價量結構
多週期形態、成交量分佈與訂單簿微結構特徵。
點擊或懸停任一智能體,觀察它如何將數據傳送至核心。
點擊任意智能體,觀察它如何向核心大腦傳送數據流。
三類使用者共用同一套輸出,分別在於把它接進哪一個流程。
以機率化訊號輔助既有的風控與部位決策。
以機率與風險語言取代主觀判斷,與客戶溝通。
於 Web 工作台檢視因子拆解,理解「為何」而非跟單。
輸出的是一份可以逐項查證的判斷,而不是一句結論。
P(↑) · 90% CI
不是「會升」,而是一個機率加上它的可靠範圍。區間愈窄,代表模型愈確定。
Posture · Target · Confidence
把機率轉譯成一個可以直接執行的立場,並附上目標價位與信心度。
Position cap · Max drawdown
同一份輸出附建議倉位上限與最大回撤估計。風險先講,機會後講。
Factor attribution
模型不會只丟一句「買入」。任何一個結論都可以打開,看到是哪些因子推高、哪些拉低。
Markdown · Word · PDF
技術、基本面與新聞面的綜合評估,可匯出為 Markdown、Word 或 PDF,直接納入你自己的研究檔案。

市場不存在確定性。因此我們不提供無條件判斷:把基本面、情緒與技術雜訊轉譯為機率語言,並把不確定性一併輸出。
ANALYSIS INPUTS · 分析輸入
多週期形態、成交量分佈與訂單簿微結構特徵。
北向資金、ETF 申贖與期權持倉變化等機構性訊號。
中英雙語新聞流即時向量化,隨事件觸發更新。
利率、匯率、商品價格與跨資產相關性作為模型先驗。
可解釋 — 每項訊號均可追溯至具體因子歸因,而非僅輸出一個無從查證的數值。
標示不確定性 — 方向機率必須同時附帶信賴區間,不提供無條件的確定性判斷。
風險優先 — 同時輸出倉位上限與最大回撤估計,風險邊界先於機會陳述。
可重現 — 策略可於回測工作台自行重跑,計算含手續費與滑點。
13%
最大回撤(11 年)*
64.2%
五日方向命中率*
1.5 : 1
平均盈虧比*
* 上述三項指標均為 11 年回測資料跨度下的歷史統計結果,不構成未來表現之保證。Stock Agent 提供決策輔助,並非投資建議;所有交易決定及相應風險由使用者自行承擔。
五級研究深度,每深一級展開多一層推理。撥動時間盤,可以查看三個歷史轉折點的分析預覽。
58% P(↑)
中性偏多 · 當前市場
因子強弱
三類量化因子的當期評分(價值/動能/質量);分數越高,該因子越看好。
現金流折現(DCF)
依未來現金流折算企業內在價值;WACC 為資金成本,TV 為終值倍數。
終值倍數 1.26× · 資金成本 9.4%(WACC)
深度每升一級,推理維度隨之展開。
模擬報告 · NOW
演示數據,用於展示互動邏輯;非真實市場預測。
接入港交所申報
港交所申報文件
解析 SEC 10-K
新聞情緒 NLP
跨智能體協同對齊
生成深度報告
狀態持久化:關閉或重新整理頁面,進度依舊精準續算。
演示流程,非真實推理記錄。
從數據管道、特徵歸因到風險預算,每一項輸出都必須說明來源、置信區間,以及誤判時的後果邊界。
示意輸出 · 由種子隨機產生,非真實行情,亦非市場預測。
特徵設計、訓練管道與線上推論均由團隊自行建置,而非封裝第三方 API。
PyTorch · Ray · MLflow
模型壓縮至數 MB 級別,直接運行於自研硬件;單張推論延遲按專案實測(產線瑕疵檢測專案:23ms)。
ONNX · TensorRT · INT8
實時數據管道自建,自採集、清洗至可視化全鏈路可追溯(多資產風險主控台專案:每日 190 萬筆訊號)。
Kafka · ClickHouse · dbt