以前我直接问 Claude 分析股票，它经常第一句话就是：“我没有实时行情数据，无法判断。”
这其实不是它不聪明，而是它没接上数据源。没有实时数据，它只能讲框架、讲方法、讲风险，没法对着当下这根 K 线、这个价位、这个成交量做判断。
最近我把 Claude Code 通过 MCP（Model Context Protocol）连上了 TradingView，真用起来之后，感觉还挺顺手。
先说一句让人安心的：我自己不写代码，全程都是用大白话跟它说需求，它来干活。这里写一篇短的，讲讲它到底帮我做了什么，哪里能信，哪里不能信。不谈具体持仓，只谈方法。
一、为什么是 MCP，而不是“截图问 AI”
以前 Claude 老说“我没有实时数据，无法分析”，其实问题不在 Claude，而在数据源。没有 TradingView，它只能讲通用框架；接上 TradingView 之后，它就能直接读取行情、K 线、指标和价位。
也就是说，它终于不是在隔空评论市场，而是在看着同一张图、同一组数据，和我一起工作。
关键区别在于：走 MCP，AI 拿到的是结构化数据（structured data）。K 线、指标值、成交量、价位，都是可以直接计算的数字，而不是让它去“看”一张截图，再凭感觉猜。
打个比方：截图问 AI，像是把一张报纸拍照发给别人，让他眯着眼帮你认上面的数字；走 MCP，等于直接把那张报纸背后的 Excel 表递给他。后者能算、能比、能按规则筛，前者很多时候只能“看个大概”。
接上 TradingView 之后，Claude 不再是凭记忆、凭截图、凭我口述去猜，而是能直接读取图上的价格、指标和历史 K 线。过去它会说“我无法访问实时市场数据”，现在它可以说：“基于当前 TradingView 返回的数据，价格在什么位置，均线在哪里，支撑压力在哪里，哪些条件已经触发，哪些还没触发。”
这就是 MCP 最大的价值：不是让 AI 变成股神，而是先把它从“没有数据的评论员”，变成“拿得到数据的分析员”。以前它只能讲道理，现在它能按规则干活。
接口干净，后面所有自动化才立得住。
不过也要说清楚：结构化数据不等于绝对正确。接口给错、延迟、缺字段、复权口径不同、盘前盘后是否纳入，都会影响结果。所以我第一步不是让 AI 直接“找机会”，而是先让它把数据口径说清楚：用的是日线还是分钟线，是否复权，是否包含盘前盘后，指标是按哪套参数算的。数据源不清楚，后面的分析再漂亮也没意义。
二、它真正帮我的三件事
第一，不知疲倦地扫共振（confluence）。
我把入场条件写成规则：斐波那契回撤（Fibonacci retracement）、上升均线（moving average）、前期水平支撑、配合放缩量的 RSI。然后让它在整个观察池里扫，只把“好几个独立信号同时落在一个窄区间”的标的报给我。
比如某只票回调到了上升的 50 日均线，这个位置又正好是上次反弹的支撑，还落在斐波那契 61.8% 那条线上。三个相对独立的理由叠在同一个价位，它才报给我。
一个信号是噪音，一摞信号才可能是机会。这件事人脑盯一会儿就累、就走神，AI 不会。
但这里也要加一句：共振不是保证，只是过滤器。它能帮你从一堆图里筛出“值得看”的，不代表筛出来就一定能买。最后还得回到三个问题：这笔交易错了怎么办？错到哪里说明假设失效？亏多少我能接受？
第二，把检查清单变成硬规则。
不填好入场价、止损（stop-loss）、仓位、R 倍数（R-multiple，1R 就是止损被打掉时那一笔计划内亏损），就不让我继续往下走。
举个例子：我打算买在 22 块，止损设在 21.45，那每股风险就是 0.55 块。如果我这笔最多愿意亏 550 块，那么仓位上限就是 1000 股。这个数不填进去，它就不让我进入下一步。
这等于把临场情绪从决策里先拿掉。情绪上头之前，该认的亏已经算清楚了。
这里最重要的不是“AI 算得快”，而是它不跟你讲情面。人会给自己找借口：这次不一样、再等等、马上反弹。规则不会。你提前写下来的纪律，AI 可以帮你照着执行。
第三，自动记账与复盘。
每笔交易的入场、出场、R 倍数、当时有没有守纪律，它都帮我记下来，再按形态分类，算真实的期望值（expectancy）。
攒了几个月之后，它能告诉我：我做“突破回踩”这一类交易，期望值是正的；做“追高”这一类，期望值是负的。
数据这么一摆，我自己都不好意思再去追高了。量不出边缘，就没有边缘。你有的可能只是一个烧钱的爱好。
不过复盘也不能只看胜率。很多人最容易被胜率骗。一个策略胜率 70%，但每次赚一点，亏一次亏很多，长期一样会死。真正要看的是期望值，也就是平均每冒 1R 风险，最后到底能赚多少 R。交易不是比谁猜得准，而是比谁在猜错的时候亏得小、猜对的时候赚得够。
三、必须盯着的几个坑
工具越好用，越要知道它会在哪里骗你。
第一个坑，是前视偏差（look-ahead bias）。
让它跑回测（backtest）时，务必确认每一根 K 线、每一个指标值，都是那个时间点“实盘当时真能拿到”的。
这个坑最形象的说法是：好比你拿着今天的报纸，回去买昨天的彩票，当然张张中奖。偷看了未来收盘价的回测，会漂亮得不真实。这是 AI 策略里最致命的 bug。
第二个坑，是未收线的 K 线。
你要搞清楚 MCP 给的是实时还是延迟数据，是已经收线的 K 线（closed bar），还是还在跳动的当前 bar。
比如一根 5 分钟 K 线还没走完，价格还在上下跳。你这时看到的“收盘价”其实不是最终收盘价，等它真收线，可能完全变个样。所以任何机械规则都要钉在“上一根已经收线的 K 线”上。否则你照着一个还会变的数字行动，复盘时看着对，实盘里却会走样。
第三个坑，是自信的幻觉（confident hallucination）。
它报点位时，口吻特别笃定，但偶尔会和图上实际位置对不上。
比如它一本正经告诉我“支撑在 48.30”，我翻图一看，那条线其实在 47.80。差五毛，止损就可能放错地方。所以重要的入场价、止损价，落单前一定要拿 TradingView 的图再对一遍。
第四个坑，是过拟合（overfitting）。
AI 很擅长帮你找规则，也很擅长把一段历史行情解释得天衣无缝。问题是，历史里刚好有效的规则，未来不一定有效。
比如你让它回测一堆参数：均线 20 天、21 天、22 天，RSI 60、61、62，止损 3%、4%、5%。它总能给你找出一组过去表现最漂亮的参数。但这可能不是策略有边缘，只是它把历史噪音“背熟了”。
所以我会要求它做几件事：样本内和样本外分开看，不同市场环境分开看，牛市、熊市、震荡市分开看，交易成本和滑点也要算进去。没经历过这些拷问的策略，我不信。
第五个坑，是读和写要分级。
这也是我主动要的安全垫。
说句实在话，我这套里 Claude 本身只能读 TradingView 的数据、做分析，它下不了单。这反而是我乐见的：分析交给它，扳机留给自己。
一个会自信报错点位、回测里可能偷看未来、还可能过拟合历史数据的工具，我绝不想让它直接去动一个高度集中、还带杠杆的盘子。能同时“决策加执行”的 AI，出隐性 bug 的杀伤力，远大于只会读的 AI。所以“只读不下单”这条边界，不是工具的短板，而是我风控的一部分。
四、还能这么用
用熟之后，我又给它派了几个活，都比“扫形态”更省心。
盘前简报官。
每天开盘前，让它把观察池里每只票的隔夜动静、临近的关键价位、当天的财报与事件日历，以及“昨天我挂的哪些条件被触发了”，汇总成一页。
比如今早那页纸告诉我：某只票隔夜跌了 3%，今天盘后有财报，昨天我挂的“50 块卖 put”条件已经触发。这些我自己一个个翻，起码十分钟，它一页就摆齐了。
但我会让它把事实和判断分开写。事实是“今天盘后有财报”，判断是“财报前不适合加仓”。这两件事不能混在一起。事实错了要查数据源，判断错了要查逻辑。
事前推演。
这条最值钱。下单之前，让它扮演反方，基于图上的数据，把“这笔为什么可能是错的”列出来。
比如我想追一个向上突破，它提醒我：这次突破的成交量只有上次的一半，很可能是假突破。我一看有道理，就把仓位砍了一半。
复盘是亡羊补牢，而这一步是在你掏钱之前，就逼自己看见盲点。
纪律守门员。
它不只拦“没止损”的单，还替我守那几条硬线：这笔加进去会不会顶破某只票的单一名字上限（per-name cap）？组合的等价 Delta 名义暴露（delta-equivalent notional）算上它之后是多少？有没有撞到“战术层不超过 20%”的红线？
比如我手痒，想给一只已经很重的票再加一笔，它直接弹出来：加完这只就超过你自己定的单一上限了。
一句话把我摁住。让 AI 替你守规矩，比靠自律牢靠。
卖 put 的选 strike 助手。
让它扫期权链（option chain），按 Delta、年化权利金收益率、距离支撑位的空间、到期日和流动性，把“我本来就想加的票”上值得卖的看跌期权排个序。
这里要矫正一个常见说法：Delta 不能严格等同于“被指派概率”。它只是一个常用近似，可以粗略帮助你理解这个期权有多接近价内、价格对标的波动有多敏感。真正的指派概率还会受波动率、到期时间、分红、利率和路径影响。所以我把 Delta 当筛选工具，不把它当精确概率。
比如它列出来：50 块那档 Delta 0.30，年化权利金收益 12%；45 块那档 Delta 0.18，年化收益 8%。我一眼就能挑出那个“接货价我认、收益也够”的档位。
但这里还有两条硬条件：第一，只在我本来就愿意长期持有的票上卖 put；第二，不为了多拿一点权利金，卖到自己根本接不住的仓位。卖 put 表面上像收租，实际上是在卖保险。真跌下来的时候，你要有钱、有胆、有理由接货。
论点追踪器（thesis tracker）。
给每个核心仓位维护一份活文档：一句话论点、催化剂，还有那条失效位（invalidation level）。然后让它盯着新闻和 filing，一旦出现和论点相悖的信号，就标红提醒我。
比如我当初买某只票的理由是“它拿下了大客户的长约”。半年后有天它弹消息给我：这个大客户的订单出现延迟，正好戳中我的论点。
它替我记住“我当初为什么拿”，免得我被价格牵着走，忘了最初的理由。
这里我还会让它区分三类信息：强化论点、削弱论点、无关噪音。市场每天都有新闻，不是每条新闻都值得交易。真正重要的是：这条信息有没有改变我当初买入的核心理由。
帮我把图画出来，也就是画五浪。
老实说，我以前在 TradingView 里自己画图特别费劲。画条趋势线都歪歪扭扭，数艾略特波浪（Elliott Wave）更是画到一半就乱。
现在让 Claude 帮我标，轻松多了。它根据 K 线的高低点，把推动的 1-2-3-4-5 浪、调整的 A-B-C 浪给我标出来，我再核对。
比如它标完一个五浪，我一眼就能看出当前大概走到第几浪、下一段该往哪个方向防。
但有句话得说在前头：浪怎么数是很主观的。同一张图，两个人能数出两种。所以我把它当成一个“带失效位的假设”。画出来是为了看清结构，看清那条一旦被打破就该承认数错的线，而不是拿它当预言。
波动率环境判断，也就是 IV rank。
让它算整个观察池的隐含波动率（implied volatility）在过去一年里处在什么分位，帮我决定现在更适合当买方还是卖方。
通俗讲：隐含波动率高，通常意味着期权价格相对贵；隐含波动率低，通常意味着期权价格相对便宜。
比如它告诉我某只票的 IV rank 在过去一年里处于 90 分位，说明现在期权相对贵，那我就更偏向卖权利金，比如卖 put、做价差。等哪天 IV 掉到低位，买 LEAPS 才更划算。
但这里也要注意：IV rank 高，不代表一定该卖；IV rank 低，也不代表一定该买。波动率高可能是因为财报、诉讼、监管、并购这些真实风险就在眼前。便宜有时是机会，贵有时是警告。AI 可以帮我把环境量出来，但不能替我判断风险值不值得接。
税务和持有期助手。
让它跟踪每一笔买入的持有期和盈亏，提醒我别在税务上犯傻。
比如它提醒我：某一笔再过 11 天就满一年，会从短期变成长期，税务处理可能完全不同，先别急着卖。又比如某只还在亏的票，可以考虑卖掉做亏损收割（tax-loss harvesting），用这笔亏去冲抵别处已经兑现的盈利。
不过税务这块我只让它做提醒，不让它做最终判断。不同账户、不同税务身份、不同地区规则都不一样，还有 wash sale 这类细节。AI 可以提醒我“这里可能有税务影响”，但真正执行前，该查规则还是要查规则，该问专业人士还是要问专业人士。
五、我会让它输出什么格式
用了一段时间之后，我发现提示词写得越像交易台上的工作流，结果越靠谱。
我现在一般不问它：“这只股票能买吗？”
我会问它：
“基于已经收线的日线和 1 小时线，列出这只股票当前的关键支撑、压力、趋势状态、成交量是否确认、这笔交易的反方观点、失效位和 1R 风险。不要给买卖建议，只输出可验证的数据和风险点。”
这句话很重要。不要让 AI 替你“拍板”，要让它替你“拆解”。
好的输出应该长这样：
1. 当前趋势：日线仍在 50 日均线上方，但短线跌破 10 日均线。
2. 关键价位：上方压力在某区间，下方支撑在某区间。
3. 共振区域：某价位附近同时有均线、前低和斐波那契回撤。
4. 交易假设：如果守住某价位，反弹结构仍成立。
5. 失效条件：如果收盘跌破某价位，假设失效。
6. 风险：财报临近，IV 偏高，仓位集中度已经接近上限。
7. 反方观点：突破量能不足，可能是假突破。
这类输出才有用。它不替我说“买”，它只把我该看的东西摆齐。
六、我的底层原则
最后说说我真正觉得重要的地方。
AI 最适合做三件事：重复、记录、提醒。
重复，是把同一套规则跑一万遍不走样。
记录，是把每次交易的理由、风险、结果诚实留下来。
提醒，是在我想冲动的时候，把我自己写下来的规则拿出来挡一下。
但 AI 不适合替你承担责任。它不知道你的资产结构，不知道你的现金流，不知道你晚上亏多少会睡不着，也不知道你这笔钱背后有没有家庭责任。它可以帮你把交易做得更像一个流程，但不能把风险变没。
所以我对它的定位一直很清楚：它是分析、择时和守纪律的助手，不是替我立论，更不是替我扣扳机的人。
它擅长把规则不走样地跑一万遍，擅长把每笔交易诚实地记下来，也擅长在我下单前先替我推演一遍最坏情形。
但它不擅长替我决定该不该重仓。那还得回到我的基本面论点、组合约束、现金管理和失效位。
用 AI，也核 AI。它不知疲倦地筛，也极流畅地撒谎。
声明：以上是个人体验与方法分享，不构成任何投资建议、税务建议或交易建议。所有交易决策和风险后果，都应由投资者自行承担。
怎么用 AI 炒股：无编程基础，也能像专家一样工作
BrightLine (2026-06-16 22:16:19) 评论 (1)以前我直接问 Claude 分析股票，它经常第一句话就是：“我没有实时行情数据，无法判断。”
这其实不是它不聪明，而是它没接上数据源。没有实时数据，它只能讲框架、讲方法、讲风险，没法对着当下这根 K 线、这个价位、这个成交量做判断。
最近我把 Claude Code 通过 MCP（Model Context Protocol）连上了 TradingView，真用起来之后，感觉还挺顺手。
先说一句让人安心的：我自己不写代码，全程都是用大白话跟它说需求，它来干活。这里写一篇短的，讲讲它到底帮我做了什么，哪里能信，哪里不能信。不谈具体持仓，只谈方法。
一、为什么是 MCP，而不是“截图问 AI”
以前 Claude 老说“我没有实时数据，无法分析”，其实问题不在 Claude，而在数据源。没有 TradingView，它只能讲通用框架；接上 TradingView 之后，它就能直接读取行情、K 线、指标和价位。
也就是说，它终于不是在隔空评论市场，而是在看着同一张图、同一组数据，和我一起工作。
关键区别在于：走 MCP，AI 拿到的是结构化数据（structured data）。K 线、指标值、成交量、价位，都是可以直接计算的数字，而不是让它去“看”一张截图，再凭感觉猜。
打个比方：截图问 AI，像是把一张报纸拍照发给别人，让他眯着眼帮你认上面的数字；走 MCP，等于直接把那张报纸背后的 Excel 表递给他。后者能算、能比、能按规则筛，前者很多时候只能“看个大概”。
接上 TradingView 之后，Claude 不再是凭记忆、凭截图、凭我口述去猜，而是能直接读取图上的价格、指标和历史 K 线。过去它会说“我无法访问实时市场数据”，现在它可以说：“基于当前 TradingView 返回的数据，价格在什么位置，均线在哪里，支撑压力在哪里，哪些条件已经触发，哪些还没触发。”
这就是 MCP 最大的价值：不是让 AI 变成股神，而是先把它从“没有数据的评论员”，变成“拿得到数据的分析员”。以前它只能讲道理，现在它能按规则干活。
接口干净，后面所有自动化才立得住。
不过也要说清楚：结构化数据不等于绝对正确。接口给错、延迟、缺字段、复权口径不同、盘前盘后是否纳入，都会影响结果。所以我第一步不是让 AI 直接“找机会”，而是先让它把数据口径说清楚：用的是日线还是分钟线，是否复权，是否包含盘前盘后，指标是按哪套参数算的。数据源不清楚，后面的分析再漂亮也没意义。
二、它真正帮我的三件事
第一，不知疲倦地扫共振（confluence）。
我把入场条件写成规则：斐波那契回撤（Fibonacci retracement）、上升均线（moving average）、前期水平支撑、配合放缩量的 RSI。然后让它在整个观察池里扫，只把“好几个独立信号同时落在一个窄区间”的标的报给我。
比如某只票回调到了上升的 50 日均线，这个位置又正好是上次反弹的支撑，还落在斐波那契 61.8% 那条线上。三个相对独立的理由叠在同一个价位，它才报给我。
一个信号是噪音，一摞信号才可能是机会。这件事人脑盯一会儿就累、就走神，AI 不会。
但这里也要加一句：共振不是保证，只是过滤器。它能帮你从一堆图里筛出“值得看”的，不代表筛出来就一定能买。最后还得回到三个问题：这笔交易错了怎么办？错到哪里说明假设失效？亏多少我能接受？
第二，把检查清单变成硬规则。
不填好入场价、止损（stop-loss）、仓位、R 倍数（R-multiple，1R 就是止损被打掉时那一笔计划内亏损），就不让我继续往下走。
举个例子：我打算买在 22 块，止损设在 21.45，那每股风险就是 0.55 块。如果我这笔最多愿意亏 550 块，那么仓位上限就是 1000 股。这个数不填进去，它就不让我进入下一步。
这等于把临场情绪从决策里先拿掉。情绪上头之前，该认的亏已经算清楚了。
这里最重要的不是“AI 算得快”，而是它不跟你讲情面。人会给自己找借口：这次不一样、再等等、马上反弹。规则不会。你提前写下来的纪律，AI 可以帮你照着执行。
第三，自动记账与复盘。
每笔交易的入场、出场、R 倍数、当时有没有守纪律，它都帮我记下来，再按形态分类，算真实的期望值（expectancy）。
攒了几个月之后，它能告诉我：我做“突破回踩”这一类交易，期望值是正的；做“追高”这一类，期望值是负的。
数据这么一摆，我自己都不好意思再去追高了。量不出边缘，就没有边缘。你有的可能只是一个烧钱的爱好。
不过复盘也不能只看胜率。很多人最容易被胜率骗。一个策略胜率 70%，但每次赚一点，亏一次亏很多，长期一样会死。真正要看的是期望值，也就是平均每冒 1R 风险，最后到底能赚多少 R。交易不是比谁猜得准，而是比谁在猜错的时候亏得小、猜对的时候赚得够。
三、必须盯着的几个坑
工具越好用，越要知道它会在哪里骗你。
第一个坑，是前视偏差（look-ahead bias）。
让它跑回测（backtest）时，务必确认每一根 K 线、每一个指标值，都是那个时间点“实盘当时真能拿到”的。
这个坑最形象的说法是：好比你拿着今天的报纸，回去买昨天的彩票，当然张张中奖。偷看了未来收盘价的回测，会漂亮得不真实。这是 AI 策略里最致命的 bug。
第二个坑，是未收线的 K 线。
你要搞清楚 MCP 给的是实时还是延迟数据，是已经收线的 K 线（closed bar），还是还在跳动的当前 bar。
比如一根 5 分钟 K 线还没走完，价格还在上下跳。你这时看到的“收盘价”其实不是最终收盘价，等它真收线，可能完全变个样。所以任何机械规则都要钉在“上一根已经收线的 K 线”上。否则你照着一个还会变的数字行动，复盘时看着对，实盘里却会走样。
第三个坑，是自信的幻觉（confident hallucination）。
它报点位时，口吻特别笃定，但偶尔会和图上实际位置对不上。
比如它一本正经告诉我“支撑在 48.30”，我翻图一看，那条线其实在 47.80。差五毛，止损就可能放错地方。所以重要的入场价、止损价，落单前一定要拿 TradingView 的图再对一遍。
第四个坑，是过拟合（overfitting）。
AI 很擅长帮你找规则，也很擅长把一段历史行情解释得天衣无缝。问题是，历史里刚好有效的规则，未来不一定有效。
比如你让它回测一堆参数：均线 20 天、21 天、22 天，RSI 60、61、62，止损 3%、4%、5%。它总能给你找出一组过去表现最漂亮的参数。但这可能不是策略有边缘，只是它把历史噪音“背熟了”。
所以我会要求它做几件事：样本内和样本外分开看，不同市场环境分开看，牛市、熊市、震荡市分开看，交易成本和滑点也要算进去。没经历过这些拷问的策略，我不信。
第五个坑，是读和写要分级。
这也是我主动要的安全垫。
说句实在话，我这套里 Claude 本身只能读 TradingView 的数据、做分析，它下不了单。这反而是我乐见的：分析交给它，扳机留给自己。
一个会自信报错点位、回测里可能偷看未来、还可能过拟合历史数据的工具，我绝不想让它直接去动一个高度集中、还带杠杆的盘子。能同时“决策加执行”的 AI，出隐性 bug 的杀伤力，远大于只会读的 AI。所以“只读不下单”这条边界，不是工具的短板，而是我风控的一部分。
四、还能这么用
用熟之后，我又给它派了几个活，都比“扫形态”更省心。
盘前简报官。
每天开盘前，让它把观察池里每只票的隔夜动静、临近的关键价位、当天的财报与事件日历，以及“昨天我挂的哪些条件被触发了”，汇总成一页。
比如今早那页纸告诉我：某只票隔夜跌了 3%，今天盘后有财报，昨天我挂的“50 块卖 put”条件已经触发。这些我自己一个个翻，起码十分钟，它一页就摆齐了。
但我会让它把事实和判断分开写。事实是“今天盘后有财报”，判断是“财报前不适合加仓”。这两件事不能混在一起。事实错了要查数据源，判断错了要查逻辑。
事前推演。
这条最值钱。下单之前，让它扮演反方，基于图上的数据，把“这笔为什么可能是错的”列出来。
比如我想追一个向上突破，它提醒我：这次突破的成交量只有上次的一半，很可能是假突破。我一看有道理，就把仓位砍了一半。
复盘是亡羊补牢，而这一步是在你掏钱之前，就逼自己看见盲点。
纪律守门员。
它不只拦“没止损”的单，还替我守那几条硬线：这笔加进去会不会顶破某只票的单一名字上限（per-name cap）？组合的等价 Delta 名义暴露（delta-equivalent notional）算上它之后是多少？有没有撞到“战术层不超过 20%”的红线？
比如我手痒，想给一只已经很重的票再加一笔，它直接弹出来：加完这只就超过你自己定的单一上限了。
一句话把我摁住。让 AI 替你守规矩，比靠自律牢靠。
卖 put 的选 strike 助手。
让它扫期权链（option chain），按 Delta、年化权利金收益率、距离支撑位的空间、到期日和流动性，把“我本来就想加的票”上值得卖的看跌期权排个序。
这里要矫正一个常见说法：Delta 不能严格等同于“被指派概率”。它只是一个常用近似，可以粗略帮助你理解这个期权有多接近价内、价格对标的波动有多敏感。真正的指派概率还会受波动率、到期时间、分红、利率和路径影响。所以我把 Delta 当筛选工具，不把它当精确概率。
比如它列出来：50 块那档 Delta 0.30，年化权利金收益 12%；45 块那档 Delta 0.18，年化收益 8%。我一眼就能挑出那个“接货价我认、收益也够”的档位。
但这里还有两条硬条件：第一，只在我本来就愿意长期持有的票上卖 put；第二，不为了多拿一点权利金，卖到自己根本接不住的仓位。卖 put 表面上像收租，实际上是在卖保险。真跌下来的时候，你要有钱、有胆、有理由接货。
论点追踪器（thesis tracker）。
给每个核心仓位维护一份活文档：一句话论点、催化剂，还有那条失效位（invalidation level）。然后让它盯着新闻和 filing，一旦出现和论点相悖的信号，就标红提醒我。
比如我当初买某只票的理由是“它拿下了大客户的长约”。半年后有天它弹消息给我：这个大客户的订单出现延迟，正好戳中我的论点。
它替我记住“我当初为什么拿”，免得我被价格牵着走，忘了最初的理由。
这里我还会让它区分三类信息：强化论点、削弱论点、无关噪音。市场每天都有新闻，不是每条新闻都值得交易。真正重要的是：这条信息有没有改变我当初买入的核心理由。
帮我把图画出来，也就是画五浪。
老实说，我以前在 TradingView 里自己画图特别费劲。画条趋势线都歪歪扭扭，数艾略特波浪（Elliott Wave）更是画到一半就乱。
现在让 Claude 帮我标，轻松多了。它根据 K 线的高低点，把推动的 1-2-3-4-5 浪、调整的 A-B-C 浪给我标出来，我再核对。
比如它标完一个五浪，我一眼就能看出当前大概走到第几浪、下一段该往哪个方向防。
但有句话得说在前头：浪怎么数是很主观的。同一张图，两个人能数出两种。所以我把它当成一个“带失效位的假设”。画出来是为了看清结构，看清那条一旦被打破就该承认数错的线，而不是拿它当预言。
波动率环境判断，也就是 IV rank。
让它算整个观察池的隐含波动率（implied volatility）在过去一年里处在什么分位，帮我决定现在更适合当买方还是卖方。
通俗讲：隐含波动率高，通常意味着期权价格相对贵；隐含波动率低，通常意味着期权价格相对便宜。
比如它告诉我某只票的 IV rank 在过去一年里处于 90 分位，说明现在期权相对贵，那我就更偏向卖权利金，比如卖 put、做价差。等哪天 IV 掉到低位，买 LEAPS 才更划算。
但这里也要注意：IV rank 高，不代表一定该卖；IV rank 低，也不代表一定该买。波动率高可能是因为财报、诉讼、监管、并购这些真实风险就在眼前。便宜有时是机会，贵有时是警告。AI 可以帮我把环境量出来，但不能替我判断风险值不值得接。
税务和持有期助手。
让它跟踪每一笔买入的持有期和盈亏，提醒我别在税务上犯傻。
比如它提醒我：某一笔再过 11 天就满一年，会从短期变成长期，税务处理可能完全不同，先别急着卖。又比如某只还在亏的票，可以考虑卖掉做亏损收割（tax-loss harvesting），用这笔亏去冲抵别处已经兑现的盈利。
不过税务这块我只让它做提醒，不让它做最终判断。不同账户、不同税务身份、不同地区规则都不一样，还有 wash sale 这类细节。AI 可以提醒我“这里可能有税务影响”，但真正执行前，该查规则还是要查规则，该问专业人士还是要问专业人士。
五、我会让它输出什么格式
用了一段时间之后，我发现提示词写得越像交易台上的工作流，结果越靠谱。
我现在一般不问它：“这只股票能买吗？”
我会问它：
“基于已经收线的日线和 1 小时线，列出这只股票当前的关键支撑、压力、趋势状态、成交量是否确认、这笔交易的反方观点、失效位和 1R 风险。不要给买卖建议，只输出可验证的数据和风险点。”
这句话很重要。不要让 AI 替你“拍板”，要让它替你“拆解”。
好的输出应该长这样：
1. 当前趋势：日线仍在 50 日均线上方，但短线跌破 10 日均线。
2. 关键价位：上方压力在某区间，下方支撑在某区间。
3. 共振区域：某价位附近同时有均线、前低和斐波那契回撤。
4. 交易假设：如果守住某价位，反弹结构仍成立。
5. 失效条件：如果收盘跌破某价位，假设失效。
6. 风险：财报临近，IV 偏高，仓位集中度已经接近上限。
7. 反方观点：突破量能不足，可能是假突破。
这类输出才有用。它不替我说“买”，它只把我该看的东西摆齐。
六、我的底层原则
最后说说我真正觉得重要的地方。
AI 最适合做三件事：重复、记录、提醒。
重复，是把同一套规则跑一万遍不走样。
记录，是把每次交易的理由、风险、结果诚实留下来。
提醒，是在我想冲动的时候，把我自己写下来的规则拿出来挡一下。
但 AI 不适合替你承担责任。它不知道你的资产结构，不知道你的现金流，不知道你晚上亏多少会睡不着，也不知道你这笔钱背后有没有家庭责任。它可以帮你把交易做得更像一个流程，但不能把风险变没。
所以我对它的定位一直很清楚：它是分析、择时和守纪律的助手，不是替我立论，更不是替我扣扳机的人。
它擅长把规则不走样地跑一万遍，擅长把每笔交易诚实地记下来，也擅长在我下单前先替我推演一遍最坏情形。
但它不擅长替我决定该不该重仓。那还得回到我的基本面论点、组合约束、现金管理和失效位。
用 AI，也核 AI。它不知疲倦地筛，也极流畅地撒谎。
声明：以上是个人体验与方法分享，不构成任何投资建议、税务建议或交易建议。所有交易决策和风险后果，都应由投资者自行承担。