> ## Content Index
> Fetch the complete content index at: https://blog.algorover.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# AI 写的交易策略能跑通，怎样确认它没有改掉你的规则？
- URL: https://blog.algorover.ai/zh/verify-ai-trading-strategy-rules-zh/
- Published: 2026-11-16T14:58:39.000Z
- Updated: 2026-11-16T14:58:39.000Z
- Description: 你说上穿才买，AI 却写成在上方就买。先用几根看得清的 K 线核对规则，再查周期、仓位和费用，弄清它到底执行了什么。
- Author: AlgoRover Team
- Tags: Backtest Validation, #zh-cn

你让 AI 写“均线上穿买入”，回测跑通了，图也挺漂亮。翻开记录才发现，它写成了“只要在均线上方就买”。程序认真执行了另一道题。AI 生成交易策略以后，怎样确认代码没有换掉你的交易规则？先核对行为，再看收益。

## 回测能运行，能证明策略实现正确吗？

**能运行证明程序完成了执行；规则正确还需要逐项核对原始需求与实际行为。**编译通过、没有报错、生成绩效报告，各自回答了工程问题，都不能单独证明“上穿”“收盘确认”“最多一笔持仓”已经按你的意思实现。

这就像点了一碗牛肉面，端上来的是炒饭。能吃，和是不是你点的东西，是两回事。回测也是这样：先看看它到底按什么条件买卖，再判断收益。

## “上穿”和“高于”，会产生什么不同？

上穿是一个变化事件：上一根快线不高于慢线，这一根快线高于慢线。高于是一个状态：这一根快线在慢线上方。两者会在同一时点成立，但不会始终产生相同的信号。

假设慢线连续三个时点都是 100，快线依次是 99、101、102。把两种条件放在一起，就能看出区别：

__同一组均线，“高于”和“上穿”在哪一步不同？__
| 时点 | 快线  | 慢线  | 快线高于慢线 | 本次发生上穿  |
| -- | --- | --- | ------ | ------- |
| A  | 99  | 100 | 否      | 无前值，未判断 |
| B  | 101 | 100 | 是      | 是       |
| C  | 102 | 100 | 是      | 否       |

B 和 C 的快线都在上方，但上穿只发生在 B。如果程序在 C 又买了一笔，就去查它用的是哪个条件，以及是否允许重复买入。把这几条记录放在一起，问题会清楚得多。

![按表中假设数值，上穿发生在 B；到 C 时快线仍在上方，但没有再次上穿。](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/11/rules-inline-zh-2642ef6db6cf.png)

按表中假设数值，上穿发生在 B；到 C 时快线仍在上方，但没有再次上穿。

## 让 AI 写策略之前，应该把哪些规则写清楚？

- **数据：**市场、周期、价格字段，是否只使用已收盘 K 线。
- **入场：**事件还是持续状态，边界相等时怎样处理，是否允许重复入场。
- **退出：**止损和反向信号同时出现时采用什么顺序。
- **仓位：**按资金还是风险定量，最多持有多少，是否允许加仓。
- **时间：**何时产生信号，何时允许提交订单，采用什么成交假设。
- **成本：**手续费、滑点等采用什么配置，统计从何时开始。

把模糊表达改成能判断真假的句子。例如“跌多了补一点”需要说明参考价格、跌幅、单次金额和最多次数。AI 不该替你把这些空白悄悄填成另一套策略。

## 买卖条件对了，周期、仓位和手续费也要看吗？

要看。你要求“4 小时收盘确认”，程序却用了 1 小时数据，即使上穿条件写对了，也已经是另一种交易节奏。仓位按总资金的比例还是固定金额计算，同样会改变每笔风险。

手续费没填写，也不能直接当作零费用。先查看这次运行实际采用的费率、资金设置和成交假设；不同平台可能使用各自默认值。把这些设置和策略版本一起保存，后面才知道两次结果到底差在哪里。

## 怎样验证 AI 回测代码和交易规则一致？

1. **保存原始需求。**给它日期和版本，后续改动另存，不覆盖最初约定。
2. **让实现逐项说明。**每条规则对应哪个判断、哪些参数，哪些默认值还需要决定。
3. **设计短小案例。**分别覆盖不入场、刚好触发、相等边界、已有持仓、退出冲突。预先写出期望行为。
4. **查看事件记录。**把数据时间、指标、条件结果、订单和成交分开，定位第一处不一致。
5. **修复后重新核对。**记录修改了什么，同时重跑此前正确的案例，防止修一个条件改掉另一个。

先拿几根自己能算清的 K 线，看它有没有按约定买卖，再拉长时间看收益。短数据里就能看见的问题，没必要跑完几年回测再找。

## AI 修复报错时，为什么也要检查规则版本？

报错有时是代码写错了，有时是某个条件还没说清楚。修复时如果顺手换了指标、放宽了门槛，策略也跟着变了。可以改，但先记下改了什么，再检查新规则的表现。否则你以为只是修好程序，实际已经换了一套买卖办法。

QuantHarness 论文把最终代码以外的研究过程也纳入检查，包括规格、数据、修复与运行证据。这提供了一个有用思路：保留过程，才能解释答案如何产生。

## 确认规则正确后，再研究什么？

接着检查[哪些 AI 策略值得继续测试](https://blog.algorover.ai/zh/ai-generated-strategies-how-to-filter-zh/)、[调参是否只挑中了偶然结果](https://blog.algorover.ai/zh/many-parameters-one-profitable-backtest/)，以及样本外表现。规则正确和策略有优势，仍是两项不同的结论。

手里已经有规则和回测材料时，可以用 [AlgoRover Research](https://www.algorover.ai/zh/research/?utm%5Fsource=algorover%5Fblog&utm%5Fmedium=article%5Fcta&utm%5Fcampaign=verify-ai-trading-strategy-rules-zh&utm%5Fcontent=research%5Fcontext) 整理要继续研究的问题。规则核对清楚后，再把同一策略版本和配置带到运行阶段，看看真实的订单过程是否符合你的想法。

## 常见问题

### 让同一个 AI 自查一次就够了吗？

自查有帮助，但仍要保留独立的期望行为和运行证据。必要时由另一位审阅者检查关键条件，避免重复同一理解错误。

### 只看代码，不看成交记录可以吗？

代码说明预定行为，运行记录说明本次发生了什么。时间、数据和订单设置都可能影响结果，两者应一起核对。

### AI 改了参数但收益更好，可以保留吗？

可以作为新的研究候选，但要保存修改原因并重新验证，不能把它当成原需求已经通过。

### 规则正确就适合实盘了吗？

还需要检查数据、成本、样本外表现和执行流程。实现一致性只是其中一个门槛。

## 规则核对完，再看它有没有照着下单

把“上穿才买”和“持仓后不重复开仓”写清楚，再用 AlgoRover Live 在受支持的交易所 Demo 中运行确认过的版本。查看订单和持仓，就能继续核对它有没有在该买时买、有没有重复开仓。

[在 Live 中继续验证执行过程](https://www.algorover.ai/zh/live/?utm%5Fsource=algorover%5Fblog&utm%5Fmedium=article%5Fcta&utm%5Fcampaign=verify-ai-trading-strategy-rules-zh&utm%5Fcontent=live%5Fsetup)

## 参考资料

- [QuantHarness：量化研究 Agent 的过程与证据检查](https://arxiv.org/abs/2610.26101?ref=blog.algorover.ai)
- [QuantHarness 论文全文](https://arxiv.org/html/2610.26101v1?ref=blog.algorover.ai)

不构成投资建议。