用 AI 助手写策略:用自然语言描述,自动生成策略

青 青柠量化
2026-10-17

不会编程也能写策略。 用一句话描述你的交易想法——"当RSI从30下方回升到30以上时买入,持有20天"——青柠量化AI助手自动将其转换为可回测的策略配置,10秒内完成从描述到回测结果。

AI写策略的工作原理

青柠量化的AI助手采用三步流程:

用户自然语言描述
       ↓
AI解析 → 生成SDL策略配置(JSON格式)
       ↓
引擎自动回测 → 输出收益、胜率、超额等指标

SDL(Strategy Definition Language) 是青柠量化定义策略的JSON格式,包含入场信号、出场信号、持有期和仓位配置。JSON格式比代码更结构化,AI理解和生成的准确率更高。

一个完整的例子

你说的:

当RSI(14)从30下方回升到30以上时买入,20天后卖出

AI生成的SDL:

{
  "name": "RSI超卖回升策略",
  "version": "1.0",
  "entry": {
    "indicator": "rsi",
    "params": { "period": 14 },
    "condition": "cross_above",
    "threshold": 30
  },
  "exit": {
    "type": "hold_days",
    "params": { "days": 20 }
  },
  "position": {
    "type": "equal_weight",
    "max_positions": 10
  },
  "filters": {
    "exclude_st": true,
    "exclude_bse": true,
    "min_price": 3
  }
}

青柠AI助手会自动加上A股规则约束(排除ST、排除北交所、最低价格过滤),不需要你手动设置。

这个策略回测表现如何

策略参数:RSI(14)从<30回升至≥30,持有20日,次日开盘买入,来回成本0.15%,全A股票池(非ST、排除北交所、后复权)。

年份 信号数 可成交 20日平均收益 净收益(扣成本) 超额(vs市场均值) 胜率
2025 10,911 10,904 +4.02% +3.87% -0.16% 61.4%
2026 29,373 29,345 -0.08% -0.23% +0.36% 45.1%

解读:

  • – 2025年:策略收益不错(4.02%),胜率61.4%,但超额接近0(-0.16%)——这说明策略收益主要来自大盘上涨,而不是选股能力
  • – 2026年:市场整体承压,策略小幅亏损,但超额为正(+0.36%)——在市场下跌期间,RSI超卖回升策略比随机持股稍好

这正是AI生成策略的一个典型表现:基本可用,但需要进一步验证是否有稳定超额。

不同描述方式,AI能理解什么

青柠AI助手对以下描述类型的理解效果较好:

描述类型 示例 AI理解准确率
单指标信号 "MACD金叉时买入" ✅ 高
指标+阈值 "RSI从30回升" ✅ 高
多指标组合 "RSI<30且MACD金叉" ✅ 较高
固定持有期 "持有20天" ✅ 高
ATR止损 "用2倍ATR止损" ✅ 较高
模糊描述 "跌多了就买" ⚠️ 低,需要具体化
基本面条件 "PE低于20" ❌ 暂不支持

建议:描述越具体,结果越准确。说"RSI(14)从低于30回升到30以上"比说"RSI超卖回升"效果更好。

AI写策略的局限性

根据学术基准测试(QuantCode-Bench,2026年,400个策略生成任务):

  • – 最好的AI模型:单轮通过率约70-76%,意味着约1/4的策略生成后不完全符合描述
  • – 通过多轮反馈迭代:准确率可提升到95-98%
  • – 主要失败原因不是语法错误,而是:金融逻辑理解偏差、信号从未真正触发

实际使用建议:

  1. 1. AI生成后一定要看回测里是否有实际交易(若信号数为0,说明条件太严)
  2. 2. 检查信号触发时间是否符合你的预期
  3. 3. 用参数实验室(第57课)验证策略不是偶然在某个参数下好看

常见误区

误区1:AI生成的策略自带超额收益
AI只是把你的描述准确转化为代码,不会凭空创造有效的策略逻辑。策略有没有超额,取决于你描述的这个规律本身是否真实存在。

误区2:描述越复杂越好
复杂的多条件描述可能会导致信号太少(每月触发2-3次),回测样本不够,统计意义差。简单的规则通常更容易验证。

误区3:回测好的AI策略就能实盘用
AI生成的策略同样需要样本外检验(第59课)、参数稳定性检验(第57课),和过拟合检验(第56课)。回测好看是起点,不是终点。

在青柠中实操:三步完成策略

第一步:点击「新建策略」→「AI生成」,输入描述:

当RSI(14)从30下方回升到30以上时买入,等权持有10只,20天后出场

第二步:AI生成SDL配置,在右侧实时预览JSON结构,可以点击「修改参数」直接调整。

第三步:点击「一键回测」,选择时间范围和股票池,引擎自动运行,30秒内输出完整回测报告。

整个过程无需任何编程,但需要你对结果有基本的判断能力——这正是这门课程一直在教的内容。

下一课

第56课讲过拟合:为什么回测越漂亮越危险,以及如何识别AI生成策略或自己设计的策略是否已经过拟合训练数据。这是将策略从"看起来好"到"真的好"之间最重要的一步。

相关课程


口径说明:RSI(14)回升策略数据,全A股票池(非ST、排除北交所4/8/9开头、后复权、raw_c≥3),持有20日,来回成本0.15%,次日开盘买入,一字涨停买不进记NULL,超额=策略均值−同日票池均值同口径。数据范围:2025年10月—2026年10月。数据仅用于教学演示,不构成投资建议。

读到这里,不如自己验证一次

文章里的逻辑,你可以在青柠量化里用真实数据重新跑一遍。免费,零代码。

免费下载客户端

写下你的看法

邮箱仅用于回复通知,不会公开。