用 AI 做量化研究

學習目標分清「AI 幫你做研究」和「AI 幫你預測行情」，建立合理期望，知道本課把 AI 放在研究流程的哪幾個位置。

學完這一章你會得到：AI 量化用途地圖（該用、慎用、別用三欄）

1. 01.01如何用 AI 做量化？先分清四種用法上線後免費製作中
2. 01.02讓 ChatGPT 寫的交易策略能直接用嗎？上線後免費製作中
3. 01.03問 AI「明天漲還是跌」為什麼沒有意義製作中
4. 01.04大模型為什麼會一本正經地編造資料和函式？上線後免費製作中
5. 01.05ChatGPT、Claude 這些模型，做量化該怎麼選？上線後免費製作中
6. 01.06會用 AI 了，還需要學程式設計和統計嗎？製作中
7. 01.07AI 幫你省下的時間，應該花在哪裡製作中
8. 01.08聊天機器人、程式設計助手、能執行程式碼的 AI、智慧體：四種工具形態製作中
9. 01.09把自己的策略和資料交給 AI，安全嗎？製作中
10. 01.10本課的邊界：示例程式碼、資料和不承諾收益上線後免費製作中

學習目標把模糊的交易想法寫成一份包含資料口徑、時間對齊、成本假設、輸出格式和驗收標準的需求單，讓 AI 的產出可以被核對。

學完這一章你會得到：量化研究需求單（提示詞範本）

1. 02.01寫量化程式碼的提示詞怎麼寫？一個通用結構上線後免費製作中
2. 02.02為什麼「幫我寫一個均線策略」得到的程式碼總有問題製作中
3. 02.03先寫規則再要程式碼：把交易想法拆成可執行條件製作中
4. 02.04在提示詞裡寫清資料：來源、欄位、時區、復權製作中
5. 02.05怎樣在提示詞裡要求 AI「不許偷看未來」？上線後免費製作中
6. 02.06讓 AI 寫明它的假設：成交價、手續費、滑價和部位製作中
7. 02.07先讓 AI 複述需求、列出疑問，再動手寫程式碼製作中
8. 02.08指定輸出：程式碼、測試、說明和已知侷限分開給製作中
9. 02.09長對話越聊越亂怎麼辦：分段、重開與上下文管理製作中
10. 02.10給 AI 看幾行樣例資料還是整份資料？效果與隱私的取捨製作中
11. 02.11用系統提示詞和專案說明檔案，讓 AI 記住你的研究規範製作中
12. 02.12常用量化提示詞範本：寫程式碼、查錯、解釋、改寫上線後免費製作中

學習目標用 AI 快速寫出資料下載與清洗指令碼，並識別它編造的介面、引數、欄位和資料本身。

學完這一章你會得到：AI 資料指令碼驗收清單

1. 03.01讓 AI 寫行情下載指令碼，最常見的錯誤是什麼？上線後免費製作中
2. 03.02AI 給的 API 地址和引數不存在，怎麼快速識別製作中
3. 03.03AI 直接給出的歷史價格和統計數字，能相信嗎？上線後免費製作中
4. 03.04讓 AI 寫資料體檢指令碼：缺失、重複、異常一次查完製作中
5. 03.05復權和時區：AI 最容易預設錯的兩處製作中
6. 03.06讓 AI 解釋陌生的資料欄位，怎樣對照官方文件核實製作中
7. 03.07用 AI 把不同來源的資料合併對齊製作中
8. 03.08讓 AI 寫爬蟲之前：授權、訪問頻率和法律邊界製作中
9. 03.09AI 整理 Excel 和 CSV：自動化整理還是自動化出錯製作中
10. 03.10給資料指令碼寫固定測試：用已知的幾行資料驗收製作中

學習目標用分步、可核對的方式讓 AI 寫出回測程式碼，每一步都能看懂、能測試、能回退。

學完這一章你會得到：AI 回測程式碼分步範本（訊號、成交、記賬三段分開寫）

1. 04.01讓 ChatGPT 寫一個回測：一段完整對話示範上線後免費製作中
2. 04.02讓 AI 把 TradingView 的 Pine 指令碼改寫成 Python，要注意什麼？上線後免費製作中
3. 04.03AI 寫的回測能跑通，不等於寫對了上線後免費製作中
4. 04.04讓 AI 按「訊號、成交、記賬」三步分開寫程式碼製作中
5. 04.05一次只讓 AI 改一個地方：逐步迭代的節奏製作中
6. 04.06讓 AI 給自己的程式碼寫測試用例製作中
7. 04.07AI 用了你沒裝的庫或已經廢棄的函式怎麼辦製作中
8. 04.08讓 AI 逐行解釋程式碼：看懂了才算你的程式碼製作中
9. 04.09讓 AI 把迴圈改成向量化：提速之後結果還一樣嗎製作中
10. 04.10讓 AI 生成回測報告和圖表製作中
11. 04.11讓 AI 做引數掃描之前，先把實驗記錄寫好製作中
12. 04.12用 Cursor、Claude Code 這類程式設計助手做量化專案，工作方式有什麼不同？上線後免費製作中

學習目標建立「AI 寫、人核、機器驗」的流程，讓任何 AI 產出都能被第三人復現和挑錯。

學完這一章你會得到：AI 研究驗收清單

1. 05.01為什麼 AI 做的研究必須「可複核」？上線後免費製作中
2. 05.02已知答案測試：用手算結果檢驗 AI 的程式碼上線後免費製作中
3. 05.03讓兩個 AI 互相審查程式碼，靠譜嗎？上線後免費製作中
4. 05.04讓 AI 自查時，它為什麼總說「程式碼沒有問題」製作中
5. 05.05每一次 AI 修改都要留下版本記錄製作中
6. 05.06固定隨機種子、固定資料快照、固定執行環境製作中
7. 05.07研究日誌：提示詞、AI 回覆和你的判斷都要存製作中
8. 05.08斷言與自動檢查：把常識寫進程式碼自動報警製作中
9. 05.09最小可復現包：資料、程式碼、預期結果和說明製作中
10. 05.10哪些環節必須自己推導，不能交給 AI製作中
11. 05.11AI 給出的統計結論，怎樣獨立重算一遍製作中
12. 05.12一張 AI 研究驗收清單製作中

學習目標熟悉 AI 在量化程式碼和研究結論裡的高頻錯誤，能按固定順序在十分鐘內完成一輪排查。

學完這一章你會得到：AI 量化錯誤排查卡（按排查順序排列）

1. 06.01AI 寫的回測收益好得離譜，先查哪幾處？上線後免費製作中
2. 06.02前視偏差：AI 最常犯的錯誤長什麼樣上線後免費製作中
3. 06.03收盤價出訊號、同一個收盤價成交：AI 的預設寫法為什麼錯上線後免費製作中
4. 06.04shift 方向寫反、索引錯位：pandas 程式碼裡的隱形錯誤製作中
5. 06.05AI 編造的歷史價格和統計數字，怎樣當場識破上線後免費製作中
6. 06.06AI 編造的 API 和函式引數：看起來合理，其實不存在製作中
7. 06.07AI 引用的論文真的存在嗎？編造文獻的識別方法上線後免費製作中
8. 06.08收益計算錯誤：複利、對數收益與多空記賬製作中
9. 06.09忽略成本，或者把成本算錯一個數量級製作中
10. 06.10停損止盈邏輯錯誤：同根 K 線與跳空怎麼處理製作中
11. 06.11倖存者偏差：AI 預設用今天的股票名單回測製作中
12. 06.12AI 幫你調參調到完美：過擬合被加速了上線後免費製作中
13. 06.13年化收益、夏普比率的口徑錯誤製作中
14. 06.14AI 把巧合講成規律：自信的錯誤結論怎麼識別製作中

學習目標用 AI 高效閱讀論文、拆解策略、收集想法，同時核實每一條引用和每一個「規律」，把想法轉成可檢驗的假設。

學完這一章你會得到：想法庫與文獻核實表（來源、核實狀態、假設、檢驗狀態）

1. 07.01用 AI 讀量化論文，怎樣又快又不被帶偏？上線後免費製作中
2. 07.02讓 AI 找論文：怎麼確認論文真實存在、內容沒被編造上線後免費製作中
3. 07.03把論文裡的策略交給 AI 復現，需要先準備什麼製作中
4. 07.04論文結果復現不出來，常見原因有哪些製作中
5. 07.05論文裡的超額收益為什麼發表之後會變小製作中
6. 07.06用 AI 頭腦風暴交易想法：數量多不等於質量高上線後免費製作中
7. 07.07讓 AI 扮演反方，給你的策略找漏洞製作中
8. 07.08AI 總結的「市場規律」怎樣變成可檢驗的假設製作中
9. 07.09網上流傳的策略和課程，讓 AI 幫你拆出背後的假設製作中
10. 07.10帶聯網搜尋的 AI：資訊來源怎麼核對製作中
11. 07.11建立自己的想法庫：來源、假設和檢驗狀態製作中

學習目標知道機器學習適合解決哪些量化問題、不適合哪些，以及和簡單規則、隨機基準公平比較的條件。

學完這一章你會得到：機器學習適用性判斷表

1. 08.01機器學習能預測股價嗎？先說清楚能和不能上線後免費製作中
2. 08.02大模型和傳統機器學習：量化裡兩類不同的工具製作中
3. 08.03分類、迴歸、排序：交易問題該選哪一種製作中
4. 08.04金融資料訊雜比很低，模型為什麼容易學到噪聲上線後免費製作中
5. 08.05線性模型、樹模型、神經網路：新手從哪個開始製作中
6. 08.06模型要先打敗誰：簡單規則和隨機基準製作中
7. 08.07非平穩：去年學到的規律今年還成立嗎製作中
8. 08.08模型輸出的機率怎麼變成部位製作中
9. 08.09看特徵重要效能發現什麼，不能發現什麼製作中
10. 08.10什麼情況下不該用機器學習製作中

學習目標構造只包含當時已知資訊的特徵，選擇合適的標籤定義，處理重疊標籤、類別不平衡和釋出日期問題。

學完這一章你會得到：特徵與標籤檢查清單

1. 09.01量化機器學習的特徵是什麼？從價格到特徵的例子上線後免費製作中
2. 09.02標籤怎麼定：未來 N 天收益、漲跌方向，還是止盈停損誰先到上線後免費製作中
3. 09.03三重障礙法（Triple Barrier）標籤入門製作中
4. 09.04特徵和標籤的時間對齊：一行資料只能放當時已知的資訊製作中
5. 09.05用全樣本均值做標準化，就已經洩露了未來製作中
6. 09.06滾動視窗特徵的起始期和缺失值製作中
7. 09.07特徵越多越好嗎？維度與樣本量製作中
8. 09.08讓 AI 一次生成幾百個特徵，背後的多重檢驗問題製作中
9. 09.09漲跌樣本比例不均時，模型會學成什麼樣製作中
10. 09.10重疊標籤與樣本權重製作中
11. 09.11基本面和另類資料特徵的釋出日期問題製作中
12. 09.12特徵工程檢查清單製作中

學習目標用時間序列切分、滾動訓練、清除與禁區、巢狀驗證評估模型，能在 AI 寫的機器學習程式碼裡找出資料洩露。

學完這一章你會得到：資料洩露排查清單

1. 10.01為什麼量化不能用隨機打亂的 K 折交叉驗證？上線後免費製作中
2. 10.02資料洩露有哪幾種？一張圖看全製作中
3. 10.03時間序列切分：訓練、驗證、測試按時間排製作中
4. 10.04滾動視窗和擴充套件視窗訓練製作中
5. 10.05清除（Purging）與禁區（Embargo）：重疊標籤怎麼隔開製作中
6. 10.06組合清除交叉驗證（CPCV）入門製作中
7. 10.07調參也會洩露：巢狀驗證怎麼做製作中
8. 10.08測試集只能用一次：看過就不再是樣本外製作中
9. 10.09縮放、降維、特徵選擇：預處理流程裡的洩露製作中
10. 10.10模型準確率 99%？先懷疑資料洩露上線後免費製作中
11. 10.11AI 寫的機器學習程式碼，怎樣檢查有沒有洩露製作中
12. 10.12資料洩露排查清單製作中

學習目標把分類或迴歸指標換算成扣成本後的交易結果，判斷模型優勢是否足以覆蓋成本，並設計上線後的漂移監測。

學完這一章你會得到：機器學習研究報告範本

1. 11.01預測準確率 60%，能賺錢嗎？上線後免費製作中
2. 11.02準確率、精確率、召回率、AUC：交易裡該看哪個上線後免費製作中
3. 11.03把預測變成交易規則，再完整回測一遍製作中
4. 11.04加上成本以後，模型優勢還剩多少製作中
5. 11.05滾動評估：預測能力隨時間衰減的樣子製作中
6. 11.06模型和簡單規則公平比較需要滿足什麼條件製作中
7. 11.07每次訓練結果都不一樣：隨機性和穩定性檢驗製作中
8. 11.08模型上線後怎麼監控：特徵漂移與表現漂移製作中
9. 11.09什麼時候重新訓練，什麼時候直接停用製作中
10. 11.10一份機器學習研究報告應該寫清哪些東西製作中

學習目標用大模型把新聞和公告變成結構化標籤，處理好文字時間戳與可交易時間的對齊，用事件研究方法檢驗文字訊號，並識別大模型自身帶來的前視偏差和提示詞注入風險。

學完這一章你會得到：文字訊號檢驗流程卡

1. 12.01用 ChatGPT 分析新聞情緒能炒股嗎？上線後免費製作中
2. 12.02新聞、公告、社交媒體：文字資料從哪來，能不能用製作中
3. 12.03用大模型給新聞打情緒分：提示詞與輸出格式怎麼設計上線後免費製作中
4. 12.04讓 AI 從公告裡提取金額、日期、事件型別等結構化欄位製作中
5. 12.05同一條新聞問三次，情緒分一樣嗎？穩定性檢驗製作中
6. 12.06文字時間戳：釋出時間、抓取時間和你能交易的時間上線後免費製作中
7. 12.07大模型「知道後來發生的事」：訓練資料帶來的前視偏差上線後免費製作中
8. 12.08事件研究法：公告後幾天的超額收益怎麼算製作中
9. 12.09情緒指標和價格：領先、同步還是滯後製作中
10. 12.10恐懼貪婪指數、社交熱度這類現成情緒指標能用嗎製作中
11. 12.11批次呼叫大模型 API：成本、限速與失敗重試製作中
12. 12.12新聞裡藏著的提示詞注入：惡意文字怎樣誤導你的 AI製作中
13. 12.13從文字訊號到交易規則的完整檢驗製作中

學習目標把資料、回測、檢驗、報告串成一條有人工檢查點的 AI 研究流水線，防止智慧體在無人監督時刷出好結果。

學完這一章你會得到：研究流水線設計圖與檢查點表

1. 13.01AI 智慧體（Agent）做量化研究是什麼樣子？上線後免費製作中
2. 13.02讓 AI 自動跑資料、回測和寫報告：一條流水線怎麼搭製作中
3. 13.03智慧體需要哪些工具：讀檔案、執行程式碼、查資料製作中
4. 13.04一次交代一整個研究，為什麼容易失控製作中
5. 13.05人工檢查點：哪些步驟必須停下來等你確認製作中
6. 13.06智慧體自動調參時，怎樣防止它「刷」出好結果製作中
7. 13.07多個 AI 分工：研究員、審查員、復現員怎麼配合上線後免費製作中
8. 13.08讓智慧體自動寫研究日誌和變更記錄製作中
9. 13.09自動化每日研究：定時取數、跑訊號、發報告製作中
10. 13.10智慧體執行出錯時怎麼排查製作中
11. 13.11成本控制：token、API 呼叫次數和執行時間製作中
12. 13.12一個最小的量化研究智慧體示例製作中

學習目標在 AI 接觸程式碼、資料、帳戶的每個環節設定許可權隔離、硬限額、人工確認和審計日誌，出事時能停、能查、能恢復。

學完這一章你會得到：AI 量化風控清單

1. 14.01能讓 AI 直接幫我自動下單嗎？上線後免費製作中
2. 14.02許可權分離：AI 可以讀資料、寫程式碼，但不能碰資金製作中
3. 14.03API 金鑰不要貼進聊天框：已經洩露了怎麼辦上線後免費製作中
4. 14.04AI 寫的下單程式碼，上線前必須過哪些檢查製作中
5. 14.05限額與熔斷：單筆、單日、總部位的硬上限製作中
6. 14.06人在迴路：哪些決定必須由人確認製作中
7. 14.07外部文字進入自動流程：提示詞注入與惡意資料的風險製作中
8. 14.08模型升級以後，同樣的提示詞結果變了怎麼辦製作中
9. 14.09日誌與審計：出了事能查清誰、何時、為什麼製作中
10. 14.10上傳給 AI 服務的程式碼和資料去了哪裡：保密與合規製作中
11. 14.11AI 量化風控清單製作中

學習目標理解 AI 生成策略普遍失效的結構性原因，能識別誇大宣傳，知道什麼樣的 AI 輔助研究結果才值得進入模擬盤。

學完這一章你會得到：AI 策略識別與篩選表

1. 15.01AI 生成的交易策略為什麼大多不能用？上線後免費製作中
2. 15.02「AI 策略年化 300%」的截圖，怎樣一眼看出問題上線後免費製作中
3. 15.03AI 的知識來自網上的公開策略，已知的優勢還剩多少製作中
4. 15.04AI 讓試錯變便宜，多重檢驗問題因此被放大製作中
5. 15.05AI 策略通常缺什麼：成本、容量與執行細節製作中
6. 15.06讓 AI 生成一百個策略再挑最好的，會發生什麼？上線後免費製作中
7. 15.07換個市場、換個時期：AI 策略的失效實驗製作中
8. 15.08賣「AI 量化」產品和訊號的，怎樣識別誇大宣傳製作中
9. 15.09什麼樣的 AI 輔助研究結果才值得進入模擬盤製作中
10. 15.10把 AI 當研究助理，而不是策略來源製作中

學習目標在 AI 協助下獨立完成一次完整研究：登記計畫、資料準備、回測、穩健性檢驗、對抗審查、報告與研究包，並保留全部提示詞日誌。

學完這一章你會得到：結業研究包（研究計畫、資料清單、程式碼、測試、預期結果、報告、提示詞日誌、審查記錄）

1. 16.01實戰選題：挑一個一個月內能驗證完的想法上線後免費製作中
2. 16.02第一步：和 AI 一起把想法寫成研究計畫並登記製作中
3. 16.03第二步：資料準備與體檢製作中
4. 16.04第三步：讓 AI 寫回測，自己寫已知答案測試製作中
5. 16.05第四步：成本、樣本外與穩健性檢驗製作中
6. 16.06第五步：請另一個 AI 做對抗性審查製作中
7. 16.07第六步（可選）：加入一個文字或機器學習特徵製作中
8. 16.08第七步：寫研究報告，AI 起草，結論由你負責製作中
9. 16.09第八步：打包成別人能一鍵復現的研究包製作中
10. 16.10結論是「不可用」時怎麼寫：失敗研究的價值製作中
11. 16.11透過驗收以後：模擬盤前瞻記錄計畫製作中
12. 16.12結業提交：研究包、提示詞日誌和審查記錄製作中