置筛选、形态精判、多因子共振扫描——每个结论都能回答"凭什么是这只票"。感知引擎,是给它装上了一个会推演世界的大脑。

八、一条不许骗自己的底线

越是复杂的系统,越容易自欺:动机、因果、权重,全都极易被大模型"编故事"——凡事皆阴谋,讲得通就当真。这是这套系统最大的敌人。

所以我们把"诚实"写进了工程红线:

不许兜底。 源头没有的数,界面上就是"—",不算、不补、不编。数据问题一律在源头修,绝不在展示层洗。
没验证过的,一律标"观察态"。 因子没回测,confidence 就是 NULL、权重就是 0,绝不拿它背书任何信心。我们甚至专门去修了回测里两处会系统性制造"假阳性"的前视 bug——在把任何信号推给用户之前。
动机、因果、权重都只是"假设"。 它们靠"预测的事件序列有没有兑现"来证实或证伪,不靠"听起来有道理"。

一个分析工具能不能被信任,底线就在这里。

九、底子:Rust + 全市场 + 真实经济学

性能。 整套用 Rust 从零重写,近 60 个模块严格分层。冷启动 < 2.5 秒、K 线打开 < 300 毫秒、Copilot 首字 < 700 毫秒,每条关键路径都有明确预算。
多市场一套引擎。 美股、A 股、港股同一套周期与感知引擎——"A 股全市场周期共振"是中文交易工具里几乎空白的一块。
站在巨人肩上,不拍脑袋。 节点权重用生产网络中心性(Acemoglu),市场阶段用马尔可夫区制转换的概率分布(Hamilton),叙事强度用传染病 SIR 模型(Shiller),大周期参考达利欧、反馈回路参考索罗斯反身性。没有单一模型能覆盖全部——价值在于把它们综合成一张活的时间因果图。
AI 助手默认接 DeepSeek,工具调用型,所有会下单、会改数据的操作都先弹确认卡片,AI 越不了权。
桌面端接 Interactive Brokers 实盘执行,Web 端专注分析。

十、我们卖的是「装备」,不是「信号」

说清楚定位:这是一套可解释的世界推演 + 周期分析装备,不是"跟我买就赚"的荐股。

我们不做信号订阅、不做投资建议,只把这张世界图、把每一条传导路径、每一个动机假设、每一层可靠度,原原本本摊开给你——帮你自己看懂"这个世界现在处在什么局、谁在推动、会往哪演化、哪只标的此刻站在了因果链的下游"。

一套引擎,把宏观世界的意图、产业链的传导、和 K 线的具体位置串成一张图。剩下的判断,交回给你自己。

Powered by Rust · DeepSeek · Interactive Brokers ｜一套引擎,美股 / A 股 / 港股全覆盖