跳到主要内容

AI大模型策略

AI大模型策略是策引官方模拟组合中的一类实验性策略。它不是把一套固定规则写死，而是先把预设的数据上下文交给大模型，再由模型输出买入、卖出、持有或空仓判断，最后把这些信号写入交易记录，用统一的回测流程观察这套决策在历史中的表现。

目前官网里已经有覆盖 A 股、美股、加密资产的 3 个官方 AI 实验组合。第一次看这类组合，建议先从 从这里开始 进入，再对照这篇文档理解它和传统规则策略的差别。

怎么工作的​

基本流程​

  1. 准备数据上下文：按市场收集技术面、基本面、情绪面和宏观相关数据
  2. 交给大模型判断：把这些上下文和分析框架一起交给大模型
  3. 输出交易信号：模型生成买入、卖出、持有或空仓判断，并附带理由
  4. 写入交易记录回测：信号写入文件后，由 交易记录策略 统一回放和统计表现

它和规则型策略有什么不同​

  • 规则型策略：先写好条件，之后严格按条件执行
  • AI大模型策略：给模型一组可读上下文，让它在每个时点自己判断
  • 两者都能回测，但 AI 策略更像“可追溯的判断实验”，不是一套完全显式的硬规则

AI会看什么信息​

不同市场可用数据不同，但当前主要会用这几类信息：

技术分析数据：

  • 价格数据：开盘价、最高价、最低价、收盘价、成交量
  • 技术指标：RSI、MACD、布林带、各种移动平均线
  • 波动性、支撑阻力位、价格结构等补充信息

基本面数据：

A股市场：

  • 公司基础信息：董事长、总经理、员工总数、公司简介
  • 完整财务报表：利润表、资产负债表、现金流量表
  • 关键财务指标：每股收益、净资产收益率、净利润率
  • 业绩预告和快报数据

美股市场：

  • 估值指标：PE、PB、PEG比率、市销率、企业价值倍数
  • 盈利能力：毛利率、营业利润率、净资产收益率
  • 财务健康：负债权益比、自由现金流、股息收益率
  • 增长指标：季度收入增长、盈利增长等
  • 分析师数据：目标价、买入/卖出/持有评级数量

市场情绪数据：

  • 新闻情绪分析：最近新闻标题和市场事件的正面/负面倾向
  • VIX恐慌指数：反映市场对未来波动的预期（美股）
  • 整体市场风险水平评估

期权数据（美股专有）：

  • 看涨/看跌期权的成交量和持仓量
  • 期权隐含波动率
  • Put/Call比率反映市场情绪
  • 期权希腊字母（Delta、Gamma等）

内幕交易数据（美股专有）：

  • 公司高管最近30天的买卖行为
  • 交易金额和股数统计
  • 内幕人士整体情绪倾向（看涨/看跌/中性）

图表分析：

  • AI自动生成K线图、成交量图、技术指标图
  • 对图表形态进行模式识别和分析
  • 结合视觉信息做出更准确判断

宏观经济背景：

  • 整体市场情绪和风险水平
  • 相关宏观经济指标
  • AI生成的市场环境总结

重点不是“信息越多越神”，而是把不同来源的信息放进同一轮判断里，让你看到模型是如何形成结论的。

为什么要做这种策略​

1. 研究 AI 决策过程​

  • 看 AI 在什么情况下倾向买入、卖出或空仓
  • 看同一类信息在不同市场里会不会得出完全不同的结论
  • 看 AI 在趋势市、震荡市、极端事件里会怎么失真

2. 和传统策略做对照​

  • 规则型策略更透明，AI 策略更灵活
  • 把两者放在一起看，更容易理解“透明度”和“适应性”的取舍

3. 保留完整决策记录​

  • 每个信号都可以附带分析理由
  • 方便复盘“这次为什么买 / 卖 / 空仓”
  • 也方便后续改 prompt、改数据源、改工作流

适用场景​

1. 研究型使用​

  • 想观察 AI 如何参与投资判断
  • 想看它在不同市场里的行为模式
  • 想把它和规则策略放在一起做对照

2. 学习型使用​

  • 想读 AI 给出的理由，反推它关注了哪些信息
  • 想把多维信息整合的过程看得更清楚
  • 想理解“判断型策略”和“显式规则策略”的差别

3. 公开实验样本​

  • 适合长期跟踪、复盘和讨论
  • 适合在社区里把结果与预期做对照
  • 适合观察 prompt、数据源、市场环境变化后会出现什么偏差

当前官方实验组合​

目前公开的官方 AI 组合包括：

  • AI A股策略：聚焦 A 股技术指标、财报和市场数据的实验性组合
  • AI 美股策略：聚焦美股估值、业绩与市场数据的实验性组合
  • AI 加密资产策略：聚焦加密资产行情与市场状态的实验性组合

这些组合的定位都一样：用来观察 AI 决策在不同市场里的行为模式，而不是替代你的独立判断。

风险和局限​

1. 逻辑不像规则策略那样完全显式​

  • 你能看到理由，但很难像均线或动量那样一句话写清全部条件
  • 回撤来时，判断“模型失效”通常比判断“规则失效”更难

2. AI 会犯错，而且错得很像“说得通”​

  • 模型可能引用了不重要的信息
  • 模型可能在新环境里过度自信
  • 输出文字看起来顺，但结论未必可靠

3. 黑天鹅和结构变化仍然会打脸​

  • 极端事件、制度变化、市场风格切换，都可能让历史上看似成立的判断突然失灵

适合怎么用​

更合适的用法：

  • 把它当作公开的研究样本长期观察
  • 重点看它为什么这样判断
  • 把它和规则策略一起对照着看

不太合适的用法：

  • 把它当成稳赚工具
  • 只看收益，不看推理过程
  • 在没理解风险前盲目跟随

相关文档：