跳到主要内容

第三节 市场切入：第一阶段聚焦 Crypto 与 US Stocks

FinBayes 第一阶段聚焦两个市场：Crypto 和 US Stocks。ETF 和关键宏观变量作为支撑层。其他市场（A 股、商品、外汇、债券等）第一阶段不展开。

这是一个有意的窄选择，不是被动的市场覆盖范围。理由如下。

为什么是 Crypto 和 US Stocks​

这两个市场在金融特性上互补，叠加在同一个产品里能验证 FinBayes 核心能力在不同金融环境下是否都成立。

Crypto 的特性：

  • 24 小时不停盘，市场状态连续性强
  • 叙事驱动比例高，叙事 / 流动性 / 宏观相关性变化快
  • 链上数据可观测，与传统金融基本面互补
  • 用户群体年轻、活跃，对 AI 产品接受度高
  • 监管框架仍在演化中，市场结构本身不稳定

US Stocks 的特性：

  • 标准化的财报周期、估值体系、行业分析
  • 与宏观流动性深度绑定（利率、就业、通胀、科技周期）
  • ETF 渗透高，宽基与主题工具同时存在
  • 用户群体跨度大，从指数定投到个股精选
  • 监管框架成熟，市场结构稳定

把两个市场放在同一个产品里，FinBayes 要在两种相当不同的金融语境下都能产出质量一致的认知输出。如果在两个市场都能成立，FinBayes 的核心工作方式（帮用户想清楚、看全面、看本质、持续完善判断）就具备了向其他市场扩展的方法论基础。

ETF 和关键宏观变量（利率、通胀、宏观流动性、链上稳定币流量等）作为支撑层。它们不是独立的第一阶段产品场景，但是用户在 Crypto 和 US Stocks 上做判断时必要的参考维度。

第一阶段不展开的市场​

A 股、商品、外汇、债券、欧亚其他股票市场，第一阶段不展开。

不是因为这些市场不重要，而是因为：

  • 每个市场都有自己的语义边界（A 股的政策影响、商品的供需链条、外汇的国家信用、债券的利率曲线），FinBayes 在新市场能否保持认知质量，没有先验答案
  • 第一阶段集中验证 Crypto + US Stocks，比浅薄地覆盖更多市场更能说明问题
  • 资源集中：建立 Crypto + US Stocks 的数据接入、术语对齐、案例库、评估流程，本身已经是不小的工程投入

后续市场扩展的门槛是认知质量验证，不是简单接入数据。具体的扩展决策机制由产品定义和工程文档承接，战略层在第十节悬而未决问题中保留这个议题。

第一阶段要验证什么​

第一阶段的战略验证不是"能不能跑通一个产品"，而是验证三件事：

  1. 认知质量：FinBayes 在 Crypto 和 US Stocks 上的结构化认知输出（结论、依据、反方、成立条件、失效条件）是否在专业评估和用户实际使用中都被认为有价值。
  2. 持续使用：用户是否会回到 FinBayes 复盘自己过往的判断、跟踪市场变化的影响、在新场景中继续提问——而不是只用一次就走。这个事项判断 FinBayes 是否在用户的金融认知生活中真的占了一席之地。
  3. 跨市场一致性：FinBayes 在 Crypto 和 US Stocks 上的输出质量是否一致。如果在一个市场强、另一个市场明显弱，说明 FinBayes 的核心能力还不够通用，需要回头补。

第一阶段不验证的事​

第一阶段有意不验证的事项，避免战略层注意力被稀释：

  • 商业模式的精确定价（订阅价、佣金分成比例）——第一阶段以认知质量为重，定价由商业团队结合冷启动数据后续承接（详见第八节）
  • 大规模用户量级（百万级日活）——第一阶段以质量验证为主，规模化在质量站得住之后
  • 机构化用户场景（家族办公室、对冲基金、投研团队协作）——第一阶段服务个人投资者，机构形态由后续阶段判断（保留为第十节悬而未决问题）
  • 完整生态闭环（接入 AI Trading Matrix 全部执行场景）——第一阶段做认知层独立产品闭环，与生态其他对象的协同接口在第六节指针式提及，详细工程承接由架构文档承接

第一阶段的窄选择给后续阶段的扩展（更多市场、更多用户层、更深生态协同）留出明确的判断依据：在第一阶段验证通过的能力基础上扩展，而不是在多个未验证维度上同时投入。