像专业人士那样提问。

• 行情归因

  👤 ⚡ 💎 📊

  这只股票今天为什么涨/跌?

  用带引证和新闻时间戳的方式,为一只股票的单日行情列出最合理的可能原因排序。

  触发示例

  • "why is <ticker> up/down"
  • "what's happening with <ticker>"
  申请此分析 → v1 · 更新于 2026-08-17

• 历史类比

  💎 🌐 📊 ⚡

  类似的走势历史上何时出现过?

  找出与该市场事件最接近的历史类比,并以分布——而非个别故事——的形式,报告之后通常会发生什么。

  触发示例

  • "has this happened before"
  • "historical parallels for <event>"
  申请此分析 → v1 · 更新于 2026-08-17

• 监管 / 法律

  💎 🌐 ⚖️

  类似的诉讼 / 反垄断案,历史上是怎么走向的?

  追踪可比的监管 / 法律案例走过的路径,以及最终采取的救济措施。

  触发示例

  • "what happened in similar antitrust cases"
  • "how long do these lawsuits take"
  申请此分析 → v1 · 更新于 2026-08-17

• 结构 vs 周期

  💎 🌐 📊

  这是结构性的变化,还是周期性的?

  判断某个变化是长期重估(结构性)还是终将均值回归的周期波动。

  触发示例

  • "is this the new normal"
  • "will <thing> recover"
  • "structural or cyclical"
  申请此分析 → v1 · 更新于 2026-08-17

• 风险与仓位

  📊 ⚡ 💎

  最大回撤会有多深、多久——回撤与恢复分布

  对某一类事件,给出历史上最大回撤、持续时长与恢复时间的完整分布。

  触发示例

  • "how far could it fall"
  • "how long until recovery"
  • "worst case for <ticker>"
  申请此分析 → v1 · 更新于 2026-08-17

• 仓位与资金流

  💎 📊 ⚡

  机构投资者本季度做了什么?

  解析最新 13F 文件,看清谁在买入、谁在卖出,以及背后的仓位含义。

  触发示例

  • "who owns <ticker>"
  • "what did <fund> buy"
  • "berkshire 13f"
  申请此分析 → v1 · 更新于 2026-08-17

• 公司行动

  💎 ⚡ 👤

  CEO / CFO / 董事会变动对股价意味着什么?

  读懂管理层变动:是利好信号(有才能的新 CEO)、利空信号(CFO 逃离账务黑洞),还是无关紧要的常规继任?

  触发示例

  • "<CEO> steps down"
  • "new CEO of <company>"
  • "CFO resignation"
  申请此分析 → v1 · 更新于 2026-08-17

• 宏观数据

  🌐 ⚡ 📊 ⚖️

  市场应该如何解读这份宏观数据?

  拆解一份预定发布的宏观数据(CPI、非农、美联储、PMI、GDP)——头条数字 vs 结构细节 vs 政策路径重定价。

  触发示例

  • "CPI came in at <X>"
  • "Fed decision today"
  • "NFP miss"
  申请此分析 → v1 · 更新于 2026-08-17

• 竞争格局

  ⚡ 📊 💎

  当这只股票 / 事件波动时,还有谁跟着动?

  梳理竞争对手、供应商、客户与替代品——并为第二层受益 / 受害标的排序。

  触发示例

  • "who benefits from <event>"
  • "who loses from <event>"
  • "collateral impact of <X>"
  申请此分析 → v1 · 更新于 2026-08-17

• 行为面

  ⚡ 📊 💎

  这条新闻是不是已经反映在价格里?

  在你追涨消息之前,先判断市场是否已把这条信息消化掉。

  触发示例

  • "should I buy on this news"
  • "is this priced in"
  • "market didn't react — why"
  申请此分析 → v1 · 更新于 2026-08-17

• 风险与仓位

  ⚡ 📊 💎 👤

  若做这笔交易,历史上会赚多少——参数化回测

  如果你在 Z 日以 Y 价买入 X 股 Z 股票并持有 N 天(或按 +a% / -b% 规则退出),历史上的盈亏会是什么样——针对某一具体日期,或跨越所有相似事件。

  触发示例

  • "if I bought <ticker> today and held N days"
  • "backtest this trade"
  • "what would this strategy have made"
  申请此分析 → v1 · 更新于 2026-08-17

• 风险与仓位

  ⚡ 📊

  带退出规则的回测(止盈 / 止损 / 跟踪止损)

  在回测中加入止盈、止损和跟踪止损规则,衡量它们如何重塑收益与风险的分布。

  触发示例

  • "what if I stop out at -X%"
  • "take profit at +X%"
  • "trailing stop backtest"
  申请此分析 → v1 · 更新于 2026-08-17

• 风险与仓位

  📊 ⚡ 💎

  事件驱动型回测——把规则应用到全部历史实例上

  对任一事件类别,把同一套交易规则跑遍历史上的每一次实例,报告盈亏分布——这是系统化策略设计的主力工具。

  触发示例

  • "backtest across all instances of <event>"
  • "if I had bought every time <X> happened"
  申请此分析 → v1 · 更新于 2026-08-17

• 风险与仓位

  📊 💎 ⚡ 🌐

  风险调整指标——夏普、索提诺、Calmar、最大回撤

  超越原始收益——计算业内标准指标,让不同市场环境和资产类别之间的策略可以横向比较。

  触发示例

  • "sharpe ratio"
  • "risk-adjusted return"
  • "max drawdown"
  申请此分析 → v1 · 更新于 2026-08-17

• 风险与仓位

  📊 ⚡

  Walk-forward 优化——在损失发生前发现过拟合

  把样本切分为样本内调参和样本外验证两段,顺着时间向前滚动——这是识别过拟合策略的黄金标准。

  触发示例

  • "is this strategy overfit"
  • "walk forward validation"
  • "out of sample test"
  申请此分析 → v1 · 更新于 2026-08-17

没有匹配的技能。请尝试清除某个筛选条件。