一个工作日的下午，当又一条“AI自动交易年化300%”的广告弹窗出现在屏幕角落时，有8年ML工程经验的他划掉了所有LSTM回测曲线。零售交易空间里，堆满了“史诗级灾难”——回测漂亮的AI模型，在实盘中却像喝醉的司机；上世纪七十年代的RSI/MACD指标，还没发出信号，价格已经被高频做市商抢跑。他翻看着共同基金近两年的成绩单：90%的股票都在亏损，自己却在稳定地上缴管理费。这不是个别遭遇，而是整个散户交易生态的底色。他决定不再给任何收费服务交钱，而是用自己的数学重新武装交易。
8个月的挣扎，换来了一个叫StockMind的量化引擎。它只做现金股权摆动交易，完全排除F&O（期货与期权）。为什么？SEBI的数据冷冰冰地摆在面前：90%的散户在F&O交易中亏钱。结构性的劣势不是靠运气能翻盘的——期权存在时间价值衰减（Theta），到期日价值会归零，而现金股权让你有持仓的底气去等待回调周期结束；5倍杠杆放大市场波动，一个2%的回撤就可能在最低点触发强平；频繁的期权交易还要在印花税、商品服务税、券商佣金里，无声无痕地砍掉每年10%至15%的本金。他不需要这些设计好的陷阱。
StockMind引擎的数学核心并非预测下个tick的价格，而是像物理引擎一样推演结构性概率。它构建了三层过滤网：第一层是行业轮动，每天用相对强度计算各行业指数相对于Nifty 50的强弱排序，排在末位30%的弱势行业，所有买入信号自动阻塞。第二层是质量与动量双因子筛选，直接踢掉负债权益比超过1.5的高负债公司，只要净资产收益率超过15%的真正赚钱机器，并且价格必须站在150日简单移动平均线之上——只在宏观上升趋势里行动。第三层是摩擦校准：所有回测都额外叠加每笔交易0.25%的固定成本，模拟真实印花税和买卖价差带来的滑点。不是“理想世界”的游戏，而是把现实搬运进代码。
用这套逻辑跑过去五年数据，结果让人感到兴奋。在扣除每笔0.25%交易成本后，复合年增长率打到24.5%，最大回撤控制在-12.3%，夏普比率1.65。这组数字没有用杠杆，也没有过拟合的单股预测，纯粹是行业轮动叠加质量动量因子在现金交易中的表现。目前，实时纸盘交易的数据已经同步公开，他本人也已经开始用真实资金下注，并承诺很快会分享实盘结果。没有唬烂的曲线，只有实时更新的账户和Telegram频道里的每一笔信号日志。
当然，现阶段的引擎不是完美的。第一个槽点是登录流程：每天早上要手动登录Zerodha Kite应用，生成API会话令牌，没有免费的自动无头登录方案。这意味着它需要用户在开盘前花几分钟完成操作，离完全自动化还有一步之遥。第二个局限是时间周期：引擎只跑日线级别的摆荡策略，不做日内交易。它不是为日内抢帽子的玩家设计的，而是瞄准中长线视角，让决策不那么被分钟级的噪声牵着走。这两个弱点都坦承地写在项目说明里，没有半点遮掩。
整个项目在GitHub上开源，实时仪表盘挂在thestockmind.com，配套的Telegram频道持续推送信号。他并非在贩卖圣杯，而是把引擎的每一行逻辑都摊开，请其他开发者和量化分析师来挑刺——尤其是滑点建模和行业轮动指数的构建，他需要更多反馈去打磨。这次公开行动本身就是声明：量化交易不必是黑箱，散户可以用可解释的模型和公开数据，拿到一个公平竞技场入场券。
当我们拆开这个引擎的决策链，会看到一个简单却容易被忽视的转折：放弃预测价格，转而做结构筛选。几百支股票里，先用行业温度筛掉一批，再用财务健康筛掉一批，只用上升趋势里最强的标的。没有LSTM的神秘主义，没有过度杠杆的赌博，只有一道又一道数学过滤器。StockMind或许不算复杂，但它提醒我们：普通投资者的敌人往往是交易成本和尾部风险，而非对明日走势的判断力。现在，这位工程师正等着更多同行的质疑和回测，并准备用实盘曲线，继续往下写这个不骗人的摆荡故事。
热门跟贴