用 AI Agent 炒股？散戶開源武器庫大檢閱：FinGPT、Kronos、Fortune、QuantDinger、ta4j
本文不構成投資建議。任何投資均涉及風險，過去表現不代表未來回報。
TL;DR
- AI 炒股唔係魔法，但五個開源工具各有實際用途——要清醒分辨「研究工具」vs「交易工具」
- FinGPT：情感分析 LLM，適合輔助閱讀財經新聞，唔係直接炒短線嘅 oracle
- Kronos：全球首個開源金融 K 線基礎模型，AAAI 2026 接收，最細版本 410 萬參數一般電腦都跑到
- Fortune：聚焦港股，恒生指數 20 天方向準確率 80.66%（但方向準 ≠ 一定賺）
- QuantDinger：最完整嘅一站式量化平台，Docker 一鍵部署，支援 Claude Code MCP 整合
- AI 工具係乘數，唔係救生圈——冇基礎嘅話，用 AI 只係更快地輸錢
AI 降低咗量化交易嘅技術門檻，係真嘅。但係唔係降低咗風險。
我研究咗一排呢個領域，今日逐一拆解五個開源 AI 量化工具，誠實評估每個「散戶用得著嗎」。
FinGPT：散戶嘅 BloombergGPT？
FinGPT 係 AI4Finance Foundation 做嘅開源金融語言模型框架。背景：Bloomberg 自己訓練咗一個叫 BloombergGPT 嘅模型，花咗三百萬美金。FinGPT 嘅目標係「窮人版 BloombergGPT」，用 LoRA fine-tuning 技術，將成本壓縮到一次 fine-tuning 唔洗三百美金。差一萬倍。
GitHub 有兩萬星。主要做情感分析同股價方向預測——你畀佢一個股票代號同日期，佢分析一堆財經新聞同社交媒體數據，話你下週股價係上定落。
但係要搞清楚：佢係研究工具，唔係交易工具。學術論文喺 NeurIPS、IJCAI 發表，情感分析任務上確實表現唔錯。但「分析情感」同「預測股價賺錢」係兩回事。
散戶結論：用嚟輔助閱讀財經新聞、做情緒指標有意義。用嚟直接炒短線？唔建議。門檻方面需要識 Python、有 HuggingFace 帳號、有 GPU 或者願意畀雲端運算費。
Kronos：K 線圖都可以「預訓練」
Kronos 係今年好值得留意嘅一個項目——全球首個開源金融 K 線基礎模型，已經被 AAAI 2026 接收。
想法好有創意：GPT 係將文字切成 token 再訓練，Kronos 就係將 K 線嘅 OHLCV 數據（開高低收加成交量）切成自己嘅 token，然後用 Transformer 架構喺 45 個全球交易所嘅數據上預訓練。佢唔係通用時序模型，係為金融高噪音數據特別設計嘅。
BTC/USDT 嘅未來 24 小時方向預測係佢嘅主要應用場景。有 Live Demo 網站，HuggingFace 上有開放模型。最細版本叫 Kronos-mini，只有 410 萬參數，一般電腦都跑得到。
要誠實講：加密市場本身就係高噪音，任何模型喺真實交易嘅 Sharpe Ratio 都未必好看。Kronos 嘅貢獻係學術方法論上嘅突破，佢證明咗可以用語言模型嘅思路去處理金融時序數據。但唔好拿到就去 live trade——要自己跑回測，了解佢喺你想交易嘅市場上實際表現。
Fortune：香港人做嘅港股 AI 分析
Fortune 係我個人比較欣賞嘅一個項目，因為佢聚焦港股，而且理念係「人機混合智能」——唔係叫你全交畀 AI，係 AI 輔助你決策。Stars 只有 49，係細項目，但設計理念係實際嘅。
三大功能：
- 恒生指數嘅多週期預測，有 1 天、5 天、20 天三個時間框架，20 天準確率有 80.66%
- 用 CatBoost 機器學習模型，輸入 1023 個特徵，用 Walk-forward 驗證
- 整合通義千問大語言模型做市場情緒分析，情緒過濾器可以提升準確率 8.7%
重要提醒：80.66% 準確率係「方向預測準確率」，唔係「盈虧準確率」。市場可以連續 20 日微升，然後一日大跌超過全部升幅。方向準係一個指標，但唔代表你跟着買就一定賺。
適合識 Python、關注港股、想用 ML 輔助判斷大市走勢嘅人。本地跑唔使訂閱費。真係用嘅話，建議先跑一段時間 paper trade，睇係唔係 fit 自己嘅交易風格。
QuantDinger：一站式量化交易平台
QuantDinger 係一個自托管嘅量化交易一站式平台，近五千 GitHub Stars，Apache 2.0 授權。
賣點係「閉環」——從 AI 市場研究、策略開發、回測，一直到實盤執行，全部喺同一個系統入面。
支援市場：Crypto 多交易所、IBKR 美股、MT5 外匯、Alpaca 美股 ETF。
值得留意嘅功能：支援 Claude Code 同埋 Cursor 做 MCP 整合——即係你可以用 AI agent 直接操作個平台，叫佢幫你寫策略、跑回測。
部署：Docker Compose 一鍵部署，仲有 AWS Marketplace 嘅 AMI 可以直接上雲。有一定 DevOps 底子嘅人幾個鐘內可以跑起來。唔想自己 host 嘅話有 SaaS 版本 ai.quantdinger.com。
QuantDinger 係呢五個工具裡面最完整嘅一個——如果你已經有量化交易概念，想要一個 all-in-one 環境，佢係值得試嘅。但工具完整 ≠ 策略有效。平台幫你跑回測、執行訂單，但賺唔賺錢嘅核心係你嘅策略邏輯。
ta4j：低調但可靠的 Java 底層工具
ta4j 係一個 Java 技術分析函式庫，MIT 授權，兩千四百星。佢同前面幾個唔同——佢唔係 AI 工具，係傳統量化嘅底層基礎設施。
呢類工具係被 AI hype 低估咗嘅。想一下：你用 AI 生成咗一個交易策略，但你唔能夠只信 AI 畀你嘅回測結果——你要有一個可靠嘅技術分析庫去驗證。ta4j 提供 200+ 指標，包括 MACD、RSI、Ichimoku、ATR 等等，有真實交易成本同滑點模擬，支援 Yahoo Finance 同 Coinbase 嘅數據源。
揀 Java 係因為你本身係 Java 開發者先有意思。如果你係 Python 人，有 backtrader 或者 vectorbt 可以考慮。
整體評估
| 工具 | 定位 | 散戶門檻 | 最大用途 |
|---|---|---|---|
| FinGPT | 財經情感分析 LLM | 中（需 GPU/Python） | 新聞情緒過濾 |
| Kronos | K 線時序基礎模型 | 高（ML 背景） | 學術研究、策略實驗 |
| Fortune | 港股 ML 預測系統 | 中（Python） | 恒生大市方向參考 |
| QuantDinger | 一站式量化平台 | 中-高（DevOps） | 完整量化工作流 |
| ta4j | Java 技術分析庫 | 中（Java 開發者） | 策略回測底層 |
誠實忠告：必須講清楚
市場唔係 benchmark 考試。 AI 模型喺 paper 上嘅準確率，係喺歷史數據上優化出嚟嘅。真實市場係 non-stationary——今日有效嘅 pattern，可能明年就失效。
Overfitting 係最大的陷阱。 你見到 80% 準確率，你要問：呢個係 in-sample 定 out-of-sample？Walk-forward 驗證咗幾長嘅時間窗口？有無計算交易費用？
AI 工具係乘數，唔係救生圈。 你本身有良好嘅風險管理、倉位控制、市場邏輯——AI 工具可以幫你做得更快更好。你本身冇基礎，用 AI 只係更快地輸錢。
開源唔代表可靠。 GitHub Stars 多係代表社區關注，唔代表賺錢有效。要真係評估一個工具，你要跑你自己嘅 out-of-sample 回測，睇 Sharpe Ratio、最大回撤、勝率，唔係睇星星數。
一齊用 AI build wealth，但係要用腦先。
更多 AI x Finance 實用工具，睇 richmindsetzone.com。