openInvest

---

什么是 OpenInvest？

OpenInvest 是一款专为现代 AI Agent 打造的可自托管投资决策引擎。

它提供可验证的投资委员会、基于证据的推理、长周期回测以及可审计的决策记录。OpenInvest 并非用于取代 Claude Code、Codex、Hermes 或 OpenClaw，而是旨在为它们提供支持。

---

实时表现与盈亏

• 基准投资组合：系统引入了 8 个标准对照基准，涵盖 4 个象限（AI 顾问 / 共同基金 / 财富管理 / 大盘指数）。有关比较方法和数据清洗逻辑的详情，请参阅 docs/wiki/README.md。

---

研究与证伪

系统自我披露：本系统是用于消除人类投资认知偏差并强制推理透明度的审计工具，而非放大收益的黑箱。最新自动化审计（docs/verdict_accuracy.md）：方向性判定（不包括 HOLD）的真实命中率为 42.2%（n=56，低于随机水平）；HOLD 占全部决策的 56%。系统的价值在于透明度和纪律性（大多保持不操作、低换手率），而非方向预测。详细日志流见 docs/verdict_accuracy.md。

本项目系统性地尝试证伪自身优势，并如实公布负面结果。委员会读取的确定性特征及其相关时机信号，均依据预注册的统计门槛进行测试——没有任何一项经受住检验，成为可交易的 Alpha。

测试	结果	判定
Q1 截面选股	6 个特征，平均 IC 为 0.025–0.067，Holm 校正后 p=0.397	无显著选股信号
M1 多变量 GBM（样本外）	平均样本外 IC +0.003，p=0.925	特征组合也没有帮助——无信号
Q2 黄金 MA200 趋势	p_holm=0.016，显著——但 trend_dca 表明这是 Beta，而非可交易 Alpha：择时终值为 3.07，而买入并持有为 15.10，夏普比率为 +0.36，而买入并持有为 +0.68，最大回撤更深（−57% 对比 −44%）	统计显著，但经济上不可交易
单资产多信号系列	3 个资产 × 4 个信号系列 × 参数网格 = 每个资产 24 个变体；计入成本并经 DSR 折减后，没有任何一个通过 DSR > 0.95	所有系列均无可交易信号
正向对照	使用作弊式完美先知择时信号，得分为 DSR = 1.00	测试框架能够检测真实信号

方法：Newey-West HAC t 统计量、Deflated Sharpe Ratio（Bailey & López de Prado 2014，逐方程重新推导）、Holm 校正、零前视偏差，以及 LLM 训练截止时间探测。

详情：experiments/signal-eval/README.md · docs/verdict_accuracy.md · ADR-022 · ADR-023

---

产品理念

大多数 AI 投资助手都试图成为更好的聊天机器人。OpenInvest 则构建透明、可验证、可审计的决策引擎，并将其接入 Claude Code、Codex、Hermes 和 OpenClaw 等个人 Agent——这些 Agent 的每一次改进，都会自动提升 OpenInvest 的能力。

我们有意明确分工：你的 Agent 负责长期记忆、自然对话和理解用户；OpenInvest 负责可验证的投资委员会、基于证据的推理、长周期回测，以及可审计的决策记录。

                   User
                     │
         ┌───────────┴───────────┐
         ▼                       ▼
    Your Agent             OpenInvest
(User Understanding)   (Market Understanding)
         │                       │
         └───────────┬───────────┘
                     ▼
            Better Investment Decisions

你的 Agent 了解你。OpenInvest 了解投资。

避免归用户所有

OpenInvest 有意避免“拥有”用户。大多数 AI 产品都试图包办一切——记忆、人格、聊天记录和工作区。OpenInvest 则退居幕后。它提供简洁的 API、CLI 命令和 Agent 技能（Claude Code / Codex / Hermes / OpenClaw），让你的主 Agent 管理对话和上下文，而 OpenInvest 为其提供底层投资智能。

---

功能

• 多 Agent 投资委员会：独立分析，并通过多轮反驳展开辩论。
• 协调者-工作者架构：防止上下文污染和角色幻觉。
• 信息隔离：严格限制量化分析师和风险分析师访问越界上下文。
• 可审计的决策轨迹：清晰记录，准确展示每项决策的“原因”。
• 以 Markdown 为数据库：以 Frontmatter（YAML）+ Markdown（正文）作为唯一真实来源。
• 长期回测：内置测试工具，并提供防止前视偏差的保护机制。
• 基于梦境的记忆整合：每晚提炼记忆，防止上下文漂移。
• 可自托管 / 零成本：直接利用本地 Agent 的推理资源。
• Agent 技能：适用于 Claude Code / Codex / Hermes / OpenClaw 的轻量级插件，配有交互式引导向导。
• 自动部署：通过 GitHub Actions 工作流运行委员会并每日发送报告。

---

快速开始

1. 集成到你的 Agent（推荐）

从 Agent 的插件注册表添加轻量级技能。宿主 Agent 首次运行时会自动拉取核心代码并对齐依赖：

# Claude Code
/plugin marketplace add longsizhuo/openInvest
/plugin install invest@openinvest

# Codex
codex plugin marketplace add longsizhuo/openInvest
codex plugin add invest@openinvest

# Hermes Agent (official plugin catalog)
hermes plugins install openinvest --enable
# older Hermes without the catalog: hermes plugins install longsizhuo/openInvest/plugin --enable

# OpenClaw
openclaw plugins install clawhub:openinvest

其他 MCP 客户端：注册下方第 2 步中的 MCP 服务（完整指南见Agent 教程）。

2. 独立运行——MCP 服务或 CLI（无需克隆）

后端发布在 PyPI 上；~/openInvest 仅用于存放你的数据：

# MCP (any MCP client; add --http for a remote streamable-HTTP server — BETA)
claude mcp add openinvest -e INVEST_HOME=~/openInvest -- uvx openinvest-mcp

# or plain CLI
INVEST_HOME=~/openInvest uvx openinvest status

向任何启用了技能的 AI 终端发送 set up invest（或 帮我初始化 invest）。系统将启动交互式引导向导，指导你完成以下操作：

1. 检测 memory/ 状态存储路径和 .env 配置。
2. 进行 5 维度画像（法定姓名、风险承受能力、债务结构、初始持仓和可选密钥）。
3. 运行静态数据迁移，立即生成你的第一份资产敞口备忘录。

💡 零成本运行：在技能交互模式下，委员会的底层推理完全依赖宿主 Agent（例如 Claude Code）的推理流程。不会消耗第三方 API Key。只有在设置自动定时任务或调用独立 Web API 时，才需要配置 API 密钥。

有关自托管的详情，请参阅 docs/QUICK_START.md。（捆绑的 Web GUI 已于 2026-07-05 停用——所有功能均通过 CLI/MCP 提供；未来可能会重新推出独立前端。）

3. 无服务器自托管（GitHub Actions）

通过 GitHub Actions 自动运行委员会并接收每日摘要邮件。

⚠️ Fork 必须设为 Private：状态文件（持仓、判定结果）会提交回你的 fork。公开 fork 会泄露你的私人财务信息。

1. Fork 此仓库并将其可见性改为Private（Settings -> Visibility）。
2. 在本地运行 set up invest 以生成初始 memory/ 文件夹，然后将其提交并推送到你的私有 fork：

   git add -f memory/ && git commit -m "chore: init memory state" && git push
   

3. 在 fork 的 Settings -> Secrets and variables -> Actions 中，添加以下 Secrets：
   • LLM_API_KEY（或 DEEPSEEK_API_KEY）：运行委员会所需的 API 密钥。
   • EMAIL_SENDER / EMAIL_PASSWORD：Gmail 地址 + 应用专用密码。
   • DIGEST_EMAIL_TO：收件人邮箱地址。
4. 在 Actions 选项卡下启用工作流。工作流每天上午 10:00（北京时间）自动运行；你也可以通过 Run workflow 手动触发 daily-report。

---

架构与多 Agent 编排

openInvest 不会在单个 LLM 会话中模拟辩论。系统在 core/committee/ 层强制执行信息隔离契约，在有向无环图（DAG）中编排 4 个独立的 LLM 进程：

                [ Macro Data Injection ]
                           │
                 ▼ 1. Macro Alignment Context
             ┌──────────────────────────┐
             │    Macro Strategist      │ (VIX / Interest rate spread / Currency momentum)
             └─────────────┬────────────┘
                           │
                 ▼ 2. Async Multi-Dimensional Scrutiny (Async DAG)
             ┌─────────────┴────────────┐
             ▼                          ▼
   ┌──────────────────┐        ┌──────────────────┐
   │  Quant Analyst   │        │   Risk Officer   │
   │ (RSI / Momentum) │        │ (Concentration)  │
   │                  │        │                  │
   │ 🛑 No Holdings   │        │ 🛑 No Indicators │
   └─────────┬────────┘        └─────────┬────────┘
             │                           │
             └─────────────┬─────────────┘
                           │
             ▼ 3. Round 2 Rebuttal & Cross-Challenge
             │ Mutual feedback loop for signal correction
             ▼
   ┌──────────────────────────────────────────────┐
   │         Chief Investment Officer (CIO)       │
   └───────────────────────┬──────────────────────┘
                           │
             ▼ 4. Deterministic State Persistence
          [ BUY / ACCUMULATE / HOLD / TRIM / SELL ]

1. 宏观策略师：评估全球宏观形势（VIX、收益率曲线利差、核心货币矩阵），以确定投资组合的风险阈值。
2. 量化分析师：纯粹依据数学动量和技术指标进行筛选。严格禁止其了解投资组合持仓，以消除人类依恋和损失厌恶偏差。
3. 风险官：全程关注尾部风险（回撤缓冲、集中度限制、偿付能力乘数）。严格禁止其了解技术指标，以便客观地裁定资产敞口。
4. 第 2 轮反驳：在第 2 轮中，量化分析师和风险分析师会收到对方第 1 轮的报告，并相互质疑判断边界，直至信号趋于一致或触发安全机制。
5. CIO（首席投资官）：综合经过审计的报告，并输出带有置信度的结构化 Verdict（BUY / ACCUMULATE / HOLD / TRIM / SELL）。不会自动执行订单；最终操作严格由人工审计员决定。

这套设计背后的关键权衡记录在 docs/wiki/adr/ 中的 ADR 里（截至目前共 24 项），其中包括推翻早期设计的裁定——ADR-007 弃用了 CIO 的少样本方案，ADR-009 则在预注册实验后否决了 TA 风格的分析师 Agent。

---

核心设计

• 协调器-工作器模式：工作器在隔离的命名空间中运行。Python 在框架层硬编码边界约束，以防止大型多角色提示词造成注意力污染。
• Markdown 即数据库：系统使用 Frontmatter（YAML）+ Markdown（正文）作为唯一事实来源。借助 fcntl.flock 进程文件锁和临时原子文件替换，系统可原生提供由 Git 跟踪、防篡改的投资审计轨迹。
• 三阶段梦境整合：每晚根据实际市场结果提炼当天的决策（浅睡 $\rightarrow$ REM $\rightarrow$ 深睡），以整合长期洞见，防止大语言模型（LLM）的上下文在长时间执行过程中发生漂移。

---

配置

系统默认使用 DeepSeek 端点，并支持任何标准的 OpenAI 兼容 API。LLM 提供商设置以及所有可调整的运行时覆盖项（ADR-017）记录在 docs/wiki/22-configuration.md 中。

---

免责声明与回测局限

1. 非财务建议：本系统是由 LLM 驱动的决策支持工具。输出备忘录仅代表基于确定性数据的模拟推理，不构成资产配置建议。
2. 回测时间锁与前视防护：回测引擎（scripts/backtest_runner.py）内置了安全机制：默认拒绝 decision_date > 2024-06-30 的回测（可通过 --allow-lookahead 覆盖）。由于主流基础模型的训练截止日期在 2024 年年中左右，在之后的时间段进行回测会引入严重的前视偏差（模型预训练数据泄漏）。参数调优、Optuna 扫描和提示词优化必须严格使用 2024 年 6 月 30 日之前的历史时间窗口。

---

致谢

• Equibles — A 股和香港财务报表的可选数据提供商；当 Yahoo Finance 无法访问时，也可作为每日价格的备用来源。Yahoo Finance 仍是默认选项；设置你自己的免费 EQUIBLES_API_KEY 即可启用（配置说明）。
• MiMo — 特别感谢 MiMo Quantitative Lab 赞助生产级高性能大模型推理（为 mimo-v2.5-pro 长周期扫描提供支持）。
• OpenClaw Dreaming Guide — 三阶段睡眠周期记忆提炼框架的理论基础。

---

许可证

本项目采用 MIT 许可证授权，详情请参阅 LICENSE 文件。