AI 对冲基金系统如何工作：从选股到最终决策

AI 对冲基金系统如何工作：从选股到最终决策

难度：入门

理解工作流，比记住一堆术语更重要。本章说明一次分析如何从「你输入股票」走到「组合管理给出建议」，并对照关键执行逻辑，为下一章阅读每位 Agent 的打分与提示词做好铺垫。读完后，你应能指着一张图说出：谁在写白板、谁在限仓、谁在拍板。

本文你将学到

• 端到端流水线的五个阶段及其数据依赖
• 为什么多个分析师是并行、而风控与组合是串行
• 共享状态里关键字段的含义，以及组合管理如何消费风控结果

端到端主流程

1. 输入参数

常见输入包括：股票代码列表、起止日期、启用哪些分析师、使用哪类大模型、是否展示推理。系统还会初始化模拟持仓与现金，供风控计算净清算价值、供组合管理判断可买可卖数量。

2. 拉取数据（发生在各 Agent 内部）

数据并不是在起点一次性「打包扔进会议室」，而是各分析师按需调用工具函数，例如价格序列、财务指标、报表科目搜索、市值、新闻等。很多调用带缓存，避免同一天同一股票被重复拉取。缺失数据时，分析函数通常会给低分或中性，并在明细里写明数据不足。

3. 分析师并行出信号

被选中的分析师几乎同时工作。工作流创建时，会为每个选中分析师添加节点，并建立 start_node → 分析师 边，再建立 分析师 → risk_management_agent 边。逻辑示意：

create_workflow(selected_analysts):
  图.add(start_node)
  for 每个分析师 in selected_analysts:
      图.add(分析师节点)
      边(start_node → 分析师)
  图.add(risk_management_agent)
  图.add(portfolio_manager)
  for 每个分析师:
      边(分析师 → risk_management_agent)
  边(risk_management_agent → portfolio_manager → END)
​

每位分析师最终写出类似结构：

{
  "AAPL": {
    "signal": "bullish",
    "confidence": 72,
    "reasoning": "……"
  }
}
​

并挂到 analyst_signals[agent_id] 下。

4. 风险管理算仓位上限

风险管理读取价格，估计波动，必要时估计相关性，结合组合总价值与现有暴露，计算剩余可开仓额度，并把 current_price、remaining_position_limit 等信息同样写入信号表（以风控自己的 agent 标识为键）。即便全体看多，数量也可能被压得很小。

5. 组合管理输出最终建议

组合管理会：

1. 找到对应的风险数据，用「剩余额度 ÷ 现价」得到 max_shares
2. 把各分析师信号压缩成 {sig, conf} 摘要
3. 计算当前组合允许的动作集合（例如已有多头才允许卖）
4. 调用大模型，要求输出符合 schema 的 decisions

示意：

for ticker in tickers:
  position_limit = 风控信号[ticker].remaining_position_limit
  price = 风控信号[ticker].current_price
  max_shares = floor(position_limit / price)
  收集非风控类 agent 的 signal/confidence
调用 LLM 生成 PortfolioManagerOutput
返回 action/quantity/confidence/reasoning
​

你最终会看到两类结果

命令行与 Web 的共同点

无论 CLI 还是可视化画布，业务内核都是同一故事线：分析师并行 → 风险管理 → 组合管理。Web 侧允许自定义节点连线；若分析师直连组合管理，服务端往往会补插风险节点，避免教学演示误导成「可以绕过风控」。

状态字段怎么「长出来」

初学者常常问：分析师写信号时，风控的字段从哪来？答案是分阶段写入同一张大字典。分析阶段只写入各分析师自己的键；风险阶段追加风控键；组合阶段读取前两者，但不一定改写分析师原文，而是生成新的决策消息。于是调试时你可以：

1. 先确认某个 agent_id 是否出现在信号表（没出现通常意味着没被选进工作流）
2. 再看该股票下是否有 signal / confidence
3. 再看风控键是否提供了价格与剩余限额
4. 最后才解释组合为什么给出某个 quantity

这也是为什么本教程反复强调「白板」隐喻：它比「模型互相聊天」更接近真实实现。

失败与降级（原理预告）

真实运行里还会遇到：某股票无价格、财务报表缺失、模型超时、结构化解析失败。成熟的 Agent 往往会在规则层返回中性或低分，并在 LLM 调用处提供回退（fallback）。上手章与 FAQ 会再讲排查；入门阶段只需记住：工作流允许单点变弱，但不等于系统承诺正确。

小结

把系统记成三句话：分头研究写白板、风控计算买得起多少、组合管理在限额内拍板。再记一句工程话：并行的是分析节点，串行的是风险到组合的边。下一章开始拆开会议室里的每一个席位，并对照各自的打分阈值与提示词策略。

请打开 Agent 体系支柱页《AI 交易 Agent 体系总览》继续阅读，目录名是 02-agents。