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. 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. 检查信号触发时间是否符合你的预期
- 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。