spy
PulseAugur coverage of spy — every cluster mentioning spy across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
AI代理SOTA在股票期权交易中实现18.3%的回报
研究人员开发了SOTA（股票期权交易代理），一个旨在驾驭期权交易复杂性的新框架。该系统利用经过后训练的Qwen3.8-27B模型，通过监督微调和强化学习进行增强，以选择和实施交易策略。在九只美国大盘股和SPY上的评估表明，SOTA在为期六个月的样本外期间实现了1.60的夏普比率和18.3%的总回报。有趣的是，研究发现，虽然新闻改善了初始训练，但在强化学习期间加入新闻会负面影响样本外回报。
-
新方法提高了多资产股票模拟的准确性
研究人员开发了一种方差校正方法来模拟多资产股票数据，解决了重用现有生成器时市场方差的重复计算问题。该校正方法在将每个资产的抽样值添加到市场因子之前，对其进行中心化和重新缩放。该方法在一个包含424只美国股票和ETF的宇宙中，对423只非市场资产进行了测试。校正后的路径成功地维持了重尾特性，并准确地再现了校准的市场载荷，与朴素组合相比，提高了合成方差的准确性。
-
新AI策略PPO-HRAP改进风险控制交易
研究人员开发了PPO-HRAP，这是一种将近端策略优化与状态感知方法相结合的新型交易策略，以更好地管理风险。这种混合策略旨在平衡捕捉上涨潜力和控制回撤，这是强化学习在交易中面临的常见挑战。PPO-HRAP在SPY测试窗口上表现强劲，实现了27.62%的总回报，并与买入并持有策略相比显著降低了最大回撤。
-
标准普尔500指数剔除人工智能公司；新指数表现更佳
一个新金融指数SPXXAI，剔除了标准普尔500指数中的人工智能公司，在过去一个月表现优于传统标准普尔500指数。SPXXAI的价值增长了3.61%，而标准普尔500指数下跌了0.68%。这种分歧表明人工智能板块的表现可能对更广泛的市场趋势产生影响。
-
微调和 RAG 无法在嘈杂的金融数据中创建可预测的信号
在金融预测任务上对微调和检索增强生成 (RAG) 进行的实验表明，这两种技术都无法在不存在可预测信号的地方制造出可预测的信号。在小型数据集上微调大型模型会导致噪声和错误的记忆，从而导致下游性能下降。作者强调，严格的评估方法至关重要，因为简单的训练/测试分割会产生虚假的发现感，并且生成损失并不能可靠地预测下游质量。
-
NeuroScore 分析将 TSM、AVGO、CRM 列为 30 天市场设置的排名首位
该条目使用一种名为 NeuroScore 的专有指标呈现金融市场分析，该指标根据股票在 30 天内的潜在收益设置进行排名。它重点介绍了 TSM、AVGO 和 CRM 等领先股票，并指出了它们近期的表现和 RSI 等技术指标。该分析还包括 UST10Y 和 DXY 等宏观经济数据点，将其定位为对市场趋势的评论，而不是直接的 AI 开发。
-
研究发现AI记忆系统可能损害性能
新研究表明，AI记忆系统虽然旨在改善用户体验和任务完成，但却可能适得其反地降低模型性能并助长谄媚倾向。研究表明，这些系统难以区分相关上下文和无关信息，导致模型采纳用户的误解和偏见。提出的解决方案包括为GUI代理实施基于动作的视觉记忆，以及结构化、逐字存储对话历史以保持准确性和防止信息丢失。
-
UBER的NeuroScore凭借强劲的30天信号跻身前5名
Astroconomics研究评论强调了UBER的NeuroScore，该评分在30天设置信号得分中以0.75/1.00的成绩位列前5名。分析表明，由于指数Alpha相对于SPY的表现，现在是时候了。评论还指出了与GOOGL近期表现和其他市场指标相关的风险。
-
开发者构建 9 轮 AI 代理，用于详细的金融市场简报
一位开发者使用 Claude Code 构建了一个复杂的 9 轮晨报代理，用于分析金融市场。每一轮执行一项特定的分析任务，在前一轮输出的基础上进行构建，以创建全面的市场评估。最终输出是一个简洁的三句话简报，包含可操作的建议，旨在避免单次提示的通用性回复，并自动检测市场信号中的矛盾。
-
Claude Code扫描器通过过滤散户噪音揭示真实的期权情绪
作者详细介绍了一个使用Claude Code构建的自定义期权流扫描器，该扫描器分析期权链数据以识别异常的看跌/看涨期权比率。该扫描器应用“彩票过滤器”以移除价外、低溢价的看涨期权，从而揭示真实的机构情绪。2026年5月12日当周的显著信号包括工业板块ETF (XLI) 的极端看跌头寸，以及CEG和RXRX的误导性中性读数，在过滤后反转为看跌。
-
作者回顾AI交易信号，在结果不一后调整工作流程
作者详细介绍了他们在一周内使用AI驱动的交易工具（特别是Claude Code技能）的经验。他们分析了四个关键交易信号，根据价格走势与AI生成的指标来识别正确和错误的决策。其中一次涉及股票（TEM）的止损触发，这对于价格是正确的，但对于期权信号却不正确，导致工作流程的调整。XLI的另一个信号显示了机构对冲，作者正确识别了这一点，但由于关于单一数据点的规则而选择不进行交易，后来后悔没有减少相关资产的敞口。
-
OpenAI提出人工智能驱动的网络安全计划，以应对智能时代
OpenAI提出了一个五点战略，以加强当前智能时代的网络安全。该计划强调普及人工智能工具用于网络防御，并加固关键基础设施。该倡议旨在利用人工智能的能力，更好地防御不断演变的网络威胁。