AI 股票评分
把每只股票的多种数据综合成一个分数,方便在同一标准下比较不同标的。分数越高代表模型认为的相对吸引力越强。
拖动滑块完成拼图,通过后发送验证码
独立第三方 AI 评测平台 · 只用实测数据
Danelfin 是一款以人工智能为核心的股票分析工具,主打把复杂的基本面、技术面与情绪数据压缩成一个直观的评分,帮助投资者快速比较不同股票。它面向的是没有精力逐份读财报、但希望用数据辅助决策的个人投资者,提供筛选、评分和简要说明等功能。相比传统选股软件,它更强调「打分排序」而不是堆砌指标。评分是模型输出的参考,不构成投资建议,实际盈亏仍由使用者承担;免费试用之外的具体价格与额度,官网未公开。
Danelfin 是一款基于人工智能的股票分析平台,定位是帮投资者用数据而不是直觉来选股。它把大量公开市场数据交给模型处理,最终给出一个便于横向比较的评分,让使用者在同一把尺子下看不同股票。
从产品形态看,它的核心不是行情终端,而是「打分 + 筛选 + 解读」三件事:先给个股一个分数,再让你按分数、行业、市值等条件筛选,最后用简短文字说明这个分数是怎么来的。使用者可以用它快速缩小关注范围,再自行做进一步研究。
实际使用上,个人投资者通常把它当作选股的第一步,用来生成候选名单;有一定经验的用户则更关注评分背后的因子变化,判断某只股票的分数为什么上调或下调。它更像一个辅助研究的筛子,而不是可以直接照做的买卖信号。
把每只股票的多种数据综合成一个分数,方便在同一标准下比较不同标的。分数越高代表模型认为的相对吸引力越强。
可以按评分高低、行业、市值等维度把股票池筛小,快速得到一批候选标的,避免在全部股票里逐个翻找。
展示影响分数的各类因素,让你看到某只股票分数偏高或偏低大致来自哪一块,而不是只给一个黑盒结论。
关注分数随时间的调整,用来发现某只股票的基本面或市场情绪是否出现转向,比单看一个静态分数更有参考意义。
把感兴趣的股票放进自选或组合里集中查看,便于持续跟踪一小批标的的评分动向,而不是每次都重新搜索。
当你想快速缩小选股范围时,Danelfin 是有用的:它把多维度数据压成一个分数,省去逐个看财报的功夫,适合拿来生成候选名单。当你需要一个能直接照着买卖的信号系统时,它就不合适——评分是模型输出的相对判断,不预测短期涨跌,也不承担盈亏。它的另一个短板是数据覆盖面与模型逻辑对外是黑盒,分数为什么变,往往只能看到一个大概方向。把它当作研究流程里的第一道筛子,而不是终点,使用体验会好很多。
没有精力逐份读财报,希望用统一标准快速筛出值得进一步研究的标的,用它做第一道筛选比较合适。
已有自己的选股逻辑,把评分当作交叉验证工具,用来发现被自己忽略的股票或提醒某个持仓的分数在恶化。
评分基于较长期的数据综合,更新频率和颗粒度都不适合盯盘,靠它做短线择时容易失望。
模型是黑盒,无法核对因子权重与数据处理细节,难以满足合规或内部风控对可解释性的要求。
不能。它的评分是模型对股票相对吸引力的排序结果,不包含买卖时点、仓位建议,也没有考虑你的成本和风险承受能力。比较合理的用法是把它当作筛选工具,生成一批候选标的后,再结合财报、行业判断和自身情况做决定。
普通行情软件以报价、K 线和技术指标为主,数据要自己解读;Danelfin 的重点是把基本面、技术面和情绪类数据交给模型综合,输出一个便于横向比较的分数。简单说,一个给你原始数据,一个给你加工后的排序结论。
主要覆盖公开市场上市的公司,具体市场范围和股票数量官网未公开,使用前建议先确认你关注的市场是否在覆盖范围内,否则筛选结果可能会有遗漏。
它提供免费试用,但各档位的具体价格、可用功能范围和查看额度官网未公开。如果只是验证用法,先用试用版跑通筛选流程即可;确认要长期使用,再去官网核对当前档位包含哪些功能。
评分会随着底层数据更新而调整,这也是它值得持续跟踪的原因。相比盯住一个静态分数,关注某只股票分数上调或下调的方向,往往更能提示基本面或市场情绪的变化。
建议先用筛选功能把股票池限定在你熟悉的行业或市值区间,再看评分排序,挑出几只加入自选。接着翻这些公司的财报,对照评分找出你和模型判断不一致的地方,这一步通常比分数本身更有信息量。