Linvest Capital 是一个美股投资分析框架，把投资决策拆成 4 个递进的步骤（层），就像看病的流程：
先体检（L1 宏观） → 看经济大环境好不好
再估值（L2 估值） → 看股市整体贵不贵
定配比（L3 配置） → 决定股票/债券/商品各放多少钱
选个股（L4 选股） → 在该买的行业里挑具体公司
第一步：体检报告 L1 宏观
比喻：每年体检的血常规、血压、血糖。这些数字告诉你身体大致状况。
L1 监测 20 项宏观经济指标（GDP、CPI、失业率、利率、VIX 等），判断当前经济处于"健康/亚健康/生病"哪个阶段。
怎么用：看 L1 面板的"周期定位"标签——绿色"扩张"=经济在增长，黄色"放缓"=增速下降，红色"衰退"=经济在萎缩。这决定你后续该激进还是保守。
第二步：体检报告解读 L2 估值
比喻：体检报告出来了，医生说"你的胆固醇偏高"。但偏高多少？和同龄人比呢？严重吗？
L2 把 L1 的宏观环境转化为"股市贵不贵"的判断。用巴菲特指标、CAPE、ERP 等指标，告诉你当前股市处于历史百分位的什么位置。
怎么用：看百分位标签——"92%"意味着当前估值比历史上 92% 的时间都高（很贵），"15%"意味着比 85% 的时间都便宜。百分位越高 = 越贵 = 越该谨慎。
第三步：治疗方案 L3 配置
比喻：根据体检结果，医生建议"少吃肉、多运动、补充维生素"。这就是分配——各品类各占多少。
L3 综合前两层的信号，用数学模型计算出最优的资产配比。比如"经济放缓+股市偏贵"→ 减少股票、增加债券和现金。
怎么用：调整 L3 的滑块或切换情景预设（软着陆/衰退/加息），看饼图变化。行业配置表告诉你哪个行业该多买（超配）、哪个该少买（低配）。
第四步：精准用药 L4 选股
比喻：知道了要"补充维生素"，但吃哪个牌子的？吃多少？有没有副作用？
L4 在 L3 确定的行业方向内，用 150+ 基本面指标逐只分析个股，计算 DCF 内在价值，生成投资逻辑和风险评分。
怎么用：在 L4 输入股票代码（如 AAPL），系统自动拉取基本面数据，8 个维度分析后给出"看多/看空"评级和理由。
举个完整例子，假设今天是 2026 年 8 月：
L1 说：ISM 53.3（扩张）但 CPI 3.5%（偏高）→ "扩张末期"
L2 说：Forward P/E 22.5x（92%分位，很贵），ERP 0.0%（股不如债）→ "极度偏贵"
L3 说：均衡偏防御 50/35/10/5，超配金融+能源+医疗，低配科技+房地产
L4 说：在金融行业里选 XLF 成分股，用 FinanceToolkit 筛选低 P/E+高 ROE+强现金流的
核心逻辑：L1→L2→L3→L4 是一条信号链，上层给方向，下层做执行。不是每层独立决策，而是层层传导。
你从网上找到的 4 个 API，我逐个评估了在 Linvest Capital 项目中的适用性。结论：目前不需要新增，现有工具链已经覆盖需求。但 TickDB 值得关注。
1. Alpha Vantage 已在用 ✅
免费 25 次/天，覆盖美股报价、基本面、50+ 技术指标。已在 Hub 持仓追踪和 L4 个股分析中集成。
✅ 已集成 / 免费 / 支持 MCP（AI 可直接调用）
❌ 25 次/天太少 / 实时数据需付费 / 无 WebSocket
当前角色：Hub 持仓实时报价 + L4 补充数据。已有 API Key: 2Q2Z11BM4D3OT14O。维持现状即可。
2. stocks.auto (stock-api npm 包) 不建议 ⚠️
Node.js 包，聚合腾讯/新浪/东方财富的行情数据。支持 A股/港股/美股。零依赖、免费、无需 API Key。
✅ 完全免费 / 无需注册 / 支持 A股+港股+美股 / 有 MCP 版本
❌ 数据源是中文金融网站，美股数据有延迟 / 不是 Python 生态 / 无基本面数据（只有行情+K线）/ 数据质量和稳定性不如专业源
结论：不适合。Linvest Capital 是美股框架，已有 yfinance（免费无限）覆盖行情数据，质量更可靠。stocks.auto 的优势在 A股/港股，如果你未来要做 A股框架可以考虑。
3. pysnowball (雪球逆向 API) 不建议 ⚠️
Python 库，逆向工程雪球 APP 的内部 API。需手动从浏览器 Cookie 提取 token。主要覆盖 A股数据。
✅ 免费 / 数据丰富（A股行情+财务+资金流向）/ Python 生态
❌ 非官方 API，随时可能失效 / Token 7-30 天过期需手动更新 / 主要服务 A股非美股 / 有法律风险（逆向工程）/ 雪球可能封 IP
结论：不适合。非官方逆向 API 不稳定且有风险。Linvest Capital 需要可靠的美股数据源，FinanceToolkit + FMP 已经覆盖基本面，yfinance 覆盖行情。不推荐引入不稳定依赖。
4. TickDB 值得关注 🤔
专业实时行情 API，覆盖美股/港股/A股/外汇/加密/指数。支持 REST + WebSocket 实时推送。有 AI 原生接入（MCP/Skill/CLI）。
✅ 一个 API 覆盖 6 大市场 / WebSocket 毫秒级推送 / AI 原生（MCP 直接对接 Claude/Cursor）/ 跨市场对比能力强
❌ 免费版只有 7 天试用 + 72 个品种 / 付费 $79-899/月 / 用 USDT 付款（国内不方便）/ 目前项目不需要实时 tick 级数据
结论：当前不需要，未来可选。Linvest Capital 是日级/周级分析框架，不需要毫秒级实时数据。但如果未来你想做"实时持仓监控+自动预警"，TickDB 的 MCP 接入方式（直接在 AI 对话中查行情）会很方便。建议等免费额度扩大或有明确实时需求时再考虑。
| 数据源 | 免费额度 | 美股基本面 | 实时行情 | 已在用 |
|---|
| FRED API | 无限 | 宏观数据 | — | ✅ |
| yfinance | 无限 | 基础 | 15分钟延迟 | ✅ |
| FinanceToolkit | FMP 250/天 | 150+比率(最全) | — | ✅ |
| Alpha Vantage | 25/天 | 一般 | 付费实时 | ✅ |
| stocks.auto | 无限 | 无 | 有延迟 | — |
| pysnowball | 免费 | A股为主 | — | — |
| TickDB | 7天试用 | 无 | 毫秒级 | — |
总结：不需要新增任何 API。现有 FRED（无限）+ yfinance（无限）+ FMP（250/天）+ AV（25/天）已经完全覆盖框架需求。如果未来需要实时 tick 数据或跨市场（A股/港股）扩展，再考虑 TickDB。
GDP（国内生产总值） L1
比喻：一个国家的"年度工资条"。GDP 涨了 = 国家赚得更多了。
一个国家一年生产的所有商品和服务的总价值。按季度公布。正增长=经济在扩张，负增长=经济在萎缩。连续两个季度负增长 = 技术性衰退。
怎么看：当前 Q2 GDP 1.5%（年化），意思是经济还在增长但速度放缓。Q3 GDPNow 预测 5.0%（亚特兰大联储实时预测），说明三季度可能加速。2% 以上算正常，0-2% 算放缓，负数算衰退。
>3% 强劲1-3% 正常<0% 衰退
CPI（消费者价格指数） L1
比喻：超市购物车价格。去年买一车东西 100 块，今年要 103.5 块，CPI 就是 +3.5%。
衡量日常消费品价格变化的指标，是最常用的通胀指标。CPI 涨太快=钱不值钱了=美联储要加息压制。核心 CPI（去掉食品和能源）更能反映长期趋势。
怎么看：当前 CPI 3.5%，核心 CPI 2.6%。美联储目标是 2%。3.5% 还偏高，但比之前降了，所以市场认为加息接近尾声。如果 CPI 持续下降到 2-3%，对股市利好。
2% 理想3-4% 偏高>5% 危险
PCE / 核心 PCE L1
比喻：CPI 是"超市版"通胀，PCE 是"全口径版"通胀。美联储更看 PCE。
个人消费支出物价指数。比 CPI 覆盖面更广，权重会自动调整。核心 PCE（去掉食品和能源）是美联储最看重的通胀指标。
怎么看：当前 PCE 3.7%，核心 PCE 3.3%（在降）。核心 PCE 持续下降 = 加息周期接近结束 = 利好股市。
<2% 达标2-3% 接近>3.5% 偏高
联邦基金利率 L1
比喻：资金的"批发价"。利率高=借钱贵=企业扩张慢=股市承压。
美联储设定的基准利率，所有贷款利率的"锚"。加息=收紧流动性=压通胀但伤经济；降息=放水=刺激经济但可能引发通胀。
怎么看：当前 3.63%。看趋势比看绝对值重要——如果利率在升（加息周期），股市通常承压；如果在降（降息周期），股市通常上涨；如果维持不变，市场会看其他数据判断方向。
降息中→利好股市维持→看数据加息中→利空股市
ISM 制造业 PMI L1
比喻：制造业的"体温计"。50 度是正常体温，超过 50 = 发热（扩张），低于 50 = 受凉（收缩）。
采购经理人指数。对制造业企业高管做问卷调查，综合生产、新订单、就业等指标。50 是荣枯线——以上代表行业扩张，以下代表收缩。
怎么看：当前 53.3，连续 6 个月在 50 以上。这意味着制造业在复苏扩张，是经济向好的信号。如果跌破 50，就要警惕制造业衰退风险。
>52 强劲扩张50-52 温和扩张<50 收缩
失业率 L1
比喻：经济体的"健康指标"。太低（<3.5%）反而不健康——企业招不到人，工资涨太快推升通胀。
劳动人口中没有工作的比例。NAIRU（非加速通胀失业率）约 4.0%，是"自然失业率"。
怎么看：当前 4.2%，略高于 NAIRU。4-4.5% 是"金发姑娘"区间（不太热也不太冷）。如果急升至 5%+，可能预示衰退。
<3.5% 过热4-4.5% 健康>5% 衰退信号
VIX 恐慌指数 L1
比喻：市场的"血压计"。VIX 低=大家情绪稳定，VIX 高=市场在恐慌。
基于期权价格计算的隐含波动率指数。反映市场对未来 30 天波动的预期。也叫"恐慌指数"。
怎么看：当前 ~17。低 VIX 不一定是好事——可能意味着市场自满、忽视了风险。高 VIX（>30）通常对应市场底部（恐慌到了极点反而该买）。VIX 飙升时往往是短期抄底机会。
<20 平静20-30 波动>30 恐慌
10 年期国债收益率 L1
比喻：无风险投资的"基准回报率"。10 年期国债是"最安全的投资"，它的收益率是所有资产定价的参照系。
美国政府借 10 年钱的利率。收益率上升=市场预期加息或通胀→股市估值承压（特别是成长股）。
怎么看：当前 4.73%。4.5% 以上偏高，对股市不利（因为债券这么安全都有 4.73% 回报，何必冒险买股票？）。7 月飙升 30bp 是市场对通胀和地缘风险的反应。
<3.5% 宽松3.5-4.5% 中性>4.5% 偏紧
收益率曲线（10Y - 2Y 利差） L1
比喻：借短期钱和借长期钱的利率差。正常情况长期>短期（你借别人钱越久，对方要的利息越多）。如果反过来（短期>长期），叫"倒挂"——这是经济衰退最可靠的预警信号。
10 年期减 2 年期国债收益率的差值。正值=正常，负值=倒挂（衰退预警）。
怎么看：当前 +44bp（正常，未倒挂）。2023-2024 年曾长期倒挂，2026 年已恢复正常。曲线恢复正常是经济"软着陆"的积极信号。
>+50bp 正常0~50bp 扁平<0 倒挂(衰退预警)
GDPNow L1
比喻：GDP 的"实时天气预报"。官方 GDP 一个季度才出一次，GDPNow 每天更新预测。
亚特兰大联储开发的实时 GDP 预测模型。每周根据最新公布的经济数据（就业、零售、制造业等）自动调整预测值。
怎么看：当前预测 Q3 GDP 5.0%。如果 GDPNow 持续上调=经济比预期好；持续下调=经济在走弱。它是市场最关注的实时经济指标之一。
美元指数 DXY L1
比喻：美元的"汇率成绩单"。DXY 涨=美元升值，你的美股换回人民币会多赚一点（汇率收益）。
美元对一篮子货币（欧元、日元、英镑等）的加权汇率指数。
怎么看：当前 99.8。美元走弱（DXY 下降）通常利好美股——因为跨国公司的海外收入换算成美元会变多。美元走强则相反。
消费者信心指数 L1
比喻：消费者的"心情天气预报"。心情好→多花钱→企业多赚钱→股市涨。
密歇根大学消费者信心指数。对 500 户家庭做调查，反映消费者对经济和就业的看法。美国消费占 GDP 70%，所以这个指标很重要。
怎么看：当前 45，远低于正常的 80。这其实是一个矛盾信号——就业还在增长、ISM 在扩张，但消费者信心很低。这通常和通胀感有关（东西贵了，虽然就业好但实际购买力下降）。
巴菲特指标（Buffett Indicator） L2
比喻：巴菲特最喜欢的"股市温度计"。把所有上市公司的市值加起来，除以国家的 GDP。就像看"一个国家所有公司的总身价"占"国家一年总收入"的比例。
威尔夏 5000 总市值 ÷ 美国 GDP。巴菲特说这是"衡量估值最好的单一指标"。逻辑很简单：股市市值不可能无限大于 GDP，比例太高说明股市泡沫。
怎么看：当前 188%，历史均值约 130%。188% 意味着股市总市值接近 GDP 的两倍，处于 93% 分位（比历史上 93% 的时间都贵）。
参考标准：
• <100%：低估，可以大胆买
• 100-130%：合理估值
• 130-160%：偏贵，谨慎
• >160%：极度高估，风险大
• >200%：泡沫区域
<130% 合理130-160% 偏贵>160% 极贵
Forward P/E（远期市盈率） L2
比喻：买一只股票回本要多少年。P/E = 20 意味着按当前利润，20 年回本。Forward P/E 用的是分析师预测的未来 12 个月利润，比看历史利润更前瞻。
股价 ÷ 未来 12 个月预期每股收益。是最常用的估值指标。
怎么看：当前 22.5x，5 年均值 19.8x，处于 92% 分位。22.5x 意味着按预期利润需要 22.5 年回本——偏高。
不同行业 P/E 差异很大：
• 银行/能源：8-15x（低 P/E 不一定便宜，可能利润不可持续）
• 科技成长股：25-40x（高 P/E 不一定贵，如果利润增速快）
• 大盘整体：15-20x 算合理
• >25x：需要很强的增长来支撑
<18x 便宜18-22x 合理>22x 偏贵
Shiller CAPE（周期调整市盈率） L2
比喻：Forward P/E 看未来 1 年，CAPE 看过去 10 年。就像体检不只看今天，还要看近 10 年的平均水平，这样更靠谱。
诺贝尔奖得主 Robert Shiller 发明。用过去 10 年的平均利润（通胀调整后）替代 1 年利润来算 P/E。平滑了经济周期波动，更反映长期估值水平。
怎么看：当前 33.2x，历史中位数 25.0x，88% 分位。CAPE >30 历史上只出现过 3 次：1929 大萧条前、2000 互联网泡沫前、2021 疫情后。不是说一定会崩，但说明长期回报预期应该降低。
<20x 低估20-30x 合理>30x 高估
ERP（股权风险溢价） L2
比喻：你买股票而不是买国债，多承担了风险，理应多得一点回报。这个"多得的回报"就是 ERP。如果 ERP 很低，说明承担风险不划算——不如直接买国债。
股票预期收益率减去无风险利率（10 年期国债）。衡量"承担股票风险值不值"的核心指标。
怎么看：当前 +0.0%，历史均值 +3.0%，5% 分位。0% 意味着买股票的预期回报和买国债一样——那何必冒险？这是 L2 最严重的警示信号。
ERP 低的根源是 10 年期国债收益率（4.73%）太高，把股票的"风险溢价"压缩了。ERP 回到 +2% 以上才算正常。
>+3% 股票有吸引力1-3% 中性<1% 股不如债
市场宽度（Market Breadth） L2
比喻：指数涨了，但是个别大盘股拉的还是所有股票都在涨？如果只有几只大盘股涨而多数股票跌，就像"一个人健康不代表全家健康"。
股价在 50 日均线以上的股票占比。反映上涨的广度。
怎么看：当前 42/100（58% 的股票在 50 日均线上方）。宽度低于 30% 通常对应市场底部（跌过头了），高于 80% 对应市场顶部（涨过头了）。42% 处于中性偏弱。
<30% 底部信号30-70% 正常>80% 顶部信号
Top10 集中度 L2
比喻：一个班 100 个学生，前 10 名占了总分的 36.5%。如果前 10 名发挥失常，全班平均分就垮了。
S&P 500 中市值最大的 10 只股票占总市值的比例。当前 36.5%（均值 25%），98% 分位。
怎么看：36.5% 意味着苹果、微软、英伟达等 10 只股票占了 S&P 500 的三分之一以上。集中度太高=少数股票决定指数走势=隐藏风险。如果这 10 只同时下跌，整个指数会大幅回调。
20-25% 分散25-32% 偏高>32% 极度集中
行业超配/低配 L2
比喻：医生说"多吃蔬菜少吃肉"。超配=多买，低配=少买，标配=正常比例。
相对于市场基准权重，主动增加或减少某个行业的配置比例。基于估值便宜+防御性+利率敏感度等因素判断。
怎么看：
• 超配（多买）：金融、能源、医疗、公用事业——估值便宜+防御性强
• 标配（正常）：必需消费、工业、原材料
• 低配（少买）：科技（太贵+集中度高）、房地产（利率敏感）、可选消费（消费走弱）
大类资产配置 L3
比喻：你的钱分成几份，放不同的篮子里。股票篮子赚得多但风险大，债券篮子赚得少但稳当，商品篮子抗通胀，现金篮子随时可用。
把资金按比例分配到股票、债券、商品、现金四大类。当前配置：50% 股票 / 35% 债券 / 10% 商品 / 5% 现金。
怎么调：Hub 页面有滑块可以拖动调整。也可以切换情景预设——"软着陆"50/35/10/5（均衡），"衰退"30/50/10/10（防御），"加息"20/55/10/15（极度防御）。年轻/风险承受高→多股票；年纪大/求稳→多债券。
HRP（层次风险平价） L3
比喻：分蛋糕不是按人数平分，而是按"谁更需要"分。风险大的资产少给点权重，风险小的多给点，让每块蛋糕的风险贡献相同。
Hierarchical Risk Parity。用机器学习中的层次聚类把资产分组，然后在组内和组间分配风险。比传统方法更稳健，不需要估计预期收益率。
怎么用：在 Python 引擎运行：python linvest_data_engine.py optimize "AAPL,MSFT,NVDA,GOOGL,AMZN" hrp。输出每个股票的最优权重百分比。推荐默认使用 HRP——它对参数不敏感，不容易出错。
Markowitz 均值-方差优化 L3
比喻：在"收益"和"风险"之间找最佳平衡点。像吃饭——太保守吃不饱（收益低），太激进吃撑了（风险高），找个刚好八分饱的点。
现代投资组合理论之父马科维茨的方法。给定一组资产，计算"最大夏普比率"组合——即每承担一单位风险获得最高回报的权重分配。
怎么用：python linvest_data_engine.py optimize "AAPL,MSFT,NVDA" markowitz。注意：Markowitz 对输入参数很敏感，有时会给出极端权重（如 100% 压一只股票），所以建议和 HRP 对比参考。
Black-Litterman 模型 L3
比喻：Markowitz 是"纯数学"算出来的，Black-Litterman 是"数学+人的观点"。你告诉模型"我觉得金融会涨、科技会跌"，模型就把你的观点和市场均衡融合，算出更合理的权重。
在市场均衡收益的基础上，加入投资者的主观观点（来自 L1 宏观和 L2 估值的信号），输出后验最优权重。是"把宏观判断转化为配置权重"的数学桥梁。
怎么用：python linvest_data_engine.py optimize "XLF,XLE,XLV,XLU,XLP" bl。L1/L2 的信号（如"金融超配、科技低配"）作为先验观点输入。这是框架的核心——把定性判断变成定量权重。
情景预案（Scenario Planning） L3
比喻：出门看天气预报。晴天带太阳镜（牛市方案），下雨带伞（熊市方案），阴天正常穿（基准方案）。提前准备好不同天气的应对方案。
基于 L1/L2 的分析，预设三种市场情景及其概率，每种情景对应不同的资产配置方案。
当前三种情景：
• 软着陆 60%：CPI 下降+利率见顶+GDP 维持→均衡配置 50/35/10/5
• 衰退 20%：就业恶化+油价暴涨→防御配置 30/50/10/10
• 加息重启 20%：通胀反弹→极度防御 20/55/10/15
概率会随 L1/L2 数据更新而调整。
风格因子（Value vs Growth） L3
比喻：价值型=买打折名牌（便宜的好公司），成长型=买潜力新股（贵但可能大涨）。当前建议"价值>成长"=多买打折的好公司。
价值因子（低 P/E、低 P/B、高股息）vs 成长因子（高收入增速、高利润增长）。不同宏观环境适合不同风格。
怎么看：当前建议"价值>成长+质量+低波动"。高利率环境下价值股通常跑赢成长股（因为成长股的未来利润折现值下降更多）。
P/E（市盈率） L4
比喻：花多少钱买 1 块钱的利润。P/E = 20 意味着你花 20 块买到了公司 1 块钱的年利润。
股价 ÷ 每股收益。最基础的估值指标。但不同行业差异大，需结合增速看（PEG = P/E ÷ 增速%）。
怎么看：P/E 低不一定是好事（可能利润在下降），P/E 高不一定是坏事（可能利润在快速增长）。用 PEG 更合理——PEG < 1 算便宜，> 2 算贵。
P/B（市净率） L4
比喻：花多少钱买 1 块钱的净资产。P/B = 3 意味着你花 3 块买了公司账面上值 1 块的资产。
股价 ÷ 每股净资产。适合评估银行、保险等资产密集型公司。科技公司净资产少（主要资产是人脑），P/B 通常很高。
怎么看：银行 P/B < 1 常见（市场认为资产质量有水分）；科技股 P/B > 10 正常。跨行业比较 P/B 没意义，同行业内比才有价值。
EV/EBITDA L4
比喻：P/E 的升级版。P/E 只看股权价值，EV/EBITDA 把债务也算进来，更全面。就像买房不只看首付，还要看贷款总额。
企业价值（市值+净负债）÷ 息税折旧摊销前利润。排除了资本结构（借不借钱）、税率、折旧政策的影响，跨公司可比性更强。
怎么看：EV/EBITDA < 8 算便宜，8-15 合理，> 20 偏贵。并购交易中最常用的估值指标——买方看 EV/EBITDA 决定出价。
ROE（净资产收益率） L4
比喻：股东每投 1 块钱，公司一年能赚多少。ROE = 20% 意味着投 100 块一年赚 20 块。
净利润 ÷ 净资产。巴菲特最看重的指标——"如果只能选一个指标看公司，我选 ROE"。
怎么看：ROE > 15% 算好公司，> 20% 算优秀，> 30% 算卓越。但要看持续性——连续 5 年 ROE > 15% 比某一年 30% 更有价值。也要警惕高杠杆撑起来的高 ROE（借了很多钱，净资产小，ROE 自然高）。
>20% 优秀10-20% 良好<10% 一般
DCF（现金流折现估值） L4
比喻：一只鸡未来 10 年能下多少蛋？把这些蛋按时间折算成今天的价值（因为今天的 1 块钱比明天的 1 块钱值钱），加上 10 年后鸡的残值，就是这只鸡今天的"内在价值"。
预测公司未来所有自由现金流，按一定折现率（通常是 WACC）折算成今天的现值。如果 DCV > 当前股价=被低估（该买），DCV < 股价=被高估（该卖）。
怎么看：L4 会自动计算 DCF 内在价值和当前股价对比。DCF 的关键是折现率假设——利率高时折现率高，算出来的内在价值低，所以加息对高估值股票打击最大。
注意：DCF 对假设极其敏感。增长率从 10% 改到 8%，结果可能差 30%。所以 DCF 要当参考，不要当圣经。配合 P/E、P/B 等相对估值一起看。
RSI（相对强弱指数） L4
比喻：股票的"超买/超卖温度计"。RSI > 70 = 买的人太多（超买，可能要回调）；RSI < 30 = 卖的人太多（超卖，可能要反弹）。
用过去一段时间（通常 14 天）的涨跌幅度计算的技术指标。0-100 之间。
怎么看：RSI > 70 超买（考虑减仓），< 30 超卖（考虑加仓）。但强势股 RSI 可以长期在 70 以上——所以 RSI 要结合趋势看，不要机械操作。
Sharpe Ratio（夏普比率） L4
比喻：投资回报的"性价比"。不是赚得多就好，还要看你承担了多少风险。夏普比率 = 每承担 1 单位风险获得多少超额回报。
（投资收益率 - 无风险利率）÷ 投资波动率。衡量风险调整后收益。
怎么看：
• > 1.0：不错
• > 2.0：优秀
• > 3.0：卓越（几乎不可能长期维持）
• < 0：还不如买国债
Hub 持仓追踪会自动计算你组合的夏普比率。
>1.0 好0.5-1.0 一般<0.5 差
Sortino Ratio（索提诺比率） L4
比喻：夏普比率的改良版。夏普把上涨和下跌波动都算风险，但上涨波动是好事啊！Sortino 只算下跌波动，更合理。
和夏普类似，但分母只用下行波动（亏损的方向）。对"大赚小亏"策略更公平。
怎么看：通常 Sortino > 夏普。Sortino > 1.5 算好，> 2.0 算优秀。如果 Sortino 远高于夏普，说明策略"赚的时候赚得多，亏的时候亏得少"——这是理想状态。
最大回撤（Max Drawdown） L4
比喻：从账户最高点到最低点跌了多少。如果你的账户从 100 万涨到 150 万，又跌到 120 万，最大回撤不是 -20 万，而是从 150 万的峰值跌到 120 万 = -20%。
从历史最高点到之后最低点的最大跌幅。衡量"最坏情况"。
怎么看：-20% 以内算正常波动，-20% 到 -40% 算较大回撤，> -40% 需要认真反思策略。最大回撤决定了你能不能"拿住"——如果回撤 50%，你心理上可能扛不住割肉了。
>-10% 优秀-10~-25% 正常<-25% 较大
VaR（在险价值）和 CVaR L4
比喻：VaR 回答"正常情况下最坏亏多少"，CVaR 回答"如果比 VaR 还糟，平均会亏多少"。
VaR(95%) = 95% 的交易日亏损不会超过这个值。比如 VaR = -3.5% 意味着 20 天里大概只有 1 天会亏超过 3.5%。CVaR 是超过 VaR 的那些天的平均亏损。
怎么看：VaR(95%) = -3.5% 意味着"正常情况下日亏损不会超过 3.5%"。CVaR(95%) = -5.2% 意味着"如果真超过了 VaR，平均会亏 5.2%"。CVaR 比 VaR 更重要——它衡量了"尾部风险"（极端情况）。
Beta 和 Alpha L4
比喻：Beta = 跟着大盘跑的能力（大盘涨 1% 你涨多少）。Alpha = 不靠大盘自己赚的能力（大盘不涨你也能赚的部分）。
Beta 衡量相对市场的波动敏感度。Alpha 衡量扣除市场因素后的超额收益。
怎么看：
• Beta = 1.0：和市场同步
• Beta > 1：比市场波动大（涨跌幅都更大）
• Beta < 1：比市场稳
• Beta < 0：和市场反向（极少）
• Alpha > 0：跑赢市场（好！）
• Alpha < 0：跑输市场（差！）
理想组合：低 Beta + 高 Alpha（不怎么跟着大盘波动还能赚超额收益）