把 Claude 打造成一套 AI 投资研究终端

从金融数据、TradingView 图表分析，到多智能体研究和模拟交易，一篇文章全部搭建完成

如果你平时会用 Claude、ChatGPT 来分析股票、比特币或者金融市场，应该会发现一个很明显的问题：

AI 虽然很会分析，但是如果没有连接真实的数据源，它很多时候只能根据已有知识回答。

比如你问：

BTC 最近 30 天涨了多少？
它和纳斯达克现在的相关性是多少？
MSTR 最近的期权持仓集中在哪些价格？
我当前 TradingView 图表上的最强支撑在哪里？

如果 AI 没有连接行情、图表或者金融数据库，它其实很难真正完成这些任务。

► Binance币安：全球最大的加密货币交易所
➜ https://bit.ly/3PF8egr
➜ 减免20%交易手续费（邀请码：BFCYEW71）

► OKX欧易《比特币交易所》中文支持最好
➜https://bit.ly/4gjq2d1
➜减免20%交易手续费（邀请码：88576911）

►Bybit：全球领先的合约交易平台，百万交易员都在用！
➜https://bit.ly/3EnpvbB
➜减免20%交易手续费（邀请码：95292 ）

►ChatGPT 会员代充、账号购买平台（各种AI会员代充平台–银河录像局）
➜https://nf.video/C1dxn

今天这篇教程，我们就来搭建一套完整的：

Claude + 金融数据 + TradingView + AI 多智能体 + 模拟交易系统。

整个系统会用到 开源项目：

OpenBB、TradingView MCP、Fincept Terminal、Daily Stock Analysis、TradingAgents、AI Hedge Fund、Alpaca MCP。

这些工具组合起来以后，你可以让 Claude：

• 主动查询股票、ETF、加密货币、期权和宏观经济数据；
• 直接读取 TradingView Desktop 上的 K 线、指标和画线；
• 自动寻找支撑阻力位；
• 用多个 AI 分析师同时研究一只股票；
• 模拟巴菲特、芒格、Burry、Peter Lynch 等不同投资者的分析思路；
• 每天自动分析自己的 Watchlist；
• 甚至连接 Alpaca 的 Paper Trading 模拟账户，让 Claude 执行模拟交易。

这些工具主要用于研究和教育，TradingAgents 和 AI Hedge Fund 本身并不会直接进行真实交易。涉及券商账户的部分，本教程也全部以 Paper Trading 模拟交易账户 为主。

Claude 变成“对冲基金”的 GitHub 项目

一、所有链接与用途汇总

一、工具分别是做什么的？

正式安装之前，先不要急着敲命令。

先看懂工具分别负责什么。

如果你完全是新手，我并不建议一口气把 7 个全部装完。

比较合理的顺序是：

OpenBB → TradingView MCP → TradingAgents → AI Hedge Fund → Fincept → Daily Stock Analysis → Alpaca MCP

其中最后的 Alpaca MCP 涉及订单功能，更建议等前面的研究工具都熟悉以后再使用。

二、所有官方下载地址汇总

先把后面会用到的链接全部放在这里。

中需要的基础环境包括 Claude Code、Git、Node.js、Python 3.12、uv 和 pipx。 Pasted markdown

列出的主要 API Key 包括 Anthropic、Alpaca Paper Trading、Financial Datasets、Telegram Bot，以及 TradingView 付费方案。 Pasted markdown

三、开始之前先安装基础环境

如果你是 Windows 用户，可以先把下面这些环境安装完成。

不需要一次理解它们的技术理，只需要知道它们分别负责什么。

1. Claude Code

Claude Code 是 Anthropic 推出的命令行 AI 编程工具。

这里我们不只是拿它来写代码。

后面的：

• OpenBB MCP
• TradingView MCP
• Alpaca MCP
• TradingAgents

都可以通过 Claude Code 来安装或者调用。

官方：

https://docs.claude.com/en/docs/claude-code

安装完成以后，可以在 PowerShell 输入：

claude --version

能正常显示版本号，就说明可以继续。

2. Git

Git 主要用来从 GitHub 下载项目。

比如后面安装 TradingView MCP 时会看到：

git clone https://github.com/tradesdontlie/tradingview-mcp.git

这里的 git clone 就是把整个 GitHub 项目下载到你的电脑。

下载：

https://git-scm.com/downloads

安装完成以后，在 PowerShell 输入：

git --version

如果能看到类似：

git version 2.x.x

就说明安装成功。

3. Node.js 18+

Node.js 主要是给：

TradingView MCP

使用。

官方下载：

https://nodejs.org

安装以后测试：

node --version

再测试：

npm --version

两个都能显示版本号就可以。

4. Python 3.12

教程特别指定：

Python 3.12

主要用于：

• TradingAgents
• OpenBB

下载：

https://www.python.org/downloads

这里给新手一个建议：

如果你电脑已经安装 Python 3.13 或 Python 3.14，并不代表所有 AI 和量化项目都已经完全适配。

因此后面涉及 TradingAgents 时，最好按照项目推荐版本使用 Python 3.12。

安装后检查：

py --version

或者：

python --version

5. uv 和 uvx

uv 是一个现代化的 Python 包和环境管理工具。

你可以把它简单理解为：

更快、更方便的 Python 工具管理器。

安装 uv 以后：

uvx 会一起安装。

后面：

• OpenBB MCP
• Alpaca MCP

都会用到 uvx。

官方下载：

https://docs.astral.sh/uv/getting-started/installation

Windows PowerShell 可以运行：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

完成以后关闭 PowerShell，重新打开。

检查：

uv --version

以及：

uvx --version

两个都正常显示版本号即可。

6. pipx

pipx 是专门用来安装：

Python 命令行应用

的工具。

本文主要用它安装：

AI Hedge Fund

官方下载：

https://pipx.pypa.io/stable/installation

Windows 可以运行：

py -m pip install --user pipx

然后：

py -m pipx ensurepath

关闭 PowerShell，再重新打开。

检查：

pipx --version

如果能显示版本号，就安装完成。

四、一次检查所有环境

前面的工具全部安装以后，可以依次执行：

git --version

node --version

npm --version

python --version

uv --version

uvx --version

pipx --version

claude --version

只要需要的工具都能正常返回版本号，就可以开始正式安装。

五、哪些 API Key 需要花钱？

这一点最好在安装之前先讲清楚。

Anthropic API Key

主要用于：

• TradingAgents
• AI Hedge Fund
• Daily Stock Analysis
• Fincept Agents

申请：

https://console.anthropic.com

它不是固定月费，而是：

根据实际使用的 Token 计费。

Alpaca Paper Trading API

使用于：

Alpaca MCP

Paper Trading 模拟账户免费。

申请：

https://app.alpaca.markets/paper/dashboard/overview

需要两个东西：

ALPACA_API_KEY

以及：

ALPACA_SECRET_KEY

Financial Datasets API

主要用于：

AI Hedge Fund

官网：

https://financialdatasets.ai

提到价格大约从：

20 美元左右起。

Pasted markdown

FRED API

如果你想通过 OpenBB 查询：

• CPI
• 美国国债收益率
• 失业率
• 其他美国宏观经济数据

可以申请免费的：

FRED API Key

地址：

https://fred.stlouisfed.org/docs/api/api_key.html

Telegram Bot

Daily Stock Analysis 可以每天自动把股票分析结果发送到 Telegram。

这个功能免费。

在 Telegram 搜索：

@BotFather

即可创建机器人。

六、最快方法：直接让 Claude Code 帮你安装

如果你不想一个项目一个项目手动安装，教程还提供了一个“一键式”思路：

直接把一整段安装任务交给 Claude Code。

让 Claude Code 一次安装 5 个主要工具，并且每个工具安装完成后先执行功能验证，失败两次再跳过。

你可以直接复制下面这个版本：

我要安装 YouTube 视频中的五个 AI 金融工具。

统一在：

~/trading-repos

目录下进行安装。

每一个工具单独创建一个文件夹。

在安装每一个项目之前：

先打开并阅读项目 GitHub 官方 README。

严格按照 README 当前最新的安装方法操作。

如果需要 API Key：

立即暂停，并向我要 API Key。

不要猜测 API Key。

不要跳过。

一次只安装一个工具。

当前工具的安装验证成功以后，再继续安装下一个。

如果同一个工具连续失败两次：

记录错误因，然后跳到下一个工具。


1. Alpaca MCP

GitHub：
https://github.com/alpacahq/alpaca-mcp-server

使用我的 PAPER 模拟交易 API Key 注册：

claude mcp add alpaca --scope user --transport stdio uvx alpaca-mcp-server --env ALPACA_API_KEY=... --env ALPACA_SECRET_KEY=...

保持：

ALPACA_PAPER_TRADE=true

永远不要配置成实盘交易。

安装验证：

显示我的 Alpaca Paper Trading 模拟账户余额。


2. OpenBB MCP

GitHub：
https://github.com/OpenBB-finance/OpenBB

安装：

openbb-mcp-server

通过 uvx，以 stdio 方式注册到 Claude Code 用户级别。

请先阅读当前 PyPI / GitHub README，并使用其中最新的准确参数。

只使用免费数据提供商。

yfinance 默认已经包含。

安装验证：

获取 BTC-USD 最近 5 个交易日的每日收盘价。


3. TradingView MCP

GitHub：
https://github.com/tradesdontlie/tradingview-mcp

克隆项目。

运行：

npm install

然后把 MCP 添加到：

~/.claude/.mcp.json

使用适合我操作系统的脚本，通过 Debug Port 启动 TradingView Desktop。

TradingView Desktop 已经安装。

安装验证：

tv_health_check


4. TradingAgents

GitHub：
https://github.com/TauricResearch/TradingAgents

克隆到单独文件夹。

创建 Python 3.12 虚拟环境。

运行：

pip install .

设置：

ANTHROPIC_API_KEY

安装验证：

使用 tradingagents CLI 分析：

BTC-USD

日期使用今天。

启用全部四个 Analyst。

Research Depth 使用：

Shallow

LLM Provider 使用：

Anthropic

最后显示 Portfolio Manager 的最终决策。


5. AI Hedge Fund

GitHub：
https://github.com/virattt/ai-hedge-fund

运行：

pipx install aihf

第一次需要：

Financial Datasets API Key

和：

Anthropic API Key

需要的时候先向我要。

安装验证：

运行：

aihf

创建一个 Fund。

股票选择：

NVDA
COIN

启用所有投资者策略。

保存到：

~/.hedge-fund/mandates/demo.yaml

然后运行一个 Cycle。


所有项目完成以后：

生成一个表格。

包含：

工具名称

PASS / FAIL

安装验证返回结果

每个工具一个可以直接使用的示例 Prompt

对于完全不熟悉命令行的人，我还是建议继续按照下面的教程一个一个安装。

这样哪里出问题会比较容易找到因。

七、OpenBB：先给 Claude 接上金融数据

GitHub：

https://github.com/OpenBB-finance/OpenBB

记录的 Stars 大约：

73,000

许可证：

AGPL-3.0

软件本身免费。

不过某些第三方数据提供商需要自己的 API Key。 Pasted markdown

OpenBB 是什么？

你可以把 OpenBB 简单理解成：

Claude 的金融数据库接口。

Claude 本身虽然懂金融知识，但如果没有数据连接，它并不知道：

今天 BTC 真实价格到底是多少；

最近 30 天 SPY 到底涨了多少；

现在的 CPI 是多少；

MSTR 期权未平仓量集中在哪里。

OpenBB 可以把几十个金融数据提供商统一到一个接口中。

包括：

• 股票
• Crypto
• Options
• ETF
• Macro
• Economic Data

把它类比成 Bloomberg Terminal 的数据功能，而 Bloomberg 一年的价格大约为 25,000 美元。 Pasted markdown

不过这里需要分清楚两个产品：

OpenBB 开源项目

主要是：

数据层。

OpenBB Workspace

你在 OpenBB 官网或者截图中看到的漂亮金融终端界面，是：

OpenBB Workspace

这是另外的商业产品。

本文使用 OpenBB MCP：

不需要购买 OpenBB Workspace。

OpenBB MCP 是什么？

MCP 可以简单理解成：

让 Claude 调用外部工具的接口。

安装 OpenBB MCP 以后，你可以直接对 Claude 说：

获取 BTC 最近 30 天价格。

Claude 就可以通过 OpenBB 调数据。

而不是只凭模型记忆回答。

OpenBB 安装方法

先确认：

uv --version

和：

uvx --version

都能正常运行。

然后在终端执行：

claude mcp add openbb-mcp --scope user --transport stdio -- uvx --from openbb-mcp-server --with openbb openbb-mcp --transport stdio

这条命令来自教程的 OpenBB MCP 配置。 Pasted markdown

怎么检查是否安装成功？

打开 Claude Code。

输入：

/mcp

如果可以看到：

openbb-mcp

并且状态正常，就说明 Claude Code 已经识别到了 OpenBB MCP。

OpenBB 哪些数据不用 API Key？

中提到：

价格数据可以通过：

yfinance

获取。

不需要额外 API Key。

也就是说最开始测试：

• BTC
• ETH
• SPY
• QQQ
• GLD

这些行情数据时，可以先不申请其他数据 API。

如果需要 CPI、失业率和美国国债收益率怎么办？

可以申请免费的：

FRED API Key

地址：

https://fred.stlouisfed.org/docs/api/api_key.html

之后设置：

obb.user.credentials.fred_api_key

教程也提到，如果暂时不想配置 FRED，可以先使用 ETF 代理指标。 Pasted markdown

Claude Desktop 用户怎么配置？

如果你不是 Claude Code，而是 Claude Desktop，可以把下面内容添加到：

claude_desktop_config.json

{
  "mcpServers": {
    "openbb-mcp": {
      "command": "uvx",
      "args": [
        "--from",
        "openbb-mcp-server",
        "--with",
        "openbb",
        "openbb-mcp",
        "--transport",
        "stdio"
      ]
    }
  }
}

这部分来自的 Claude Desktop 配置。 Pasted markdown

OpenBB 第一次安装验证

安装好以后，不要马上运行复杂任务。

先问：

使用 OpenBB 获取 BTC-USD 最近 5 个交易日的每日收盘价。

请告诉我：

日期

收盘价

数据提供商

数据获取时间

如果无法获取，请直接说明错误，不要使用记忆中的价格。

如果能够正常返回真实行情：

OpenBB 就安装成功了。

OpenBB 实用 Prompt 1：跨资产分析

这是教程视频使用的核心 Prompt。 Pasted markdown

使用 OpenBB 获取以下资产最近 30 天的每日收盘价：

BTC-USD
ETH-USD
SPY
QQQ
GLD
UUP（美元相关 ETF）
TLT（长期美国国债 ETF）

整理成一个表格。

显示：

1. 每项资产最近 30 天的收益率
2. 每项资产在这段时间内与 BTC 的相关系数

然后用一段话分析：

现在 BTC 的走势更像：

风险资产，

黄金替代品，

还是正在走自己的独立行情？

同时告诉我：

本周最值得关注的一个宏观经济数据是什么。

对于每一个数据和数字：

都要注明数据提供商和数据获取时间。

如果某些数据无法获取：

直接说明。

不要根据模型记忆自行补充。

这个 Prompt 很适合做：

BTC 当前到底是在跟美股、黄金还是美元走？

OpenBB Prompt 2：分析 MSTR 期权

第二个 OpenBB 示例是期权持仓分析。 Pasted markdown

使用 OpenBB 获取 MSTR 最近一个月度到期期权的完整 Options Chain。

分别列出：

看涨期权 Open Interest 最高的 5 个 Strike；

看跌期权 Open Interest 最高的 5 个 Strike；

Put / Call Ratio；

Max Pain 最大痛点所在的行权价。

最后用一段话分析：

当前期权市场主要在押注什么方向。

这里几个英文词解释一下：

Open Interest

就是：

未平仓合约数量。

Strike

就是：

行权价。

Put / Call Ratio

可以理解成：

看跌 / 看涨期权比例。

Max Pain

一般翻译成：

最大痛点价格。

OpenBB Prompt 3：ETF 与机构持仓

使用 OpenBB 获取：

IBIT 当前持仓情况；

以及 COIN 的主要机构持有者。

告诉我：

IBIT 最大的持有者是谁？

COIN 最大的机构持有者是谁？

然后比较最近两个季度的机构申报。

告诉我：

这些主要机构的仓位是否增加、减少，还是基本没有变化。

这个 Prompt 对分析：

机构到底是在加仓还是减仓

特别有用。 Pasted markdown

八、TradingView MCP：让 Claude 真正“看懂”你的图表

GitHub：

https://github.com/tradesdontlie/tradingview-mcp

记录 Stars：

约 6,000。

这个项目是：

社区开发项目。

并不是：

TradingView 官方产品。

Pasted markdown

TradingView MCP 能做什么？

安装以后，Claude 可以连接你电脑正在运行的：

TradingView Desktop

然后进行很多平时需要鼠标完成的操作。

例如：

打开：

BINANCE:BTCUSDT

切换：

1D
4H
1H
15m
5m

还可以：

• 读取 K 线；
• 读取价格；
• 读取指标；
• 切换 Symbol；
• 画趋势线；
• 画支撑阻力；
• 添加 TradingView 生指标；
• 设置 Alert；
• 使用 Bar Replay。

也就是说：

OpenBB 更像：

金融数据库。

TradingView MCP 更像：

Claude 的眼睛和鼠标。

它是怎么连接 TradingView 的？

TradingView MCP 使用：

Chrome DevTools Protocol

和 TradingView Desktop 通信。

这是很多桌面应用也会使用的一套调试接口。

项目特别说明：

它并不会直接通过 MCP 访问 TradingView 服务器，也不能借此直接在券商账户下单。 Pasted markdown

使用 TradingView MCP 前必须知道两件事

项目 README 自己也给出了两个重要提醒。

第一：

它使用了一些：

TradingView 未公开的内部接口。

因此 TradingView Desktop 更新以后：

有可能导致 MCP 暂时失效。

第二：

TradingView 的服务条款对：

自动化使用

存在限制。

所以真正长期使用之前，建议自己阅读项目 README 的 Disclaimer。 Pasted markdown

TradingView MCP 需要什么？

需要：

• TradingView Desktop
• TradingView 付费方案
• Node.js 18+
• Claude Code

教程强调：

使用的是：

Desktop 桌面版

不是浏览器网页版。 Pasted markdown

TradingView MCP 最简单安装方法

直接把下面这段话给 Claude Code：

安装 TradingView MCP Server。

首先克隆：

https://github.com/tradesdontlie/tradingview-mcp.git

运行：

npm install

然后把它添加到我的 Claude Code MCP 配置：

~/.claude/.mcp.json

接着根据我的操作系统：

通过 Debug Port 启动 TradingView Desktop。

最后使用：

tv_health_check

验证 TradingView 是否成功连接。

这是 README 推荐的一行式 Claude Code 安装思路。 Pasted markdown

手动安装 TradingView MCP

如果你想自己安装：

git clone https://github.com/tradesdontlie/tradingview-mcp.git

然后进入：

cd tradingview-mcp

执行：

npm install

Pasted markdown

以后启动 TradingView 不能直接普通打开

这里非常重要。

使用 TradingView MCP 时：

TradingView Desktop 必须通过：

Debug Port

启动。

Mac：

./scripts/launch_tv_debug_mac.sh

Windows：

scripts\launch_tv_debug.bat

Linux：

./scripts/launch_tv_debug_linux.sh

也就是说：

以后想让 Claude 操作 TradingView，就要使用这个启动方式。

Pasted markdown

添加 MCP 配置

打开：

~/.claude/.mcp.json

加入：

{
  "mcpServers": {
    "tradingview": {
      "command": "node",
      "args": ["/path/to/tradingview-mcp/src/server.js"]
    }
  }
}

注意：

/path/to/tradingview-mcp/

必须替换成你电脑真实的安装路径。

Pasted markdown

怎么确认 TradingView MCP 成功连接？

让 Claude Code 执行：

Use tv_health_check to verify TradingView is connected

或者中文：

使用 tv_health_check 检查 TradingView MCP 是否已经成功连接 TradingView Desktop。

这是安装 TradingView MCP 后最重要的第一项检查。 Pasted markdown

TradingView Prompt 1：自动画支撑阻力

这是视频中使用的 Prompt。 Pasted markdown

使用 TradingView MCP Bridge。

在一个名为：

Claude Demo

的独立 Layout 中打开：

BINANCE:BTCUSDT

保留我来的 TradingView Layout。

不要覆盖布局。

首先查看最近 6 个月的日线价格走势。

然后切换到 4 小时图。

最终显示最近 60 天的数据。

根据：

多次出现价格反应的位置

以及：

有意义的 Swing High / Swing Low

找出三个最强的支撑 / 阻力区域。

区域画得尽量窄。

使用半透明效果：

Support 支撑区：

Teal 青绿色

Resistance 阻力区：

Muted Red 柔和红色

Pivotal Level 关键枢轴区域：

Amber 琥珀色

每一个区域都标注：

具体价格

以及：

这个区域主要依据的时间周期。

保持图表：

干净

清晰

易读。

全部完成以后：

重新检查最终图表。

如果出现：

标签遮挡

区域过多

图表太乱

进行清理。

最后只用三句话告诉我：

最重要的价格区域是什么；

为什么它最重要；

什么情况下这个分析判断会失效。

TradingView Prompt 2：用成交量分布验证支撑阻力

教程还提供了一个非常实用的进阶 Prompt。 Pasted markdown

在 BTC 四小时图上：

添加 TradingView 生的：

Visible Range Volume Profile

分析范围：

最近 60 天。

Value Area：

70%。

把 Volume Profile 放在图表右侧。

颜色保持低调。

POC：

使用金色。

VAH 和 VAL：

使用明显不同的线。

必须读取 TradingView 生指标显示的：

实际价格。

然后为：

POC

VAH

VAL

添加清晰标签。

不要让标签遮住 K 线。

接下来分析：

成交量分布是否支持之前画出的支撑和阻力区；

还是与这些支撑阻力存在冲突。

同时告诉我：

当前价格位于 Value Area：

上方；

内部；

还是下方。

如果 TradingView 生指标无法访问：

或者无法读取准确数值：

直接说明限制。

不要自己估算。

也不要自己创建一个替代版 Volume Profile。

这里几个词：

POC

Point of Control：

成交量最集中的价格。

VAH

Value Area High：

价值区域上沿。

VAL

Value Area Low：

价值区域下沿。

TradingView Prompt 3：每天扫描 Watchlist

教程把这个任务称为：

Morning Sweep

也就是早盘快速扫描。 Pasted markdown

读取我的 TradingView Watchlist 中所有 Symbol 的日线图。

对于每一个 Symbol：

判断当前趋势方向。

告诉我价格位于：

EMA20

以及：

EMA50

的什么位置。

然后判断：

现在是在 Coiling 收敛蓄势；

还是：

已经 Extended，价格明显延伸。

按照 Setup 的干净程度进行排序。

最终只给我：

最好的 3 个。

对于这三个标的分别告诉我：

需要重新站上哪个位置；

或者：

需要跌破哪个位置；

以及：

哪个价格会让当前 Setup 完全失效。

如果某个标的走势很模糊：

直接写：

no setup

不要为了给答案强行制造交易机会。

TradingView Prompt 4：让 Claude 专门反驳你

这个 Prompt 我觉得非常适合实际交易。

因为大部分人使用 AI 都喜欢问：

这里能不能做多？

但更好的方式其实是：

让 AI 专门找你判断中的漏洞。

叫：

The Second Opinion

Pasted markdown

直接输入：

读取我当前 TradingView 图表。

包括：

我自己画的线

以及：

所有当前指标。

我现在正在考虑：

在这里做多。

不要帮我证明做多是正确的。

相反：

请构建一个最有力的反方观点。

证明我当前的做多想法可能是错误的。

必须使用：

当前图表上的具体价格

以及：

当前指标的实际读数。

不要使用泛泛的市场评论。

最后告诉我：

哪一个具体价格一旦出现：

就可以证明空头观点正确。

这个 Prompt 很适合避免：

确认偏误。

九、Fincept Terminal：一套接近专业终端体验的 AI 金融平台

GitHub：

https://github.com/Fincept-Corporation/FinceptTerminal

记录 Stars：

约：

32,000

许可证：

AGPL-3.0 免费版

Pasted markdown

Fincept Terminal 是什么？

前面的 OpenBB 更偏：

数据接口。

TradingView MCP 更偏：

图表操作。

Fincept 则更像：

完整的桌面金融终端。

它本身就是一个 Desktop App。

里面包含很多专业金融功能。

例如：

股票筛选器

Screeners。

多资产分析

可以分析不同金融资产。

DCF

Discounted Cash Flow：

现金流折现估值。

Portfolio Optimisation

投资组合优化。

VaR

Value at Risk：

风险价值。

Sharpe Ratio

夏普比率。

Derivatives Pricing

衍生品定价。

QuantLib

提到它集成了：

18 个 QuantLib 模块。

Fincept 的数据源

表示它拥有：

100+ Data Connectors

例如：

• FRED
• IMF
• World Bank
• Polygon
• Kraken
• Yahoo Finance

Pasted markdown

也就是说：

Fincept 并不是只分析股票。

它可以同时做：

• Macro
• Crypto
• Equities
• Derivatives
• Economic Data

Fincept 还有哪些功能？

教程还提到：

• Paper Trading Engine
• 16 个 Broker Integrations
• Visual Automation Editor
• MCP Tools
• Global Intelligence Desk
• Maritime Tracking
• Geopolitical Mapping

其中：

Maritime Tracking

就是：

海运 / 船舶跟踪。

这也是为什么 Fincept 可以用来分析：

霍尔木兹海峡。

Fincept 最核心的一个特点：37 个 AI Agent

Fincept 上面还有：

37 个 AI Agent。

包括：

• Trader Agent
• Investor Agent
• Economic Agent
• Geopolitics Agent

它支持多个 LLM。

例如：

• Anthropic
• OpenAI
• Gemini
• Groq
• DeepSeek
• OpenRouter
• Ollama

Pasted markdown

也就是说：

你不一定必须使用 Claude。

也可以自己选择其他大模型。

Fincept 免费吗？

这里有两个重要说明。

第一：

免费版本的软件：

本身不收软件费用。

但是：

每次调用 AI Agent：

都会消耗你自己的 LLM API Key。

也就是说：

如果你使用 Anthropic：

Anthropic 还是会按照 Token 收费。

第二：

Fincept 的：

Multi-Agent Research Teams

属于：

Enterprise 付费版。

免费版主要提供：

Single Agent 单智能体。

Pasted markdown

Fincept 是七个项目中安装最简单的

它不需要你敲 Git Clone。

也不需要先 npm install。

直接下载 Desktop Installer。

地址：

https://github.com/Fincept-Corporation/FinceptTerminal/releases

撰写时记录的版本为：

v4.5.0

支持：

• Windows x64
• macOS Apple Silicon
• Linux AppImage
• Linux .deb
• Linux .rpm

Pasted markdown

需要注意：

这里的 v4.5.0 是教程撰写当时的版本。

如果你以后看到更新版本：

直接安装 Releases 页面最新稳定版即可。

Fincept 安装完成以后怎么配置？

打开 Fincept。

进入：

AI Settings

然后填入：

Anthropic API Key

接着选择：

你准备使用的模型。

这样基本就可以开始使用 Agent。

Fincept Prompt 1：中东地缘政治分析

这是整个工具列表中一个非常特别的功能。

因为它不只是看股票。

还会结合：

Maritime 航运数据

和：

Geopolitical 地缘政治信息

Prompt 如下。 Pasted markdown

中文版可以直接使用：

运行 Geopolitics Agent。

分析当前中东局势。

通过 Fincept 的 Data Connectors 获取：

霍尔木兹海峡当前的海运 / 船舶情况；

当前油价格；

当前 DXY 美元指数；

当前 BTC 比特币价格。

然后告诉我：

第一：

最近 7 天发生了哪些重要变化？

第二：

这些变化首先意味着：

油可能受到什么影响？

第三：

其次：

风险资产可能受到什么影响？

然后分别分析两种情况：

如果局势缓和：

未来一个月 BTC 可能受到什么影响？

如果局势进一步升级：

未来一个月 BTC 可能受到什么影响？

每一个部分分别使用：

3 个要点。

所有分析尽量引用：

你实际从 Data Connectors 获取到的具体数字。

Fincept Prompt 2：按照巴菲特思路筛选标普 500

教程的第二个示例是：

Investor Screen

Pasted markdown

中文：

按照 Warren Buffett 的投资思路：

筛选 S&P 500 成分股。

筛选条件：

至少连续 10 年保持稳定盈利；

最近 5 年 ROE 都高于 15%；

Debt-to-Equity 较低；

公司必须拥有清晰的经济护城河。

而且这个护城河必须能够：

用一句话解释清楚。

找出：

今天符合这些条件的 5 家公司。

对于每家公司告诉我：

当前市场价格；

按照这套估值逻辑：

你愿意在哪一个价格买入；

当前价格和合理买入价格相差多少。

最后告诉我：

按照前面的条件：

当前是否真的有公司已经达到买入标准。

如果一家公司都没有达到：

直接告诉我没有。

不要为了给出答案而强行选一个。

这里的：

what you’d pay

并不是简单预测：

未来目标价。

更准确理解是：

按照这套投资逻辑，你愿意支付的价格。

Fincept Prompt 3：COIN DCF 估值

第三个任务是：

DCF with workings

也就是：

不只是给你一个估值结果。

还要把：

估值假设

一起展示出来。 Pasted markdown

可以输入：

使用你的 DCF Model：

对 COIN，也就是 Coinbase：

进行一次现金流折现估值。

完整显示你使用的主要假设。

包括：

Growth Rate 增长率；

Margin 利润率；

Discount Rate 折现率。

然后告诉我：

DCF 模型计算得到的 Implied Price 隐含股价是多少；

COIN 当前市场价格是多少；

模型估值和当前股价相差多少。

最后告诉我：

整个 DCF 模型里面：

哪一个单独的假设：

对最终估值结果最敏感。

这个 Prompt 的重点不是：

AI 说 COIN 值多少钱。

而是：

你可以看见：

AI 到底基于什么假设得出这个价格。

如果把增长率稍微调低以后：

估值马上大幅下降。

那么说明：

这家公司估值对：

Growth

非常敏感。

这比单独看一个所谓：

“目标价”

有意义得多。

第一部分先到这里

到这里，我们已经完成了整个系统中的前三个核心模块：

OpenBB

负责：

金融数据。

TradingView MCP

负责：

图表读取与操作。

Fincept Terminal

负责：

金融终端 + AI Agent + 宏观 / 地缘政治 / DCF 等综合分析。

而真正非常有意思的部分还在后面。

下面继续第一部分，从 第 4 个工具 Daily Stock Analysis 开始，一直到 Alpaca MCP、组合工作流、安全设置和整篇文章结尾。我继续按照“中文新手能直接照着做”的方式整理，同时保留的重要功能、命令、配置项和 Prompt。

十、Daily Stock Analysis：让 AI 每天自动分析你的自选股

GitHub：

https://github.com/ZhuLinsen/daily_stock_analysis

英文 README：

https://github.com/ZhuLinsen/daily_stock_analysis/blob/main/docs/README_EN.md

记录 Stars：

约 65,000

费用：

项目本身免费，可以直接运行在 GitHub Actions 上，不需要自己购买服务器。 Pasted markdown

Daily Stock Analysis 是什么？

这个项目非常适合不想每天手动把十几只股票丢给 AI 分析的人。

你只需要提前设置好自己的 Watchlist，例如：

AAPL,NVDA,COIN,MSTR

以后它会在每个工作日自动获取这些股票的：

• 最新行情
• 技术指标
• 新闻
• 基本面数据

然后把这些内容交给 LLM 分析。

最终给你生成一个：

Decision Dashboard，也就是投资决策仪表盘。

每只股票都会给出类似：

Buy
Watch
Sell

同时还会提供：

• 0～100 分评分
• 当前趋势
• 潜在入场位置
• 潜在出场位置
• 风险提醒
• 正面催化剂
• 操作清单

分析完成以后，它还可以自动把报告发送到：

Telegram、Discord、Slack、Email、微信或者飞书。

项目支持的市场也比较广，包括美股、港股、日本、韩国、台湾市场以及中国 A 股。 Pasted markdown

为什么这个项目特别适合做“每日股票简报”？

因为它使用：

GitHub Actions

自动运行。

也就是说：

你不需要一直开着电脑。

不需要租 VPS。

也不用自己维护服务器。

比如你设置：

NVDA
COIN
MSTR
AAPL
TSLA

以后每天固定时间，它自己分析。

分析结束以后：

Telegram 手机自动收到报告。

所以它比较像一个：

24 小时在线的 AI 自选股研究助理。

不过这里需要特别提醒：

项目生成的所谓“入场价”“目标价”“风险位”，本质上是 LLM 根据输入数据进行的分析和解读，并不是一个固定数学模型输出的确定性交易信号。

因此更适合把这些结果当：

研究起点，而不是自动交易依据。 Pasted markdown

Daily Stock Analysis 怎么安装？

这个项目和前面的 TradingView MCP 不一样。

基本可以：

直接在浏览器里完成。

教程估计大约需要：

10 分钟。 Pasted markdown

第一步：Fork 项目

打开：

https://github.com/ZhuLinsen/daily_stock_analysis

点击右上角：

Fork

简单理解：

Fork 就是把这个项目复制一份到你自己的 GitHub 账号里面。

后面的：

API Key、股票列表、自动执行任务

都会配置在你自己的副本里。

第二步：创建 Telegram Bot

如果你希望每天直接在手机收到分析报告，Telegram 是比较方便的方式。

打开 Telegram。

搜索：

@BotFather

给它发送：

/newbot

然后按照提示：

设置 Bot 名称。

设置用户名。

创建成功以后：

BotFather 会给你一个：

Bot Token

把它保存好。

这个 Token 后面会用到。

怎么获取 Telegram Chat ID？

创建好 Bot 后：

先给你自己的 Bot 随便发送一条消息。

例如：

hello

然后浏览器打开：

https://api.telegram.org/bot<YOUR_TOKEN>/getUpdates

其中：

<YOUR_TOKEN>

换成刚刚 BotFather 给你的 Token。

例如返回的内容中找到：

"chat":{"id":123456789}

这里的：

123456789

就是：

Telegram Chat ID。

教程使用的也是这种方式。 Pasted markdown

第三步：设置 GitHub Secrets

进入你刚刚 Fork 的项目。

依次打开：

Settings
→
Secrets and variables
→
Actions
→
New repository secret

这里需要添加几个 Secret。

Secret 可以理解为：

GitHub 用来安全保存 API Key 和其他私密参数的地方。

ANTHROPIC_API_KEY

Name：

ANTHROPIC_API_KEY

Value：

你的 Anthropic API Key。

TELEGRAM_BOT_TOKEN

Name：

TELEGRAM_BOT_TOKEN

Value：

刚才 BotFather 给你的 Token。

TELEGRAM_CHAT_ID

Name：

TELEGRAM_CHAT_ID

Value：

刚才获取到的 Telegram Chat ID。

STOCK_LIST

Name：

STOCK_LIST

Value 例如：

AAPL,NVDA,COIN,MSTR

注意：

股票代码之间使用：

英文逗号

并且：

不要有空格。

REPORT_LANGUAGE

Name：

REPORT_LANGUAGE

教程示例 Value：

en

也就是输出英文报告。

说明，如果不设置为 en，项目默认可以输出中文报告。 Pasted markdown

对于中文用户，其实直接使用中文报告会更方便。

新闻搜索 API，可选但建议配置

教程另外建议添加：

SERPAPI_API_KEYS

或者：

BRAVE_API_KEYS

这是新闻搜索 API。

不是必须。

但是如果完全不配置新闻搜索服务：

Catalysts 催化剂分析部分可能会比较薄弱。

也就是说：

技术面分析可能正常。

但是近期：

新闻、事件、催化因素

可能没有那么丰富。 Pasted markdown

第四步：开启 GitHub Actions

打开项目顶部：

Actions

第一次运行的时候，GitHub 可能会提示：

I understand my workflows, go ahead and enable them.

点击启用。

这样项目才能按照设定时间自动运行。

第五步：第一次手动测试

进入：

Actions
→
Daily Stock Analysis
→
Run workflow

手动运行一次。

然后打开 Telegram。

看看你的 Bot 是否已经收到分析报告。

只要能够正常收到：

说明基本安装完成。 Pasted markdown

默认几点运行？

教程中的默认设置是：

每个工作日，北京时间 18:00。

同时会跳过非交易日。

如果想修改时间：

找到项目里面：

.github/workflows/

修改其中的：

cron

定时任务即可。 Pasted markdown

最终收到的报告大概长什么样？

README 给出的示例类似：

🎯 Decision Dashboard

Analyzed 3 stocks

🟢 Buy: 0
🟡 Watch: 2
🔴 Sell: 1


📊 Summary

🟡 NVDA
Watch
Score 65
Bullish


🟡 COIN
Watch
Score 48
Range-bound


🔴 MSTR
Sell
Score 35
Bearish


🚨 Risk Alerts

✨ Positive Catalysts
...

Pasted markdown

除了自动运行，还能手动分析

如果你把项目安装在自己电脑上，也可以运行：

python main.py --stocks AAPL,NVDA,COIN

这样可以立即分析指定股票。

如果不想分析单只股票，而是想让 AI 做：

整个市场复盘

可以：

python main.py --market-review

它会切换到 Market Review 模式。 Pasted markdown

十一、TradingAgents：搭建一个完整的 AI 投研部门

GitHub：

https://github.com/TauricResearch/TradingAgents

记录 Stars：

约 107,000

许可证：

Apache-2.0

费用：

软件免费，但是需要承担自己调用大模型产生的 Token 费用。 Pasted markdown

TradingAgents 到底有什么特别？

前面的 OpenBB 是：

金融数据。

TradingView MCP 是：

图表分析。

而 TradingAgents 真正特别的地方是：

它不是只让：

一个 AI

分析股票。

而是模拟：

一家真实交易公司的研究部门。

TradingAgents 的完整组织结构

首先有四个 Analyst：

Fundamentals Analyst

负责：

基本面。

Sentiment Analyst

负责：

市场情绪。

News Analyst

负责：

新闻。

Market / Technical Analyst

负责：

行情和技术分析。

这四个人分别完成自己的报告。

第二阶段：Bull vs Bear

报告完成以后：

会交给：

Bull Researcher

和：

Bear Researcher

一边负责：

找出最强的看多理由。

另一边负责：

找出最强的看空理由。

两边甚至可以进行：

多轮辩论。

第三阶段：Trader

之后：

Trader Agent

阅读：

分析师报告 + Bull / Bear Debate

然后做出自己的交易判断。

第四阶段：Risk Team

还没有结束。

接下来还有三个风险角色：

• Aggressive
• Conservative
• Neutral

分别从：

激进、保守、中性

三个角度重新审查风险。

第五阶段：Portfolio Manager

最后全部信息交给：

Portfolio Manager

决定：

批准还是拒绝。

所以整个过程可以理解成：

基本面分析
+
技术分析
+
新闻分析
+
市场情绪
↓

Bull Researcher
VS
Bear Researcher
↓

Trader
↓

Risk Team
↓

Portfolio Manager
↓

Final Decision

项目基于 LangGraph 构建，每一步都可能是一次独立的模型调用，并把之前的输出作为上下文，因此你可以查看整个研究链条。 Pasted markdown

它会自动下单吗？

不会。

TradingAgents 最终生成的是：

Decision

而不是：

Trade。

项目本身：

没有直接连接 Broker。

它更像一个：

AI Research Department。 Pasted markdown

同一只股票运行两次，结果为什么可能不一样？

这是一个很重要的问题。

TradingAgents 使用的是：

LLM。

不是：

固定公式交易系统。

所以你今天连续运行两次：

BTC-USD

两次结果可能有差异。

README 自己也提醒：

它是一个：

LLM Research Tool

而不是：

Deterministic Signal

确定性交易信号。 Pasted markdown

TradingAgents 安装方法

先克隆：

git clone https://github.com/TauricResearch/TradingAgents.git

进入目录：

cd TradingAgents

创建 Python 3.12 虚拟环境。

Mac / Linux：

python3.12 -m venv .venv && source .venv/bin/activate

Windows：

python3.12 -m venv .venv

然后：

.venv\Scripts\activate

安装：

pip install .

配置 Anthropic API。

Mac / Linux：

export ANTHROPIC_API_KEY=your_key

Windows：

set ANTHROPIC_API_KEY=your_key

然后启动：

tradingagents

Pasted markdown

第一次怎么测试？

启动以后 CLI 会让你选择：

• Ticker
• 日期
• Analyst
• Research Depth
• LLM Provider
• Model

教程建议第一次使用：

Ticker:
BTC-USD

日期：

Today

Analysts：

全部四个

LLM Provider：

Anthropic

Research Depth：

Shallow

因为 Shallow：

速度最快、费用最低。

加密货币代码使用：

BTC-USD
ETH-USD
SOL-USD

只要 Yahoo Finance 支持的市场也可以使用。

例如：

AAPL
0700.HK
BHP.AX

Pasted markdown

TradingAgents 还有“记忆”功能

这个功能非常有意思。

每次运行结果都会追加到：

~/.tradingagents/memory/trading_memory.md

比如：

星期一 AI 判断 BTC：

Buy

到了星期二再次运行。

它会查看：

从星期一到现在：

BTC 实际涨了多少或者跌了多少。

然后根据之前判断写一段：

Reflection，复盘反思。

之后把这段反思重新加入 Portfolio Manager 的上下文。

所以它可以做到：

昨天我是怎么看的？

后来市场实际怎么走？

我的判断哪里做得好？

哪里需要修正？

教程把这个机制描述为让系统能够从自己的历史判断中进行反思。 Pasted markdown

TradingAgents Prompt 1：完整显示整个 AI 研究流程

这个 Prompt 很适合视频演示。

直接给 Claude Code：

在 TradingAgents 文件夹中：

创建一个：

research_floor.py

使用：

TradingAgentsGraph


配置：

llm_provider = "anthropic"

deep_think_llm：

使用 tradingagents/default_config.py 中当前可用的 Claude 模型里能力较强的模型。

quick_think_llm：

使用其中速度更快、成本更低的 Claude 模型。


开启全部四个 Analyst。

设置：

max_debate_rounds = 3

max_risk_discuss_rounds = 2

debug = True


然后运行：

BTC-USD

日期：

今天。


每一个阶段结束以后：

使用清晰标题打印结果。


依次显示：

Market Analyst

Sentiment Analyst

News Analyst

Fundamentals Analyst

Bull Case
每一轮分别显示

Bear Case
每一轮分别显示

Research Manager

Trader

Risk Team
每一轮分别显示

Portfolio Manager


最后输出五行总结：

1. Verdict 最终判断

2. Conviction 信心程度

3. Strongest Bull Point 最强看多理由

4. Strongest Bear Point 最强看空理由

5. What Would Flip the Decision
什么条件会改变当前判断


完整报告保存到：

./reports/BTC-USD-<date>.md

然后运行程序。

这是教程用于展示完整研究链的示例。 Pasted markdown

TradingAgents Prompt 2：同时比较 ETH 和 SOL

使用 TradingAgents：

以 Medium Research Depth：

分析今天的：

ETH-USD

和：

SOL-USD


把两个 Portfolio Manager 的最终 Verdict：

并排展示。


然后告诉我：

哪一个币种：

Bear Researcher 提出的看空理由更有说服力？

具体因是什么？

Pasted markdown

TradingAgents Prompt 3：查看昨天的判断到底对不对

建议：

在第一次 BTC 分析后的第二天运行。

再次使用 TradingAgents：

分析今天的 BTC-USD。


但是在 Portfolio Manager 做最终决定之前：

先显示：

系统针对昨天判断写出的 Reflection。

然后显示：

从昨天的判断到现在：

BTC 实际产生的收益率。


最后再显示：

今天新的 Verdict。

Pasted markdown

这个功能对于做：

AI 交易复盘

非常有意思。

十二、AI Hedge Fund：让巴菲特、芒格、Burry 一起“开投资委员会”

GitHub：

https://github.com/virattt/ai-hedge-fund

记录 Stars：

约：

63,000

许可证：

MIT

软件：

免费

但是完整使用需要：

Financial Datasets API Key

教程写的价格大约从：

20 美元左右起。 Pasted markdown

AI Hedge Fund 是什么？

如果说 TradingAgents 模拟的是：

一家交易公司的组织架构。

那么 AI Hedge Fund 更像：

把多个知名投资大师的投资理念放到同一个投资委员会里。

项目里面包含很多投资风格 Agent。

例如：

• Warren Buffett
• Charlie Munger
• Michael Burry
• Bill Ackman
• Cathie Wood
• Stanley Druckenmiller
• Peter Lynch
• Benjamin Graham
• Philip Fisher

等等。

每个 Agent 会按照相应投资理念：

研究股票。

给出观点。

形成 Signal。

给出 Confidence。

并解释 Reasoning。 Pasted markdown

2026 版本的核心：Fund

教程提到，项目后来改成了：

Fund 模式。

你不只是：

输入一只股票 → 等待分析。

而是先创建一个：

基金。

你需要设置：

要分析哪些股票

启用哪些投资者策略

初始资金是多少

多久 Rebalance 一次

然后运行：

Cycle

可以理解成：

运行一轮投资委员会分析。

这一轮中：

每一个投资者都会对：

每一只股票

给出：

Signal
Confidence
Reasoning

最终由系统形成整体决策。

它还可以：

Backtest 回测

然后把策略 Equity Curve 和 Benchmark 进行比较。

项目 README 同样强调：

这是教育和研究工具：

不会自动进行真实交易。 Pasted markdown

安装 AI Hedge Fund

如果你前面已经安装好：

pipx

非常简单。

执行：

pipx install aihf

或者也可以：

uv tool install aihf

安装以后运行：

aihf

Pasted markdown

第一次运行需要两个 API Key

第一次真正需要数据时，会要求：

Financial Datasets API Key

申请：

https://financialdatasets.ai

Anthropic API Key

申请：

https://console.anthropic.com

配置以后会保存到：

~/.hedge-fund/.env

之后通常不用每次重新输入。 Pasted markdown

第一次创建自己的 AI Fund

运行：

aihf

不加参数。

会进入：

Interactive App

交互式设置。

比如可以创建一个测试 Fund。

股票：

NVDA
COIN
MSTR
PLTR
TSLA

Investor Strategy：

全部启用

Initial Capital：

$100,000

Rebalance：

Monthly

创建以后：

Fund 的配置文件，也就是：

Mandate

会保存在：

~/.hedge-fund/mandates/

Pasted markdown

什么是 Mandate？

新手第一次看到这个词可能会有点懵。

你可以简单理解成：

这只 AI 基金的配置文件。

里面记录：

这只基金买什么；

使用哪些投资风格；

资金多少；

多久重新平衡；

等等。

例如：

your-fund.yaml

以后想重新运行：

不需要重新设置全部参数。

直接读取这个 Mandate 即可。

运行一轮分析

例如：

aihf ~/.hedge-fund/mandates/your-fund.yaml --tickers NVDA,COIN,MSTR,PLTR,TSLA

这一轮中：

所有投资者都会分别研究所有股票。

运行历史回测

加上：

--backtest

例如：

aihf ~/.hedge-fund/mandates/your-fund.yaml --tickers NVDA,COIN,MSTR,PLTR,TSLA --backtest

就会进入回测模式。

教程说明，一个 Cycle 会把 JSON 输出到 stdout，同时把简短摘要输出到 stderr。 Pasted markdown

AI Hedge Fund Prompt 1：找出投资大师之间最大的分歧

安装 aihf 以后，可以让 Claude Code 帮你执行和整理结果：

运行我的 AI Hedge Fund Mandate：

~/.hedge-fund/mandates/your-fund.yaml


分析：

NVDA
COIN
MSTR
PLTR
TSLA


捕获程序输出的 JSON。


整理成一个表格。


每一行：

一只股票。


每一列：

不同投资者的：

Signal

Confidence


同时显示：

每只股票最后的 Final Decision。


表格下面：

找出最大的三个投资者分歧。


也就是：

同一只股票上：

一个 Investor 强烈看多，

另外一个 Investor 强烈看空。


分别显示：

双方的一句话核心理由。

Pasted markdown

这个 Prompt 的价值不是：

找出“谁是对的”。

而是让你看到：

同一家公司为什么价值投资者和成长投资者可能完全得出相反结论。

AI Hedge Fund Prompt 2：分析回测结果

使用相同的 Mandate：

运行：

--backtest


然后告诉我：

最终收益率是多少；

Benchmark 的收益率是多少；

两者相差多少；

Max Drawdown 最大回撤是多少；

表现最差的是哪一个月；

哪些 Investor 的 Signal：

对盈利交易贡献最大；

哪些 Investor 的 Signal：

对亏损交易影响最大。

Pasted markdown

AI Hedge Fund Prompt 3：价值投资 VS 成长投资

这是一个非常适合做视频的实验。

创建第二个 Mandate。

只使用价值投资者：

Warren Buffett

Charlie Munger

Benjamin Graham


再创建第三个 Mandate。

只使用成长型投资者：

Cathie Wood

Peter Lynch

Philip Fisher


使用相同的五只股票：

进行历史 Backtest。


把：

Value Fund

Growth Fund

Benchmark


三者的 Equity Curve：

并排比较。

Pasted markdown

这样就能非常直观地看：

同样一批股票。

不同投资哲学。

长期结果有什么差别。

十三、Alpaca MCP：最后一步，让 Claude 连接模拟交易账户

GitHub：

https://github.com/alpacahq/alpaca-mcp-server

记录 Stars：

约：

1,000

这个和 TradingView MCP 最大的区别是：

Alpaca MCP 是 Alpaca 官方项目。

Paper Trading 模拟账户：

免费。 Pasted markdown

Alpaca 是什么？

Alpaca 是一家：

美国受监管、API First 的 Broker。

支持：

• 股票
• ETF
• Crypto
• Options

最大的特点是：

API 做得非常完整。

所以很多：

量化程序、自动交易系统、AI Agent

都喜欢使用 Alpaca。

Paper Trading 是什么？

每个 Alpaca 账户都可以使用：

Paper Trading

你可以理解成：

完全模拟真实券商。

它拥有类似的：

行情；

订单类型；

成交逻辑；

仓位；

账户余额。

唯一不同：

使用的是：

虚拟资金。

因此：

不会真的亏钱。

教程也特别强调：

本文中的 Alpaca：

始终保持在：

Paper Trading。 Pasted markdown

Alpaca MCP 能让 Claude 做什么？

安装 Alpaca 官方 MCP 以后：

Claude 可以通过自然语言：

• 查看账户余额
• 查看持仓
• 获取实时/历史行情
• 获取 Bars
• 创建订单
• 修改订单
• 取消订单
• 管理 Watchlist

最重要的是：

默认：

ALPACA_PAPER_TRADE=true

不要修改成实盘。

Pasted markdown

安装要求

需要：

Python 3.10+

uv

免费的 Alpaca Paper Trading Account

Pasted markdown

第一步：创建 Alpaca Paper Account

打开：

https://app.alpaca.markets/paper/dashboard/overview

创建模拟账户。

然后获取：

API Key

和：

Secret Key

注意：

这里一定使用：

Paper Trading 的 Key。

第二步：注册 Alpaca MCP

在 Claude Code 终端执行：

claude mcp add alpaca --scope user --transport stdio uvx alpaca-mcp-server \
  --env ALPACA_API_KEY=your_alpaca_api_key \
  --env ALPACA_SECRET_KEY=your_alpaca_secret_key

把：

your_alpaca_api_key

和：

your_alpaca_secret_key

换成自己的 Paper Key。

Pasted markdown

第三步：检查连接

打开 Claude Code。

输入：

/mcp

确认：

alpaca

处于正常状态。 Pasted markdown

Claude Desktop 用户怎么配置？

打开：

claude_desktop_config.json

加入：

{
  "mcpServers": {
    "alpaca": {
      "command": "uvx",
      "args": ["alpaca-mcp-server"],
      "env": {
        "ALPACA_API_KEY": "your_alpaca_api_key",
        "ALPACA_SECRET_KEY": "your_alpaca_secret_key"
      }
    }
  }
}

Pasted markdown

一个非常重要的安全功能：只读模式

如果你只是想：

让 Claude 查询股票；

查询加密货币；

读取行情；

但是：

完全不允许它下单

可以加入：

"ALPACA_TOOLSETS": "stock-data,crypto-data"

这样可以限制 Claude 使用的 Toolset。

如果你刚开始测试：

我反而更建议先使用：

Read Only。

等你确认：

MCP 配置正常；

数据正确；

Prompt 行为符合预期；

再考虑开启 Paper Trading 下单工具。也把这个设置作为可选的安全保护措施。 Pasted markdown

Alpaca Prompt 1：第一次模拟买入

先确认：

Paper Account。

然后：

显示我的 Alpaca Paper Trading 模拟账户：

当前账户余额；

所有 Open Positions。


然后：

使用 Market Order：

模拟买入：

NVDA 10 股。


完成以后：

确认订单是否已经成交。

告诉我：

成交价格；

成交数量；

以及新的持仓。

教程的视频示例就是用 Paper Account 买入 10 股 NVDA。 Pasted markdown

Alpaca Prompt 2：Bracket Order

Bracket Order 可以理解为：

开仓的时候：

同时设置：

止损 + 止盈。

例如：

在我的 Alpaca Paper Trading 模拟账户中：

买入：

COIN 5 股。


设置：

Stop Loss：

低于入场价格 5%。


Take Profit：

高于入场价格 10%。


在真正提交之前：

先显示即将创建的三个订单。


包括：

Entry Order

Stop Loss Order

Take Profit Order


让我先确认订单结构。

然后再提交到：

Paper Trading Account。

Pasted markdown

最有意思的玩法：TradingAgents + Alpaca

到这里：

整个系统终于可以串起来。

前面 TradingAgents 会生成：

./reports/BTC-USD-<date>.md

里面包含：

Portfolio Manager 的最终判断。

那么可以让 Claude：

读取研究结果。

然后决定是否在：

Paper Trading

账户执行。

教程给出的闭环 Prompt 是： Pasted markdown

读取：

./reports/BTC-USD-<date>.md


这是我刚刚运行 TradingAgents 得到的完整研究报告。


找到：

Portfolio Manager 的最终 Verdict。


如果 Verdict 是：

Buy


那么：

在我的 Alpaca Paper Trading 模拟账户中：

买入价值：

500 美元

的：

BTC/USD。


完成以后：

确认成交。


如果 Verdict 是：

Sell

或者：

Hold


不要执行任何订单。


告诉我：

为什么没有交易。

这样就形成了：

TradingAgents
↓

AI 研究

↓

Portfolio Manager

↓

Final Verdict

↓

Alpaca MCP

↓

Paper Trading

不过我仍然建议：

只在模拟账户使用这种自动执行流程。

十四、这 7 个工具到底应该怎么组合？

如果你全部安装完，真正有价值的不是：

“我电脑里面有 7 个 GitHub 项目。”

而是：

把它们组成完整工作流。

下面给你几个比较实用的组合方式。

工作流 A：最简单的 AI 投资研究系统

适合：

完全不想碰自动交易的人。

使用：

OpenBB
+
Claude Code

流程：

OpenBB 获取最新数据

↓

Claude 分析

↓

你自己做决定

比如：

获取 BTC、ETH、SPY、QQQ、GLD 最近 30 天数据。

计算它们与 BTC 的相关性。

告诉我 BTC 当前最像哪一类资产。

这是：

风险最低、配置最简单

的一种玩法。

工作流 B：数据 + TradingView 图表验证

使用：

OpenBB
+
TradingView MCP

先让 OpenBB：

研究宏观和跨资产关系。

例如发现：

BTC 与 QQQ 相关性正在上升

接下来让 TradingView MCP：

打开 BTC 图表。

检查：

• 趋势
• 支撑
• 阻力
• EMA
• Volume Profile

这样形成：

数据面
+
图表面

双重验证。

工作流 C：专业版 AI 投研

使用：

OpenBB
+
TradingAgents
+
TradingView MCP

流程：

OpenBB

提供金融数据

↓

TradingAgents

基本面
新闻
情绪
技术面
Bull / Bear Debate

↓

Portfolio Manager

Final Decision

↓

TradingView MCP

图表验证

这个组合已经非常接近：

AI Research Desk。

工作流 D：投资大师委员会

使用：

AI Hedge Fund
+
OpenBB

先运行：

Buffett、Munger、Graham、Burry、Wood、Lynch 等多个 Investor Agent。

看：

谁看多；

谁看空；

分歧在哪里。

然后用 OpenBB：

重新验证关键基本面数据。

这个流程很适合研究：

NVDA
COIN
MSTR
PLTR
TSLA

这类市场争议比较大的公司。

工作流 E：每天自动找机会

使用：

Daily Stock Analysis
+
TradingView MCP

Daily Stock Analysis 每天自动跑：

Watchlist。

例如：

20 只股票

AI 最后筛出：

3 只值得关注

然后不要马上交易。

把这三只股票交给：

TradingView MCP

让 Claude 查看：

日线；

4 小时；

关键支撑阻力；

EMA；

Volume Profile。

这样会比：

“每天自己看 20 张图”

省很多时间。

工作流 F：完整闭环模拟交易

这是整套系统最完整的组合：

OpenBB
↓

TradingAgents
↓

TradingView MCP
↓

Alpaca MCP

第一步：

OpenBB 获取真实数据。

第二步：

TradingAgents 进行多智能体研究。

第三步：

TradingView MCP 检查技术结构。

第四步：

如果研究结论和图表结构同时满足条件：

Alpaca MCP 执行：

Paper Trade。

最终形成：

数据

↓

研究

↓

验证

↓

模拟执行

↓

复盘

这也是我认为这 7 个项目组合起来以后：

真正有价值的地方。

十五、如果你只想装三个，应该装哪三个？

如果你觉得：

7 个工具太多。

建议优先：

OpenBB

解决：

数据问题。

TradingView MCP

解决：

图表问题。

TradingAgents

解决：

多智能体研究问题。

这三个已经可以组成：

实时金融数据

+

TradingView 图表分析

+

AI 投研团队

对于绝大多数只是做：

股票、Crypto、ETF 研究

的人来说：

其实已经足够强了。

十六、关于 API 成本：为什么建议先用 Shallow？

很多项目本身：

GitHub 免费。

但是：

免费项目 ≠ 完全没有使用成本。

例如：

TradingAgents。

一次分析可能会调用：

• 4 个 Analyst
• Bull Researcher
• Bear Researcher
• Trader
• Risk Team
• Portfolio Manager

如果：

Debate Round

开很多轮。

每一轮都是：

新的 LLM 调用。

Token 消耗自然会增加。

所以刚开始建议：

Research Depth:
Shallow

Debate：

少量轮次。

Backtest：

时间不要太长。

等你知道：

一次运行大概会消耗多少 Token

以后，再逐步提升深度。

这也是教程最后特别强调的一点。 Pasted markdown

十七、几个非常重要的安全提醒

看到这里，有几件事情一定要再次强调。

首先，所有涉及 Broker 的教程都应该保持在 Paper Trading。 不建议直接把 LLM 接到真实资金账户。

第二，不要把真实 Broker Secret、Private Key 等敏感密钥直接写进普通聊天内容。上面的 MCP 都可以通过配置文件或者环境变量传递密钥。

第三，TradingView MCP 使用了一些 TradingView Desktop 的非公开内部接口，所以 TradingView 更新后可能失效，同时自动化使用可能涉及其服务条款限制，实际使用前应该阅读项目 README 的 Disclaimer。

第四，每一次调用 Anthropic Agent 都可能产生 API Token 成本，刚开始尽量使用 Shallow Depth 和较短的 Backtest。

最后，这些项目本质上都是：

金融软件、数据工具和 AI 研究工具。

不是：

稳赚的交易系统。 Pasted markdown

十八、总结：Claude 真正变强的关键，不是“模型”，而是工具

单独打开 Claude，你可以问它：

BTC 怎么看？

它当然可以回答。

但是：

没有实时数据；

没有你的图表；

没有完整基本面；

没有期权数据；

没有多智能体辩论；

也没有 Broker 环境。

那么它更多只是：

在和你聊天。

把今天这 7 个项目连接起来以后，逻辑就完全不一样了。

OpenBB 给 Claude 数据。

TradingView MCP 给 Claude 图表和操作能力。

Fincept Terminal 给你一个专业金融终端和不同类型的 AI Agent。

Daily Stock Analysis 帮你每天自动扫描 Watchlist。

TradingAgents 给你建立一个完整的 AI 研究部门。

AI Hedge Fund 让不同投资哲学在同一个投资委员会里互相碰撞。

最后：

Alpaca MCP

把研究结果连接到：

Paper Trading 模拟执行。

整个流程最终变成：

数据获取
↓

市场研究
↓

牛熊辩论
↓

风险评估
↓

技术图表验证
↓

形成决策
↓

模拟交易
↓

复盘

如果你只是新手，完全没有必要第一天就把全部七个装完。

我的建议是：

先从：

Claude Code
+
OpenBB

开始。

确认数据能正常获取。

然后再安装：

TradingView MCP

让 Claude 能读取图表。

等你熟悉以后：

再加入：

TradingAgents

到了这里，你实际上就已经拥有了一套非常完整的：

AI 金融研究工作流。

至于：

AI Hedge Fund、Daily Stock Analysis、Alpaca MCP

可以根据自己的需求继续往上扩展。

这才是这些开源项目真正有意思的地方：

不是让 AI 替你预测市场，而是让 AI 帮你把本分散在数据、图表、研究、筛选、复盘和执行里的工作，连接成一套完整流程。