引言：为什么老手看均线就能赚钱，而我们却总是被割韭菜？

先说个扎心的事实：我认识一个做了十几年期货的老哥，他的交易界面简单得让人怀疑——就两条均线，连MACD、RSI这些”高级货”都不用。但人家就是能稳定盈利。

有次我忍不住问他：”你就看这两条线，怎么知道哪个金叉是真突破，哪个是假信号？”

他喝了口茶，云淡风轻地说：”看新闻啊。”

我：？？？

他继续说：”比如昨天比特币金叉，但我看到新闻说某个大交易所在调查，市场恐慌情绪浓厚，这种时候的金叉十有八九是诱多。但上周那个金叉，正好赶上贝莱德增持ETF的消息，机构都在抢筹，这时候不进场等啥？”

我恍然大悟，又瞬间绝望——这特么不是考验”人”的能力吗？

老手的优势在哪里？

1. 信息捕捉速度快：他们盯盘的时候，各种消息源、电报群、Twitter都开着，重要新闻一出来马上就知道
2. 判断准确性高：见过太多市场反应，一眼就能看出哪条新闻是真利好，哪条是吹牛
3. 决策果断：技术信号+新闻情绪双重确认后，该进场就进场，该止损就止损，不犹豫

而我们这些散户呢？

• 刷到新闻的时候，价格可能已经涨了5%
• 看到”重大利好”激动得手抖，结果是三个月前的旧闻炒冷饭
• 金叉出现了，不敢进；假突破了，反而追高
• 拿着手机刷半天新闻，还是不知道现在该干嘛

说白了，技术指标谁都会看，但把技术信号和市场情绪结合起来做判断，这才是真功夫。问题是这种功夫需要时间、经验、还有24小时盯盘的精力。

那能不能让AI来干这个活？

我是这么想的：如果能写一个程序，让它： - 24小时不间断监控9个主流新闻源的RSS feed - 自动分析最新新闻的情绪强度和相关性 - 结合技术信号（金叉/死叉）和当前持仓情况 - 按照预设的风控规则，给出具体的交易建议

这样是不是就能在一定程度上，弥补我们在信息和经验上的短板？

当然，我不敢说这个策略能替代人的判断，更不敢说它能稳定盈利（毕竟还在测试阶段，坑肯定很多）。但至少，它可以帮我们做到：

1. 不漏掉关键信息：新闻抓取是自动的，24小时工作
2. 保持决策一致性：不会因为情绪波动乱操作
3. 强制执行风控：该止损就止损，该观望就观望

就把它当作一个”初级交易助手”吧，帮我们处理那些重复性的信息收集和基础判断工作。真正的决策权，还是要掌握在自己手里。

好了，牢骚发完，咱们来看看这个实验性策略到底是怎么设计的。

https://www.fmz.com/strategy/519838

---

一、策略的基本思路

整个策略分三个层次：

1. 技术信号层：双均线系统

这是最基础的一层，用的是EMA（指数移动平均线）。代码里默认是短周期7，长周期25，你可以根据自己的交易风格调整。

// 短期均线
EMA(7)

// 长期均线  
EMA(25)

// 信号判断
金叉：短期EMA上穿长期EMA → 看涨
死叉：短期EMA下穿长期EMA → 看跌

这部分没什么特别的，就是经典的趋势跟踪。但重点来了——我不会无脑按照金叉死叉就开仓，而是把这个信号当作”参考意见”传给AI。

2. 情绪分析层：RSS新闻抓取

策略会实时抓取9个主流加密货币新闻源的RSS feed：

• Cointelegraph
• Bitcoin Magazine
  
• CoinDesk
• Crypto Briefing
• Bitcoinist
• Crypto.news
• NewsBTC
• CryptoPotato
• 99Bitcoins

这里有个小心思：我只保留最近24小时的新闻，并且按时间倒序排列（最新的在前面）。为什么？因为越新的消息，市场反应越快，权重应该越高。

// 筛选24小时内的新闻
const oneDayAgo = Date.now() - (24 * 60 * 60 * 1000);

// 按时间戳排序，新的在前
result.sort((a, b) => b.timestamp - a.timestamp);

3. 决策层：AI综合判断

这是整个策略的核心。我把技术信号、新闻数据、当前持仓情况打包成一个JSON，扔给Claude Sonnet 4.5，让它按照预设的规则做决策。

AI主要干三件事：

第一步：评估新闻情绪强度（0-1分）

这里我花了不少心思设计评分规则。不是简单地看新闻正负面，而是考虑：

• 相关性权重：直接提到目标币种的新闻权重1.0，整体市场环境0.8，其他币种0.5
• 时效性权重：最新30%的新闻权重1.0，中间部分0.8，较旧的0.6
• 市场联动性：加密市场高度联动，BTC/ETH的重大消息会影响所有币种

比如，如果你在交易SOL，但新闻里出现”SEC批准比特币ETF”，AI也会把这条算作重要利好，因为整个市场都会受影响。

第二步：结合持仓和盈亏状态

这是很多量化策略忽略的一点。同样是死叉信号，如果你： - 持有多仓且盈利1500U → AI会建议果断平仓保护利润 - 持有多仓但亏损300U → AI会更谨慎，可能只平一部分观察 - 没有持仓 → AI会评估是否适合开空

第三步：给出具体操作建议

AI不会只说”看涨”或”看跌”，而是会输出： - 具体动作：开多/开空/加仓/平仓/观望 - 操作数量：X个单位（考虑最大持仓限制） - 决策理由：为什么这么做 - 风险提示：需要注意什么

比如这样的输出：

{
  "decision": {
    "action": "OPEN_LONG",
    "multiplier": 2.0,
    "reasoning": "金叉信号 + sentiment 0.90（4级极强） + 最新新闻显示BTC突破10万、ETF获批、机构入场 → 建议开多仓2倍基础仓位",
    "riskWarning": "BTC突破整数关口后常有回调，建议设置止损"
  }
}

二、决策规则设计：让AI像老手一样思考

这部分是整个策略的灵魂。我设计了一套比较完整的决策矩阵，核心思想是：技术信号提供方向，新闻情绪提供确认，持仓状态决定力度。

情绪等级划分

我把新闻情绪分成4个等级：

等级	分数范围	特征	对应操作
4级（极强）	0.8-1.0	重大利好/利空，方向明确	大胆操作，2倍仓位
3级（强）	0.65-0.8	明显正面/负面，共识形成	正常操作，1倍仓位
2级（中性）	0.5-0.65	方向不明或正负混杂	不操作，观望
1级（弱）	0-0.5	与信号方向相反或无相关新闻	不操作，可能是假信号

典型场景举例

场景1：无持仓 + 金叉 + 4级极强利好

技术信号：短期EMA上穿长期EMA
新闻情绪：0.92分（BTC突破10万、ETF获批、机构FOMO）
当前持仓：0单位

→ AI决策：开多仓2倍基础仓位
→ 理由：技术面和基本面高度一致，是难得的高确定性机会
→ 风险提示：整数关口常有回调，设好止损

场景2：持有3单位多仓（盈利800U）+ 死叉 + 3级强利空

技术信号：短期EMA下穿长期EMA
新闻情绪：0.72分（BTC跌破支撑、清算激增）
当前持仓：3单位，浮盈800U

→ AI决策：平仓2单位，保留1单位观察
→ 理由：趋势反转风险上升，先保护大部分利润
→ 计算逻辑：持仓较大(3单位) + 盈利状态 + 3级强信号 = 平仓2/3

场景3：持有2单位多仓（盈利1500U）+ 金叉 + 4级极强利好

技术信号：短期EMA再次金叉
新闻情绪：0.92分（抛物线行情、机构入场、降息预期）
当前持仓：2单位，浮盈1500U
最大持仓：3单位

→ AI决策：加仓1单位至上限
→ 理由：当前盈利 + 趋势极强 + 还有加仓空间
→ 风险提示：已达最大持仓，无法再加仓，设置移动止损

盈亏状态的影响

这是我觉得这个策略比较有意思的地方。同样的技术信号，AI会根据你的盈亏状态给出不同建议：

盈利时遇反向信号 → 优先保护利润，平仓更果断
亏损时遇反向信号 → 果断止损，避免扩大亏损
盈利时遇同向信号 → 可以考虑加仓，扩大盈利
亏损时遇同向信号 → 谨慎加仓，优先等待回本

这其实模拟了经验丰富的交易员的心态管理。

三、技术实现：工作流的魅力

整个策略是在工作流上实现的，这个工具真的很适合做这种复杂的自动化工作流。

核心节点说明

1. 定时触发器：每3分钟执行一次（可调整）

2. 初始设置节点：

   • 设置交易所API
   • 初始化资金记录
   • 生成可视化状态表格

3. K线获取 → 技术指标计算：

   • 获取最近N根K线
   • 计算短期/长期EMA
   • 判断金叉/死叉

4. 条件判断：

   • 如果无信号 → 输出日志，结束
   • 如果有信号 → 触发新闻抓取

5. 9个RSS读取节点并行执行：

   • 每个节点抓取一个新闻源
   • 设置了错误处理（某个源挂了不影响整体）

6. RSS整理节点：

   • 合并所有新闻
   • 筛选24小时内的
   • 按时间倒序排列
   • 清洗HTML标签

7. 信息整理节点：

   • 打包技术信号、新闻、持仓数据
   • 格式化成AI需要的JSON结构

8. AI智能体：

   • 接收打包数据
   • 按照预设规则分析
   • 输出结构化决策

9. 交易执行节点：

   • 解析AI决策
   • 执行具体交易操作
   • 保存结果供下次决策参考

状态可视化

策略运行时会在FMZ平台生成四个表格：

1. 账户总览：初始资金、当前权益、累计盈亏、收益率
2. 持仓监控：持仓方向、数量、均价、浮盈、剩余容量
3. AI决策分析：技术信号、新闻情绪、决策操作、置信度
4. 执行结果：操作类型、执行状态、盈亏结算、决策推理

这样你可以一目了然地看到策略在干什么。

四、风控设计：不作死才能活得久

量化交易最怕的就是一次大亏把之前的利润全吐回去。所以我设计了几层风控：

1. 最大持仓限制

通过maxPos参数控制，比如设置为3，那无论AI多看好，最多只能持有3个基础单位。这样即使判断失误，亏损也在可控范围内。

2. 分级决策，逐步试探

• 4级极强信号：开/加2倍仓位
• 3级强信号：开/加1倍仓位
• 2级及以下：不操作

不会一次性把子弹打光。

3. 情绪与技术信号必须一致

如果技术面金叉，但新闻面一片利空（sentiment < 0.5），AI会判断为假突破，不开仓。反之亦然。

4. 动态平仓策略

不是简单的”全平”或”不平”，而是根据： - 信号强度（4级全平，3级平2/3，2级观望） - 持仓数量（持仓大平得多，持仓小可能全平） - 盈亏状态（盈利保护利润，亏损果断止损）

综合判断平仓比例。

五、目前存在的问题和改进方向

说实话，这个策略现在还有不少问题：

已知的坑

1. 新闻质量参差不齐

• 有些新闻源爱标题党
• 同一条消息被反复报道
• 旧闻翻新当利好

改进思路：可以加入新闻去重、时效性检查、来源可信度评分

---

2. AI情绪判断不够精准

• 有时候会把中性新闻判断成利好
• 对市场情绪的滞后性理解不足
• 无法识别”利好出尽”这种微妙情况

改进思路：收集历史数据，训练一个专门的情绪分类模型

---

3. 执行滑点和费率未考虑

• 现在的代码用的是市价单
• 没有计算实际成交滑点
• 手续费对收益的影响没有量化

改进思路：加入限价单逻辑，模拟真实交易成本

---

4. 缺乏及时的止盈止损机制

• 开仓后只依赖信号指标和新闻判断平仓，可能错过最佳出场时机
• 无法应对突发暴跌（黑客攻击、监管利空等）
• 盈利可能全部回吐，亏损可能无限扩大

---

下一步计划

1. 优化新闻源：筛选出更高质量的信息源，减少噪音
2. 引入多模型竞争：让多个AI（如Claude、GPT、Gemini）同时分析，取投票结果
3. 加入链上数据：结合交易所资金流向、大户持仓变化
4. 添加止盈止损工作流模块：设置固定止损线（如-5%强制平仓）、止盈线（如+15%获利离场）、移动止损（从最高点回撤8%保护利润），避免靠新闻驱动的被动平仓导致重大亏损

六、使用建议

如果你也想试试这个策略，我有几个真心的建议：

1. 先用模拟盘：别上来就真金白银，至少跑一两周观察表现

2. 小仓位起步：即使要实盘，也从最小单位开始，不要怕错过机会

3. 定期复盘：每周看看AI的决策，哪些是对的，哪些是错的，为什么

4. 不要过度依赖：AI只是辅助工具，最终决策权还是在你手里

5. 做好最坏打算：设置好账户总亏损上限，亏到这个数就停止

6. 保持学习心态：市场在变，策略也要跟着迭代

结语

通过这个实验，我对”技术分析+基本面分析”的结合有了更深的理解。那些交易老手之所以厉害，不是因为他们会什么神秘指标，而是因为他们能快速整合多维度信息，做出理性判断。

而我们作为普通散户，虽然没有老手的经验和嗅觉，但可以用技术手段来弥补。让机器帮我们处理信息收集、基础分析这些繁琐的事，我们专注在风险控制和策略优化上。

最后说一句掏心窝的话：量化交易不是印钞机，AI也不是万能的。这个策略目前还很粗糙，肯定会有各种意想不到的问题。如果你要用，一定要做好亏损的心理准备，把它当作学习工具，而不是赚钱机器。

好了，今天就分享到这里。如果你有什么想法或建议，欢迎随时交流。毕竟，咱们都是在量化交易这条路上摸索的同路人。

祝大家交易顺利，少踩坑！🚀

---

P.S. 完整代码我放在文章开头了，有兴趣的朋友可以自己研究。如果你改进出更好的版本，记得也分享出来啊！