投资
机构的选股方法:5 套量化筛选框架
拆解机构常用的 5 套量化筛选方法,帮助个人投资者按风格选择筛子并把筛选结果转化为可执行研究清单。
投资
拆解机构 Thematic Sweep 五步框架,帮助个人投资者用公开信息完成主题挖掘、价值链映射与二阶受益者筛选。
投资
想象一下:一份华尔街投行卖给机构客户的价格,大约相当于普通人半年工资。支撑这份报告的数据终端彭博机年费约 $25,000。而现在,写出这种报告的完整方法论、分析框架、甚至 prompt 模板,被开源在了 GitHub 上。 几天前,美国 AI 公司 Anthropic 发布了一套叫做 “Claude for Financial Services Plugins” 的投研工具箱: 当然,报告之所以贵,是因为它需要的数据源极其昂贵,因为面向机构的数据源,有特供的时间差,这份时间差价值万金。 不过,这个仓库最大的价值不是代码或数据连接器,而是它把华尔街投行分析师的完整分析方法论、SOP、和质量检查标准,以 Markdown 的形式完全开源了。 这其中方法论本身,比如怎么想、怎么分析、按什么流程做决策...这些都免费了。 我打算深入拆解这个项目,把里面这些对我们个人投资者也有意义的东西,都剥离出来,按照我以往的方式,
AI
记账太难了?把账单丢给 Google NotebookLM,AI 自动清理、去重、合并,生成专业的家庭财务分析报告。
从 Notion 迁移到 Obsidian,用本地 Markdown 文件打造 AI 友好的投研知识库,分享目录架构设计和工具选择思路。
Citrini Research 的《2028 全球智能危机》刷爆全网,美股跟着抖了一下。写得确实好,但也有点唬人——把一个可能性包装成因果链,假装每一环都会准时断裂。抛开戏剧化的部分,AI 对白领就业的结构性冲击、幽灵 GDP、裁员省钱加码 AI 的逻辑,确实值得认真想。
大年初四的随想:教老婆用 Vibe Coding 工具的过程中,发现「编程思维」才是最难教的。顺便聊聊给娃买 KO 做压岁钱的操作。
分享一个可在 TradingView 里快速整合常用技术指标的免费方案:DIY Custom Strategy Builder,并给出实操配置建议。
Google 的 NotebookLM 能把工具书、外语资料、油管视频统统变成可对话的知识库,配合本地知识体系使用,外部资料的消化效率直接拉满。
上一回写周报系列,提到了元宝([这两周 #23 - AI 应用真的多…)](https://innomad.io/digital-nomad-log-23) 这两天元宝的红包就飞遍各个微信群了。 喜闻乐见的是,今早看到微信已经屏蔽了元宝的链接。 可能有的朋友会觉得奇怪,这俩不是一家,都是腾讯的么?是,但是腾讯的基因比较特殊,喜欢各个团队各自为政。凡事以自己的利益优先。曾经,qq.com 的广告位,给了淘宝而不是腾讯的拍拍,为啥?因为淘宝给钱了,兄弟团队只算绩效,没有钱拿。 继外卖大战之后,2026年,互联网大厂先抢占的,应该就是 AI App 了。春节前,DeepSeek...