金融与量化背景 · 独立 AI 产品构建者

我把复杂金融决策，I turn complex financial decisions 做成可理解的产品。into understandable products.

数据、计算、AI 解释 —— 最后交还给人。

查看正在内测的产品阅读我的方法

DATA

NVDA · CALLS 07/17IV Δ

100 4.35 / 4.4541% .62

103 2.60 / 2.7039% .45

107 1.15 / 1.2238% .27

DETERMINISTIC ENGINE

Bull Call Spread ×1

$300MAX LOSS

$700MAX GAIN

63%POP

$103BREAKEVEN

RISK BUDGET $300 / $500

AI EXPLAINS

PoP 约 63%，最大亏损锁定在 $300。要不要先用模拟资金试一次？

最终决定，由人做出 HUMAN DECIDES

01产品哲学

OPERATING PRINCIPLE

数据负责事实，确定性引擎负责计算，AI 负责理解与解释，人负责最终决定。 Data provides the facts. Deterministic engines do the calculation. AI explains. Humans make the final decision.

AI 不替人做决定 —— 它帮助人看清楚自己在决定什么。

02正在内测

NOW TESTING

QVeris Options

在一屏之内，看懂期权策略、风险收益结构与模拟交易结果。

0高期权流动性美股

0ETF

0策略教育条目

OPTIONS.QVERIS.CLOUD ↗

FIG. 02 — PAYOFF AT EXPIRY · BULL CALL SPREAD ENGINE

确定性引擎输出 —— 每一个数字都可验证。

仅作教育参考，不构成投资建议。

03项目体系

这些项目不是散落的 Demo，而是对同一个问题的持续探索：AI 应该如何参与高风险、高信息密度的金融决策，而不夺走人最后的决定权。

DATA & TOOLS IBKR Options Assistant
实时行情、期权链、组合 Greeks 与风险模拟的工具层。
DECISION SYSTEM TradeMind Agent
带记忆与 Guardrail 的期权分析 Agent —— 从不自动下单。
RESEARCH QVeris Earnings
每个财报事件背后的研究台 —— 证据契约：不虚构数字，缺失数据必须披露。
RESEARCH Ghost Monitor
在市场定价前，从新闻叙事中识别 AI 算力链的风险信号，并用收盘表现回验。
USER PRODUCT QVeris Options
面向真实用户的期权理解与模拟交易产品。

STDOUT · JSON

{ "strike": 103,
  "bid": 2.60, "ask": 2.70,
  "iv": 0.39, "delta": 0.45 }

SCRIPT SUITE

Option chain + Greeks
P&L & premium-adj. cost basis
Risk simulator
Wheel tracker

END-OF-DAY REPORT

portfolio Δ +0.12  Θ −38
⚠ earnings: NVDA in 3d

TRADING GATED — FLAG + CONFIRM

GUARDRAIL · PRE-TRADE

IV percentile — pass
Portfolio delta — pass
FOMO check — pass
Earnings in 3d — blocked

REQUIRES HUMAN CONFIRM

MARKET COCKPIT

SPY +0.4%   QQQ +0.7%
SMH −1.2%   VIX 17.8
10Y 4.21%   DXY 104.2

AUTONOMOUS SCHEDULE

08:30 premarket brief
Intraday monitor
Daily + weekly review

MEMORY · SQLITE

Thesis #142 saved

3 RULES ACTIVE

NEVER AUTO-TRADES

EVIDENCE CONTRACT

No invented numbers
Missing data disclosed
Research only

RESEARCH RUN

gather capabilities
→ validate conflicts
→ audit-ready brief

DAILY BRIEF

NVDA Q2 — reads in 3 min

SHAREABLE · API-CALLABLE

DEVELOPERS

GET /api/brief/NVDA → 200

NEXT 45 DAYS — 12 EVENTS

GHOST SCORE · ALERT

92KEY NARRATIVE

Cloud vendors explore reselling surplus AI compute

SUPPLY CHAIN MAP · 8 LAYERS

chips → memory → cloud
→ power → foundry → ETFs

T+0 REACTION

NVDA −2.8% · SMCI −3.1%

BACK-CHECKED AT CLOSE

TIERED AUTO-CAPTURE

STRATEGY GUIDES

63PAYOFF · GREEKS · RISK

PAPER PORTFOLIO

equity        $10,240
buying power  $6,900

UNREALIZED P&L+$120

AI BRIEF

"Compare this with a covered call?"

RISK PROFILE

budget $500 · beginner
assignment: avoid

HUMAN PLACES EVERY ORDER

04我如何构建

alex@lab — build_method RUNNING

01ORIGIN

从自己的真实问题开始。

每个产品都源于我自己交易和研究时的真实痛点。
02BOUNDARY

先定义决策边界，再设计 Agent。

什么必须由人决定、什么允许 AI 参与，先画清楚这条线。
03VERIFY

让数字可验证，让解释可被人使用。

计算交给确定性引擎，模型只负责解释。
04SHIP & ITERATE

快速做出产品，用真实用户修正判断。

与 Codex、Claude Code 协作构建 —— 从想法到部署以天计。

05背景

这些经历解释了上面那套方法从哪里来。

2021–25清华大学经济管理学院 · 经济与金融学士
2023UC Berkeley 交换 · 计量、时间序列、机器学习与金融工程
2023–24量化与投资经历 · 国泰君安 / 华西证券 / 旭医资本
2025–香港大学 · 金融硕士
2026CFA Level I 通过

06联系

如果你也在探索 AI 如何参与高风险、高信息密度的决策，我们应该聊聊。 If you're also exploring how AI should take part in high-stakes, information-dense decisions — we should talk.

EMAIL ↗ GITHUB ↗ QVERIS OPTIONS ↗