AlgoMaker · 机构版
一个怀疑主义的实验室,让 AI 在犯错就要付出真金白银的环境中运作。样本外检验、按品种实测的成本、券商真正接受的手数,以及回测承诺与实盘交付之间的差距。
运行在您自己的基础设施上,使用您自己的密钥。启用真实资金,始终是人的那一次点击。
转变
靠移动光标的机器人,会在按钮换位置的那天失效,而且不会留下任何可供审计的记录。另一条路,是交易台把自身的操作暴露为可调用的函数:由代理发起调用,由授权限定它能调用什么,每一个决策都连同理由一并记录。这就是「能解释的业绩」与「只能展示的业绩」之间的区别。
买入、卖出、拖动止损、盯盘。每一个决定,都要经过注意力、疲劳和屏幕时间。
data.download()
mine.strategies()
retest.funnel()
portfolio.run()
deploy.paper()
exec.status()架构
在多个品种与周期上生成候选策略,随后进入一条以「淘汰」而非「确认」为目的的漏斗。样本外检验、滚动前推与蒙特卡洛重采样,都在任何策略上线之前完成。
存活下来的策略被归入策略库并组合成投资组合,相关性在整个组合层面考察,而不是逐条评估。
永远先模拟。实盘在已连接的交易场所运行,持仓、成交与实际成本都会与回测假设逐项比对。
集群智能
价格历史是大宗商品——每一家交易台拿到的都是同一根K线。几乎没有人同时握有另一组数据:机器提出的策略基因,以及真正执行它所付出的成本,逐个品种记录。舰队把这些数据回流到研究端,筛选门槛也因此收紧——只有在乐观执行假设下才能存活的策略,不再被批准。
滑点、点差与实际成本,来自集群中真实成交的逐品种、逐场所统计——而不是配置文件里写死的一个常数。
离开机器的只有匿名化的百分比,且必须在独立来源足够多、该数值无法反推到个体时才上报。持仓、余额、策略与密钥,从不外传。
集群实测出的成本会成为研究起飞前检查中的先验。一条只有在乐观执行假设下才成立的策略,从此不再被放行。
整个群体是可检视的:策略家族、它们共用的指标、样本规模,以及实盘表现在哪里偏离了回测的承诺。
集群视图——每一团是一个策略家族,每个点是一次执行,每根连线代表家族之间共用的指标。示意图。
风控
任何事都能自动化。在交易台上真正重要的,是系统拒绝去做的那部分,以及它在做其余事情时留下的记录。
启用实盘资金与录入交易所密钥,都是人在屏幕前的动作。代理负责准备、监控与关闭——但它不会自己启动。
没有明确授权——资金规模、可承受的最大回撤、目标与期限——研究流水线拒绝启动。
在消耗大量算力之前,先用实测约束检查任务配置,并说明某组参数为何会颗粒无收。
停止与强制平仓是一等操作,可随时调用,与代理当前在做什么无关。
明细数据留在使用者本地。对外只输出经过派生的匿名汇总——绝不包含持仓、密钥或余额。
研究阶段使用的费率与滑点表,就是执行端平仓时实际计收的那一张。研究不能比现实更便宜。
集成
平台不卖智能。它开放交易台,推理由你的代理提供——用你自己的订阅,在你自己的治理之下。
原生 MCP 服务。代理自行发现能力清单并直接调用,每个工具都带说明与护栏。
运行在使用者本机的带鉴权 HTTP 接口,供非代理类系统调用。
同一引擎之上的人工视图:研究任务、组合、实时监控与偏离平面图。
运行在使用者自有的基础设施上,包括独立的 VPS 节点。全程不托管客户资金。
适用对象
两类客户,同一套基础设施:已经像机构一样运作的交易台,以及正在成为机构的操作者。
自营交易台、家族办公室、系统化资产管理机构,以及金融机构内部的技术团队。您已经拥有授权与资本,需要的是一条可由机器操作、可审计的研究到执行路径,运行在您自己的基础设施上。
管理自有资金、并打算对外募资的操作者。您与基金之间的差距,往往不是策略,而是记录:书面授权、会拒绝的筛选流程、以回测承诺为基准衡量的实际执行,以及配置方看得懂的审计轨迹。这套基础设施在运行过程中自然产出这些记录。
如果您寻找的是交易信号、代客管理账户或目标收益,那么这里不是您要找的地方——早点知道更好。我们是技术提供方:不提供投资建议、不推荐标的、也从不托管客户资金。筛选流程产生的大多数候选策略,本来就应该在触及资金之前被淘汰。