量化基本面+AI Agent：一个实战投资实验室的生长手记

如果要给 Lunartulip Lab 这个主打量化基本面的实战型实验室找一个起点，它更像是从我的主观投研和资金管理能力内核，在 AI 时代自然生长出来的 Investment Lab。从股票基本面投研起步，到被 AI 打开量化的维度，再用 Agent 重构整套投研系统，最终直接强化净值曲线——这就是这个 Lab 正在做的事。

就像 AI 时代天然生长出的复利飞轮，围绕投研内核，依次延展出量化、资产配置、金融决策 Agent 等各个方向的外层，层层包裹又环环相扣。

Trading like PM, thinking like Fund，这是 Lunartulip 从第一天起从未偏离的坐标。走到今天，它在与市场的反复交流中自然生长出两类对外合作的雏形，也是公司成立后我正式开放的合作方向：面向机构的 AI 投资 Agent 咨询，以及面向少数长期伙伴的二级市场资金实践。这篇文章，是这条成长线的阶段性说明，也是一次正式的合作入口介绍。

起点：在二级市场里修炼内功的那几年

之前在二级私募工作，核心一直围绕股票投研、自有资金组合管理、主观多头策略展开。从入行就接触真实资金账户，没有纸上谈兵的余地，所有判断最终都要接受市场的涨跌验证。AI 确实是杠杆，而投研这项核心内功，是第一个被放大的能力。

几年下来，基本面分析和主动管理对我而言已经驾轻就熟。但恰是在这种熟悉感里，仍会忍不住好奇陌生的领域——Quant 是另一套理解市场的语言和思维方式，虽然从未系统学过，直觉上却感到它跟基本面投研并不割裂。

这份好奇心一直搁置，直到 AI 出现。

转折：AI 把量化能力带出来了

AI 对我来说，第一个意义不是效率工具，而是能力放大器。

开始用 AI 探索量化的方方面面：因子逻辑、策略框架、回测体系、执行损耗、机器学习在价格预测中的应用……出乎意料地顺畅。股票这个品种，底层的市场逻辑、行业理解、估值框架，在基本面和量化之间本该高度打通。主观研究给了我对好公司和好时机的直觉，而量化把这套直觉翻译成了可回测、可迭代的系统语言。

量化策略开发的能力，就这样被 AI 加速带了出来，快得甚至有些意外。

想把走通的路径分享出来，于是有了这个公众号，也有了几篇记录量化探索的文章：从主观交易到量化辅助：3小时极速跑通Qlib+LightGBM、从零构建多因子策略：主观交易者的量化手记。没想到引发的共鸣远超预期：陆续来交流的朋友告诉我，他们也在做类似的事，只是各自卡在不同的节点上。

跃迁：投研系统在 AI 加持下的三层扩展

回头看，这一轮能力扩展并非线性的，而是在 AI 的介入下同时往几个方向延伸。

第一层，是量化与基本面的双向融合。
在传统框架中，基本面强调深度理解与长期判断，量化强调数据覆盖与系统化执行，AI 的出现正在模糊这种分工。而当前节点上，我们恰好两种能力兼具，且能在投资体系中自洽融合。不再把主观投研和量化策略当作两套平行系统，而是尝试让它们互相喂养：基本面判断生成因子假设，量化回测验证并修正假设，机器学习模型从历史数据中挖掘出基本面研究未能覆盖的规律。这种量化基本面的思路，正是我目前投研体系的核心骨架。

第二层，是用 Agent 重构投研流程本身。
市场上出现了越来越多形态丰富的 AI Agent 工具——CC、龙虾、Hermes——让我开始认真思考一个问题：如果把投资研究的各个环节，信息收集、逻辑梳理、策略生成、组合跟踪、复盘迭代，全部用 Agent 的方式重新设计，一套下一代量化基本面投研系统会是什么样的？把现成工具栈和数据拼凑起来，没办法充分解决二级市场实际会碰到的问题，这就需要金融人从投研的底层需求出发，重新定义每个环节应该由什么来做、怎么做。这套系统目前还在持续演化，但轮廓已经足够清晰。

第三层，是系统本身的自我进化机制。
这是最有意思的部分。一套好的投研系统除了补齐增强执行层的 Alpha，还应该具备自我反馈和进化的能力——就像一位优秀的投资人会随市场和认知的变化不断迭代自己的框架。如何将自我进化机制嵌入 AI 驱动的投研系统，是我一直在探索的方向。今年以来 Openclaw 和 Hermes 这类更加成熟和自动化的 Agent 形态是很棒的基座，有理由相信，未来各专业机构的投研框架将有机会据此生长出多样的新形态。

实战：波动和市场的共振是再熟悉不过的日常

对一个从入行就接触实盘资金的人来说，每当朋友好奇地问“策略上实盘了么”，我总需要反应一下才能理解这个问题——对我而言，投研和策略之后天然指向资金验证，不会存在没有资金账户来承接的情况。考虑到愿意了解我的合作方需要对业务能力和风格有所感知，这里用两个小账户展示投资框架下的运行记录，作为大家开始彼此熟悉的背景。

图示：两类策略曲线，仅作为过去一年自有资金跑出的阶段性真实样本记录。左图基于主观多头，右图基于量化多头（策略设计逻辑见从零构建多因子策略：主观交易者的量化手记）。

如果你需要的是尽可能收敛的波动，或多年完整的审计后业绩，那我的风格和当前阶段并不适合你。我特意选择了能反映体系从纯主观多头，到量化策略加持，再到 AI 驱动系统化投研完整融合后的时间段进行展示，更具代表性。这三张图代表的是同一套投研内核在不同维度上的延伸与落地。多种策略并不是复杂或不聚焦，反而恰好想说明：长期的资金管理需要对市场潜在发生的各种机制和风格切换做好前置的冗余储备，永远对不确定性保持一份敬畏、两分清醒和多手准备。

现在：Lab 正式对外开放两类合作

在与同行和机构交流沉淀的过程中，逐渐浮现出两类清晰的合作需求。比起事先规划好的产品线，现在的形态更接近来自市场的传讯——真实的需求正在上演，而我的技能点恰好对得上。

第一类：AI 量化基本面 Agent 咨询 Workshop
面向投研机构、资产管理团队以及有投研需求的企业。核心是帮助团队搭建兼顾基本面和量化双向融合的 AI 投研系统：从信息处理、因子生成、策略回测到组合监控，用 AI Agent 的方式重构整套流程，而不只是给现有流程整合几个 AI 工具。合作形式灵活：为期 4~6 周项目制的系统搭建咨询，服务形式是针对团队的深度 Workshop 顾问陪跑，线上线下结合。适合的合作方包括：正在探索 AI 转型的中小型私募/公募团队、家办投研部门，以及希望为内部投研提效的产业资本。如果团队需要的是标准化服务、成熟系统级产品，大机构可能是更适合的选择。我的优势在于三点结合：真实投研与交易经验、主观与量化策略的结合，以及 Agent 在投资决策流程里的前沿实践，更适合需要定制化、共创、贴近投资一线的团队。

第二类：二级市场研究与资金实践合作
这一类偏好双方更匹配、合作周期更长的资金方和投资人。如果你是对二级市场有长期视角、对我们量化基本面融合这套投研方法有共鸣，并且希望以某种形式参与到资金管理中的投资人伙伴，欢迎来聊聊。现阶段，规模或仅为合规负担，过早套上私募的完整框架不是现在的第一优先级，后期规模到了自然会发生，当前阶段有更适合的打法和甜蜜点。我坚信在人工智能时代，对 AI 有更强驾驭能力的小团队会凭借 AI 的加持和灵活的身位，在某个时间阶段内具备更多未被显式发掘的隐藏优势。比起等待完全成熟再开始，我更在意的是：找到真正对这件事有长期耐心和相同远景的伙伴与资金方，一起把这套投研系统在真实资金环境下跑得更深、更扎实。

尾声：Lab 的缘起

Lunartulip Lab 的中文名字是 灏月繁花，寓意月下繁花盛景，有一种上行期蓬勃生长的生命力。Lab 希望构建人工智能时代下一种新的工作方式：无法完全被传统时代任意一种咨询公司、投顾平台的模式所简单解释，更像是以投研内核为圆心、由 AI 扩展能力边界、用真实市场反馈迭代系统的投资实验室。具备多个外延分支，拥有极高的天花板上限；每一项对外延伸，都生长在同一个根基之上，实质指向同一个闭环。主观投研的积累是核心内圈，量化基本面的融合是第一次生长，AI 投研系统的构建是第二次生长，而现在正式对外的两类合作——咨询与资金管理——是整个飞轮开启新一轮版图的时刻。

如果你在看这篇文章，并且某一段话让你觉得这跟我在想的事情有共鸣，欢迎来聊。