上篇发了因子筛选，选完因子之后呢？ 之后就是让AI帮你盯盘。 我把DeepSeek V3接到了本地量化系统里，让它7×24自动分析行情、生成交易信号。跑了整整7天，记录一下真实结果。 架构很简单： Mac Studio跑DeepSeek V3（本地部署，不走API） ↓ 每15分钟抓一次行情数据（AKShare） ↓ 喂给模型做多因子综合判断 ↓ 输出：买入/卖出/持有 + 置信度评分 7天实测数据： - 总信号数：23条 - 方向正确：16条（胜率69.6%） - 方向错误：5条 - 模糊信号（置信度<60%被过滤）：2条 - 平均响应时间：4.2秒/次 按信号类型拆分： 类型 数量 正确 胜率 趋势跟随 9 7 77.8% 均值回归 8 5 62.5% 事件驱动 6 4 66.7% 有意思的发现： 趋势跟随类信号胜率最高，可能因为DeepSeek对动量因子的理解比较到位。均值回归类稍弱，猜测是模型对"超跌反弹"的时机把握不够精准。 成本账： - 本地跑：7天电费约12块（Mac Studio 200W满载） - 如果用API：按token数估算约280块/周 - 一年省下来：(280-12)×52 = 13,936块 模型的局限性： 别神话AI。69.6%胜率看着还行，但： - 没算手续费和滑点 - 样本太小（23条不够统计显著） - 牛市环境有偏（上周大盘涨了2%） - 单纯跟信号操作我估计实际收益率会打折 我的用法是把它当"第二意见"，不是无脑执行。最终下单还是人工确认。 这套系统最大的价值不是胜率，是它能7×24不间断帮你盯着。 下一步打算加入多模型投票机制，让DeepSeek和Qwen3同时出信号，两个都说买才算有效。理论上能把胜率再拉5-8个点。 说个可能得罪人的：市面上那些"AI智能选股"的付费软件，底层大概率就是这套逻辑，但收你几千块一年。自己搭，成本就是一台Mac的电费。 PS：整理数据花了不少时间，觉得有用❤️⭐鼓励下～ #量化分析 #本地大模型 #MacStudio #DeepSeek #程序员日常