EX.

// PORTFOLIO · 量化研究 — 研究流程工程

把研究方法变成
能跑、能核、能复现的东西

六个开源项目,同一件事的六个切面:取数、分析、证据追踪、研报成稿——方法论、数据、图表、版式、质量门禁全部写成可执行的脚本与文档,而不是写在文章里。流程与模型解耦:任何能读写文件、能跑脚本的 AI agent 都能驱动,人工照文档走一遍同样成立。

I turn research methodology into runnable, verifiable, reproducible artifacts.

  • 6个开源项目
  • v1.0.0 ×6已发布版本
  • CI 全绿GitHub Actions
  • 700+项离线测试
  • 0 API key可离线跑通全流程
01

我关心的问题

问题我的做法
数字从哪来双市场取数层(A 股 + 美股:报价 / 日线 / 财务),零密钥,每个数字都能复算
论证会不会自嗨先写证伪条件再动笔;红队角色只负责拆自己的台
结论有没有被默认开工前的方向确认必须由人回答;没答的方向不许静默默认,须逐条披露
交付能不能验收每条产出对应一个可复现动作;最后一关把成品渲染成图,逐页视觉挑刺
02

项目

wallstreetype-research —— Sell-side research, built like an engineering pipeline

wallstreetype-research

旗舰 · Flagship

You can work for Wall Street.

把卖方研报生产流程工程化的开源工具箱:给一个标的,产出一份带封面、评级框、Key Data、编号章节、机构级图表的研报,导出 Word 与 PDF。流程与模型解耦——任何能读写文件、能跑脚本的 AI agent 都能驱动它。

  • S0–S10 · 11 阶段
  • 16 角色 · 4 小组
  • 14 道质量门禁
  • 106 条方法 · 10 个 playbook
  • 6 套机构版式
  • 5 类机构级图表
  • 零 API key
案例 PDF 第 1 页:封面与评级框 案例 PDF 第 3 页:内页版式 案例图表:K 线 + 成交量

端到端案例:宇树科技 688836.SH vs 英伟达 NVDA —— 从取数到排版成书(7 页 PDF · Word · Markdown 源 · 6 张图表 · 原始数据 · 复现脚本)。

multi-agent-investment —— 三种推理模式,一个确定性决策核心

multi-agent-investment

Same input, same decision.

技术面 / 情绪面 / 基本面三个 agent 各自产出结构化信号,Decision Hub 用确定性数学融合成 BUY / NEUTRAL / SELL + 置信度 + 权重明细。决策全链纯函数、逐步可复算;LLM 不参与决策,只负责把结论写成解释。

  • 3 agent 协议化
  • 纯函数 Decision Hub
  • 357 项测试
  • 降级阻尼 ×0.8 / ×0.5
  • 离线 CLI · FastAPI

基于 flash131307/multi-agent-investment(MIT)重构与增强

mira-research —— 证据追踪型投研工作区

mira-research

Model output is not evidence by itself.

把「证据追踪」工程化:每条支撑与反证钉到一份可校验的证据日志上,机器定期判定哪些证据过期、哪些触发条件已经触发、这个研究包还允许被用到什么程度。可复核从写作纪律变成机器可校验的规则。

  • 7 个 JSON Schema 契约
  • 22 列证据日志
  • 刷新引擎 4 态
  • 69 项离线测试
  • 运行时仅 PyYAML

基于 byteseek/Mira(Apache-2.0)重构与增强

financial-research-report —— AI 金融研报自动生成

financial-research-report

Filings in, first draft out.

A 股 / 港股财务研报轻量流水线:取数 → 清洗 → 指标 → 图表 → 成稿五个阶段,同一输入同一份稿;仓库自带冻结快照,整条流程零网络可跑通,可选 LLM 段落即使缺席也不影响产出。

  • 5 阶段流水线
  • 11 项指标纯函数
  • A 股 + 港股同口径
  • 3 张标准图
  • 89 项用例

基于 li-xiu-qi/financial_research_report(MIT)重构与增强

10k-analysis —— 多智能体申报文件研究流水线

10k-analysis

Filings in. Research out.

把申报文件变成研究报告:SEC EDGAR(10-K / 10-Q,含 XBRL)与日本 EDINET 抓取、章节切分、并行分析、评估重试、断点续跑,成稿支持简中 / 繁中 / 英文并可导出 PDF。

  • SEC + EDINET 双市场
  • 40 项分析技能
  • 并行 ×8 附注分析
  • 评估回路 ≤2 轮重试
  • 50 项离线单测
  • 三语报告

基于 twCarllin/10k-analysis(MIT)重构与增强

alpha-analyst —— 美股个股自主研究 Agent,数字可追溯

alpha-analyst

数字可追溯,观点可辩论。

给它一个美股 ticker,产出一份九节研究备忘(摘要 / 财务快照 / 催化剂 / DCF 与可比 / 电话会语气 / 多空 / 风险)——每一个含数字的主张都绑回一条带来源的 [F#] 引用;校验不通过的小节自动降级。

  • Decimal DCF 引擎
  • 5 路 agent + 恶魔代言人
  • [F#] 引用纪律
  • 135 条测试
  • 零 key 零出网可跑

基于 kbhujbal/AlphaAnalyst(Apache-2.0)重构与增强

开源贡献 · Open source

  • 向 georgezouq/awesome-ai-in-finance 提交收录 PR #261(审核中)——将 wallstreetype-research 与 multi-agent-investment 收入公开清单。
  • 5 个项目基于上游开源项目重构与增强(各卡片注明来源与许可);全部修订、测试与 CI 记录公开可查。
03

同一主张的六个切面

六个项目回答六个不同的问题,落点同一个:研究方法要能被执行、被核验、被复现。

项目它回答的问题关键机制
wallstreetype-research一份研报从哪起步、怎么验收S0–S10 流水线 · 14 道门禁 · Word / PDF 交付引擎
multi-agent-investment多个智能体的意见怎么合成为一个可复算的决策纯函数 Decision Hub · 降级阻尼
mira-research一条结论凭什么现在还成立7 个契约 · 证据刷新引擎
financial-research-reportA 股 / 港股财报怎么变成结构化研报五阶段流水线 · 纯函数指标库
10k-analysis申报文件怎么变成研究并行分析 · 评估回路 · 断点续跑
alpha-analyst备忘里的每个数字能不能追溯[F#] 引用纪律 · Decimal DCF
04

技能栈

  • Python
  • pandas
  • NumPy
  • matplotlib
  • scikit-learn
  • XGBoost
  • pytest / hypothesis
  • FastAPI · REST API
  • JSON Schema 契约
  • Git · GitHub Actions
  • python-docx 排版引擎(Word / PDF)
  • 多智能体编排 · 质量门禁
  • 离线优先的工程习惯
  • Windows / Linux
  • 中英文档工程

能做的活:研究流程设计与工程化 · 数据管道与公开接口取数(A 股 / 美股 / 港股 / 日股申报)· 图表与文档自动化(Word / PDF)· 多智能体流程编排与质量门禁 · 测试与 CI 建设 · 中英文档工程与校对。

05

联系方式

只在这里:开 Issue,或直接 Follow 看更新。