FiClaw / 私募证券与资管研究团队
私募 AI 投研与量化研究方案
适用于需要研究 A 股量化策略、统一实验口径或改善研究交接的团队。先验证一个真实研究问题能否被清楚定义、准确实现并由另一位研究员复核，再评估组织级协作与集成需求。
发布人 FiClaw 产品团队 · 发布于 · 更新于
Read in EnglishFiClaw 如何帮助这类团队
FiClaw 是 SiStarAI（硅星纪元）建设的 AI Native 量化策略研发工作站。私募证券与资管团队可从一个边界明确的研究任务开始，把策略想法整理为规格，再连接代码生成、A 股历史回测、诊断和参数比较。研究员与复核人共同检查数据、实现和实验依据，再决定是否进入下一阶段。
从具体研究任务开始
01
把投资假设变成策略规格
- 输入
- 研究员给出候选股票池、信号、持仓和调仓条件。
- 研究输出 / 评估方向
- 用 FiClaw 辅助整理规则、待确认项与 Python 实现。
- 人工复核
- 研究负责人确认信号时点和交易行为；不以代码能运行代替规则验收。
02
用统一口径比较实验
- 输入
- 固定历史区间、基准、成本和参数候选范围。
- 研究输出 / 评估方向
- 连接历史回测、结果诊断与参数比较，整理本轮研究发现。
- 人工复核
- 复核人检查数据覆盖、成本与样本外证据；保留失败和不显著的结果。
03
准备可交接的研究材料
- 输入
- 同一研究问题的规格、代码、配置和运行结果。
- 研究输出 / 评估方向
- 按约定清单整理复核材料，标记修改原因与未解决的问题。
- 人工复核
- 另一位研究员核对能否重跑；集中归档和组织权限按试点范围另行确认。
一轮可验收的试点
- 01
选定一个实验
选择数据可获得、规则可说明的 A 股策略研究任务，确认允许使用的数据、输出形式与负责人。
- 02
固定人工对照
沿用同一数据范围和研究口径，记录人工准备、编码、排错和复核所需时间，作为对照。
- 03
复核输出证据
检查规格与代码是否一致、结果能否解释、异常是否暴露；将人工修正与模型消耗计入成本。
- 04
据验收决定扩展
达到事先约定的复核标准后，再讨论更多用户、内部接口、权限治理和部署方式。
先确认能力和交付范围
- 当前公开能力
- 当前公开入口是 Desktop 与云端量化研究流程，支持策略设计、代码生成、A 股历史回测、诊断和参数比较；实际数据范围以数据覆盖页和接口返回为准。
- 需单独评估
- 机构共享 Agent、统一权限审计、内部系统接入，以及 VPC、混合或私有部署，需要按数据流、接口与运维条件单独评估。公开安装包不等同于这些机构能力已经交付。
- 决策与责任边界
- FiClaw 用于研究辅助，不承担投资决策、合规审批或实盘下单；研究结论、风险限额与上线决定由机构有权限的人员负责。
采购与试点常见问题
FiClaw 面向私募证券基金还是私募股权基金？
这里的方案主要面向私募证券与资管团队的量化策略研究，当前公开回测能力以 A 股为主。股权项目估值、非标资产尽调及其他资产类别需要另行确认数据和工作流，不能由本页推断为已支持。
私募团队可以直接试用吗？
可通过官网下载 Desktop，用允许使用的数据和一个边界明确的研究任务验证当前流程。多人协作、敏感数据与内部系统接入，应先确认试点范围和数据处理方式。
是否支持私有化部署和投研数据不出域？
这些需求需要单独评估。使用桌面端不代表模型调用、数据请求或回测计算全部发生在本地，应先逐项确认数据流、存储、服务依赖和运维责任。
如何判断 FiClaw 试点是否值得扩展？
用同一研究任务比较完成时间、复核通过情况、重跑一致性、人工修正次数与总成本。历史收益率不适合作为 AI 研发工具的唯一验收指标。
进一步了解
带一个研究问题来讨论
说明团队角色、研究任务、可用资料和期望输出，即可开始范围评估。首次沟通可使用公开或脱敏样本。