交易复盘 AI

交易数据中的认知盲区

很多量化交易者或手工交易者在积累了大量的 dict 格式交易记录后，往往只能看到最终的盈亏数字。当账户出现回撤时，仅凭直觉很难定位究竟是执行层面偏离了策略，还是心理偏差导致了非理性操作。

核心能力与工作流

这个 Skill 的核心在于将非结构化的交易流水转化为结构化的行为分析。它会自动计算胜率、盈亏比、最大回撤以及连败次数，提供基础的量化战绩复盘。

针对心理与行为层面，它会交叉比对交易特征，自动检测 10 种常见的行为金融偏差：

• loss_aversion（损失厌恶）：亏损单持有时间远超盈利单。
• disposition（处置效应）：过早卖出盈利单，死扛亏损单。
• overconfidence（过度自信）：高频交易且高仓位，但胜率偏低。
• revenge（报复性交易）：连败后非理性加仓试图挽回损失。
• 其他还包括 recency、anchoring、confirmation、herding、sunk_cost 和 fomo。

在完成数据清洗和偏差诊断后，模型会总结出 3-5 个高频错误模式，并提取有效的系统优势，最终输出 3 条下周可执行的改进动作。

适用边界与注意事项

• 样本量要求：虽然最少支持 1 笔交易，但要真正从数据中提取出可靠的统计规律和行为模式，强烈建议提供 20 笔以上的记录。
• 平台覆盖：目前主要适配 cn-stock、hk-stock 和 us-stock 的交易场景。
• 定位说明：它是一个复盘与诊断工具，而非自动下单系统。它的价值在于形成战术 -> 执行 -> 复盘 -> 改进的闭环，无法替代底层交易策略的逻辑验证。