信号清晰度
每日生成一个 TK Alpha 分数，范围为 -100 至 +100，用于反映策略对市场方向的判断强度及目标市场敞口。
正分表示做多敞口，负分表示做空敞口，接近 0 则表示空仓。
在所需的市场数据和因子数据全部可用后，Alpha 分数会于每个交易日重新计算一次。
搜索
今日交易信号
黄金现货
XAUUSD
Alpha 信号台
TK Alpha 信号台是由 TradingKey 开发的一项专有、每日更新的综合性指标，用于反映我们对特定金融工具的市场展望。该指标基于经过长期验证的 AI 框架，分析数百个专有的价格-成交量、基本面及另类数据因子。其数值范围为 -100 至 100：负值代表看跌（悲观）观点，正值代表看涨（乐观）观点。数值越远离 0，量化信号越强。该指标为市场方向预测提供量化洞察。
Alpha分数表明市场信心分化或不足。在出现更明确的方向性信号之前，策略将保持空仓或仅维持有限敞口。
中性1.0x 做多
每日 Alpha 分数
--最新
--5天
1年
3年
5年
1年
3年
5年
+527.15%策略收益
-0.16%最新日收益率
+27.06%策略年化收益
1.18夏普率
策略 vs GLD
历史累计收益
1年
3年
5年
1年
3年
5年
由于公司未披露，未能获取相关数据
什么是 TradingKey 宏观 Alpha 信号台？
TradingKey 宏观 Alpha 信号台将多个相互独立的市场信息来源整合为一个每日 Alpha 评分。它把包括宏观经济指标、技术分析、价格趋势、波动率以及市场状态数据在内的多因子市场数据，转化为每种支持资产的清晰量化交易信号。
Alpha 评分不仅反映下一交易日的预期市场方向，也表示建议的风险敞口水平。根据统计依据和预设的风险控制规则，该评分会对应为明确的做多、空仓或做空仓位。
宏观 Alpha 信号台目前支持部分交易所交易基金（ETF）及具有代表性的市场资产，包括 QQQ、SPY、黄金、白银、BTC 和 ETH，覆盖股票、商品和加密货币市场。您可以在一个页面集中查看这些多资产洞察，为市场择时策略提供参考。
多资产交易信号目录
操作前可核实的信息
业绩表现依据
策略表现会与相应的基准进行对比展示，包括：
- 策略与基准的累计收益曲线
- 策略总收益
- 最新单日收益
- 年化收益率
- 夏普比率
这些指标可帮助用户同时评估策略的绝对收益表现和风险调整后表现。
风险边界
回测从 2018 年开始，覆盖支持的股票、贵金属和加密货币等资产。
策略每日生成信号，并延后一个交易日执行；回测结果未计入交易成本、滑点、融资成本、借贷成本及市场冲击。
策略敞口范围为 -10× 至 +10×，并受不同资产对应的杠杆限制及风险控制规则约束。
方法论
该策略将多个相互独立的市场信息来源整合为一个每日 Alpha分数。
策略综合评估因子、宏观经济、技术面、趋势、波动率及市场状态等信息。聚合后的信号将进一步经过针对不同资产类别的仓位缩放机制及风险控制，随后以一个交易日的延迟应用于实际仓位。
多因子输入
价格、成交量、基本面数据、宏观经济指标、另类数据、技术信号及市场状态信息。
TK Alpha 分数
每日计算一次，范围为 -100 至 +100，用于表示策略判断的方向及信号强度。
敞口映射
根据预先设定的分数区间及适用的风险控制规则，将 Alpha分数映射为多头、中性、空头或杠杆敞口。
业绩追踪
通过策略收益率、单日收益率、年化收益率、年化波动率及夏普比率等指标持续监测策略表现。
股票交易信号常见问题
这些问题旨在满足用户的搜索需求，同时仍以实时信号看板作为核心产品体验。
什么是 TK Alpha Gauge？
TK Alpha Gauge 是由 TradingKey 开发的一项专有指标，每日更新，旨在为特定金融工具提供清晰的市场展望。
该指标可视为判断市场方向的量化指南。类似于市场情绪指数用于衡量市场“情绪”，TK Alpha Gauge 采用经过长期验证的 AI 框架，尽可能减少情绪偏差，并基于客观数据生成高置信度的市场预测。
TK Alpha Gauge 是如何计算的？
TK Alpha Gauge 由经过长期验证的 AI 框架驱动，对数百个预测因子进行分析，主要涵盖以下三类：
价格与成交量： 历史及实时价格变动趋势与成交量变化
基本面： 标的资产的财务状况及估值指标
另类数据： 用于捕捉传统市场数据以外信号的独特数据集
最终分数代表信号强度。数值距离零越远，代表量化模型对当前方向的判断越明确。
TK Alpha Gauge 多久计算一次？
TK Alpha Gauge 的各项组成指标及整体指数均会在每日新数据可用后进行更新和计算。
如何使用 TK Alpha Gauge？
TK Alpha Gauge 可作为系统化工具，帮助减少情绪对交易决策的影响，并用于辅助确定仓位规模。根据不同资产和策略，主要可采用以下两种方式：
1. 仅做多策略（例如 GLD）
常用于 GLD 等 ETF，策略仅根据正向信号调整多头敞口：
正值： 根据指标数值按比例增加多头敞口
负值： 保持空仓，不持有多头仓位，以控制下行风险
2. 多空策略（例如黄金期货）
在黄金期货等流动性较高的市场中，该指标可用于双向交易：
看多（> 0）： 建立多头仓位，数值越接近 100，多头敞口可相应提高
看空（< 0）： 建立空头仓位，数值越接近 -100，空头敞口可相应提高
中性（= 0）： 平掉所有仓位，在缺乏明确方向性信号时保持空仓
“Alpha”究竟是什么？
Alpha 是一种专有的数学模型或量化规则，旨在识别并捕捉特定的市场无效性或定价偏差。
可以将其理解为一种经过历史数据验证、具备一定价格预测能力的量化规则。通过将复杂的市场模式转化为可执行的交易信号，Alpha 旨在为投资决策提供统计层面的优势。
AI 如何改善投资流程？
与静态技术指标相比，机器学习模型能够识别更复杂的非线性模式，因此在波动较大的市场环境中，可以帮助提高价格走势预测的精细度。
AI 还可以处理大规模数据，并综合数百个具有预测价值的因子，生成具有参考意义的交易信号。自适应模型则可根据实时市场变化持续调整策略参数，以适应不同的经济周期和市场环境。
如何结合成交量与价格进行分析？
我们通过分析价格走势与市场参与度（成交量）之间的关系，判断某一价格变动背后的市场确认程度。
理想情况下，价格与成交量应呈现相互印证的趋势。系统会持续监测这两项变量之间的协同性。当价格与成交量出现明显背离时，框架可相应转向更偏防御性的风险管理方式，以优先控制资本回撤风险。
“Super Alpha”组合模型有什么作用？
与依赖单一量化规则不同，Super Alpha 组合模型会整合来自三大类别的数百个不同预测因子。
这种设计有助于提高系统的稳健性：当某一个预测因子受到短期市场噪声干扰时，其他信号可以起到一定的平衡和修正作用。
通过多预测因子组合，Super Alpha 旨在提升投资组合在不同市场环境下的韧性，并在高波动时期保持相对稳定的策略表现。
什么是深度学习和神经网络？
深度学习是机器学习的一个分支，通过较为复杂的人工神经网络，对数据中的深层模式和关系进行建模。
其核心是多层深度神经网络。这类网络由大量相互连接的节点（通常称为“神经元”）组成，并按照多个层级进行排列。数据会在这些层之间传递，使模型能够从大量数据中自动学习复杂的模式和特征表示。
这种架构使深度学习特别适合应用于预测、分类以及模式识别等任务。
Macro Alpha Signal 仅供信息展示和研究参考，不构成投资建议、交易推荐，亦不构成买卖任何金融工具的要约。Alpha 分数、交易信号及策略表现基于量化模型、历史数据和回测假设生成，不代表实际交易结果，也可能无法反映未来市场环境。
信号在所需市场及因子数据齐备后每日更新一次，并非实时信号；盘中市场变化可能要到下一次计划更新时才会反映。具体更新时间可能因数据可用性、处理延迟、市场日历或系统中断而变化。
过往表现及回测结果不保证未来收益。实际结果可能因执行延迟、交易成本、买卖价差、滑点、融资及融券成本、流动性限制、数据错误、模型局限、杠杆限制、做空限制及其他风险控制而产生重大差异。
做多、做空及杠杆敞口均可能放大收益和损失，并可能导致部分或全部投入本金损失。用户在作出任何交易决策前，应独立评估策略方法、假设、基准及相关风险，并结合自身投资目标和风险承受能力审慎判断。