AI 写的交易策略能跑通,怎样确认它没有改掉你的规则?

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。

AI 写的交易策略能跑通,怎样确认它没有改掉你的规则?

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
A99100否无前值,未判断
B101100是是
C102100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。
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、调参是否只挑中了偶然结果,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 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

参考资料

不构成投资建议。