用大白话说一个策略让 AI 写成代码，它替你猜掉的正好是最要命的部分

有个体验现在几乎人人都试过：你在对话框里敲一句「短期均线上穿长期均线就买入，下穿就卖出，帮我在过去三年的数据上回测一下」，几十秒之后，你拿到一段能跑的程序，还有一张一路向上的资金曲线。

你读不懂那段程序。但你看得懂那张曲线。

这件事的诱惑力太大了——过去要把一个念头变成能检验的东西，你得先学语言、学数据接口、学回测框架，一路学下来一个月过去，热情早凉了。现在几十秒就有结果。门槛是真的塌了，这不是营销话术。

但你手上那张曲线，和一个专业的人做出来的曲线，中间隔着的东西，恰恰是你刚才那句话里没说的部分。而你之所以没说，是因为你压根不知道那些地方需要说。

先说人话：你跟装修师傅说「客厅装个灯」

你跟师傅说「客厅装个灯」。师傅不会站在那儿追问你二十个问题，他会开工。

开工之前他心里已经替你定了十几件事：灯装在天花板正中还是沙发上方、开关放门口还是床头、走明线还是开槽走暗线、用几平方的线、要不要留双控。这些他都按自己的习惯定了，没跟你说，因为在他看来这些是常识。

灯亮了。你验收，你只会看一件事：亮不亮。

你不懂装修，所以你的验收标准里根本不包含那些他替你定的东西。 而三年后墙里那根线出问题的时候，出问题的正是他替你定的那一项。

让 AI 把一句话写成策略代码，是同一个结构，而且更糟。装修至少灯亮了是真亮了；策略这边，那条曲线好看，可能纯粹是因为它替你定的那几件事，方向全部朝着「让历史成绩好看」那一侧倒。

投资层：这条路的价值和天花板，各自在哪

先把价值说足，否则就是另一种偏见。

价值在于试错成本。 一个投研的人一年会冒出几十上百个念头——「财报发布后三天有没有惯性」「成交量突然放大的那批标的后面怎么走」「行业里最弱的那几只会不会补涨」。这些念头里绝大多数是废的，但你不试就不知道哪个废。过去试一个的成本是好几天，于是你一年只能试三五个，而且会舍不得否掉自己花了三天做出来的那个。现在试一个的成本掉到几十分钟，你终于敢大方地把废的扔掉了。 这个变化的价值比它看起来大——投研的产出不取决于你想法多好，取决于你能多快地把坏想法筛掉。

天花板在于：你说得不清楚的地方，它一定会替你猜，而它猜的地方恰好是最关键的。

这句话得掰开讲。一个策略从「一句话」到「一段能跑的程序」，中间至少要填这些空：

• 在哪批标的上做（标的就是你要买卖的那个东西，一批标的合起来叫标的池）
• 用什么周期的数据（K 线就是一段时间里的开盘、最高、最低、收盘四个价，日线一天一根，分钟线一分钟一根）
• 信号出现之后，在哪根 K 线上成交
• 按那根 K 线的哪个价成交
• 滑点算不算（滑点就是你下单时看到的价，和最后真正成交的价之间那点差额）
• 手续费、印花税算不算
• 每次买多少、总共同时持有几只
• 什么时候卖：靠反向信号、靠持有天数、还是靠止损
• 那天要是涨停买不进、跌停卖不掉、干脆停牌了，怎么算

你那句「金叉买死叉卖」，只回答了第三行和第八行的一半。剩下的全是空。

AI 不会把这份清单摊开问你。它会一路填下去，填得又快又顺，然后交给你一段看起来非常专业的代码。它填的每一个默认值都是合理的，但「合理」和「和你想的一样」是两件事，「和你想的一样」和「和真实市场一样」又是第三件事。

机制层：最贵的三个空格

上面那张清单里，有三处的杀伤力远远超过其它。它们的共同点是：填错了，历史成绩会变好看，而且不会报任何错。

一、信号出现在哪根 K 线，你就在哪根成交吗

这是最经典的那一处。

今天收盘之后你才知道今天的收盘价，也才算得出今天的均线，也才知道今天出了金叉。可回测程序里的今天，全部数据早就摆在那儿了——开盘、最高、最低、收盘一应俱全。如果程序在「今天出了信号」的同一根 K 线上，按今天的收盘价记一笔买入，那它用的是一个当时还不存在的信息。

这就叫前视偏差：程序在算历史的时候，偷看了未来。 它不报错、不崩溃，只是安静地把你的曲线画得更漂亮。这件事本身的来龙去脉，前视偏差 那篇拆得更细。

认真的回测引擎会怎么处理？开源项目 Vibe-Trading 的回测底座里，把信号矩阵整体往后挪一根 K 线，代码里的说法叫「次根 K 线开盘价语义」——今天的信号，明天开盘才生效。这一挪不是可选项，是写在数据对齐这一步里的默认行为。

注意这个动作意味着什么：这是一条工程默认，不是你的策略决定。 你说「金叉买」的时候，你脑子里那个买入动作发生在哪一刻，你自己都没想清楚。挪一根是保守做法，不挪是作弊做法，还有中间做法（当天收盘前若干分钟估算信号提前下单）。三种做法的历史成绩能差出一大截，而这三种在你那句话里长得一模一样。

二、按什么价成交，滑点往哪个方向走

同一个项目里还有一个函数，专门回答「这一笔要是成交，成在什么价」。它的答案是：这根 K 线的开盘价，再按交易方向加上滑点——买的时候往贵了滑，卖的时候往便宜了滑。

「按方向滑」这四个字是重点。滑点不是随机的正负抖动，它是系统性地咬你一口：你急着买的时候市场就是贵一点，你急着卖的时候就是便宜一点。一个默认「不算滑点」或者「滑点对称随机」的回测，长期看会把成本这一项整段吞掉。交易频率越高，被吞掉的越多。

而这一项在你那句大白话里，连影子都没有。 你不会想到要说「我的成交价要按开盘价加万分之几的滑点算」，因为你要是能想到这句话，你也就不需要 AI 帮你写代码了。

至于「那天到底成不成得了、成多少」，这是另一整套假设，回测里的成交假设 那篇把常见的几种按乐观程度排成了一把尺子，值得对照着看你手上这份代码站在哪一格。

三、连「涨跌停算到哪」都能偷看未来

这一处最能说明问题的深度。

要判断某天某只标的能不能成交，得先知道当天的涨跌停价在哪。涨跌停价是按一个基准价算出来的，那么这个基准价从哪儿取？

上面那个项目的代码里，取基准价的函数写了一段很长的注释，大意是：涨跌停的区间必须从一个「下单那一刻市场已经知道的价格」推出来；这个引擎在当根 K 线的开盘价成交，所以当根 K 线的收盘价属于还不存在的信息，用它就是前视偏差。 于是它按顺序去找严格属于历史的来源——先看数据里有没有现成的前收盘或前结算价，没有就回头取上一行的收盘价，再没有就用当天的涨跌幅倒推出前一天的收盘价（倒推出来的仍然是历史值）。全都取不到的时候，它返回空，而调用方被明确要求：这时候不许凭空捏一个拦截出来。

停下来体会一下这个细节的精细程度。这不是策略逻辑，这是「判断能不能成交」这个辅助动作里的一个中间变量。就连这么深的一层，写这套东西的人都专门盯着「这个数当时知不知道」这个问题。

你那句大白话里，这一层根本不存在。 AI 替你填的时候，它填对了你不知道，填错了你也不知道。

你读不懂那段代码，那还怎么验收

这才是这条路上真正的难题。前面三处你现在知道了，可你打开那段程序，看到的还是一片你不认识的东西。你没法用「读一遍」的方式验收。

开源回测框架 freqtrade 提供了一条专门检测前视偏差的分析命令，它的思路给了一个很好的启发。文档里写得很直白：这个命令不去看策略代码本身，它的做法是——先完整跑一遍拿到基准，再针对每一次进场和出场分别重跑一次切了片的回测，然后比对两次结果里指标的数值和进出场的位置有没有发生移动。如果一段策略在「只喂给它信号之前的数据」时表现变了，那它原来就是在用后面的数据。

同一份文档还提到，这个命令会强制关掉缓存、把资金拉到几乎无限大、把下单方式统一成市价单等等，理由是避免用户误产生假阳性。

这两件事合起来给你的启发是：

第一，验收方式是行为验收，不是阅读验收。 你不需要读懂代码，你需要设计能让它露馅的对照实验。同一段逻辑，把数据的最后一段砍掉重跑，前面那段的成绩应该一模一样；如果变了，那它在用后面的数据。这个实验你完全可以让 AI 帮你做，因为验收的判据是你定的，不是它定的。

第二，验收本身也会出假阳性。 一个严肃的检测工具要专门锁死一堆参数来防止误判，说明「测出来有问题」和「真的有问题」之间还隔着一层。别一看到差异就下结论，先想想是不是别的东西变了。

把话说清楚的四个动作

如果你决定用这条路，下面四件事能把「它替你猜」的比例压下去一大截。

第一，先写规格，再让它写代码。 不要一句话丢过去。把上面那张空格清单当成表格，逐项填，填不了的那几项就明确写「我不知道，请你列出常见做法和各自的偏乐观/偏保守方向，我来选」。这一步会逼出你自己都没想清楚的地方——而想不清楚的地方，本来就不该由一个机器替你决定。

Vibe-Trading 里有一个纯本地、不依赖任何模型的「研究假设登记表」，它规定一个想法至少要有这么几个字段：适用的标的范围、信号的文字定义、用了哪些数据源，以及一个我认为最要紧的字段——作废说明：什么情况下这个想法算是被推翻了。

最后这一项在你那句大白话里从来不会出现，但它是整件事里最贵的一句话。一个说不清「怎样算它错了」的想法，你永远无法把它从你的清单里删掉，它会一直挂着，一直消耗你。

第二，逼它把默认值列出来。 写完代码之后追问一句：这段程序里，凡是我没有明确指定、由你选择的地方，逐条列出来，每条写清你选了什么、还有哪些常见选项、以及你的选择在偏乐观还是偏保守的方向上。这个问法有效，是因为它把「猜」这个动作从暗处拽到了明处。

第三，同一句话让它写两遍，比对差异。 两次生成不一致的地方，就是你没说清楚的地方。这个办法粗暴但极其有效，而且不需要你懂代码——你只要让它把两版的默认值清单摆在一起看哪几行对不上。

第四，永远用能证伪的方式验收。 曲线好看不是结论，是提问的开始。至少要问：把时间段换一半还成立吗？把成本调高一档还剩多少？交易次数是不是少到根本不构成证据？这一整套「回测好看之后该做什么」的动作，回测好看实盘亏，差的到底是哪三件事 那篇是正主。

边界在哪，什么绝对不该做

这条路的合理终点是「一个可以被检验的想法」，不是「一个可以下单的程序」。

从一句话到一段回测代码，隔着一层认知——你没说清的地方它替你猜了。从一段回测代码到真的往市场里发委托单，中间隔着的东西还要多得多：委托类型、数量取整、账户状态、断线重连、部分成交、当天限制，任何一处出错都是真钱。从一句话到一张委托单，中间隔着多少步 专门拆这一段。

尤其不要因为「代码是它写的、跑得也挺顺」，就顺手把下单这一步也交给它。 一段你读不懂的程序，配上一个连不上任何人工确认的执行通道，这个组合的风险不是「可能亏钱」，是「你在事后连发生了什么都复原不出来」。真要往那个方向走，把下单权交给 AI 之前，先问自己这几个问题 里的授权边界、额度上限、随时可中断、全程可审计这四条，是先决条件而不是加分项。

还有一类误用值得单独点出来：把「AI 能写策略代码」读成「AI 能给你一个赚钱的策略」。 它帮你完成的是从想法到检验之间的翻译工作，翻译得再好，也不会让一个本来不成立的想法变成立。你想法的质量、你对市场的理解、你愿意为一个负面结果放弃自己心血的诚实程度——这三样，一行代码也替不了。

小结

• 门槛塌了是真的：把一个念头变成可检验的东西，成本从几天掉到几十分钟。真正的收益不是省时间，是你终于敢把废想法扔掉了。
• 一句大白话至少留下十几个空：标的池、数据周期、成交在哪根 K 线、按什么价、滑点、成本、仓位、退出条件、涨跌停与停牌。你只回答了其中一两个。
• 最贵的三处默认值是成交时点、成交价与滑点方向、涨跌停基准价的取法。它们的共同点是：填错了历史成绩会变好看，而且一个错误都不会报。
• 验收方式必须是行为验收，不是阅读验收。砍掉后半段数据重跑、比对前半段成绩是否一致，这个对照实验不需要你懂代码。
• 让它把「我替你猜的地方」逐条列出来，同一句话写两遍看哪里不一致——这两招把暗处的假设拽到明处，成本几乎为零。
• 一个说不清「怎样算它错了」的策略想法，你永远删不掉它。作废条件要写在第一版代码之前，不是之后。
• 这条路的终点是可检验的想法，不是可下单的程序。这两者之间的距离，比代码跑通与否大得多。

一句话记住这篇：它帮你把话变成了代码，但它没帮你把话说清楚——你没说的那些，它全都替你决定了，而且不会告诉你。

本文所述机制来自上述源码与文档快照的阅读，是对代码结构与文档说明的转述，不是运行结果，也不代表任何做法有效或能带来收益。本文不推荐任何策略、工具或平台，更不建议读者据此进行任何实盘操作。回 量化与 AI 投研概念库 看各个概念分别在说什么；本站内容为投资教育，不构成任何投资建议，完整边界见 免责声明。