跳到主要内容

AI Trading Matrix 项目锚点

状态：基线收束草案 最后更新：2026-05-07 项目：AI Trading Matrix 项目类型：前台独立系统 / 产品 生态角色：金融信息逻辑链路中的交易执行环节

1. 本文档定位​

本文档是 AI Trading Matrix 项目的入口锚点。

它用于说明：

  • AI Trading Matrix 在生态内和生态外分别是什么；
  • 为什么它应作为独立系统 / 产品存在；
  • 它当前拥有和不拥有的职责；
  • 第一阶段应优先证明什么；
  • 它与 Data Horizon / 数据视界、FinClaw、Reinforcement Learning Engine 和 Financial Expert Foundation Model 之间的关系；
  • 真实交易执行、账户操作、订单提交、资金划转和合约执行需要什么治理边界。

本文档不替代后续正式产品定义、MVP 定义、PRD、执行治理方案、风控方案或系统设计文档。

2. 项目定义​

AI Trading Matrix 是 FinTec AI Ecosystem 金融信息逻辑链路「感知」-「认知」-「执行」中的独立交易执行产品 / 系统。

它的核心职责是围绕客观交易、自动化交易、AI 交易和量化交易，构建覆盖多二级金融市场支持、回测 / 仿真、策略和虚拟交易员赛马机制、执行前检查、授权执行、审计 / 风控 / 可回滚治理、执行反馈回流的交易执行闭环。

在生态内部，它承接金融信息链路中的「执行」环节，不抢占 FinClaw 的金融认知与研究分析中枢定位。

在生态外部，它也应作为独立产品 / 系统存在，并保留独立商业化路径。

它不是：

  • FinClaw 的一个输出页面；
  • Data Horizon / 数据视界 的下游信号展示模块；
  • 重建上游感知或认知能力的超级系统；
  • 抢占或越界成为生态大脑的认知中枢；
  • 无治理、无授权、无审计边界的黑箱自动交易系统；
  • 用自动化包装替用户承担投资责任的执行代理。

3. 生态角色​

在当前 3 + 2 生态结构中，AI Trading Matrix 属于三个前台独立系统 / 产品之一。

它位于金融信息链路的交易执行环节：

金融信息感知
  -> 金融认知与研究分析
  -> 交易执行
  -> 结果反馈与学习沉淀
  -> 金融领域模型能力增强

该位置说明 AI Trading Matrix 与上游认知系统和下游学习系统存在协同关系，但不意味着第一阶段必须等待其他对象完全成熟才能成立。

4. 为什么独立存在​

AI Trading Matrix 应作为独立系统 / 产品存在，原因是：

  • 交易执行本身具有独立的产品、系统、风控、合规和商业化逻辑；
  • 客观交易、自动化交易、AI 交易和量化交易需要独立处理多市场支持、策略候选、信号候选、执行约束、风险条件、优先级和失败条件；
  • 回测、仿真、策略 / 虚拟交易员赛马场、执行反馈和交易工作流支持需要独立系统能力；
  • 围绕执行所需的推理决策能力必须服务于交易执行场景，而不是反向扩张为生态认知中枢；
  • 真实交易执行、账户操作、订单提交、资金划转和合约执行必须有明确授权、审计、风控和可回滚治理边界；
  • 在生态外部，它可以作为独立商业化产品承接交易执行、回测、策略评估和自动化交易场景；
  • 如果该层被 FinClaw 吸收，认知系统会被迫承担执行风险；如果该层无边界自动化，生态会漂移为黑箱交易系统。

5. 当前拥有的职责​

AI Trading Matrix 当前拥有：

  • 客观交易、自动化交易、AI 交易和量化交易相关场景；
  • 多个二级金融市场支持；
  • 策略候选、信号候选、执行优先级、风险条件和交易工作流管理；
  • 回测、仿真、执行反馈、策略评估和虚拟交易员赛马机制；
  • 围绕交易执行所需的推理决策能力；
  • 支持绑定不同策略的 AI 虚拟交易员或交易工作流进行受约束辅助；
  • 在授权、审计、风控和可回滚治理边界内承接真实执行链路；
  • 为 Reinforcement Learning Engine 沉淀可学习的执行结果、仿真结果、失败案例和用户反馈。
  • 作为独立产品 / 系统存在，并保留生态外部商业化路径。

6. 当前不拥有的职责​

AI Trading Matrix 当前不拥有：

  • 重建上游金融信息感知系统职责；
  • 抢占或越界成为生态大脑；
  • 替代 FinClaw 生成与交易执行无关的上游金融认知结论；
  • 把策略候选、信号候选或执行支持包装成确定性收益承诺；
  • 在缺少用户授权、执行治理、审计和风控时直接触发真实交易执行；
  • 无边界控制账户、订单、资金、合约、链上交易或私钥；
  • 直接承担 Reinforcement Learning Engine 的长期反馈学习基础设施职责；
  • 直接承担 Financial Expert Foundation Model 的长期领域模型能力建设职责。

7. 第一阶段目标​

第一阶段目标不是一次性打通完整生态主链路，也不是直接追求无边界自动交易。

第一阶段应优先证明：

AI Trading Matrix 能作为独立交易执行产品 / 系统形成最小闭环。

当前第一阶段工作性目标：

  • 目标对象：需要在客观交易、自动化交易、AI 交易或量化交易场景中完成受治理交易执行、回测、策略评估或自动化交易工作流的用户、内部团队或系统消费方；
  • 核心输入：FinClaw 或外部来源提供的认知结果、条件化策略假设、信号、市场上下文、用户意图和执行约束；
  • 核心链路：市场与账户接入、策略 / 信号候选管理、风险条件表达、回测 / 仿真、策略 / 虚拟交易员赛马、执行前检查、用户授权、交易执行和反馈记录；
  • 可交付输出：交易执行对象、策略候选、信号候选、执行前检查点、授权记录、仿真 / 回测结果、赛马结果、执行记录和执行反馈；
  • 价值验证：输出是否能让交易执行更可评估、可授权、可追踪、可风控，并能作为独立产品 / 系统证明商业化路径和为后续学习层沉淀可用反馈。

8. 关键输出对象​

后续产品定义或 MVP 定义可进一步细化以下工作性对象：

  1. Execution Support Plan 将认知结果、策略假设、信号、风险约束和用户意图组织成可评估的交易执行方案。

  2. Strategy Candidate 可被比较、回测、仿真或人工确认的策略候选，包含适用条件、风险约束和失效条件。

  3. Signal Candidate 可进入交易辅助或执行支持工作流的信号候选，必须标记来源、触发条件、置信边界和适用限制。

  4. Pre-Execution Checklist 真实执行前的授权、风险、资金、账户、合约、价格、滑点、时效和失败条件检查点。

  5. Authorization / Audit Record 用户授权、关键确认、执行路径、风险提示和审计线索记录。

  6. Backtest / Simulation Result 回测、仿真或赛马场结果，用于比较策略和信号候选，不等同于收益保证。

  7. Execution / Feedback Event 执行结果、用户行为、失败案例、延迟、误触发、风控拦截和后续反馈记录。

  8. Strategy / Virtual Trader Race Result 策略候选或虚拟交易员在统一规则下的比较结果，用于执行域内的策略评估和迭代，不等同于确定性投资建议。

这些对象不是最终 schema，只是后续产品定义、协同边界讨论、MVP 拆解和执行治理设计的工作性锚点。具体工程化对接设计应由项目落地环节承接。

9. 生态接口​

9.1 与 FinClaw​

FinClaw -> AI Trading Matrix 是当前最高优先级接口之一。

该接口应重点澄清：

  • FinClaw 输出的哪些认知产物可以进入交易执行语境；
  • 条件化策略假设、信号理解、风险约束和执行前检查点如何表达；
  • 什么情况下仍停留在认知 / 决策支持，什么情况下进入受治理交易执行；
  • 用户授权、风控、审计和执行治理从哪里进入；
  • 执行反馈如何回到认知层或学习层。

第一阶段约束：

  • AI Trading Matrix 不以 FinClaw 完整产品成熟为硬依赖；
  • FinClaw 不承担 AI Trading Matrix 的真实执行职责；
  • 双方接口应先围绕“认知产物如何进入受治理交易执行”定义。

9.2 与 Data Horizon / 数据视界​

Data Horizon / 数据视界 可以向 AI Trading Matrix 提供结构化信息、事件或信号。

该接口应重点澄清：

  • 哪些上游输出只是信息或信号，不构成交易指令；
  • 哪些来源、时间、质量、可信度和缺失标记必须传递；
  • 哪些信息可以进入策略候选、信号候选或执行前检查；
  • 执行结果、失败案例或延迟案例如何回流改善感知质量。

第一阶段约束：

  • AI Trading Matrix 不重建 Data Horizon / 数据视界 的感知职责；
  • Data Horizon / 数据视界 不直接生成真实交易执行。

9.3 与 Reinforcement Learning Engine​

AI Trading Matrix -> Reinforcement Learning Engine 是后续高优先级接口。

当真实使用数据、仿真数据、执行数据和用户反馈出现后，AI Trading Matrix 可提供：

  • 回测和仿真结果；
  • 策略候选表现；
  • 信号候选表现；
  • 执行结果、失败案例和风控拦截案例；
  • 用户授权、拒绝、修改和撤销行为；
  • 执行反馈与后续结果。

第一阶段约束：

  • 不因未来学习闭环而提前建设完整学习基础设施；
  • 先定义哪些反馈对象能证明交易执行链路可被评估和改进。

9.4 与 Financial Expert Foundation Model​

Financial Expert Foundation Model 未来可反哺 AI Trading Matrix 的策略理解、风险判断、执行约束表达、市场语境理解和结构化输出能力。

第一阶段约束：

  • 不以模型愿景替代交易执行产品闭环；
  • 不用模型权威感绕过授权、审计、风控和责任边界。

10. 执行治理边界​

AI Trading Matrix 是当前生态中最接近真实行动和资金风险的对象，因此必须显式区分：

  1. 信息 / 认知输入 来自 Data Horizon / 数据视界、FinClaw 或外部来源的信息、认知结果、策略假设和信号。

  2. 交易执行支持 将输入转译为可评估、可授权、可追踪、可风控的候选方案、检查点和工作流。

  3. 授权执行 在明确用户授权、审计、风控和可回滚治理边界内触发真实交易、账户、订单、资金、合约或链上动作。

  4. 禁止漂移 在缺少治理时，不得以默认自动化方式触发真实执行，不得替用户承担投资责任，不得承诺收益，不得绕过风险提示和关键确认。

11. 文档下推链路​

AI Trading Matrix 后续正式文档应按以下链路下推：

  1. 项目锚点 先固定项目定义、生态角色、职责边界、第一阶段目标和执行治理边界。

  2. 继承上下文 从生态基线、项目注册表和治理规则继承正式口径。

  3. 当前状态 记录当前基础版 AI 交易系统 / 实验 / 已有材料、缺口、风险、开放问题和下一步。

  4. 产品 / 系统级 context 在后续方案阶段成熟度足够时补齐 CONTEXT.md，承载项目级领域语言、执行治理语言和已解决歧义。

  5. 产品定义、MVP 定义与执行治理方案 从项目锚点和 context 下推第一阶段用户、输入、输出、授权边界、风控边界、验收标准和风险边界。

12. 当前材料状态​

当前可用材料包括：

  • projects/trading-matrix/project-anchor.md
  • projects/trading-matrix/inherited-context.md
  • projects/trading-matrix/current-state.md
  • README.md
  • INDEX.md
  • baseline/03-current-baseline.md
  • registry/project-registry.md
  • governance/first-phase-product-closure.md
  • governance/project-context-template.md

其中，projects/trading-matrix/CONTEXT.md 当前不作为正式入口保留，公共索引入口已移除该文件。inherited-context.md 和 current-state.md 仍需按当前项目锚点和生态正式口径继续维护。

13. 当前下一步​

  1. 重写 projects/trading-matrix/inherited-context.md，继承当前生态基线、项目注册表、金融风险边界和执行治理口径；
  2. 重写 projects/trading-matrix/current-state.md，压缩为当前事实、缺口、风险、开放问题和下一步；
  3. 定义第一阶段交易执行范围；
  4. 定义建议、辅助、仿真、回测、策略赛马、授权执行之间的产品分层；
  5. 定义 FinClaw -> AI Trading Matrix 的首轮接口问题；
  6. 将当前实践和参考评估结论先回收到上游项目边界、风险边界和待决问题；暂不建立 projects/trading-matrix/CONTEXT.md 或执行治理补充文档。

14. 回流条件​

以下情况应向生态层触发 sync / escalation：

  • AI Trading Matrix 的交易执行边界无法支撑当前生态定义；
  • AI Trading Matrix 开始重建上游感知或认知职责；
  • FinClaw 开始承担真实执行职责，或双方边界无法用当前基线解释；
  • 项目触及真实账户、订单、资金、合约、链上交易、私钥或自动执行能力；
  • 用户授权、审计、风控、可回滚治理或责任边界超出当前口径；
  • 第一阶段用户、消费对象、输出对象或商业化路径发生根本变化。

15. 相关文档​