写在前面

美股对于国内用户来说，交易确实比较繁琐——需要办理境外银行卡、开设美股账户、面临外汇管制等一系列问题。而RWA代币化美股的出现改变了这一切，它可以让用户可以直接用加密货币交易美股合约，完全无需传统券商，也不需要跨境资金。

今天我们就来尝试在发明者量化平台（FMZ）上搭建一个针对美股RWA交易的AI自动化工作流，让算法帮我们分析市场、做出决策，真正实现”用技术割华尔街韭菜”的梦想。不过别误会，这更多是一次技术探索——自动化交易听起来很美好，但风险管理才是核心。

什么是RWA？为什么突然这么火？

RWA的全称是Real World Assets（真实世界资产）。简单说就是把现实世界中有价值的东西——比如房地产、债券、股票、黄金——用区块链代币的形式表示出来。每个代币背后都对应着真实的资产。

这个赛道2025年增长非常迅猛，链上资产价值已经达到300亿美元，相比三年前增长了400%。整个RWA市场规模已经超过2300亿美元，其中稳定币占了大头，其次是代币化的美国国债。

为什么会这么火？业内普遍理解认为：

• 传统金融机构开始认真对待：贝莱德、摩根大通这些巨头都在扩展代币化资产业务
• 监管逐渐明朗：欧洲的MiCA法规已经生效，美国的GENIUS法案也通过了参议院银行委员会
• 技术成熟了：区块链网络更快了，智能合约也更靠谱了

代币化美股：传统与加密的桥梁

什么是代币化美股？

代币化股票是区块链上的数字代币，代表真实世界的股票份额。每个代币反映传统股票（如特斯拉或苹果）的价值，通常由受监管机构托管的实际股票1:1支持。

不过要说清楚的是，代币化美股有两种主要形式：

1. 1:1支持的代币化股票：比如Kraken和Bybit推出的xStocks，每个代币背后都有真实的股票支持，在Solana区块链上发行

2. 永续合约形式：比如Aster和Bitget提供的，这种是衍生品合约，不直接持有股票，而是追踪股价并用加密货币结算

关于交易时间

大部分代币化美股平台提供24/5交易——也就是一周五天、每天24小时，这比传统美股市场每天6.5小时的交易时间要长很多，但还不是真正的7×24小时交易。

工作流的设计思路

这个工作流目标是构建一个”数据采集→AI分析→自动交易”的完整链条，让AI根据技术指标和市场情绪自动做出交易决策。

整体架构

定时触发器（每天21:30）
    ↓
获取三类数据（并行）
├── 账户持仓信息
├── 市场新闻情绪（Alpha Vantage）
└── K线技术数据（Alpha Vantage）
    ↓
数据处理与标准化
    ↓
AI多层分析（Claude Sonnet 4）
├── 情绪分析（短期+长期）
├── 技术分析（生成报告）
└── 交易决策（5个选项）
    ↓
执行操作
├── 开多/开空/平多/平空/无操作
├── Telegram通知
└── 止盈止损（3%止盈，1%止损）

关键节点配置详解

1. 定时触发器

设置每天21:30（北京时间）运行。选这个时间是因为这是东八区对应美股的开盘时间。

2. 账户信息节点

获取当前在交易所的持仓状态。

这里用变量$vars.stock外部变量来动态指定股票代码，比如”AAPL”代表苹果股票永续合约。

3. 获取情绪数据（Alpha Vantage MCP）

配置参数：

端点URL：https://mcp.alphavantage.co/mcp?apikey='YOUR_API_KEY'
认证方式：none
工具：NEWS_SENTIMENT
tickers：{{$vars.stock}}

所需凭证：

需要Alpha Vantage的API Key。可以在Alpha Vantage官网免费申请，免费版每天有请求次数限制。

4. AI情绪分析节点

在情绪数据获取完成基础之上，使用AI模型分析市场情绪。这里需要首先设置大模型凭证，然后选择需要的大模型。设置成功以后，我们就可以输入指导语，让AI帮助我们进行相关文本分析和交易决策。

提示词：

你是一个专门分析美股市场的高智能精准情感分析器。针对品种{{$vars.stock}}，使用两部分方法分析文本情感：

短期情感：
- 评估即时市场反应、近期新闻影响和技术波动性
- 确定情感类别："积极"、"中性"或"消极"
- 计算-1（极度消极）到1（极度积极）之间的分数
- 提供简洁的理由

长期情感：
- 评估整体市场前景、基本面以及宏观经济因素
- 确定情感类别和分数
- 提供详细的理由

输出格式（严格JSON，不要任何额外文本）：
{
  "shortTermSentiment": {
    "category": "积极",
    "score": 0.7,
    "rationale": "..."
  },
  "longTermSentiment": {
    "category": "中性",
    "score": 0.0,
    "rationale": "..."
  }
}

现在，分析以下文本：
{{ $json.text }}

5. 获取K线数据（Alpha Vantage MCP）

配置参数：

端点URL：https://mcp.alphavantage.co/mcp?apikey='YOUR_API_KEY'
认证方式：none
工具：TIME_SERIES_DAILY
symbol：{{$vars.stock}}
outputsize：compact  

关于数据源的选择

这里有一个重要的设计思路：我们使用的是美股市场的实际日线数据，而不是交易所的链上数据。

为什么这样做？主要考虑几个因素：

1. 价格回归原理：代币化美股的价格最终会向真实美股价格回归。虽然加密交易所的价格可能短期内因为流动性、资金费率等因素出现偏差，但长期来看必然会跟随实际股价走势。

2. 数据质量更可靠：Alpha Vantage提供的是来自主流交易所的官方数据，相比新兴的去中心化交易所，数据更加准确和稳定。

3. 技术指标更有参考价值：基于真实美股数据计算的MACD、RSI等技术指标，反映的是主流市场的真实情况。毕竟大部分交易量和机构资金还是在传统市场。

4. 规避数据异常风险：链上数据可能因为智能合约bug、预言机故障等原因出现异常（如XPL价格故障事件）。使用传统市场数据可以避免这类技术风险。

对于初学者来说，先用传统市场的日线数据建立基础策略是个稳妥的选择。等熟悉了整个流程，再逐步加入链上数据和更高频的时间周期进行优化。

6. 指标计算插件

在数据获取完成基础上，我们使用插件进行具体指标的计算作为技术数据的参考，这个插件是使用JavaScript代码计算四类技术指标，输入参数为上一步数据获取结果，发明者平台talib函数对输入数据具有一定格式要求，我们首先进行转换，然后进行四个指标的计算：

function main(inputData) {
    
    const records = [];
    
    const lines = inputData.trim().split(/\r?\n/);
    
    // Check if there are more than 10 data rows (excluding header)
    if (lines.length - 1 <= 10) {
        Log("Error: Data must have more than 10 rows (excluding header)");
        return null;
    }
    
    // Skip header row and process data
    for (let i = 1; i < lines.length; i++) {
        const values = lines[i].split(',');
        
        // CSV has 6 columns: timestamp, open, high, low, close, volume
        if (values.length >= 6) {
            const record = {
                Time: new Date(values[0]).getTime(),
                Open: parseFloat(values[1]),
                High: parseFloat(values[2]),
                Low: parseFloat(values[3]),
                Close: parseFloat(values[4]),
                Volume: parseFloat(values[5]),
                OpenInterest: 0
            };
            records.push(record);
        }
    }
    
    // Double check parsed records
    if (records.length <= 10) {
        Log("Error: Successfully parsed data has 10 or fewer records");
        return null;
    }
    
    // Calculate technical indicators (requires talib library)
    const macd = talib.MACD(records);
    const rsi = talib.RSI(records, 14);
    const atr = talib.ATR(records, 14);
    const obv = talib.OBV(records);

    // Get last 10 values
    function getLast10Values(arr) {
        if (!arr || arr.length === 0) return [];
        return arr.slice(-10);
    }

    const result = {
        MACD: {
            macd: getLast10Values(macd[0]),
            signal: getLast10Values(macd[1]), 
            histogram: getLast10Values(macd[2])
        },
        RSI: getLast10Values(rsi),
        ATR: getLast10Values(atr),
        OBV: getLast10Values(obv)
    };
    
    Log('指标信号计算完成')
    
    return result;
}

为什么选这四个指标？ - MACD（移动平均收敛发散）：判断趋势方向和强度，柱状图转向是重要信号 - RSI（相对强弱指标）：识别超买超卖状态，>70超买，<30超卖 - ATR（平均真实波幅）：衡量市场波动性，帮助设置止损位 - OBV（能量潮）：通过成交量确认价格走势的有效性

这里只是示范使用四个经典指标。实际上，发明者平台包含更多的指标计算函数，覆盖了几乎所有主流技术分析方法；如果大家对此不满足，也可以使用自定义的指标计算函数进行更多指标搭建。

7. 数据标准化节点

在三项数据源获取完成后，在使用聚合节点将数据进行合并以后，使用Code节点将三个来源的数据整合成统一格式：

let posData = null;
let contentData = null;
let technicalIndicators = null;

for (const item of items) {
    // 提取持仓数据
    if (item.json.operation == 'getPosition' && item.json.result !== undefined) {
        posData = item.json.result;
        posData.amount = posData.amount == 0 ? "无持仓" : 
                         posData.amount > 0 ? "多仓" : "空仓";
    }
    
    // 提取情绪分析结果
    if (item.json.output !== undefined) {
        contentData = item.json.output;
    }
    
    // 提取技术指标
    if (item.json.MACD !== undefined) {
        technicalIndicators = {
            "趋势指标MACD": item.json.MACD,
            "振荡指标RSI": item.json.RSI,
            "波动性指标ATR": item.json.ATR,
            "成交量分析OBV": item.json.OBV
        };
    }
}

return [{
    json: {
        "持仓数据": posData,
        "情感分析": contentData,
        technicalIndicators
    }
}];

8. AI交易分析节点

这是整个工作流的核心节点，负责将前面收集的所有数据（持仓状态、情感分析、技术指标）整合起来，生成一份详细的交易分析报告。

节点逻辑说明：

这个节点接收标准化后的数据，通过Claude Sonnet 4模型进行综合分析，输出格式化的Telegram HTML报告。关键在于提示词的设计——它需要让AI理解：

1. 持仓优先原则：如果账户已有持仓，分析重点要放在风险管理上（是否需要加仓/减仓/平仓），而不是简单给出开仓建议

2. 双时间维度：同时提供短期（1-7天）和长期（1-4周）两套分析建议，对应不同的仓位配置策略

3. 技术+情感结合：既要分析MACD、RSI等客观指标，也要结合市场情感分数给出判断

4. 可执行性：必须给出具体的价格点位（入场价、止损价、目标价），而不是模糊的建议

提示词结构（简化版）：

**数据结构：**
持仓信息 + 情感分析 + 技术指标

**分析框架：**
- 持仓状态判断
- 短期分析（基于最新5-10个周期）
- 长期分析（基于完整趋势）

**输出要求：**
Telegram HTML格式，包含：
- 当前持仓状态
- 短期操作建议（30-50%仓位）
- 长期投资建议（20-30%仓位）
- 关键技术指标解读
- 市场情感分析
- 风险提示

**关键指导原则：**
1. 持仓优先：有持仓时关注风控
2. 技术指标优先：使用数组最新值
3. 情感分析结合：-1到1的分数判断
4. 简洁表达：每个理由50-80字
5. 可操作性：给出具体价格点位

完整的提示词长达约2000字，包含详细的数据格式说明、输出模板、格式化要求等，具体可查看文末策略源码。

9. Telegram推送节点

将分析报告推送到Telegram。

配置参数：

操作类型：sendMessage
Chat ID：xxxxxxx  // 你的群组或频道ID
消息文本：{{ $json.output }}
解析模式：HTML

所需凭证： 需要Telegram Bot API Token。通过@BotFather创建机器人获取Token。

如何获取Chat ID：

1. 将机器人添加到群组
2. 在群组发送消息
3. 访问https://api.telegram.org/bot<YOUR_BOT_TOKEN>/getUpdates
4. 找到”chat”:{“id”:-xxxxxxxxx}

10. AI交易决策节点

使用Sentiment Analysis节点进行最终决策。

配置参数：

请分析{{ $json.output}}中的技术指标和市场信号，综合以下关键要素做出交易决策：

**决策依据优先级：**
1. **技术指标组合**：MACD信号强度、RSI超买超卖状态、成交量变化趋势
2. **价格位置**：当前价格相对于建仓区间、止损位、目标位的位置关系
3. **市场情感**：短期情感分数和长期展望分数的综合评估
4. **持仓状态**：当前是否有持仓及持仓成本情况

**交易决策选项：**
- **下多单**：当技术指标转强势、价格处于建仓区间下沿、市场情感积极且无持仓时
- **下空单**：当技术指标转弱势、价格突破止损位、市场情感悲观时
- **平多单**：当持有多头仓位且价格达到目标位或跌破止损位时
- **平空单**：当持有空头仓位且技术指标转多或价格反弹至平仓位时
- **无操作**：当信号不明确、处于震荡区间或风险过大时保持观望

**特别注意：**
- 严格遵循报告中的止损价位设置
- 结合短期和长期建议进行仓位管理
- 考虑市场波动率和风险提示进行决策

**最终输出格式：**
基于以上分析，当前交易决策为：[下多单/下空单/平多单/平空单/无操作]

这个节点会根据分析报告的内容，自动判断应该执行哪个操作，然后分别路由到不同的交易执行节点。

11. 交易执行节点

根据AI决策执行具体操作。以”开多”为例：

其他操作类似，根据交易决策直连交易所进行交易执行。然后进行消息推送至APP，帮助用户实时接收交易操作通知。

12. 止盈止损插件

这是最后一道风控，在AI检测到不需要进行任何仓位操作时，我们需要增加另一条防线，进行止盈止损的检测。

function main(contract) {
    var contractsymbol = contract + '_USDT.swap';
    var positions = exchange.GetPositions(contractsymbol);
    
    if (positions && positions.length > 0) {
        var ticker = exchange.GetTicker();
        // 判断持仓方向：多头=1，空头=-1
        var direction = positions[0].Type == 0 ? 1 : -1;
        
        // 计算盈亏比例
        var pnlRatio = (ticker.Last - positions[0].Price) * direction / positions[0].Price;
        
        // 确定平仓订单类型
        var closeOrderType = direction == 1 ? 'closebuy' : 'closesell';
        
        // 止盈：盈利达到3%时平仓
        if (pnlRatio >= 0.03) {
            exchange.CreateOrder(positions[0].Symbol, closeOrderType, -1, positions[0].Amount);
            Log('止盈执行，盈利：' + (pnlRatio * 100).toFixed(2) + '%');
        }
        // 止损：亏损达到1%时平仓
        else if (pnlRatio <= -0.01) {
            exchange.CreateOrder(positions[0].Symbol, closeOrderType, -1, positions[0].Amount);
            Log('止损执行，亏损：' + (pnlRatio * 100).toFixed(2) + '%');
        } else {
            Log('无操作');
        }
        
        return {};
    } else {
        return {};
    }
}

风险提示

必须说明的是，这套系统目前还处于实验阶段，需要注意以下风险：

1. API调用限制

Alpha Vantage免费版每天只能调用25次，需要合理安排调用时间或升级到付费版。

2. 合约流动性

交易所个别股票合约的流动性可能仍然不足，可能出现滑点，需要谨慎考虑。

3. 价格异常事件

去中心化交易所在股票代币化交易中可能出现价格脱锚现象。由于DEX依赖预言机（如Pyth、Chainlink）来获取链下股价数据，当预言机数据更新延迟、或链上流动性不足时，可能导致标记价格与真实美股价格出现显著偏差。这提醒我们，加密交易所虽然有优势，但技术风险依然存在。

4. 市场风险

加密交易所作为提供高杠杆（最高1001倍）的衍生品交易平台，在全球监管审查日益严格的环境下面临监管风险。代币化美股本身也是新兴领域，政策变化可能影响交易。

5. AI决策风险

AI模型再先进，也可能：（1）误判市场信号；（2）过度依赖历史数据；（3）无法应对黑天鹅事件；（4）在极端行情下失效。因此需要谨慎参考。

6. 高杠杆风险

加密交易所提供的高倍杠杆是双刃剑。1%的不利价格波动就会导致全部保证金损失。即使设置了1%止损，在快速行情下也可能来不及执行。

后续改进计划

这套系统还有很多可以完善的地方：

短期优化

1. 增加更多数据源：整合链上数据、社交媒体情绪、大户持仓变化等
2. 优化仓位管理：根据波动率动态调整仓位大小
3. 改进止损策略：使用追踪止损或ATR动态止损

中期目标

1. 多品种组合：同时交易多只美股，分散风险
2. 跨平台套利：对比Aster、Bitget、Bybit价格差异
3. 情绪指标增强：加入Fear & Greed Index、VIX等
4. 风险预警系统：市场异常时自动平仓保护

长期展望

等RWA生态更加成熟，监管更加明确后： 1. 接入更多RWA资产：债券、房地产、大宗商品等 2. 开发专业策略：网格交易、趋势跟踪、统计套利 3. 构建投资组合：加密货币+美股+债券的多元配置 4. 社区化运营：开源策略，接受社区监督和改进

结语

这次探索希望帮助大家对RWA和代币化美股有了更深的认识。加密平台通过代币化股票连接DeFi和传统金融，确实打开了新的可能性。但必须清醒地认识到：

这不是一个成熟的盈利系统，而是一次技术实验。

当前代币化美股市场还很年轻，RWA虽然发展迅速，但也经历过技术故障。高杠杆交易更是风险极高的游戏。如果你想尝试：

1. 模拟交易：在模拟交易所进行策略调试和优化
2. 只用闲钱：投入你能承受全部损失的金额
3. 从小额开始：先用最小合约量测试
4. 持续学习：密切关注监管动态和技术更新
5. 严格风控：永远设置止损，控制杠杆倍数
6. 保持理性：不要被AI决策完全绑架，最终判断权在你

这篇文章的代码和配置都是公开的，欢迎大家讨论改进。但请记住：任何交易都有风险，自动化不等于稳赚不赔。

在这个RWA的新时代，我们都是探索者。谨慎前行，共同学习。

策略地址： https://www.fmz.com/strategy/510093

---

免责声明：本文仅供技术交流，不构成任何投资建议。加密货币和衍生品交易风险极高，请务必了解风险并谨慎决策。