AI 股票筛选助手:TimeCopilot

周末花时间跑通了一个新工具——TimeCopilot。简单来说，它是个“大模型 + 时间序列模型”的数据分析工具。

应用在股市中，它对我最大的价值在于做减法：帮我从海量股票中，快速剔除暂时不值得投入精力的标的，从而精简股票池，筛选出少数值得深究的对象，最后再交由人工进行深度复核。这个定位对我而言非常关键。

平时看到热门题材、深度分析文章，或是刷到感兴趣的公司，我的习惯是第一反应往往是先加入自选股观察。久而久之，自选列表越来越臃肿，标的太多导致精力极度分散，最后往往看不过来。这时候，用 TimeCopilot 帮我做第一轮初筛，理清“先看谁、后看谁、谁可以先放一放”，投研效率会得到质的提升。

它也可以反向使用：当我主观极度看好、准备做多某只股票时，我会把它丢进模型，看看纯客观的数据信号与我的主观判断是否一致。这提供了一个极佳的外部参考维度，能有效避免自己陷入主观臆想中。

TimeCopilot 的核心工作流程可以拆分为五步：

数据输入：喂给模型一组股票的历史数据。

批量快筛：进行第一轮大范围的初步筛选。

精准精筛：对初步筛选出的少量候选标的进行深度过滤。

横向对比：比较最终结果并进行优先级排序。

研报生成：把晦涩难懂的数据译成友好的分析报告。

为了提升效率，针对第一步和第五步，我让AI补写了一层外置工作流，且不影响原项目代码，怕改坏了影响分析质量，而我的水平又无法察觉感知：

首先是自动化抓取：只需输入股票代码，脚本会自动抓取数据，生成工具所需的文档格式并自动读取。

最后AI 翻译官：工具原本的输出多为生涩的技术指标和数据表。我借助大模型对这些结果进行二次解读，将其转化为通俗易懂的报告，直接提取出Watchlist（观察清单）、Avoid List（规避清单）、预期收益率、波动率、优先级以及风险提示等核心信息，用大白话进行解读。

跑完这套流程，我最直观的感受就是：它给我的主观偏好浇了一盆冷水。

日常盯盘看多了，很容易对某些自选股产生“越看越顺眼”的情绪。但让数学模型客观地跑一遍后，经常会发现结构化的数据根本不支持我的主观判断。这相当于给自己的交易决策加了一道理性的“模型验证锁”。

当然，这个工具的优缺点同样明显。TimeCopilot 的预测分析完全基于时间序列的股价信息，缺乏对近期事件、市场预期、估值及财报等基本面信息的考量，而这些因素在实际投资中的权重往往极大，足以让股票完全脱离正常历史的走向。

这里分享一个我日常操作的组合拳小技巧： 将它与我前一篇文章分享的 TradingAgent + Claude 结合使用。由 TradingAgent 负责补全股票缺失的基本面、情绪面和技术面信息，Claude并进行情景推演；而 TimeCopilot 则从预期收益率和波动率等数学量化维度提供参考。

两个工具跨维度交叉验证，寻找基本面与量化数据的共振点——这时候，AI 投研工具的真正价值就彻底释放出来了。

我也没有吃透TimeCopilot里每个数学模型的细节，但这并不影响我对工具的使用，就好比手机，我们用来支付，解决我们的问题就行，至于手机内部结构是如何发起支付运作的，不需要懂，会用就好了。