创业板历史新高之后，我让300个AI Agent 拆了一遍科技股产业链

📖 卷首语

之前一段时间股市行情火热、美股、韩股、日股和中国创业板、科创板，都是不断上涨创历史新高的状态。

猫哥自己做了一个A 股市场、5000多只股票的月度成交额数据看板，覆盖最近 36 个月，主要用来看成交额集中度。这里所有数据使用的是 iFind 金融数据库，整个过程在Kimi Agent集群里完成，后文有实操详解。

很多上班族朋友在行情好的时候开始炒股，包括猫哥之前也是这样，状态基本可以用两个字总结：胡买。好一点的还有剩下的三个字：看运气。

不看财报、不拆产业链、不跑模型，凭感觉、听消息、跟大V。不是不想认真做，是真的没那个条件。

金融行业再怎么不景气，一个 junior analyst 的月薪也还是有 3-5万，他们要花大量的时间去了解产业链环节、拆财务数据、跑量化模型，这些是一个初级分析师的日常工作。但我认为这件事情也在逐渐的AI化。

一个上班族靠AI进行更规范化的选股，是有可能赚到工资之外的小收益。而评估一个AI能不能用来辅助选股，核心能力要看这三个：能较大规模的搜集资料、计算数据、有数据库接口。

有时候资料搜集这一个环节不完整，后面的东西就不用看了。猫哥今天选择的实操教学产品是Kimi，首先它有Agent集群（最高并发值300，能用300个Agent并行干活），

能够解决单Agent不能完成的规模搜索和计算，其次它的金融据库接口也比较完备（有同花顺等等）。

今天这篇看完了，你也能跟着做。日常选股的手感，提升不止一个level。

Step 1：产业链深扫——7 个环节 × 三大框架

先拆产业链

科技股产业链不是一个赛道，是一张网。例如AI硬件相关的，猫哥把它拆成了 7 个关键环节：半导体设计、晶圆制造、封测、设备、材料、存储芯片、AI算力。

三大评分体系

给每个环节打分，猫哥用的是国外大神 Serenity设计的框架——交叉验证。

建议小白可以学习一下这个Skill，是近期在 A 股 / 美股圈爆红的独立分析师。

简单来说，Serenity的框架里就三个问题：

第一，这个环节是不是不可替代？技术壁垒有多高？有没有替代方案？如果断供，产业链会不会停摆？

第二，这个环节是不是供给最紧？产能满了吗？供需缺口多大？扩产要多长时间？

第三，这家公司是不是还没有被市场充分定价？估值在历史什么位置？一致预期的盲区在哪？近期有没有催化剂？

三个维度加权后，Agent 集群同时对 7 个环节推进分析——注意这里不是一个个环节串行做，是 7 个环节同时进行。

使用方法：将提示词复制到Kimi对话框中，注意勾选Agent集群按钮。

然后就可以看到Kimi创建了多个研究Agent去执行任务，包括搜索信息、撰写报告等，左下角可以看到不同Agent的任务处理进度条。

数据选用了Kimi接入的同花顺iFinD金融数据库，确保金融数据更精准。

大概十分钟左右，各个研究员显示"已完成"的状态，我们作为老板就可以验收成果了。

Step 2：Agent 集群并行出研报

20 只标的选出来了，下一步是深度研究每家公司。

这里要重点说一下 Agent 集群和普通 Chatbot 的区别。

如果用普通 Chatbot 写 20 份研报，你需要：写完第 1 份 → 复制粘贴 → 开始写第 2 份 → 再复制粘贴 → 第 3 份……串行操作，写到第 5 份就想放弃了。

Agent 集群的做法是：20 个 Agent 同时开工，各负责一只标的。从公司概览、核心财务、估值分析，到投资逻辑、风险提示，一次性全部产出。

这里给大家截个图看一下：

每份研报包含：

公司概览 — 核心业务拆解、产业链位置、竞争格局
核心财务 — 营收/利润/毛利率/ROE/负债率/现金流（近 3 年趋势）
估值分析 — PE/PB/PS vs 历史分位 vs 可比公司
投资逻辑 — 基于三大评分框架的投资逻辑陈述
风险提示 — 行业风险/公司经营风险/估值风险

格式是标准机构级研报排版。猫哥看到第一份研报的时候，第一反应是——这真是 AI 写的？不是因为它炫，而是它太"正经"了。框架、术语、数据的编排方式，都是券商研究员发出来的那种味道。

换句话说，equity-researcher 这个 Skill 把机构研报的"骨架"内置到了 Agent 里，普通人不需要知道怎么写，告诉它"出份研报"，它自己就按标准框架来了。

此外还有多份产出资料，甚至有产业链评分对比雷达图：

Step 3：产业链全景看板——把数据变成交互看板

前面的研究产出了大量数据——评分矩阵、研报等。但这些数据分散在不同的地方，很难一眼看完。猫哥让 Agent 生成一个产业链全景交互看板（自包含 HTML 文件），把所有数据整合到一个页面里。

看板包含 4 个模块：

🎯 产业链全景图： 7 个环节从左到右横向排列，每个环节用不同颜色的卡片展示代表标的。

📊 评分雷达图矩阵：每个环节一个雷达图，三条轴分别是不可替代性、供给紧度、定价充分度。不是枯燥的表格，而是一眼能对比的可视化。

⚠️ 风险面板：卡片式布局，每张卡片展示一个标的的关键风险点。高风险标的用红框标注，一目了然。

设计风格是 Bloomberg Terminal 的深色主题——深蓝底 + 荧光绿配色，打开浏览器就能交互。而且是Agent 直接生成。从拉数据、写代码、到前端渲染，Agent 全包了。

Step 4：动量评分——20 只选 Top 10

20 只精选标的还是太多。猫哥又加了一层筛选——动量评分模型。动量模型说白了就是趋势追踪——强者恒强，涨得好的大概率还会继续涨，跌得惨的也容易继续跌。把它嵌入到 Agent 的 prompt 里，让 AI 按照量化方法运行回测。

Agent 不只是做文字工作。从拉取历史行情数据、执行动量计算、到输出回测报告——一个人在一个 Agent 集群里，基本干了传统量化团队 3-4 个人的活。

几个关键设计：

动态窗口：低波动的时候看长期（60 天），趋势更可靠；高波动的时候看短期（20 天），及时捕捉变化。用 ATR 比率自动判断当前属于哪种状态。

加权回归：离今天越近的数据权重越高，确保趋势评估更能反映当下行情。

换句话说，这个模型同时看了趋势的方向（涨还是跌）和趋势的质量（R²越高，趋势越可靠），不是简单拍脑袋。

产出：动量评分 Top 10 排名 + 完整评分底表，并且针对2026年至今的数据进行回测。

Step 5：成交额集中度看板——当前市场的风险温度计

最后一个看板，猫哥想看看整个 A 股市场——钱到底在哪里？

成交额集中度：每个月，把全市场股票按当月成交额从高到低排列，取前 5% 的股票，算它们占全市场成交额的比例。举个例子：如果算出来是 40%，意思是全市场只有前 5% 的股票，就吃掉了 40% 的成交量。

这个值越高，资金越扎堆，抱团越明显。这个指标的真正作用是风险预警——集中度越高，说明行情越一致，市场看法几乎没有分歧，泡沫积聚的风险就越大。

数据质量：Kimi Agent集群用了 iFind 金融数据库，拉了全市场 5000多只股票的月度成交额数据，覆盖最近 36 个月。

猫哥的解读：

当前 Top 5% 集中度 45.86%，已经突破了 36 个月的 90% 置信区间上界（43.05%），而且达到了 36 个月以来的最高值。

换句话说，资金高度集中在头部少数股票上，这个现象在近三年里从未如此极端。它就像一个 “当前市场的风险温度计”——告诉你现在的位置可能需要多一些警惕，少一些冲动。

📖 写在最后

回顾一下，猫哥用 Kimi 的 Agent 集群干了什么：

1.产业链深扫：7 大科技环节同时分析，三大框架精选 20 只
2.并行研报：20 份机构级研报，一次生成
3.全景看板：把所有数据变成交互式 HTML 看板
4.动量评分：量化方法从 20 只中优选 Top 10
5.回测验证：动量选股逻辑跑出了超额
6.集中度分析：全市场成交额集中度 45.86%，历史新高

以前只有机构才有的研究深度和效率，现在一个人也能做到了。

猫哥自己的感受是——AI最好的价值，不应该是"替代谁"，而是让以前做不到的事情变得可以做，或许每个人从其中都能找到自己未被发掘的能力。

关于价格：¥ 99/月，300 个 Agent 随叫随到。

如果你在实践中遇到问题或者有新的发现，期待和猫哥交流~

⚠️ 免责声明：本文所有投研内容仅为个人研究记录，不构成投资建议。回测数据不代表实盘表现，过去的表现不预示未来收益。市场有风险，投资需谨慎。

文章目录