作者技术平台迁移 - 作者因Wind金融终端API试用政策暂停，正被迫寻找并迁移至新的数据接口方案[2][3][4] - 此次迁移不仅是数据源的简单替换，更涉及对现有代码架构和图表生成流程的重写与梳理[6][7][10] - 在迁移过程中，作者计划尝试并应用新技术，如使用uv管理Python环境、用GitHub同步代码，并评估东方财富Choice和同花顺iFind等替代数据终端[12] 美联储货币政策前景 - 美联储最新降息决议以9票赞成、3票反对通过，显示内部存在显著分歧[15] - 根据2026年地区联储主席投票权轮换展望，鸽派成员减少而鹰派成员增加，预计未来降息阻力将显著上升[15][16] - 美联储点阵图中值显示，决策者仅预计2026年将再降息一次[16] A股市场整体表现 - 12月11日，A股宽基指数普遍下跌，仅北证50指数大幅上涨，万得微盘股指数大跌2.88%[17] - 本月迄今，万得微盘股指数累计下跌4.95%，而同期沪深300指数微涨0.56%，显示市场风格从小微盘向大盘股切换[17] - 从季度表现看，万得微盘股指数2025年一季度、二季度、三季度分别上涨11.67%、22.16%、16.24%，年初至今累计涨幅达66.91%[18] A股行业板块表现 - 12月11日，除银行板块微涨0.24%及科创新药板块微涨0.35%外，绝大多数行业板块下跌[18] - 通信设备板块当日暴跌3.69%，但其2025年三季度涨幅高达84.25%，年初至今累计涨幅达115.73%[19] - 硬科技板块中，中证全指半导体当日下跌1.62%，机器人产业指数下跌2.08%，显示板块整体走弱[19] - 房地产板块表现疲软，中证全指房地产指数当日下跌3.04%，本月迄今累计下跌4.02%[19] 全球资产与市场情绪 - 近期市场风险偏好下降，此前溢价较高的纳指ETF、日经ETF溢价率显著回落，黄金价格横盘整理[20] - 市场情绪趋于谨慎，投资者在年末倾向于持盈保泰，多看少动[20]

公司创始人与早期背景 - Michael Truell是AI编程平台Cursor的联合创始人兼CEO，带领团队于2022年底转向AI辅助编程领域[4] - 初中时代因受Paul Graham文章启发开始接触编程，最初学习Objective-C开发移动游戏，并长期关注YC内容[5] - 高中时期与朋友合作开发AI项目，包括制作机器人狗、迷你轴向机器人臂等，并自行实现微型神经网络库，获得早期机器学习实践经验[9][10][12] 创业历程与战略转型 - 创始团队2022年从MIT毕业后尝试多个创业方向，包括为机械工程师开发CAD辅助工具和端到端加密消息系统，但均未成功[13][14][17][18] - 2022年底决定转型AI编程辅助领域，尽管面临GitHub Copilot的激烈竞争，但团队认为该领域有巨大变革潜力[20][23][24] - 转型后三个月内完成产品开发并正式发布，最初版本为自研代码编辑器，集成AI功能[25][26] 产品发展与增长轨迹 - 2023年公司规模保持精简，仅有个位数员工，依靠产品口碑实现自然增长，用户量达到约100万级别[6][30][34][38] - 2024年实现爆发式增长，从100万用户增长至1亿用户，复利效应显著，每周增长率达10%[34] - 增长动力源于持续的产品改进，包括增强代码库理解能力、预测用户操作序列等核心功能优化[34] 技术路线与产品理念 - 公司早期曾考虑自研AI模型，但最终选择务实路线，基于现有技术构建产品[29] - 产品发展过程中坚持横向通用工具定位，拒绝专注于单一技术栈或特定用户群体的需求[31][32] - 2023年经历大量原型探索后，逐步明确产品方向，并开始构建自有模型来增强API模型能力[33] 行业前景与人才观 - 认为AI技术将比近几个世纪任何技术革命更具影响力，但完全改变软件开发方式需要几十年时间[39] - 近期内AI将与工程师协作，像高级编译器一样工作，但人类仍需阅读逻辑和进行审查编辑[40] - 建议年轻开发者专注于真正感兴趣的项目，与志同道合者合作，重视长期积累而非短期任务[41]

量化模型与构建方式 1. 模型名称：小市值价值精选策略模型[7][24] 模型构建思路：基于市值、盈利能力和估值三个维度进行选股，首先筛选小市值股票，再从中选取盈利能力强的股票，最后选择估值最低的股票构建投资组合[7][24] 模型具体构建过程：该模型为规则驱动型策略，其构建过程如下：1) 确定股票池为沪深A股；2) 在每月调仓时点，首先筛选出市值小于40亿元的股票；3) 在该小市值样本内，计算ROE和ROA指标，并筛选出这两项指标均处于样本前50%分位数的股票；4) 在通过盈利能力筛选的股票中，计算PE指标，并选取PE值最低的30只股票；5) 等权重配置这30只股票作为当期持仓；6) 每月重复上述筛选和调仓过程[7][24] 模型的回测效果 1. 小市值价值精选策略模型，年化收益率(2020) 18.96%[29]，年化波动率(2020) 20.95%[29]，夏普比率(2020) 0.91[29]，最大回撤(2020) -5.90%[29]，胜率(2020) 66.67%[29]，卡尔马比率(2020) 3.21[29] 2. 小市值价值精选策略模型，年化收益率(2021) 16.70%[29]，年化波动率(2021) 23.41%[29]，夏普比率(2021) 0.71[29]，最大回撤(2021) -9.59%[29]，胜率(2021) 66.67%[29]，卡尔马比率(2021) 1.74[29] 3. 小市值价值精选策略模型，年化收益率(2022) 8.21%[29]，年化波动率(2022) 24.94%[29]，夏普比率(2022) 0.33[29]，最大回撤(2022) -18.31%[29]，胜率(2022) 66.67%[29]，卡尔马比率(2022) 0.45[29] 4. 小市值价值精选策略模型，年化收益率(2023) 15.66%[29]，年化波动率(2023) 13.94%[29]，夏普比率(2023) 1.12[29]，最大回撤(2023) -6.72%[29]，胜率(2023) 50.00%[29]，卡尔马比率(2023) 2.33[29] 5. 小市值价值精选策略模型，年化收益率(2024) 7.15%[29]，年化波动率(2024) 33.71%[29]，夏普比率(2024) 0.21[29]，最大回撤(2024) -14.18%[29]，胜率(2024) 50.00%[29]，卡尔马比率(2024) 0.50[29] 6. 小市值价值精选策略模型，年化收益率(2025) 37.70%[29]，年化波动率(2025) 17.02%[29]，夏普比率(2025) 2.21[29]，最大回撤(2025) -3.76%[29]，胜率(2025) 75.00%[29]，卡尔马比率(2025) 10.03[29] 量化因子与构建方式 1. 因子名称：市值因子[7][24]；因子的构建思路：使用股票的总市值来衡量公司规模大小[7][23]；因子具体构建过程：直接从数据库的 `AShareEODDerivativeIndicator` 表中获取 `S_VAL_MV` 字段，该字段代表当日总市值，计算公式为当日总股本与当日收盘价的乘积，单位为万元[23][24] 2. 因子名称：净资产收益率(ROE)因子[7][24]；因子的构建思路：使用ROE指标来衡量公司的盈利能力[7][24]；因子具体构建过程：直接从数据库的 `AShareFinancialIndicator` 表中获取 `S_FA_ROE` 字段[24] 3. 因子名称：总资产收益率(ROA)因子[7][24]；因子的构建思路：使用ROA指标来衡量公司的资产盈利效率[7][24]；因子具体构建过程：直接从数据库的 `AShareFinancialIndicator` 表中获取 `S_FA_ROA` 字段[24] 4. 因子名称：市盈率(PE)因子[7][24]；因子的构建思路：使用PE指标来衡量股票的估值水平[7][24]；因子具体构建过程：直接从数据库的 `AShareEODDerivativeIndicator` 表中获取 `S_VAL_PE` 字段[24]