用 AI 做量化研究

学习目标分清「AI 帮你做研究」和「AI 帮你预测行情」，建立合理期望，知道本课把 AI 放在研究流程的哪几个位置。

学完这一章你会得到：AI 量化用途地图（该用、慎用、别用三栏）

1. 01.01如何用 AI 做量化？先分清四种用法上线后免费制作中
2. 01.02让 ChatGPT 写的交易策略能直接用吗？上线后免费制作中
3. 01.03问 AI「明天涨还是跌」为什么没有意义制作中
4. 01.04大模型为什么会一本正经地编造数据和函数？上线后免费制作中
5. 01.05ChatGPT、Claude 这些模型，做量化该怎么选？上线后免费制作中
6. 01.06会用 AI 了，还需要学编程和统计吗？制作中
7. 01.07AI 帮你省下的时间，应该花在哪里制作中
8. 01.08聊天机器人、编程助手、能运行代码的 AI、智能体：四种工具形态制作中
9. 01.09把自己的策略和数据交给 AI，安全吗？制作中
10. 01.10本课的边界：示例代码、数据和不承诺收益上线后免费制作中

学习目标把模糊的交易想法写成一份包含数据口径、时间对齐、成本假设、输出格式和验收标准的需求单，让 AI 的产出可以被核对。

学完这一章你会得到：量化研究需求单（提示词模板）

1. 02.01写量化代码的提示词怎么写？一个通用结构上线后免费制作中
2. 02.02为什么「帮我写一个均线策略」得到的代码总有问题制作中
3. 02.03先写规则再要代码：把交易想法拆成可执行条件制作中
4. 02.04在提示词里写清数据：来源、字段、时区、复权制作中
5. 02.05怎样在提示词里要求 AI「不许偷看未来」？上线后免费制作中
6. 02.06让 AI 写明它的假设：成交价、手续费、滑点和仓位制作中
7. 02.07先让 AI 复述需求、列出疑问，再动手写代码制作中
8. 02.08指定输出：代码、测试、说明和已知局限分开给制作中
9. 02.09长对话越聊越乱怎么办：分段、重开与上下文管理制作中
10. 02.10给 AI 看几行样例数据还是整份数据？效果与隐私的取舍制作中
11. 02.11用系统提示词和项目说明文件，让 AI 记住你的研究规范制作中
12. 02.12常用量化提示词模板：写代码、查错、解释、改写上线后免费制作中

学习目标用 AI 快速写出数据下载与清洗脚本，并识别它编造的接口、参数、字段和数据本身。

学完这一章你会得到：AI 数据脚本验收清单

1. 03.01让 AI 写行情下载脚本，最常见的错误是什么？上线后免费制作中
2. 03.02AI 给的 API 地址和参数不存在，怎么快速识别制作中
3. 03.03AI 直接给出的历史价格和统计数字，能相信吗？上线后免费制作中
4. 03.04让 AI 写数据体检脚本：缺失、重复、异常一次查完制作中
5. 03.05复权和时区：AI 最容易默认错的两件事制作中
6. 03.06让 AI 解释陌生的数据字段，怎样对照官方文档核实制作中
7. 03.07用 AI 把不同来源的数据合并对齐制作中
8. 03.08让 AI 写爬虫之前：授权、访问频率和法律边界制作中
9. 03.09AI 整理 Excel 和 CSV：自动化整理还是自动化出错制作中
10. 03.10给数据脚本写固定测试：用已知的几行数据验收制作中

学习目标用分步、可核对的方式让 AI 写出回测代码，每一步都能看懂、能测试、能回退。

学完这一章你会得到：AI 回测代码分步模板（信号、成交、记账三段分开写）

1. 04.01让 ChatGPT 写一个回测：一段完整对话示范上线后免费制作中
2. 04.02让 AI 把 TradingView 的 Pine 脚本改写成 Python，要注意什么？上线后免费制作中
3. 04.03AI 写的回测能跑通，不等于写对了上线后免费制作中
4. 04.04让 AI 按「信号、成交、记账」三步分开写代码制作中
5. 04.05一次只让 AI 改一个地方：逐步迭代的节奏制作中
6. 04.06让 AI 给自己的代码写测试用例制作中
7. 04.07AI 用了你没装的库或已经废弃的函数怎么办制作中
8. 04.08让 AI 逐行解释代码：看懂了才算你的代码制作中
9. 04.09让 AI 把循环改成向量化：提速之后结果还一样吗制作中
10. 04.10让 AI 生成回测报告和图表制作中
11. 04.11让 AI 做参数扫描之前，先把实验记录写好制作中
12. 04.12用 Cursor、Claude Code 这类编程助手做量化项目，工作方式有什么不同？上线后免费制作中

学习目标建立「AI 写、人核、机器验」的流程，让任何 AI 产出都能被第三人复现和挑错。

学完这一章你会得到：AI 研究验收清单

1. 05.01为什么 AI 做的研究必须「可复核」？上线后免费制作中
2. 05.02已知答案测试：用手算结果检验 AI 的代码上线后免费制作中
3. 05.03让两个 AI 互相审查代码，靠谱吗？上线后免费制作中
4. 05.04让 AI 自查时，它为什么总说「代码没有问题」制作中
5. 05.05每一次 AI 修改都要留下版本记录制作中
6. 05.06固定随机种子、固定数据快照、固定运行环境制作中
7. 05.07研究日志：提示词、AI 回复和你的判断都要存制作中
8. 05.08断言与自动检查：把常识写进代码自动报警制作中
9. 05.09最小可复现包：数据、代码、预期结果和说明制作中
10. 05.10哪些环节必须自己推导，不能交给 AI制作中
11. 05.11AI 给出的统计结论，怎样独立重算一遍制作中
12. 05.12一张 AI 研究验收清单制作中

学习目标熟悉 AI 在量化代码和研究结论里的高频错误，能按固定顺序在十分钟内完成一轮排查。

学完这一章你会得到：AI 量化错误排查卡（按排查顺序排列）

1. 06.01AI 写的回测收益好得离谱，先查哪几处？上线后免费制作中
2. 06.02前视偏差：AI 最常犯的错误长什么样上线后免费制作中
3. 06.03收盘价出信号、同一个收盘价成交：AI 的默认写法为什么错上线后免费制作中
4. 06.04shift 方向写反、索引错位：pandas 代码里的隐形错误制作中
5. 06.05AI 编造的历史价格和统计数字，怎样当场识破上线后免费制作中
6. 06.06AI 编造的 API 和函数参数：看起来合理，其实不存在制作中
7. 06.07AI 引用的论文真的存在吗？编造文献的识别方法上线后免费制作中
8. 06.08收益计算错误：复利、对数收益与多空记账制作中
9. 06.09忽略成本，或者把成本算错一个数量级制作中
10. 06.10止损止盈逻辑错误：同根 K 线与跳空怎么处理制作中
11. 06.11幸存者偏差：AI 默认用今天的股票名单回测制作中
12. 06.12AI 帮你调参调到完美：过拟合被加速了上线后免费制作中
13. 06.13年化收益、夏普比率的口径错误制作中
14. 06.14AI 把巧合讲成规律：自信的错误结论怎么识别制作中

学习目标用 AI 高效阅读论文、拆解策略、收集想法，同时核实每一条引用和每一个「规律」，把想法转成可检验的假设。

学完这一章你会得到：想法库与文献核实表（来源、核实状态、假设、检验状态）

1. 07.01用 AI 读量化论文，怎样又快又不被带偏？上线后免费制作中
2. 07.02让 AI 找论文：怎么确认论文真实存在、内容没被编造上线后免费制作中
3. 07.03把论文里的策略交给 AI 复现，需要先准备什么制作中
4. 07.04论文结果复现不出来，常见原因有哪些制作中
5. 07.05论文里的超额收益为什么发表之后会变小制作中
6. 07.06用 AI 头脑风暴交易想法：数量多不等于质量高上线后免费制作中
7. 07.07让 AI 扮演反方，给你的策略找漏洞制作中
8. 07.08AI 总结的「市场规律」怎样变成可检验的假设制作中
9. 07.09网上流传的策略和课程，让 AI 帮你拆出背后的假设制作中
10. 07.10带联网搜索的 AI：信息来源怎么核对制作中
11. 07.11建立自己的想法库：来源、假设和检验状态制作中

学习目标知道机器学习适合解决哪些量化问题、不适合哪些，以及和简单规则、随机基准公平比较的条件。

学完这一章你会得到：机器学习适用性判断表

1. 08.01机器学习能预测股价吗？先说清楚能和不能上线后免费制作中
2. 08.02大模型和传统机器学习：量化里两类不同的工具制作中
3. 08.03分类、回归、排序：交易问题该选哪一种制作中
4. 08.04金融数据信噪比很低，模型为什么容易学到噪声上线后免费制作中
5. 08.05线性模型、树模型、神经网络：新手从哪个开始制作中
6. 08.06模型要先打败谁：简单规则和随机基准制作中
7. 08.07非平稳：去年学到的规律今年还成立吗制作中
8. 08.08模型输出的概率怎么变成仓位制作中
9. 08.09看特征重要性能发现什么，不能发现什么制作中
10. 08.10什么情况下不该用机器学习制作中

学习目标构造只包含当时已知信息的特征，选择合适的标签定义，处理重叠标签、类别不平衡和发布日期问题。

学完这一章你会得到：特征与标签检查清单

1. 09.01量化机器学习的特征是什么？从价格到特征的例子上线后免费制作中
2. 09.02标签怎么定：未来 N 天收益、涨跌方向，还是止盈止损谁先到上线后免费制作中
3. 09.03三重障碍法（Triple Barrier）标签入门制作中
4. 09.04特征和标签的时间对齐：一行数据只能放当时已知的信息制作中
5. 09.05用全样本均值做标准化，就已经泄露了未来制作中
6. 09.06滚动窗口特征的起始期和缺失值制作中
7. 09.07特征越多越好吗？维度与样本量制作中
8. 09.08让 AI 一次生成几百个特征，背后的多重检验问题制作中
9. 09.09涨跌样本比例不均时，模型会学成什么样制作中
10. 09.10重叠标签与样本权重制作中
11. 09.11基本面和另类数据特征的发布日期问题制作中
12. 09.12特征工程检查清单制作中

学习目标用时间序列切分、滚动训练、清除与禁区、嵌套验证评估模型，能在 AI 写的机器学习代码里找出数据泄露。

学完这一章你会得到：数据泄露排查清单

1. 10.01为什么量化不能用随机打乱的 K 折交叉验证？上线后免费制作中
2. 10.02数据泄露有哪几种？一张图看全制作中
3. 10.03时间序列切分：训练、验证、测试按时间排制作中
4. 10.04滚动窗口和扩展窗口训练制作中
5. 10.05清除（Purging）与禁区（Embargo）：重叠标签怎么隔开制作中
6. 10.06组合清除交叉验证（CPCV）入门制作中
7. 10.07调参也会泄露：嵌套验证怎么做制作中
8. 10.08测试集只能用一次：看过就不再是样本外制作中
9. 10.09缩放、降维、特征选择：预处理流程里的泄露制作中
10. 10.10模型准确率 99%？先怀疑数据泄露上线后免费制作中
11. 10.11AI 写的机器学习代码，怎样检查有没有泄露制作中
12. 10.12数据泄露排查清单制作中

学习目标把分类或回归指标换算成扣成本后的交易结果，判断模型优势是否足以覆盖成本，并设计上线后的漂移监测。

学完这一章你会得到：机器学习研究报告模板

1. 11.01预测准确率 60%，能赚钱吗？上线后免费制作中
2. 11.02准确率、精确率、召回率、AUC：交易里该看哪个上线后免费制作中
3. 11.03把预测变成交易规则，再完整回测一遍制作中
4. 11.04加上成本以后，模型优势还剩多少制作中
5. 11.05滚动评估：预测能力随时间衰减的样子制作中
6. 11.06模型和简单规则公平比较需要满足什么条件制作中
7. 11.07每次训练结果都不一样：随机性和稳定性检验制作中
8. 11.08模型上线后怎么监控：特征漂移与表现漂移制作中
9. 11.09什么时候重新训练，什么时候直接停用制作中
10. 11.10一份机器学习研究报告应该写清哪些东西制作中

学习目标用大模型把新闻和公告变成结构化标签，处理好文本时间戳与可交易时间的对齐，用事件研究方法检验文本信号，并识别大模型自身带来的前视偏差和提示词注入风险。

学完这一章你会得到：文本信号检验流程卡

1. 12.01用 ChatGPT 分析新闻情绪能炒股吗？上线后免费制作中
2. 12.02新闻、公告、社交媒体：文本数据从哪来，能不能用制作中
3. 12.03用大模型给新闻打情绪分：提示词与输出格式怎么设计上线后免费制作中
4. 12.04让 AI 从公告里提取金额、日期、事件类型等结构化字段制作中
5. 12.05同一条新闻问三次，情绪分一样吗？稳定性检验制作中
6. 12.06文本时间戳：发布时间、抓取时间和你能交易的时间上线后免费制作中
7. 12.07大模型「知道后来发生的事」：训练数据带来的前视偏差上线后免费制作中
8. 12.08事件研究法：公告后几天的超额收益怎么算制作中
9. 12.09情绪指标和价格：领先、同步还是滞后制作中
10. 12.10恐惧贪婪指数、社交热度这类现成情绪指标能用吗制作中
11. 12.11批量调用大模型 API：成本、限速与失败重试制作中
12. 12.12新闻里藏着的提示词注入：恶意文本怎样误导你的 AI制作中
13. 12.13从文本信号到交易规则的完整检验制作中

学习目标把数据、回测、检验、报告串成一条有人工检查点的 AI 研究流水线，防止智能体在无人监督时刷出好结果。

学完这一章你会得到：研究流水线设计图与检查点表

1. 13.01AI 智能体（Agent）做量化研究是什么样子？上线后免费制作中
2. 13.02让 AI 自动跑数据、回测和写报告：一条流水线怎么搭制作中
3. 13.03智能体需要哪些工具：读文件、运行代码、查资料制作中
4. 13.04一次交代一整个研究，为什么容易失控制作中
5. 13.05人工检查点：哪些步骤必须停下来等你确认制作中
6. 13.06智能体自动调参时，怎样防止它「刷」出好结果制作中
7. 13.07多个 AI 分工：研究员、审查员、复现员怎么配合上线后免费制作中
8. 13.08让智能体自动写研究日志和变更记录制作中
9. 13.09自动化每日研究：定时取数、跑信号、发报告制作中
10. 13.10智能体运行出错时怎么排查制作中
11. 13.11成本控制：token、API 调用次数和运行时间制作中
12. 13.12一个最小的量化研究智能体示例制作中

学习目标在 AI 接触代码、数据、账户的每个环节设置权限隔离、硬限额、人工确认和审计日志，出事时能停、能查、能恢复。

学完这一章你会得到：AI 量化风控清单

1. 14.01能让 AI 直接帮我自动下单吗？上线后免费制作中
2. 14.02权限分离：AI 可以读数据、写代码，但不能碰资金制作中
3. 14.03API 密钥千万别贴进聊天框：已经泄露了怎么办上线后免费制作中
4. 14.04AI 写的下单代码，上线前必须过哪些检查制作中
5. 14.05限额与熔断：单笔、单日、总仓位的硬上限制作中
6. 14.06人在回路：哪些决定必须由人确认制作中
7. 14.07外部文本进入自动流程：提示词注入与恶意数据的风险制作中
8. 14.08模型升级以后，同样的提示词结果变了怎么办制作中
9. 14.09日志与审计：出了事能查清谁、何时、为什么制作中
10. 14.10上传给 AI 服务的代码和数据去了哪里：保密与合规制作中
11. 14.11AI 量化风控清单制作中

学习目标理解 AI 生成策略普遍失效的结构性原因，能识别夸大宣传，知道什么样的 AI 辅助研究结果才值得进入模拟盘。

学完这一章你会得到：AI 策略识别与筛选表

1. 15.01AI 生成的交易策略为什么大多不能用？上线后免费制作中
2. 15.02「AI 策略年化 300%」的截图，怎样一眼看出问题上线后免费制作中
3. 15.03AI 的知识来自网上的公开策略，已知的优势还剩多少制作中
4. 15.04AI 让试错变便宜，多重检验问题因此被放大制作中
5. 15.05AI 策略通常缺什么：成本、容量与执行细节制作中
6. 15.06让 AI 生成一百个策略再挑最好的，会发生什么？上线后免费制作中
7. 15.07换个市场、换个时期：AI 策略的失效实验制作中
8. 15.08卖「AI 量化」产品和信号的，怎样识别夸大宣传制作中
9. 15.09什么样的 AI 辅助研究结果才值得进入模拟盘制作中
10. 15.10把 AI 当研究助理，而不是策略来源制作中

学习目标在 AI 协助下独立完成一次完整研究：登记计划、数据准备、回测、稳健性检验、对抗审查、报告与研究包，并保留全部提示词日志。

学完这一章你会得到：结业研究包（研究计划、数据清单、代码、测试、预期结果、报告、提示词日志、审查记录）

1. 16.01实战选题：挑一个一个月内能验证完的想法上线后免费制作中
2. 16.02第一步：和 AI 一起把想法写成研究计划并登记制作中
3. 16.03第二步：数据准备与体检制作中
4. 16.04第三步：让 AI 写回测，自己写已知答案测试制作中
5. 16.05第四步：成本、样本外与稳健性检验制作中
6. 16.06第五步：请另一个 AI 做对抗性审查制作中
7. 16.07第六步（可选）：加入一个文本或机器学习特征制作中
8. 16.08第七步：写研究报告，AI 起草，结论由你负责制作中
9. 16.09第八步：打包成别人能一键复现的研究包制作中
10. 16.10结论是「不可用」时怎么写：失败研究的价值制作中
11. 16.11通过验收以后：模拟盘前瞻记录计划制作中
12. 16.12结业提交：研究包、提示词日志和审查记录制作中