这是 AI 理财系列的第 3 篇。本系列讲述如何用 Claude Code 和 LLM Wiki 构建个人理财 AI 系统。
我从来没跑赢过大盘。
不是没努力。我看财报、跟行业新闻、听分析师的判断。每次下决定，感觉都有道理。但回头看，大部分买卖都是被某条消息触发的，朋友推荐、某个超预期的数据、X 上刷屏的观点，感觉上是在分析，说到底是噪音驱动。
结果都是一样的，跑不赢大盘。
后来想明白了，这不是信息量的问题，是决策结构的问题。我管过云基础设施，见过什么叫可靠的系统。投资失败不是因为选的行业不对，是因为根本没有一套系统。每次决策都从零开始，没有一致的逻辑，事后也没办法追溯哪里出了问题。
工程师处理这类问题的方式是设计系统：明确的输入、显式的逻辑、可观测的状态、可预测的输出。我决定把同样的方法用到投资上。
这就是 IOS 的起点，投资操作系统（Investment Operating System）。它运行在 Claude Code 和私有 LLM Wiki 之上，是一个六阶段框架，覆盖从想法生成到仓位管理的完整投资流程。
这篇是系列第 3 篇，专门展开系统本身的复杂度，它包含哪些组件，为什么需要这么多层。
知识库与分析工具
在介绍六个 Stage 之前，先说清楚这套系统的底层依赖——框架从哪里来，Command 是谁开发的，finance-skills 和框架是什么关系。
分析框架
五个框架分别来自两个项目：
RWH upstream 的三个框架（随 upstream 知识库一起引入）：
| 框架 | 核心问题 | 用于哪个 Stage |
|---|---|---|
| BAIT | 为什么市场现在错误定价？ | Stage 2（基本面研究） |
| Moneyball PW EV | 预期价值超过当前价多少？ | Stage 2（基本面研究） |
| Asset Types | 这类商业模式该用什么指标衡量？ | Stage 2（基本面研究） |
RWH-overlay 自建的两个框架（在 overlay 的 frameworks/ 目录中维护）：
| 框架 | 核心问题 | 用于哪个 Stage |
|---|---|---|
| Chen Yun 方法 | 这只股票是否属于结构性主题赛道？ | Stage 1（想法生成） |
| SEPA | 技术上，现在是买入的正确时机吗？ | Stage 3（技术确认） |
自建 Command 清单
RWH-overlay 共开发了 14 个自定义 Command（存储在项目的 .claude/commands/ 目录中）：
| Command | 用途 |
|---|---|
/kb-sync | 构建并同步合并后的完整知识库（Upstream + Overlay） |
/stock-analyze <TICKER> | 新股票完整研究 Pipeline：15 节论文，含 BAIT、Moneyball、Asset Type |
/stock-refresh <TICKER> | 财报或重大新闻后的论点更新 |
/stock-entry <TICKER> | 单只股票的入场/退出点精细分析 |
/morning-check <TICKER> | 开盘决策：论点检查、SEPA 状态、入场/止损/目标价 |
/morning-check ALL | 批量扫描所有持仓；标记需要处理的信号 |
/etf-analyze <TICKER> | ETF 深度分析：持仓审查、费率、流动性、行业纯净度 |
/etf-check | 事件驱动的行业 ETF 定投决策——检查触发条件 |
/chen-integrate | 解析 Chen Yun 观点，标记需要研究的 Ticker |
/chen-validate <TICKER> | 将 Chen Yun 提及的 Ticker 对照投资框架交叉验证 |
/market-daily | 每日市场报告和行业健康摘要 |
/market-weekly | 应税账户周度行动计划：TLH 机会、蓝筹候选、DCA 执行 |
/market-monthly | 月度持仓和论点回顾 |
/market-quarterly | 季度持仓和策略回顾 |
框架与 finance-skills 的关联
finance-skills 以 Plugin 模式安装，提供数据获取和技术分析能力。各 Command 在执行框架逻辑时按需调用：
| finance-skills 工具 | 为哪个框架/Command 提供支撑 | 具体作用 |
|---|---|---|
finance-market-analysis:sepa-strategy | SEPA 框架 → /morning-check | Stage 判断、Trend Template 8 条件核查、VCP/杯柄形态识别、突破量能验证 |
finance-earnings:calendar | Moneyball PW EV → /stock-analyze | 拉取最新 EPS 数据、与预期差距、管理层指引变化，作为三情景建模的输入 |
finance-market:options-flow | BAIT（Technical 层）→ /stock-analyze | 识别机构期权动向，辅助判断是否存在技术性卖压或逼空信号 |
这些工具在六个 Stage 中反复出现。自建 Command 是对框架逻辑和 finance-skills 数据能力的编排和整合。
六个 Stage 概览
- 想法生成 — 候选标的从哪里来，筛选标准是什么
- 基本面研究 — 三个并行框架（BAIT、Moneyball PW EV、Asset Type）
- 技术确认 — SEPA 趋势与形态分析
- 账户分配 — 选哪个账户，由税务和风险逻辑驱动
- 执行 — 入场价格、止损位、盈亏比、市场环境检查
- 仓位管理 — 入场后每种信号对应的明确规则
Stage 1：想法生成
标的来源有四个渠道：
- Chen Yun 方法：跟踪独立分析师对结构性主题赛道的判断，识别尚未被市场充分定价的板块机会
- 财报驱动：关注业绩指引的变化，不只是超预期或不及预期本身
- 新闻与结构性趋势：电网升级、电池储能、光互联、LEO 卫星——这些都是正在追踪的热门赛道
- 板块轮动信号：资金从哪里流出，往哪里流入
进入初筛的五个标准：板块顺风、营收增速 >15%、管理层可信度、90 天内可识别的催化剂、无明显红旗。满足 ≥3 个条件，就运行：
/stock-analyze <TICKER>
/stock-analyze 做了什么
这个 Command 是整套研究流程的入口，产出一份 15 节的完整论文。它并行读取三层信息：
- RWH wiki（蓝筹股）或 overlay 行业分析（主题股）——提供已蒸馏的基本面背景
- finance-skills 的
finance-earnings:calendar——自动拉取最新财报数据、EPS 与预期的差距、管理层指引变化 - overlay 行业综合分析——把公司层面事件连接到多年期赛道故事
拿到这三层数据后，Command 按顺序应用三个框架：Asset Type 确定估值方法 → BAIT 识别错误定价来源 → Moneyball PW EV 量化机会大小，最终把结论写入 wiki/tickers/<TICKER>/thesis.md。
Stage 2：基本面研究
这个 Stage 包含三个并行分析框架，每个框架回答不同的问题。
BAIT 框架
BAIT 是四类市场错误定价的首字母缩写：Behavioral（行为偏差）、Analytical（分析误差）、Informational（信息不对称）、Technical（技术性卖压）。
投资机会的本质是某种形式的错误定价。BAIT 强迫你明确说出：这个机会属于哪一类，或者哪几类的叠加？需要 ≥3 个类别重叠，才算有足够的安全边际。
Moneyball PW EV 框架
PW EV（概率加权预期价值）要求你为三种情景分别赋值：
| 情景 | 目标价 | 概率 |
|---|---|---|
| Bull Case | $95 | 30% |
| Base Case | $68 | 50% |
| Bear Case | $35 | 20% |
PW EV = 95×0.3 + 68×0.5 + 35×0.2 = $69.50
如果当前股价是 $50，PW EV 高出 39%，上行/下行比例是 3.2:1。
规则：PW EV 必须超过当前价格 15% 以上，且上行/下行比 >2:1，才能进入下一 Stage。
Asset Type 框架
在做估值之前，先明确这是什么类型的资产：高增长科技股、平台型公司、周期性资产、防御型蓝筹……不同类型适用不同的估值方法和持仓策略。
三个框架的分析结果都写入 wiki/tickers/<TICKER>/thesis.md。
thesis.md 的结构
这份文件按固定的 15 节结构记录每次分析：
| 节 | 内容 |
|---|---|
| 执行摘要 | 一段话说清楚：为什么这只股票，为什么现在 |
| 公司概述 | 核心业务、收入结构、主要客户 |
| 资产类型分类 | 高增长 / 平台 / 周期 / 防御，决定后续用哪套估值方法 |
| 竞争优势 | 护城河来源：技术、规模、网络效应、监管壁垒 |
| 行业赛道 | 所属赛道的结构性驱动力和主要风险 |
| BAIT 分析 | 四个维度各打分，标注重叠来源 |
| Moneyball 计算 | 三个情景的目标价、概率权重、PW EV 结论 |
| 看多情景 | 触发条件 + 12-18 个月价格目标 |
| 基准情景 | 中性假设下的预期路径 |
| 看空情景 | 关键风险成真时的估值下限 |
| 关键催化剂 | 接下来 90 天内能改变市场判断的具体事件 |
| 主要风险 | 可能让论点失效的因素 |
| SEPA 技术状态 | Stage 判断 / 趋势模板 / 当前形态 |
| 综合结论 | 是否进入下一 Stage，理由 |
| 变更日志 | 每次更新的时间戳和改变了什么 |
LLM Wiki 通过变更日志追踪论点随时间的演变。
Stage 3：技术确认（SEPA）
基本面研究给出"为什么买"，技术分析给出"什么时候买"。SEPA 框架的核心是：
- Stage 2 上升趋势确认
- Trend Template 满足 ≥5/8 条件
- 识别 VCP、杯柄形态或平台整理
- 突破时成交量 >150%
运行 /morning-check <TICKER>，系统会输出四个结论之一：Execute / Chase 50% / Wait / Skip。
SEPA 来自哪里，morning-check 整合了什么
SEPA 分析由 finance-skills 的 finance-market-analysis:sepa-strategy 提供。这个 Skill 自动完成：200 日均线斜率判断（是否在 Stage 2 上升阶段）、Trend Template 的 8 个条件逐一核查、VCP 收缩次数与幅度识别，以及突破当天成交量对比 50 日均量。
/morning-check 在此基础上整合了更多层：
- RWH wiki + thesis.md：当前持仓的论点状态（论点是否仍然成立）
- finance-earnings:calendar：本周是否有财报，是否在静默期内
- data/positions.md：成本基础、当前浮盈/浮亏、已设定的止损位
- overlay 行业分析：板块最新动态是否影响个股判断
最终输出是一个可执行的建议，而不只是一堆数据。
Stage 4：账户分配
这个 Stage 要回答的是，分析完了，这笔投资该放进哪个账户？
| 资产类型 | 账户 |
|---|---|
| 杠杆 ETF（TQQQ、TSLL 等） | Roth IRA only |
| 高成长股（市值 < $100B） | Roth IRA |
| 板块主题 ETF | Roth IRA |
| 蓝筹股（市值 > $100B，持有 ≥1 年） | Taxable |
| 指数 ETF（VTI、QQQ） | Taxable（DCA） |
逻辑很清晰：Roth IRA 是免税账户，适合高换手、高波动的仓位；Taxable 账户要考虑税务成本，适合长期持有的质量型仓位，同时利用 TLH（税务亏损收割）优化税后收益。
这个 Stage 的决策结果体现在两个地方：账户分工规则长期存储在 data/profile.md，每笔实际执行后更新到 data/positions.md（记录放在哪个账户，以及对应的税务批次）。
Stage 5：执行
/morning-check 在执行时输出：
- 入场区间（Pivot 价格 ±5%）
- 止损位（Moneyball Bear Case 或 MA50，取较近者）
- T1/T2 目标价
- 盈亏比（R/R ratio，必须 ≥2:1 才能入场）
- 市场环境检查（SPY/QQQ 是否在 200 日均线以上）
盈亏比不达标，不管多看好这个标的，都不入场。这是系统的规则，不是心情的判断。
日常入场由 /morning-check 给出建议；当需要更精细的入场/退出点分析时，运行 /stock-entry <TICKER>。入场完成后，手动更新 data/positions.md，记录实际入场价、股数、止损位。
Stage 6：仓位管理
入场之后，系统对每一种信号都有明确的行动规则。
Roth IRA 仓位管理
| 信号 | 行动 |
|---|---|
| 触达止损位 | 100% 出场，无例外 |
| 浮盈 >+20%，Stage 2 趋势健康 | 持有，止损上移至成本位 |
| 浮盈 >+20%，跌破 MA50 | 减仓 50%，剩余部分追踪止损 |
| 单日跳空 +30% | 减仓 50% |
| 投资论点被破坏 | 降低出场阈值，评估是否全部退出 |
止损规则没有例外。在你还没有情绪的时候做好决策，到了止损位直接执行。
Taxable 账户
税务是一个一级变量。每周运行 /market-weekly，系统生成 Taxable 账户的周度行动计划：TLH 机会、蓝筹候选、VTI/QQQ 的 DCA 执行时机。
私有数据层：让框架变成专属建议
整个系统有四个目录，其中 data/ 通过 .gitignore 完全私有：
data/positions.md：当前持仓 + 成本基础data/profile.md：风险承受度、税率档位data/strategy/：结合实际持仓的个人投资策略文档
output/ 目录是公开的，放的是不含个人持仓信息的日期相关报告（市场日报、行业摘要等）。wiki/ 是长青内容，也是公开的。私有边界在 data/，不在 output/。
这个设计的价值在于：当你运行 /stock-analyze NVDA 时，Claude Code 不只是给出通用分析，而是会读取你的当前 Roth 仓位并说：
"你的 Roth IRA 已有 6 只个股，达到你设定的上限。要加入 NVDA，需要先退出一个仓位。根据论点强度，SMCI 是当前最弱的——原因如下。"
没有私有数据层：这是一个框架。有了私有数据层：这是针对你具体情况的建议。
positions.md 的结构
以下是一个典型模板（数据均为示意，不含真实持仓）：
# Positions
## Roth IRA
### XXXX（入场：2025-01）
- 入场价：$XX.XX | 股数：XXX | 成本基础：$X,XXX
- 止损：$XX.XX | T1：$XX.XX | T2：$XX.XX
- 当前状态：Stage 2 ✅ | 浮盈：+XX%
- 论点状态：Active
- 下次关注触发：XXXX 财报（Q1 2025）
## Taxable
### XXXX（入场：2024-06）
- 入场价：$XX.XX | 股数：XXX | 成本基础：$XX,XXX
- 持有计划：长期（>1年，长期资本利得税率）
- 论点状态：Active
- TLH 状态：上次同标的买入 >30 天，Wash Sale 窗口已开
Claude Code 读取这个文件时，会结合每只股票的 wiki 论文和实时市场数据，生成针对你具体持仓的建议，而不是通用分析。
一周的系统运行方式
实际操作下来，每周大约两到三个小时，分几个固定节点。
周一早上。 开盘前跑 /morning-check ALL，大约 15 分钟扫完所有持仓，标记需要处理的信号。如果有确认入场的标的，接着跑 /stock-entry <TICKER> 拿到精确入场区间、止损位和目标价。收盘后跑 /market-daily 看板块健康摘要。
工作日中。 新标的线索异步到来，脑子里过一遍五条筛选标准，≥3 条就排队跑 /stock-analyze <TICKER>，结果写入 wiki 等我有空来看。已持仓出现重大消息——业绩指引修订、评级下调、供应链事件——随时跑 /stock-refresh <TICKER> 更新论点，不等月度周期。ETF 机会走另一条触发式流程。
周末。 跑 /market-weekly：TLH 机会、蓝筹候选、VTI/QQQ 的 DCA 执行。
每月。 对 5-8 个核心持仓跑 /stock-refresh 全量重评估，再跑 /market-monthly 做整体持仓和策略复盘。
每个流程的决策逻辑在下面的 Workflow 图里。系统不会消灭判断——最终决策还是我来做——但依据的是一致的框架，而不是周二早上的心情。
四个核心 Workflow
系统运转依赖四条 Workflow，每一条的输入、输出和参与的 Command 都是明确的。
1. 个股研究→入场
[新标的线索]
│
├─ Chen Yun 信号 / 赛道扫描 / 财报惊喜 / 新闻
│
▼ 五条筛选标准 ≥3 条通过
[/stock-analyze <TICKER>]
│
├─ BAIT ≥3 overlap？→ 否：Watch List
├─ PW EV > 当前价 15%，上/下比 >2:1？→ 否：Wait
└─ 是 ↓
[/morning-check <TICKER>]
│
├─ SEPA Stage 2 + Trend Template ≥5/8
└─ 输出：Execute / Chase 50% / Wait / Skip
↓ Execute
[/stock-entry <TICKER>] ← 精确入场区间、止损位、T1/T2 目标价
↓
更新 data/positions.md
2. 每日持仓监控
[每天开盘前]
↓
[/morning-check ALL]
│
├─ 扫描所有持仓：止损状态 / 技术结构 / 论点变化
├─ 标记本周有财报的持仓
└─ 输出优先级列表：立即处理 / 观察 / 无需操作
[收盘时]
↓
[/market-daily] ← 板块健康摘要、当日重要信号变化
[持仓出现重大消息（工作日随时）]
↓
[/stock-refresh <TICKER>] ← 更新论点，不等月度周期
3. 赛道 ETF 定投
[触发条件（满足任一）]
① Chen Yun 近 7 天该赛道 ≥3 次提及
② ETF 价格 ≤ MA50 −5%
③ Fear & Greed < 30
↓
[/etf-check --sector <赛道名>]
│
├─ 对比同赛道 ETF（费率 / 流动性 / 成分股纯净度）
└─ 输出：推荐 ETF + 建议买入量（基于目标配比缺口）
[首次评估某赛道 ETF 或需要深度对比]
↓
[/etf-analyze <TICKER>] ← 完整 ETF 深度分析后再确认
↓ 确认
更新 data/positions.md
4. 定期复盘
[每周日]
↓
[/market-weekly]
│
├─ TLH 扫描：浮亏仓位 + Wash Sale 合规检查
├─ 蓝筹候选：RWH 最新 Initiate/Add 推荐 + 当前价位判断
└─ DCA 执行：VTI/QQQ 本周建议买入量
↓
写入 data/morning-checks/taxable-action-YYYY-WXX.md（私有）
[每月]
↓
[/stock-refresh <TICKER>] 对 5-8 个核心持仓 ← 结合最新财报全量重评估
[/market-monthly] ← 整体持仓和策略复盘
系统的输出文件一览
| 文件 | 更新时机 | 是否私有 |
|---|---|---|
wiki/tickers/<TICKER>/thesis.md | /stock-analyze 或 /stock-refresh 后 | 公开 |
output/market/YYYY-MM-DD.md | /market-daily 后 | 公开 |
data/positions.md | 每次交易后 | 私有 |
data/profile.md | 风险偏好或税率变化时 | 私有 |
data/strategy/roth-2026.md | 年度策略调整时 | 私有 |
data/strategy/taxable-2026.md | 年度策略调整时 | 私有 |
data/morning-checks/taxable-action-YYYY-WXX.md | 每周 /market-weekly 后 | 私有 |
为什么"操作系统"是正确的比喻
操作系统不做决策。它提供一个让决策可以可靠发生的环境：管理资源、处理中断、执行规则。
IOS 对投资做的是同样的事。AI 负责分析的繁重工作，我负责提供判断和私有数据。结果是更低的决策错误率、更理性的仓位 sizing，以及最重要的一点——我清楚知道自己为什么持有每一个仓位，以及什么情况会改变我的判断。
结语
IOS 不能保证我跑赢大盘。
但它给了我之前一直缺少的东西，让我清楚知道自己为什么持有每一个仓位，也知道什么情况会改变这个判断。这两点，靠直觉交易做不到。
工程师的优势不是选股更准，是能建一套系统，让决策在你情绪最差的那天也能可靠发生。不是跑得比市场快，而是不再被噪音带着跑。这就够了。
