量化投資研究 AI Agent (Quant Python AI Agent)
概述
- stock-data-sources
- stock-analysis-workflow-full
「量化投資研究 AI Agent」是一個專為量化投資領域設計的 AI Agent，其核心功能在於自動化地執行多項與金融市場分析相關的任務。
核心功能
- 自動搜尋財經新聞：能夠從各種來源獲取最新的財經新聞資訊。
- 分析市場情緒：對新聞內容進行情感分析，評估市場的整體情緒傾向。
- 產生風險評估報告：根據收集到的資料和情緒分析，自動生成詳盡的風險評估報告。
互動介面
該 Agent 透過 CLI (Command Line Interface) 互動介面操作，提供使用者友善的指令輸入方式來啟動和管理其功能。這使得研究人員和開發者可以方便地與 Agent 進行互動，觸發資料收集、分析和報告生成等任務。
擴展性
此 Agent 具有良好的擴展性，特別提及「可接 OpenClaw」，意味著它可能設計為可以與其他工具或框架進行整合，以擴展其功能或連接到更廣泛的生態系統。
參考連結
- GitHub 專案：aidatatools/quant-python-ai
- 官方網站：quantpython.ai
Financial Preferences
status: active description: “用戶針對金融分析的特定偏好與品質標準。” title: “Financial-Preferences” summary: “用戶金融分析偏好與品質標準規範” created: 2026-05-31 updated: 2026-05-31 type: concept tags: []
相關頁面
- openrouter-free-models
- 股票自動化配置
金融分析偏好規範 (Financial Preferences)
1. 報告風格
- 核心模式：文本主導 → 數據佐證。
- 視覺要求：
- 僅在深度分析模式下使用局部量化圖表。
- 必須移除所有 Emoji 符號，改用專業文本標記（如
[高風險]）。 - 優先使用繁體中文，僅在專業術語 (DCF, WACC, SGE) 保留英文。
- 交付方式：提到「傳送給我」時，優先使用 Telegram 傳送檔案而非直接顯示。
2. 數據與工具偏好
- 優先來源：TWSE OpenAPI → TPEX → FinMind → OpenBB。
- 資料庫傾向：傾向於將分析結果結構化並存入 SQLite / DuckDB，以支持後續 RAG 引用。
- 更新邏輯：執行任務後發現新方法或 Pitfall 時，必須自動更新對應 skill。
3. 關鍵指標關注點
- 台股：極其關注 ROE、淨利率、負債比。
- 美股：關注 AI 基礎設施資本支出 (CapEx) 與 Azure/Cloud 增速。
- 宏觀：關注聯準會利率方向與 CPI 通膨數據。
Arena Leaderboard
status: active title: “Arena AI 開源模型排行榜 (Top 50)” summary: “Arena AI 開源模型排行榜 (Top 50)：頂尖開源模型 (前 10 名)” created: 2026-06-02 updated: 2026-06-02 type: concept tags: [ai, performance, linux]
Arena AI 開源模型排行榜 (前 50 名摘要)
本頁面彙整來自 LMSYS Arena 的開源模型排名數據 (截至 2026-05-28)。
頂尖開源模型 (前 10 名)
| 排名 | 模型名稱 | 得分 | 價格 ($/M 輸入/輸出) | 上下文窗口 |
|---|---|---|---|---|
| 1 | glm-5.1 | 1474 | 4.40 | 202.8K |
| 2 | mimo-v2.5-pro | 1465 | 0.87 | 1M |
| 3 | kimi-k2.6 | 1462 | 4 | 262.1K |
| 4 | deepseek-v4-pro-thinking | 1458 | 0.87 | 1M |
| 5 | glm-5 | 1457 | 3.20 | 202.8K |
| 6 | deepseek-v4-pro | 1454 | 0.87 | 1M |
| 7 | gemma-4-31b | 1452 | 0.40 | 262.1K |
| 8 | kimi-k2.5-thinking | 1449 | 3 | N/A |
| 9 | qwen3.5-397b-a17b | 1445 | 2.34 | 262.1K |
| 10 | glm-4.7 | 1443 | 1.75 | 202.8K |
(註：原始排行榜包含超過 360 個模型，此處僅列出 Arena 開源分類下的前 10 名)
摘要與觀察
- 效能趨勢：
glm-5.1與mimo-v2.5-pro在目前開源領域佔據統治地位。 - 性價比選擇：
gemma-4-31b以極低的價格提供極高的表現，是開發自動化任務（如爬蟲與新聞摘要）的極佳選擇。 - 長文本支援：
mimo-v2.5-pro與deepseek-v4-pro提供高達 1M 的上下文窗口，適合處理超長文件。
相關節點
- openrouter-cheapest-models
- model-error-messages
Financial Preferences
金融分析偏好規範 (Financial Preferences)
1. 報告風格
- 核心模式：文本主導 → 數據佐證。
- 視覺要求：
- 僅在深度分析模式下使用局部量化圖表。
- 必須移除所有 Emoji 符號，改用專業文本標記（如
[高風險]）。 - 優先使用繁體中文，僅在專業術語 (DCF, WACC, SGE) 保留英文。
- 交付方式：提到「傳送給我」時，優先使用 Telegram 傳送檔案而非直接顯示。
2. 數據與工具偏好
- 優先來源：TWSE OpenAPI → TPEX → FinMind → OpenBB。
- 資料庫傾向：傾向於將分析結果結構化並存入 SQLite / DuckDB，以支持後續 RAG 引用。
- 更新邏輯：執行任務後發現新方法或 Pitfall 時，必須自動更新對應 skill。
3. 關鍵指標關注點
- 台股：極其關注 ROE、淨利率、負債比。
- 美股：關注 AI 基礎設施資本支出 (CapEx) 與 Azure/Cloud 增速。
- 宏觀：關注聯準會利率方向與 CPI 通膨數據。
Arena Leaderboard
| 排名 | 模型名稱 | 得分 | 價格 ($/M 輸入/輸出) | 上下文窗口 |
|---|---|---|---|---|
| 1 | glm-5.1 | 1474 | 4.40 | 202.8K |
| 2 | mimo-v2.5-pro | 1465 | 0.87 | 1M |
| 3 | kimi-k2.6 | 1462 | 4 | 262.1K |
| 4 | deepseek-v4-pro-thinking | 1458 | 0.87 | 1M |
| 5 | glm-5 | 1457 | 3.20 | 202.8K |
| 6 | deepseek-v4-pro | 1454 | 0.87 | 1M |
| 7 | gemma-4-31b | 1452 | 0.40 | 262.1K |
| 8 | kimi-k2.5-thinking | 1449 | 3 | N/A |
| 9 | qwen3.5-397b-a17b | 1445 | 2.34 | 262.1K |
| 10 | glm-4.7 | 1443 | 1.75 | 202.8K |
(註：原始排行榜包含超過 360 個模型，此處僅列出 Arena 開源分類下的前 10 名)
摘要與觀察
- 效能趨勢：
glm-5.1與mimo-v2.5-pro在目前開源領域佔據統治地位。 - 性價比選擇：
gemma-4-31b以極低的價格提供極高的表現，是開發自動化任務（如爬蟲與新聞摘要）的極佳選擇。 - 長文本支援：
mimo-v2.5-pro與deepseek-v4-pro提供高達 1M 的上下文窗口，適合處理超長文件。
相關節點
- openrouter-cheapest-models
- model-error-messages