尧图网页设计 
人工智能金融科技数据分析科研【免费下载链接】LLM-Trading-LabThis repo powers my experiment where ChatGPT manages a real-money micro-cap stock portfolio.项目地址https://gitcode.com/GitHub_Trending/ch/LLM-Trading-Lab点击查看免费下载导读本文以 LLM-Trading-Lab 仓库中 ChatGPT 实盘微盘股实验的Week 2 深度研究报告Week 2 Summary.md/Week%202%20Summary.md)为核心完整还原该周研究对 IINNInspira Technologies的买入建议——包括建仓规模、止损设定、催化剂论据与风险收益评估——并结合仓库中的交易日志、后续周报与最终评估报告验证研究建议 → 实际执行 → 结果回溯的完整闭环。读者将理解这套每周研究产出的结构、IINN 一役中暴露的决策行为特征仓位集中、止损执行、亏损后重进以及如何从仓库数据中复盘一次 AI 交易决策。一、报告在实验中的定位每周研究循环的产物在阅读 Week 2 摘要之前需要先弄清它在整个实验中的位置。仓库的 deep_research_index.md 给出了明确的索引表Week Report应用到的交易周撰写时点Starting Research启动前Pre-Launch交易开始前Week 1Jun 30 – Jul 3交易开始前Week 2Jul 7 – Jul 11Week 1Jun 30 – Jul 3结束后Week 3Jul 14 – Jul 18Week 2 结束后………即每周五执行的深度研究Deep Research在周末输出报告所有交易指令在下一个交易周执行。Week 2 报告写于第 1 周6/30–7/3结束之后其建议应用于 7/7–7/11 这一周。实验流程约束方面evaluation_report.md 明确研究模式仅在每周五运行一次模型通过专用深度研究提示词获得授权进行全组合再平衡与新开仓详见下文提示词框架工作日只做监控与 HOLD/TRIM/SELL 操作。Week 2 摘要正是这一循环中的一份标准产出物。二、Week 2 建议原文买入 IINN 作为 H2 2025 首选标的Week 2 摘要的结论非常直接——Buy IINNInspira TechnologiesTop Pick for H2 2025。其核心参数如下投入资本约 $32.13买入 20 股建仓价格约 $1.50止损价$1.10风险敞口止损对应约 25%30% 的最大下行2.1 投资论点Thesis四大支柱强劲的收入催化剂Strong Revenue Catalyst公司已锁定$22.5M 采购订单计划于 2025 年交付且更多交易仍在谈判中。报告强调这是正在发生的真实收入事件real, unfolding revenue event而非投机性的未来押注——这是该论点中最关键的一环。高上行空间High Upside Potential从约 $1.50 出发年底前有合理可能翻倍估值相对同业仍便宜约0.9× 销售额若新合同落地公司有望获得显著的价值重估。可控风险Manageable RiskFDA 已批准的产品降低了监管不确定性合同收入降低了稀释风险止损将下行限制在约 25%30%。更优的风险收益比Superior Risk/Reward与其他候选标的如 GRIL、MULN、AZTR、INBS相比IINN 拥有多个临近催化剂且二元风险binary risk更低。2.2 交易计划Trade Plan以约 $1.50 买入 20 股止损保持在 $1.10监控 Q3 财报11 月及后续合同公告若股价快速上涨考虑移动止损trailing stop2.3 结论IINN offers a rare mix of near-term revenue, expanding opportunity, and a credible path to sustained gains — making it the top candidate for deploying the remaining capital.即IINN 兼具近期收入、扩展中的机会与可持续盈利的可信路径是部署剩余资本的首选——一个计算过的、高信念high-conviction的头寸目标是年底前实现收益最大化。这份摘要同时印证了评估报告中归纳的模型行为特征高信念、催化剂驱动event-driven、仓位集中。三、执行验证Trade Log 中的真实 IINN 交易时间线研究建议最终转化为实际交易仓库的 Trade Log.csv 完整记录了 IINN 的全部交易日期操作股数价格备注2025-07-08BUY20$1.50MANUAL BUY - New position成本 $30.002025-07-28SELL6$1.41MANUAL SELL - POSITION REDUCTION实现 -$0.542025-08-01BUY2$1.74MANUAL BUY - New position成本 $3.482025-08-08SELL16$1.10AUTOMATED SELL - STOPLOSS TRIGGERED实现 -$6.402025-08-18BUY10$1.25MANUAL BUY - New position成本 $12.502025-09-02SELL10$1.16MANUAL SELL LIMIT实现 -$0.90对照 Daily Updates.csv 可以看到持仓逐日变化7/9 起持仓 20 股成本 $30.00、止损 $1.10股价在 $1.20–$1.47 之间波动7/28 减至 14 股8/1 增至 16 股直至8/8 触发止损清仓SELL - Stop Loss Triggered随后 8/18 以更低价格 $1.25 二次建仓 10 股9/2 以 $1.16 手动限价卖出收场。关键观察Week 2 报告中的建仓参数20 股、$1.50、止损 $1.10与实际执行完全一致说明周报建议确实被原样执行而 IINN 的完整生命周期远不止周报所述的首次建仓——还包括减仓、回补、止损触发、二次建仓与最终退出。四、结果回溯评估报告中的 IINN 位置实验结束后生成的 evaluation_report.md 以 FIFO 批次lot口径对 IINN 做了最终核算其 附录 D.2FIFO LOT-LEVEL REALIZED EXITS 显示Entry_DateExit_DateSharesEntry_PriceExit_PricePnLHolding_Days2025-07-082025-07-286$1.50$1.41-$0.54202025-07-082025-08-0814$1.50$1.10-$5.60312025-08-012025-08-082$1.74$1.10-$1.2872025-08-182025-09-0210$1.25$1.16-$0.9015四项合计-$8.32对应 附录 D.4 的位置级Pure PnL表IINN 以-8.32 位列全部 22 个持仓标的的第二大亏损仅次于 ATYR 的 -38.08持有时长 56 天平均仓位 $15.00共 4 个 FIFO 退出批次。在行为分析章节评估报告还给出两个与 IINN 直接相关的结论Buying Past Losing Stocks反复买入亏损标的报告明确指出 FBIO and IINN were among the largest contributors to realized losses. Both tickers had relatively high trade frequencies, with FBIO having four buy-side trades and IINN receiving three.Failure Modes 章节Episode 口径的统计佐证附录 D.7 显示 IINN 在 2025-07-09 至 2025-08-29 构成一个 51 天连续持仓片段peak_pnl 0Peak Capture Ratio 为空附录 D.9 显示 IINN 共记录33 个交易日持仓全实验第三高仅次于 ABEO 与 MIST附录 D.10 则统计 IINN 有3 次买入记录、2 次重进Re_Entries 2。也就是说Week 2 的高信念建仓最终成为整个实验中持仓时间最长、亏损第二大的标的之一——为LLM 在亏损后仍倾向重进同一标的这一行为模式提供了典型样本。五、后续周报中的 IINN从持有到清仓的决策演变IINN 的命运并未在止损触发后终结仓库的后续周报记录了模型对其论点的持续修正Week 3 Summary/Week%203%20Summary.md)应用于 7/14–7/18将 IINN 列为 Add/Hold理由为capitalize on real revenue momentum and government-backed support——即相信 $22.5M 订单驱动的真实收入动能。Week 10 Summary/Week%2010%20Summary.md)8/30 撰写正式清仓退出——IINN— sell 10 (exit). Catalyst ($22.5M order) realized; momentum faded; dilution risk. Redeploy ~$11 to higher-impact ideas (ATYR, FBIO).退出理由非常清晰催化剂$22.5M 订单已经兑现、股价动能消退、出现稀释风险约 $11 资金被重新部署到 ATYR 与 FBIO。这完整展示了该实验每周研究循环的运作方式——每周依据最新信息重新评估论点并输出具体的持仓调整指令。六、源码级补充驱动周报的提示词框架虽然 chatgpt_micro-cap 实验本身通过 ChatGPT 交互界面运行仓库中 multi_model_ipo 实验提供了同源、可复现的深度研究提示词工程实现可帮助理解周报背后的决策框架。其中 deep_research_prompt.py 定义了 DEEP RESEARCH MODE 的完整约束交易节奏TRADING_CADENCEDEEP RESEARCH MODE 仅允许新开仓与全组合再平衡与每周研究、次周执行的节奏一致标的池硬约束UNIVERSE_RULES最小市值 $200M、仅限美股、新买入仅限 IPO 白名单——说明此类研究提示词通过硬性规则约束模型的买入范围与流动性判断订单格式ORDER_SPEC_FORMATbuy 必须带 stop_loss订单必须为 DAY 单、整股、大写 ticker——与 IINN 建仓必须设定 $1.10 止损的规范一致输出模板OUTPUT_TEMPLATE要求按 ANALYSIS_BLOCK → ORDERS_JSON → CONFIDENCE_LVL 三段式输出其中置信度为综合执行置信度而非盈利概率。这解释了 Week 2 摘要中止损 $1.10整股 20 股等细节为何如此规范——它们正是这套提示词约束的直接产物。七、从 IINN 案例中提炼的可复用复盘方法研究建议与执行日志对照周报给出建仓参数Trade Log.csv 记录实际成交二者对照可验证建议是否被执行、执行是否走样。以 FIFO 口径核算真实盈亏同一笔持仓可能跨多个买入批次$1.50、$1.74、$1.25评估报告提供的 FIFO 核算方式附录 A.2能还原每批次独立的实现盈亏避免用单一均价掩盖真实退出质量。追踪止损触发后的行为IINN 在 8/8 止损出局后8/18 又以更低价格重进——这种亏损后重进是评估报告归纳的三大失败模式之一Failure Modes也是理解 LLM 决策偏好的关键样本。用后续周报验证论点演变从 Week 2 的首选买入到 Week 10 的催化剂兑现、动能消退、清仓退出周报序列本身就是一份论点生命周期档案。八、结语Week 2 摘要是一份典型的、符合该实验每周研究循环的决策产出论点明确收入催化剂、参数具体20 股 ~$1.50、止损 $1.10、风险收益评估完整0.9× 销售额估值、25%30% 下行、多个临近催化剂。它成功指导了 7/8 的实际建仓却也在随后一个月内经历了减仓、回补、止损触发与二次建仓最终以 -$8.32 的累计亏损成为实验第二大亏损标的——并由此成为评估报告中LLM 在亏损后仍重复进入同一标的这一行为结论的核心证据之一。对于希望研究 LLM 交易行为的开发者这条从 Week 2 Summary.md/Week%202%20Summary.md) 出发、经 Trade Log.csv 执行验证、最终由 evaluation_report.md 定性的完整证据链是一个不可多得的端到端复盘样例。赞分享人工智能金融科技数据分析科研【免费下载链接】LLM-Trading-LabThis repo powers my experiment where ChatGPT manages a real-money micro-cap stock portfolio.项目地址https://gitcode.com/GitHub_Trending/ch/LLM-Trading-Lab点击查看免费下载相关推荐Pydantic AI 智能体构建完全指南从 Agent 基础、工具与能力到渐进式披露和多智能体编排Pydantic AI 智能体构建完全指南从 Agent 基础、工具与能力到渐进式披露和多智能体编排 Pydantic AI 是一个面向生产级生成式 AI 应人工智能金融科技数据分析科研LLM-Trading-Lab 第十二周组合复盘ChatGPT 微盘股策略的催化剂驱动持仓与风险分层管理LLM Trading Lab 第十二周组合复盘ChatGPT 微盘股策略的催化剂驱动持仓与风险分层管理 本篇技术指南聚焦于开源仓库 LLM Trading人工智能金融科技数据分析科研ML-For-Beginners 分类实战深入剖析逻辑回归的 solver 求解器并完成对比研究ML For Beginners 分类实战深入剖析逻辑回归的 solver 求解器并完成对比研究 本篇文章聚焦于 ML For Beginners 项目 4教程机器学习人工智能上一篇如何让 llama.cpp 的函数调用正常工作从零跑通 tool_calls 为空的 3 个坑下一篇Obsidian Style Settings终极指南如何快速自定义你的笔记主题外观创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LLM-Trading-Lab 每周深度研究实战剖析：Week 2 买入 IINN（Inspira Technologies）的决策逻辑与执行复盘
人工智能金融科技数据分析科研【免费下载链接】LLM-Trading-LabThis repo powers my experiment where ChatGPT manages a real-money micro-cap stock portfolio.项目地址https://gitcode.com/GitHub_Trending/ch/LLM-Trading-Lab点击查看免费下载导读本文以 LLM-Trading-Lab 仓库中 ChatGPT 实盘微盘股实验的Week 2 深度研究报告Week 2 Summary.md/Week%202%20Summary.md)为核心完整还原该周研究对 IINNInspira Technologies的买入建议——包括建仓规模、止损设定、催化剂论据与风险收益评估——并结合仓库中的交易日志、后续周报与最终评估报告验证研究建议 → 实际执行 → 结果回溯的完整闭环。读者将理解这套每周研究产出的结构、IINN 一役中暴露的决策行为特征仓位集中、止损执行、亏损后重进以及如何从仓库数据中复盘一次 AI 交易决策。一、报告在实验中的定位每周研究循环的产物在阅读 Week 2 摘要之前需要先弄清它在整个实验中的位置。仓库的 deep_research_index.md 给出了明确的索引表Week Report应用到的交易周撰写时点Starting Research启动前Pre-Launch交易开始前Week 1Jun 30 – Jul 3交易开始前Week 2Jul 7 – Jul 11Week 1Jun 30 – Jul 3结束后Week 3Jul 14 – Jul 18Week 2 结束后………即每周五执行的深度研究Deep Research在周末输出报告所有交易指令在下一个交易周执行。Week 2 报告写于第 1 周6/30–7/3结束之后其建议应用于 7/7–7/11 这一周。实验流程约束方面evaluation_report.md 明确研究模式仅在每周五运行一次模型通过专用深度研究提示词获得授权进行全组合再平衡与新开仓详见下文提示词框架工作日只做监控与 HOLD/TRIM/SELL 操作。Week 2 摘要正是这一循环中的一份标准产出物。二、Week 2 建议原文买入 IINN 作为 H2 2025 首选标的Week 2 摘要的结论非常直接——Buy IINNInspira TechnologiesTop Pick for H2 2025。其核心参数如下投入资本约 $32.13买入 20 股建仓价格约 $1.50止损价$1.10风险敞口止损对应约 25%30% 的最大下行2.1 投资论点Thesis四大支柱强劲的收入催化剂Strong Revenue Catalyst公司已锁定$22.5M 采购订单计划于 2025 年交付且更多交易仍在谈判中。报告强调这是正在发生的真实收入事件real, unfolding revenue event而非投机性的未来押注——这是该论点中最关键的一环。高上行空间High Upside Potential从约 $1.50 出发年底前有合理可能翻倍估值相对同业仍便宜约0.9× 销售额若新合同落地公司有望获得显著的价值重估。可控风险Manageable RiskFDA 已批准的产品降低了监管不确定性合同收入降低了稀释风险止损将下行限制在约 25%30%。更优的风险收益比Superior Risk/Reward与其他候选标的如 GRIL、MULN、AZTR、INBS相比IINN 拥有多个临近催化剂且二元风险binary risk更低。2.2 交易计划Trade Plan以约 $1.50 买入 20 股止损保持在 $1.10监控 Q3 财报11 月及后续合同公告若股价快速上涨考虑移动止损trailing stop2.3 结论IINN offers a rare mix of near-term revenue, expanding opportunity, and a credible path to sustained gains — making it the top candidate for deploying the remaining capital.即IINN 兼具近期收入、扩展中的机会与可持续盈利的可信路径是部署剩余资本的首选——一个计算过的、高信念high-conviction的头寸目标是年底前实现收益最大化。这份摘要同时印证了评估报告中归纳的模型行为特征高信念、催化剂驱动event-driven、仓位集中。三、执行验证Trade Log 中的真实 IINN 交易时间线研究建议最终转化为实际交易仓库的 Trade Log.csv 完整记录了 IINN 的全部交易日期操作股数价格备注2025-07-08BUY20$1.50MANUAL BUY - New position成本 $30.002025-07-28SELL6$1.41MANUAL SELL - POSITION REDUCTION实现 -$0.542025-08-01BUY2$1.74MANUAL BUY - New position成本 $3.482025-08-08SELL16$1.10AUTOMATED SELL - STOPLOSS TRIGGERED实现 -$6.402025-08-18BUY10$1.25MANUAL BUY - New position成本 $12.502025-09-02SELL10$1.16MANUAL SELL LIMIT实现 -$0.90对照 Daily Updates.csv 可以看到持仓逐日变化7/9 起持仓 20 股成本 $30.00、止损 $1.10股价在 $1.20–$1.47 之间波动7/28 减至 14 股8/1 增至 16 股直至8/8 触发止损清仓SELL - Stop Loss Triggered随后 8/18 以更低价格 $1.25 二次建仓 10 股9/2 以 $1.16 手动限价卖出收场。关键观察Week 2 报告中的建仓参数20 股、$1.50、止损 $1.10与实际执行完全一致说明周报建议确实被原样执行而 IINN 的完整生命周期远不止周报所述的首次建仓——还包括减仓、回补、止损触发、二次建仓与最终退出。四、结果回溯评估报告中的 IINN 位置实验结束后生成的 evaluation_report.md 以 FIFO 批次lot口径对 IINN 做了最终核算其 附录 D.2FIFO LOT-LEVEL REALIZED EXITS 显示Entry_DateExit_DateSharesEntry_PriceExit_PricePnLHolding_Days2025-07-082025-07-286$1.50$1.41-$0.54202025-07-082025-08-0814$1.50$1.10-$5.60312025-08-012025-08-082$1.74$1.10-$1.2872025-08-182025-09-0210$1.25$1.16-$0.9015四项合计-$8.32对应 附录 D.4 的位置级Pure PnL表IINN 以-8.32 位列全部 22 个持仓标的的第二大亏损仅次于 ATYR 的 -38.08持有时长 56 天平均仓位 $15.00共 4 个 FIFO 退出批次。在行为分析章节评估报告还给出两个与 IINN 直接相关的结论Buying Past Losing Stocks反复买入亏损标的报告明确指出 FBIO and IINN were among the largest contributors to realized losses. Both tickers had relatively high trade frequencies, with FBIO having four buy-side trades and IINN receiving three.Failure Modes 章节Episode 口径的统计佐证附录 D.7 显示 IINN 在 2025-07-09 至 2025-08-29 构成一个 51 天连续持仓片段peak_pnl 0Peak Capture Ratio 为空附录 D.9 显示 IINN 共记录33 个交易日持仓全实验第三高仅次于 ABEO 与 MIST附录 D.10 则统计 IINN 有3 次买入记录、2 次重进Re_Entries 2。也就是说Week 2 的高信念建仓最终成为整个实验中持仓时间最长、亏损第二大的标的之一——为LLM 在亏损后仍倾向重进同一标的这一行为模式提供了典型样本。五、后续周报中的 IINN从持有到清仓的决策演变IINN 的命运并未在止损触发后终结仓库的后续周报记录了模型对其论点的持续修正Week 3 Summary/Week%203%20Summary.md)应用于 7/14–7/18将 IINN 列为 Add/Hold理由为capitalize on real revenue momentum and government-backed support——即相信 $22.5M 订单驱动的真实收入动能。Week 10 Summary/Week%2010%20Summary.md)8/30 撰写正式清仓退出——IINN— sell 10 (exit). Catalyst ($22.5M order) realized; momentum faded; dilution risk. Redeploy ~$11 to higher-impact ideas (ATYR, FBIO).退出理由非常清晰催化剂$22.5M 订单已经兑现、股价动能消退、出现稀释风险约 $11 资金被重新部署到 ATYR 与 FBIO。这完整展示了该实验每周研究循环的运作方式——每周依据最新信息重新评估论点并输出具体的持仓调整指令。六、源码级补充驱动周报的提示词框架虽然 chatgpt_micro-cap 实验本身通过 ChatGPT 交互界面运行仓库中 multi_model_ipo 实验提供了同源、可复现的深度研究提示词工程实现可帮助理解周报背后的决策框架。其中 deep_research_prompt.py 定义了 DEEP RESEARCH MODE 的完整约束交易节奏TRADING_CADENCEDEEP RESEARCH MODE 仅允许新开仓与全组合再平衡与每周研究、次周执行的节奏一致标的池硬约束UNIVERSE_RULES最小市值 $200M、仅限美股、新买入仅限 IPO 白名单——说明此类研究提示词通过硬性规则约束模型的买入范围与流动性判断订单格式ORDER_SPEC_FORMATbuy 必须带 stop_loss订单必须为 DAY 单、整股、大写 ticker——与 IINN 建仓必须设定 $1.10 止损的规范一致输出模板OUTPUT_TEMPLATE要求按 ANALYSIS_BLOCK → ORDERS_JSON → CONFIDENCE_LVL 三段式输出其中置信度为综合执行置信度而非盈利概率。这解释了 Week 2 摘要中止损 $1.10整股 20 股等细节为何如此规范——它们正是这套提示词约束的直接产物。七、从 IINN 案例中提炼的可复用复盘方法研究建议与执行日志对照周报给出建仓参数Trade Log.csv 记录实际成交二者对照可验证建议是否被执行、执行是否走样。以 FIFO 口径核算真实盈亏同一笔持仓可能跨多个买入批次$1.50、$1.74、$1.25评估报告提供的 FIFO 核算方式附录 A.2能还原每批次独立的实现盈亏避免用单一均价掩盖真实退出质量。追踪止损触发后的行为IINN 在 8/8 止损出局后8/18 又以更低价格重进——这种亏损后重进是评估报告归纳的三大失败模式之一Failure Modes也是理解 LLM 决策偏好的关键样本。用后续周报验证论点演变从 Week 2 的首选买入到 Week 10 的催化剂兑现、动能消退、清仓退出周报序列本身就是一份论点生命周期档案。八、结语Week 2 摘要是一份典型的、符合该实验每周研究循环的决策产出论点明确收入催化剂、参数具体20 股 ~$1.50、止损 $1.10、风险收益评估完整0.9× 销售额估值、25%30% 下行、多个临近催化剂。它成功指导了 7/8 的实际建仓却也在随后一个月内经历了减仓、回补、止损触发与二次建仓最终以 -$8.32 的累计亏损成为实验第二大亏损标的——并由此成为评估报告中LLM 在亏损后仍重复进入同一标的这一行为结论的核心证据之一。对于希望研究 LLM 交易行为的开发者这条从 Week 2 Summary.md/Week%202%20Summary.md) 出发、经 Trade Log.csv 执行验证、最终由 evaluation_report.md 定性的完整证据链是一个不可多得的端到端复盘样例。赞分享人工智能金融科技数据分析科研【免费下载链接】LLM-Trading-LabThis repo powers my experiment where ChatGPT manages a real-money micro-cap stock portfolio.项目地址https://gitcode.com/GitHub_Trending/ch/LLM-Trading-Lab点击查看免费下载相关推荐Pydantic AI 智能体构建完全指南从 Agent 基础、工具与能力到渐进式披露和多智能体编排Pydantic AI 智能体构建完全指南从 Agent 基础、工具与能力到渐进式披露和多智能体编排 Pydantic AI 是一个面向生产级生成式 AI 应人工智能金融科技数据分析科研LLM-Trading-Lab 第十二周组合复盘ChatGPT 微盘股策略的催化剂驱动持仓与风险分层管理LLM Trading Lab 第十二周组合复盘ChatGPT 微盘股策略的催化剂驱动持仓与风险分层管理 本篇技术指南聚焦于开源仓库 LLM Trading人工智能金融科技数据分析科研ML-For-Beginners 分类实战深入剖析逻辑回归的 solver 求解器并完成对比研究ML For Beginners 分类实战深入剖析逻辑回归的 solver 求解器并完成对比研究 本篇文章聚焦于 ML For Beginners 项目 4教程机器学习人工智能上一篇如何让 llama.cpp 的函数调用正常工作从零跑通 tool_calls 为空的 3 个坑下一篇Obsidian Style Settings终极指南如何快速自定义你的笔记主题外观创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考