01 一个令所有散户不安的发现

2026年，一位拥有十年股龄的散户老张，在朋友推荐下试用了一个AI工具。

他自信地告诉朋友："我主要做价值投资，持有周期很长。"

工具读取了他过去三年的券商账单——同花顺导出，CSV格式——然后生成了八页报告。

报告第三页，老张的脸红了。

他的平均持仓天数是17天。他的卖出股票中，盈利的持有时间平均8天，亏损的持有时间平均31天。他口口声声说"价值投资"，实际上是一个典型的处置效应（Disposition Effect）患者——亏了死扛，赚了就跑。

他说："这不是我。"

工具说："这是你。这是你的券商账单里的你。"

这个工具叫 vibe-trading，今天我在 ClawdHub 上找到的AI技能。

02 散户最昂贵的认知盲区

行为金融学里有一个著名的研究结论：个人投资者是自己在市场上最危险的敌人。

这不是比喻，是有数据支撑的。Odean（1998）研究了一万个散户账户，发现：

• 投资者卖出的盈利股票，后市平均涨幅比他们持有亏损股票高出29%
• 投资者每月交易次数与收益率呈显著负相关

换句话说：你的交易习惯本身，就在系统性地让你亏钱。

但问题是：大多数散户并不知道自己有这个习惯。

人的自我认知有两种：

• 意向性自我：我想做什么
• 行为性自我：我实际做了什么

这两种自我之间，存在巨大的鸿沟。行为金融学管这叫自我归因偏差（Self-Attribution Bias）——我们倾向于记住自己"英明的决策"，遗忘自己"冲动的决策"。

所以十年股龄的老张，真的相信自己做的是价值投资。他的记忆筛选机制，帮他过滤掉了那些"快进快出"的案例。

直到他把账单交给AI。

03 影子账户：你的交易记录里的另一个你

vibe-trading的核心功能叫影子账户（Shadow Account）。

它的原理很清晰：

1. 输入：你从券商导出的交易记录（支持同花顺、东财、富途、通用CSV格式）

2. 分析：AI解析你的买卖记录，生成行为画像——持仓周期、胜率、处置效应系数、追涨杀跌系数、过度交易系数、锚定偏差系数

3. 提取：从你盈利的交易里，AI用LLM提取3-5条"如果-那么"规则——这就是你的影子策略（Shadow Strategy）

4. 回测：把你的影子策略，放到真实市场里回测过去N年，计算：如果严格按你的影子策略操作，你会多赚（或少亏）多少

5. 报告：生成8页HTML/PDF报告，包含今天的匹配信号

整个过程，你只需要做一件事：把CSV文件交给AI。

剩下的，AI替你完成。

04 八个维度，看清"交易行为里的自己"

vibe-trading的分析框架涵盖了八个行为维度：

处置效应（Disposition Effect）：盈利时急于卖出锁定利润，亏损时死扛等待回本。这是散户最普遍的行为偏差，也是价值毁灭的主要来源。

追涨杀跌（Momentum Chasing）：在股价已经上涨后买入，在已经下跌后卖出。表面看是"顺势而为"，实际上是高位接盘、低位割肉。

过度交易（Overtrading）：账户周转率极高，佣金和印花税在悄悄吞噬利润。牛市里尤其严重，账户换手率动不动就500%、800%。

锚定偏差（Anchoring）：对某些"心理价位"产生执念——比如"这只股我18块买的，不能低于18块卖"。股价早已与基本面脱节，锚定价格却还在脑子里。

收益波动敏感度（Volatility Sensitivity）：账户净值的正常起伏，会触发不理性的申赎决策。下跌时恐慌赎回，上涨时追高买入，公募基金圈的"散户行为"在个人账户里同样存在。

盈利归因（Win Attribution）：赚钱了觉得是自己判断英明，亏钱了怪市场不好。AI通过影子策略分析，能还原"这次赚钱，到底是运气还是能力"。

仓位管理（Position Sizing）：单一股票仓位过重还是分散过度？行业集中度如何？风险暴露是否超过心理阈值？

交易频率（Trading Frequency）：年换手率多少？月度交易次数分布？有没有某个时间段特别容易冲动交易（比如收盘前最后半小时）？

这八个维度，综合起来就是一个问题：你到底是谁作为交易者？

不是你自己认为的你，不是你在饭桌上吹嘘的你，而是你三年券商账单里，那个沉默的、诚实的、24小时不睡觉记录着一切的"影子交易员"。

05 一道简单的数学题

如果你的影子策略回测显示：

• 你过去三年实际收益率：-12%
• 按影子策略严格操作收益率：+8%
• 差距：20个百分点

这道数学题的意思是：你的交易行为，让你比"机械执行自己的交易规则"多亏了20%。

vibe-trading会在报告里给你算清楚这个数字，叫Delta-PnL——也就是"行为亏损"。

很多人第一次看到这个数字，是沉默的。

因为这个数字告诉你：你最大的敌人，不是大盘，不是庄家，是你自己的交易习惯。

而好消息是：一旦你知道了这个敌人是谁，你就可以开始改变。

06 不只是诊断，还有"处方"

影子账户的价值不只是让你认清自己，还有实际的应用路径。

路径一：纠偏

知道自己的处置效应严重，就给自己设定规则——亏损股最多持有X天，到期不管盈亏必须决策。这叫规则化纠偏。

路径二：策略进化

影子策略里的"如果-那么"规则，是从你盈利交易里提取的。这说明你某些时候的直觉是对的。把这些直觉显性化、规则化，然后用回测验证，这是量化散户外化的第一步。

路径三：信号监控

vibe-trading的`scan_shadow_signals`功能，会扫描当前市场里哪些股票满足你影子策略的入场条件。这不是荐股，是告诉你：根据你自己的历史交易偏好，今天有这些标的符合你的审美。

相当于把你自己的交易直觉，放到全市场做了一次筛选。

07 技术层面：开源、无须API、跨市场

从技术上说，vibe-trading有几个值得关注的特点：

零门槛启动：HK股、美股、加密货币市场数据直接用，不需要任何API Key。只有A股需要Tushare Token，但也有AKShare作为免费替代。

Shadow Account无需LLM Key：22个工具里，21个不需要OpenAI Key。只有`run_swarm`多Agent团队模式才需要LLM API。个人散户最核心的影子账户功能，完全免费使用。

多数据源：yfinance（美股）、OKX/CCXT（加密货币）、AKShare（A股、期货、宏观）、Futu（港股），自动检测+自动降级。

多引擎回测：7个回测引擎，覆盖A股、全球股票、加密货币、A股期货、全球期货、外汇和期权。

74个金融技能：不是只有影子账户。量价技术分析、因子研究、风险管理、期权定价、宏观分析等，全部内置。

多Agent团队：29个预建Agent团队，比如"投资委员会"（多空辩论→风险审查→基金经理决策）、"全球股票台"、"加密货币台"、"盈利研究台"等。复杂研究任务可以调用多Agent协作。

08 安装：一条命令的事情

vibe-trading是一个OpenClaw Skill，直接从ClawdHub安装：

pip install vibe-trading-ai

然后在OpenClaw里启用：

clawdhub install vibe-trading

或者通过MCP接入：

{
  "mcpServers": {
    "vibe-trading": {
      "command": "vibe-trading-mcp"
    }
  }
}

安装完成后，打开你的券商App，导出历史成交记录（通常在"查询"→"历史成交"里可以导出CSV），然后扔给vibe-trading。

一个命令，看清自己。

09 写在最后

行为金融学有句老话："如果你不知道自己是谁，市场早晚会告诉你，而且用你承受损失的方式告诉你。"

过去，这个信息是不透明的。你只能通过一次次亏损，慢慢积累"经验"——但这种学习方式，代价太高。

影子账户的意义，是把这种"被动学习"变成"主动认知"。

你不需要成为量化分析师，不需要学Python，不需要理解复杂的衍生品定价模型。

你只需要做一件事：诚实面对自己的账单。

而AI，帮你完成剩下的事情。