跳到主要内容

Quant AI Alpha Pick

Quant AI Alpha Pick 用因子模型 + AI 叠加,产出系统化的量化 Alpha 候选股。

入口:/quant-ai

ProElite 套餐可用。

Quant AI Alpha Pick 列表


1. 是什么

Quant AI Alpha Pick 是 Alphio 面向美股的机构风格量化策略。系统维护一个由多因子量化模型 + AI 叠加挑选的约 30–50 只多元化股票篮子,并按需再平衡。

产品定位是中期投资 —— 持仓周期是数周到数月,而非数天。换手刻意压低:只有底层信号实质变化时才调仓,不按固定日程换手。

页面分两个 Tab:

  • Portfolio —— 最新交易、当前持仓与行业分布、近期赢家
  • Performance —— 回测曲线与统计指标

2. 信号结构

Quant AI Alpha Pick 不像波段产品那样按入场 / 目标 / 止损单条展开,而是按仓位展示:

字段含义
Symbol篮子中的美股代码
Cost该仓位的入场价
Price当前市价
P&L %未实现收益率
Position Weight该名字在篮子里的份额
Entry Date建仓日期
Sector行业分类,用于行业分布饼图

另有 Latest Trades(最近建 / 平仓)和 Previous Winners(近期已实现的盈利 Top)两个上下文视图。


3. 策略逻辑

Quant AI Alpha Pick 由多个组件组合:

  • 多因子 Alpha 信号 —— 机构级因子(价值、动量、质量等)混合成综合 Alpha 评分
  • AI 叠加 —— AI 对因子输出做再加权和剪枝,适配市场体制,过滤因子信号脆弱的名字
  • 风险过滤 —— 在组合层面叠加行业、流动性和特异性风险过滤
  • 低换手再平衡 —— 仓位变动来自信号实质变化,不按固定周期 —— 抑制过度交易、降低执行成本

目标是系统化地捕获 Alpha(相对 S&P 500 的超额收益),通过持有模型最高确信度的多元化篮子,跨越中期持仓周期。


4. 怎么用

  1. 看组合。 打开 /quant-ai,查看当前持有的 30–50 只名字、行业分布和最近交易动作。
  2. 看 Performance。 切到 Performance Tab,看累计收益曲线对比 S&P 500,以及滚动统计指标。
  3. 跟单策略。 点击页面顶部 Copy Trade,通过 Copy Trading 把篮子镜像到你绑定的券商账户。向导会把信号类型锁定为 Quant AI;选固定金额或等比例配置,设定额度。每次再平衡都会自动跟随。
  4. 中期持有。 和日内 / 波段产品不同,Quant AI 刻意低换手。请克制用同一账户做自由裁量交易、覆盖模型决策。

5. 回测 / 表现

Performance Tab 展示 Quant AI Alpha Pick 的累计收益曲线,与 S&P 500 并排显示,附运行统计(累计收益、胜率、回撤等)。Portfolio Tab 的 Previous Winners 区列出近期已实现的盈利 Top 名字作为额外上下文。

注意

具体回测的收益率 / Alpha / Sharpe 数字会随新交易平仓和模型调参不断变化。请以 App 内 Performance Tab 为准,不要引用本页固定数字。


6. 所需层级

Quant AI Alpha Pick 是付费产品。

ProElite 套餐可用。

注意

Quant AI Alpha Pick 大概率是 Elite 独占 —— 它和 SwingMax Portfolio 同属更高层级的权益包。请与产品团队最终确认,并以 订阅层级 为准。


7. 风险提示

Quant AI Alpha Pick 仅为信息展示。策略的信号和篮子构成是 AI / 模型输出,不构成投资建议。过往表现和回测结果不保证未来收益;因子策略可能出现长时间跑输。策略持有多头股票仓位,存在市场、行业和因子拥挤风险。通过 Copy Trading 跟单时,你的额度会用于镜像仓位 —— 若停止跟单,遗留仓位由你自己管理。请在执行前在券商端核对每一笔交易。


Agent Instructions: Querying This Documentation

If you need information not on this page, you can query the docs dynamically by sending a GET request with the ask query parameter:

GET https://docs.alphio.ai/zh/signals/quant-ai-alpha-pick.md?ask=<question>

The question should be specific, self-contained, and written in natural language. The response includes a direct answer plus relevant excerpts and sources.