关于我

一个折腾不止的价值投资者

我是谁

我不是大佬,没有大厂背景,也不是科班出身。我是一个普通的投资者和程序员,喜欢折腾,喜欢把脑子里的想法变成能跑的东西。

我的四个标签:

  • 价值投资者 — 信仰格雷厄姆和巴菲特,买股票就是买公司。量化只是工具,决策靠人对生意的理解。用研究笔记记录学习过程。
  • AI 编程实践者 — 从零搭了 FinBuddy、Promo_Web、SkillStore 等 AI 项目,FinBuddy 是最大的那个。不是 demo,是能跑的系统。每个项目都有开发日记记录进展。
  • 脑科学爱好者 — 读 Kahneman 和 Thaler,试图理解自己的大脑为什么总是在骗自己。知道偏差 ≠ 能避免偏差。
  • 重度阅读者 — 微信读书 7 年老用户,2025 年读了 55 本书(2065 万字)、记了 1001 条笔记,42 周保持全勤。投资类读格雷厄姆巴菲特,脑科学类读 Kahneman Thaler,读书记录见读书心得

这三个标签不是孤立的——我用 AI 编程做价值投资的工具,用脑科学理解投资中的非理性行为,再把这三者串成一个完整的体系。

我的折腾时间线

2019 年
开户入市,第一年实盘。从第一天起就按价值投资的思路买股票——看财报、算 PE、找低估值公司。那一年 A 股从 2018 年熊市里爬出来,刚入场就赶上修复行情,账户第一年就是正收益。认知很浅,选股全靠手动翻行情软件,安全边际的概念还没有。
2020 年
春节后疫情暴跌,大盘几天跌了近 15%。我没卖,反而用闲钱加仓了几只跌到"看起来便宜"的股票——后来证明这个直觉对了。但下半年消费和医药被抱团炒到天价,我也跟风买了几只高 PE 的"白马"。全年收益不错,但回头看有一半是 Beta 的钱。
2021 年
👍 收益最好的一年。春节后核心资产崩塌,之前买的高 PE 白马股回调了不少——但因为持仓里低估值蓝筹占比不小,分散持仓帮了大忙:部分回调,另一部分在涨。第一次真正体会到"好公司不等于好价格"。下半年开始系统读财报,学着算自由现金流和 DCF。
2022 年
很难的一年——上海封城、俄乌冲突、美联储暴力加息,三重打击,上证跌了 15%。我的消费股浮亏超过 20%,但没有割肉,拿着等财报验证。年底发现格雷厄姆说的"市场先生"是对的:价格波动不是风险,基本面恶化才是。那些公司业绩没出问题,股价回来了——**这一年居然还是正收益**,第一次真切感受到价值投资在极端环境下的韧性。年底开始接触微信读书。
2023 年
最弱的一年,只赚了一点点。强预期弱现实,AI 概念爆炒没碰。最大的收获是开始写投资决策日志——发现大部分利润被频繁换手吃掉了。微信读书继续,年度关键词里有"暴富",说明那时候还在找捷径。
2024 年中
经历了一波阶段性回撤,浮亏一度接近 10%。这次不是市场的问题,是自己的操作——心态失衡,卖了不该卖的持仓去追热点。痛定思痛,拿起了《聪明的投资者》,同时开始用 Python 写量化筛选脚本自动化选股。
2024 年底
"924"政策救市,低估值蓝筹跟着涨了一波,账户快速修复创新高。读完巴菲特致股东的信,建立了安全边际/护城河/能力圈的完整框架。但也犯了能力圈外的错误:科技股个股亏了 12% 割肉;还有一只研究了好几个月的票 13 块买入 18 块卖了后来涨到 48——拿不住的痛刻骨铭心。这些个股失误没影响年度正收益,教训很深。微信读书全年 529 小时。
2025 年上半年
AI 板块大涨没追——能力圈内的事还没做好呢。读《思考,快与慢》《随机漫步的傻瓜》《助推》,系统理解认知偏差。微信读书爆发:55 本书、2065 万字、1001 条笔记、42 周全勤。量化筛选工具迭代了好几个版本。
2025 年下半年
量化工具把选股流程标准化了。回测踩过坑(过拟合/滑点/未来函数),加了 walk-forward 后诚实多了——这些是工具层面的教训。规则执行严起来了:买入清单、冷却期、不看 K 线只看财报。
2026 年 3 月
开始搭 FinBuddy——把量化筛选、偏差检查、研报阅读整合成 AI Agent 工具。前三个月已读 23 本书,开局不错。
2026 年 4 月
搭了 FinBuddy、FinBuddy_Web、Promo_Web、Basic_Web、SkillStore、MarketingVideo 六个项目。FinBuddy 从 7 个 Agent 砍到 3 个,反而更稳定。
现在
持续打磨 FinBuddy 和配套系统,用 AI + 量化提升价值投资的研究效率。从 2019 年入市到现在,**连续 7 年年度正收益,没有一年亏损**,累计跑赢上证指数约 170 个百分点。但这不代表一帆风顺——中间个股割肉、卖飞、心态失衡一样不少。区别在于:价值投资的体系帮我扛住了波动,规则帮我管住了手。2026 年继续读书、写代码、优化规则。

我的几个原则

  1. 先跑起来再优化 — FinBuddy 第一版是意大利面条代码,但至少跑起来了。有东西跑着,才知道哪里需要改。
  2. 规则比意志力靠谱 — 知道认知偏差 ≠ 能避免它。用止损线、冷却期、买入清单来约束自己,不靠意志力对抗大脑。
  3. 量化是工具不是决策者 — FinBuddy 帮我筛公司、查数据、出报告,但最终买不买还是我说了算。AI 容易过度自信,人也是。
  4. 真实不装 — 这个网站记录的是真实的踩坑经历和心得,不是成功学。回测年化 40% 实盘亏 15%,这种事我照写。
  5. 少即是多 — 从 7 个 Agent 砍到 3 个,反而更稳定。投资组合也一样,5 只看懂的股票比 20 只看不懂的强。

我的项目

FinBuddy

AI Agent 金融助手桌面客户端。Swarm 多智能体 DAG 编排,意图解析双层架构,合规风控。Python + Electron。

FinBuddy_Web

FinBuddy 云端 SaaS 后端。FastAPI + SQLAlchemy 2.0 + MySQL + Redis,提供 LLM 代理、用户认证、积分服务。

Promo_Web

智能营销内容生成平台。多画像多平台一键生成,Skill + Agent 组合,用户自建 Skill。FastAPI + Vue。

SkillStore

AI 技能市场。用户创建、分享、组合 Skill,拖拽式编排工作流。Flask + MongoDB。

Basic_Web

通用 SaaS 后端脚手架。认证授权、RBAC 权限、用户管理,可在此基础上快速开发任意业务系统。FastAPI + Vue。

MarketingVideo

营销视频自动生成。TypeScript + React,从文案到成片的自动化流水线。

量化筛选 + 偏差检查

价值筛选(PE/ROE/负债率)、认知偏差检查、止损监控、决策规则引擎。量化是工具,决策是人。

脑科学 × 投资

前景理论建模、系统1/系统2决策分析、行为金融学笔记。用 Python 把 Kahneman 的理论变成可计算的模型。

技术栈

我日常用的技术:

领域技术
后端Python, FastAPI, SQLAlchemy 2.0 (async), MySQL, Redis
AI/LLMOpenAI API, DeepSeek, Pydantic, LangChain 思路
Agent 架构Swarm 编排, DAG 执行器, 意图解析, 工具调用
前端Electron, HTML/CSS/JS
量化Backtrader, Walk-forward 分析, 蒙特卡洛模拟
部署阿里云, Docker, PyInstaller
其他Git, structlog

找我聊聊

如果你也在折腾 AI 编程、价值投资或脑科学,欢迎加微信交流。不保证秒回,但一定会看。备注来意,方便我认出你。

微信二维码 扫码加微信,备注来意
AI 编程交流 — FinBuddy 架构设计、Multi-Agent 踩坑
价值投资讨论 — 公司研究、读书笔记、筛选结果
脑科学探讨 — 认知偏差、前景理论、行为金融
项目合作 — 如果你有有趣的想法,可以一起搞