最近总有朋友发消息问我不是说AI量化很火吗我直接让ChatGPT帮我选几只股票它分析起来头头是道是不是就能直接当策略用了每次看到这种问题我都挺为难。AI量化确实是当前最热的方向之一ChatGPT也确实能对个股给出逻辑严密的分析但把“让大模型选股”当成AI量化的下一步从根上就跑偏了。我接触量化交易这些年见过太多人在这个环节绕弯路花大量时间调模型的Prompt让它给出看似专业的买卖建议最后拿真金白银试错结果被市场教育得很惨。今天这篇文章我想认真聊聊AI量化的下一步到底应该是什么。大模型在量化里的真实位置是什么哪些环节能用它提升效率哪些环节绝对不该交给它以及真正可落地的一套工程框架该怎么搭。内容扎扎实实全部来自我自己的实践和踩坑记录希望能帮你把方向拨正。1. 为什么说LLM不是“股票预言机”1.1 语言模型的本质是“接话”不是“预测价格”先说一个经常被误解的技术本质。像ChatGPT这类大语言模型底层做的是一件看起来很简单的事根据前文预测下一个词。它学习了海量文本之后掌握的是语言的统计规律、概念的组合方式、以及表达的连贯性。你问它“怎么看某只股票”它输出的其实是“一个金融分析师在这种语境下最可能说出来的话”而不是“这只股票未来最可能涨还是跌”。这中间的差别太大了。你可以把大语言模型理解成一个极其擅长“接话”的助手——你给它一个话题它能把后续说得像模像样。但市场行情不是一个语言问题而是一个由资金、情绪、基本面、宏观环境共同决定的复杂系统。语言模型并不具备对这个系统的真实因果理解它只是在用文字拼凑出一种“看起来很懂”的答案。如果你把它的回答当成投资依据本质上等于在做一个“接龙游戏”模型说“因为业绩超预期所以看多”你就相信了。但这句话可能只是语料库里的统计关联模型并不知道那家公司的真实基本面也不了解当前市场情绪更没有办法实时获取盘面变化。它只是在输出一个通顺的、符合人类表达习惯的说法。1.2 幻觉、时滞与数据污染LLM在金融场景里的三重风险除了机制上的问题用LLM直接选股还有三个实际风险。幻觉问题LLM会一本正经地编造它不知道的内容。你问它某公司的最新财务数据它可能给出一个看起来精确到小数点后两位的数字但这个数字可能是它基于训练语料“脑补”出来的。在金融场景里这种幻觉会直接让你基于错误信息做决策。时滞问题大模型的训练数据有截止日期它对市场的理解停留在训练时点。而A股、美股这些市场信息变化以分钟甚至秒为单位一个模型如果不知道最近三天的行业政策、公司公告和资金流向它给出的判断天然就是过时的。数据污染问题这一点最隐蔽。很多公开语料本身包含对历史行情的“事后总结”比如研报里写的“该股因业绩超预期大涨”模型在训练时把这些内容学进去了。当你问它“该股会不会涨”时它可能已经在训练阶段“见过”答案了。这种隐式的未来信息泄露会让模型在历史问答上表现惊艳实盘却完全失效。所以说让LLM直接推荐股票等于让一个没有实时行情、无法验证数据真实性、还可能自带“历史答案”的乖学生去替你做最重要的投资决策。2. AI量化真正能落地的四个切面2.1 因子挖掘让AI帮你提假设而不是给结论既然不能让它选股那AI在量化里到底能干什么我认为最值得做的第一件事是因子挖掘。什么是因子你可以把它理解成“一个可量化的选股维度”。比如市盈率、市净率、过去一个月的涨幅、波动率、换手率这些都是传统因子。而AI在因子挖掘中的角色不是告诉你“买什么”而是帮你从海量资料中提取“可能影响收益的候选变量”。我试过的一个工作流是这样的把一批行业深度研报的摘要丢给LLM让它列出“文中提到的可能影响行业景气度的关键指标”再把这些指标转成可计算的量化特征。比如它可能会提出“上游原材料价格环比变化率”“新增订单同比增速”“库存周转天数变化”等方向。这些只是“待验证的假设”我不会直接拿来用而是把它们写成代码放到历史数据里做回测只有统计上显著、逻辑上成立的因子才会进入候选池。这一步的价值在于过去做因子挖掘主要靠研究员手动读报告、手动写测试代码效率很低。LLM可以把“从文本到候选因子”的周期从两周压缩到一两天。但注意AI只负责生成假设验证权永远在统计模型和回测手里。2.2 另类数据解析新闻情绪与公告文本的“降维”如果说因子挖掘还带点探索性质那另类数据解析已经是AI在量化里成熟度最高的落地场景。传统量化模型吃的是结构化数据比如价格、成交量、财务指标。但市场里大量信息是非结构化的——新闻标题、公司公告、分析师评论、社交媒体讨论。这些文本里包含的信息往往比一个孤立的财务数字更早反映市场变化。我实际跑过的一个项目流程是这样的用爬虫定时抓取财经新闻、公司公告和交易所问询函对文本做清洗去重、去除无关广告信息让LLM识别核心要素涉及哪家公司、什么事件、事件性质偏正还是偏负、影响强度如何将结果聚合成一个股票维度的情绪分数作为因子输入到模型里。这个流程看似简单但关键在第三步。传统NLP的情感分析只能判断整句话是正面的还是负面的而LLM能做更精细的事件抽取。比如“公司收到交易所问询函涉及关联交易披露问题”传统模型可能识别不出明确的情绪词但LLM知道这是一件偏负面的事件。把这种事件信号及时量化并纳入策略是AI在量化里真正产生价值的地方。2.3 策略代码生成从“选股”变成“帮你写策略”第三个方向是我个人认为普通投资者最容易受益的用LLM生成策略代码。你说“我想测一下小市值高换手因子的组合表现”与其自己在代码里从零开始写回测框架不如让LLM先搭一个骨架。比如下面这个简化版本import pandas as pd def select_stocks(daily_data, top_n50): # 假设 daily_data 已包含每只股票的市值、换手率数据 df daily_data.copy() # 小市值市值从小到大排序 df[size_rank] df[market_cap].rank(ascendingTrue) # 高换手换手率从大到小排序 df[turnover_rank] df[turnover_rate].rank(ascendingFalse) # 综合打分 df[score] df[size_rank] df[turnover_rank] # 选综合得分最高的N只 selected df.nsmallest(top_n, score)[stock_code].tolist() return selected但有一点必须强调LLM生成的代码只能作为起点不能直接上实盘。它很可能忽略停牌、涨跌停无法买入、财务数据对齐等问题。我曾经让LLM写一个动量因子选股器它生成的代码在历史数据上跑出来的收益吓人仔细一查原来代码在计算动量时用到了未来的价格——典型的未来函数错误。所以AI帮你写代码的效率提升是非常真实的但代码审查和回测验证这个环节一道都不能省。2.4 风险事件识别更适合LLM的“快思考”第四个方向是风险事件识别。这个场景非常适合LLM因为它本质上是“阅读理解”不需要预测未来只需要快速、准确地判断事件性质。比如公司半夜发布业绩预告修正把预期利润从增长50%下修成亏损这种重大利空如果用传统模型监控很可能因为公告文本里没有明显的负面情感词而被漏掉。但LLM可以理解“业绩预告修正”“下修”“亏损”这些词组合在一起意味着什么。我做过一个事件驱动的小策略监控上市公司公告一旦识别出“业绩下修”“收到立案告知书”“控股股东股份被冻结”等特定事件立即生成警告信号由风控模块决定是否调仓。这里LLM的判断准确度非常关键所以我会把它的输出严格限制在几个固定标签里比如“利好/利空/中性事件类型”不允许它自由发挥。这类应用虽然不如“选股”听着炫酷但在风控上的实际价值远比多抓一个涨停板重要。3. 数据工程AI量化最难也最容易忽略的地基3.1 数据清洗和点对齐全市场数据的“脏”远超想象很多人一开始做AI量化注意力全放在模型上结果拿到数据后跑出来的结果乱七八糟第一反应是模型不行其实90%的情况是数据没洗干净。我听过的真实案例有人做全市场选股回测回测收益曲线亮瞎眼仔细排查发现是没有复权把分红除权的价格跳空当成了暴跌信号策略模拟出大量抄底买入。这种错得离谱的数据喂给任何模型都是灾难。我一般对原始数据的处理顺序是这样的剔除上市不满60个交易日的次新股避免无涨跌幅限制带来的异常波动做复权处理统一用后复权价避免除权除息造成价格断层标记停牌股票回测时不能买入停牌股持仓中的停牌股也不能卖出检查极端值比如单日涨幅超过20%的确认不是数据错误处理财务数据的“可获取性”用财报实际发布日期对齐而不是用财报期截止日。最后一条尤其关键。A股一季报的截止日期是4月30日但不少公司在4月初就披露了。如果你的模型在4月1日就开始使用一季报数据而部分公司还没发布这就等于提前用了未来信息。数据对齐这项工作是量化里最枯燥却又最影响结果的部分一点都不夸张。3.2 特征计算的“未来函数”陷阱“未来函数”是量化里最经典也最隐蔽的错误。它的意思是你的特征计算过程中不经意间使用了当时还无法获得的数据。举一个最常见的例子你想用“收盘后的情绪数据”来预测“次日开盘后的走势”。这个逻辑本身没问题因为情绪数据在收盘后已经确定了。但如果你的代码里不小心写成用“当天的收盘价”去计算“当天的买卖信号”然后假设当天开盘就买入这就构成了未来函数——因为当天收盘时才能算出的信号不可能在当天开盘时使用。再比如前面提到的财务数据对齐问题很多人的回测代码直接用财报期截止日当作数据可用日把4月30日发布的财报当成4月1日就能用这也是未来函数。为了防止这类问题我给自己定了一条铁律所有特征计算只能使用t-1日及之前的数据。回测中任何信号最早只能在信号产生后的下一根K线执行。这条规则会让策略表现没那么“惊艳”但它保证了回测结果接近实盘的真实水平。记住一句话回测里那些让你兴奋到失眠的收益大概率来自于某个你没察觉的未来函数。4. 回测框架防止AI帮你“作弊”4.1 过拟合AI生成的策略越多越要警惕LLM介入量化之后很多人会陷入一个新的陷阱过拟合。因为生成一个策略的成本变得极低你可以让AI变着花样生成各种因子组合然后去回测里找表现最好的那些。这本质上是在历史数据上做数据挖掘AI生成的几百个策略总有几个在历史回测里收益高得离谱但它们捕捉到的往往不是市场的真实规律而是历史数据里的噪声。我见过一个典型的过拟合案例有人让AI生成一批“技术指标组合策略”里面有一个策略在三年回测里年化收益超过150%。仔细拆开看它的买入条件是“MACD金叉RSI小于35收盘价靠近布林带下轨当日成交量是五日平均的两倍”叠加了五个条件每个条件都是AI根据历史数据优化出来的。这种策略在样本内表现极好一出样本就崩盘。应对过拟合的常规做法我一向坚持这几条滚动训练与滚动测试用前三年数据做训练后一年做验证然后逐年滚动推进参数敏感性分析把策略里的关键参数稍微调高调低如果表现剧烈波动说明策略不稳定设置简单基线把AI策略和“等权买入全市场”“买入沪深300指数”做对比看看它是不是真的带来了超额收益。这些方法看起来很朴素但在LLM生成策略变得越来越容易的今天反而变成最重要的防线。AI让策略生成变得廉价也让过拟合变得廉价。如果不在回测框架上做严格约束AI只会变成一台“更快的错题生成器”。4.2 回测到实盘的“断崖式落差”与应对回测收益和实盘收益之间的落差是所有量化交易者都必须面对的痛。AI生成或辅助生成的策略这种落差往往更大因为LLM生成的代码天然容易忽视交易成本、流动性和涨跌停限制。我常用的处理方法是给回测加上三类“安全垫”交易成本假设手续费双边万三、滑点按成交价的千分之一计算高频策略按更高标准计成交限制假设涨停的股票不能买入、跌停的股票不能卖出成交量不足时按比例成交最小持仓周期至少持有5个交易日再允许卖出避免在策略信号频繁反转时来回交易。加上这些安全垫之后回测收益通常会下降不少但实盘的可信度会大幅上升。我自己做过对比一个不加交易成本的中频策略回测年化收益是38%加上成本和冲击后只剩下16%而实盘跑下来大概在12%-14%之间。这说明回测里那部分“纸面利润”很大程度上是不存在的。所以我对回测的态度是它最大的价值不是证明你的策略能赚钱而是帮你在真实交易之前发现你错在哪里。一个能让你提前发现自己逻辑漏洞的回测框架比一个回测收益亮眼的框架有价值得多。5. 把LLM嵌进策略引擎的工程实操5.1 一套可落地的AI量化系统架构聊了这么多理念说点实际的。一套真正可用的AI量化系统我的设计思路是把LLM放在它该在的位置。整体架构分成四层数据层负责清洗好的日线数据、财务数据、新闻公告数据。这一层是整个系统的地基核心要求是干净、对齐、稳定。计算层负责因子计算和信号生成。传统因子用Python直接算文本类信号走LLM解析流程最后汇总成一个多因子打分表。策略层负责组合构建和风控。根据打分表选股同时设置行业分散、个股仓位上限、止损线等约束。执行层负责下单和交易记录。这个环节完全不需要LLM参与因为下单的确定性要求极高容不得半点“概率生成”。在这个架构里LLM只出现在“计算层”的文本信号解析环节以及“数据层”的辅助标注环节。它不是一个“决策大脑”而是一个“信息处理器”。所有涉及真金白银的决策都会经过规则引擎——如果规则引擎校验不通过LLM的推荐再诱人也不会执行。5.2 RAG落地方案让模型基于你的数据说话如果把LLM直接丢进量化系统它大概率会胡说八道因为它只能依靠训练时学到的泛化知识没有实时数据。这个问题我在实际项目中是用RAG检索增强生成来解决的。RAG的思路很直白不让LLM凭记忆回答而是先从一个限定知识库里检索出相关资料再把资料拼进提示词要求模型只能基于这些资料输出结论。在量化场景里这个限定知识库就是你自己维护的公告库、研报库、新闻库而不是整个互联网。具体的落地步骤我总结为六步文档入库把每日抓取的公司公告、研报摘要、新闻原文存入数据库切片把长文档按标题、段落切成合理的块避免信息交叉向量化用嵌入模型把切片转成向量建索引建立向量索引方便后续检索检索收到分析请求时先从索引里召回最相关的30段文本生成将召回文本拼进Prompt要求模型基于这些文本输出结构化结论。这一步直接改善了LLM输出的可靠性因为它不再依赖模型的记忆而是基于实时抓取的真实信息生成答案。而且这个知识库由你自己控制不会混入无关信息。5.3 模型输出校验与劣后处理RAG解决了“模型说什么”的问题但还有一个必须处理的工程细节LLM的输出是概率性的同一句话可能以不同的方式表述直接解析不稳定。我的做法是强制要求结构化输出。在Prompt里明确指定输出为JSON格式包含固定字段然后用代码解析并校验。比如解析新闻事件时我要求模型输出这样的结构{ stock_code: 600000, event_type: 业绩预亏, sentiment: negative, confidence: 0.92, summary: 公司发布业绩预告修正预计年度亏损5-8亿元 }拿到输出后我会做一道格式校验股票代码是否在交易池里、事件类型是否在预设名单里、置信度是否超过阈值。任何一项不满足就丢弃这条信号不让它进入策略打分。这种方法能挡住大部分“模型抽风”的情况让LLM作为一个稳定可靠的模块嵌入系统而不是一颗随时可能跑偏的不定时炸弹。6. 常见问题与排查技巧实录6.1 从“AI生成代码”到“跑不起来”的坑在实际使用AI辅助写策略代码的过程中工程环境问题出现的频率高得惊人。比如有朋友用AI生成的代码跑回测报错信息是“chatgpt 无法加载 config.toml”检查半天发现是模型配置文件指定的模型名称不对或者模型权限不足。这类问题一般和代码逻辑无关更多是环境配置和依赖版本造成的。我处理这类问题的通用排查路径是先跑一个最小示例确认库能正常导入、API能连通检查配置文件里的模型名称是否与API文档一致很多报错都指向模型标识写错确认本地Python版本、依赖库版本与生成代码时假设的环境一致查看完整日志而不是只看最后一行报错很多关键信息藏在堆栈中间。这类问题本质上都是工程问题不同电脑上的环境差异会导致同样代码在不同机器上表现完全不同。所以我的建议是用AI生成代码时必须要求它在开头注释里写清楚依赖库和版本要求而不是只给你一段裸代码。6.2 回测结果好、实盘不行的五大原因做AI量化这么久我发现所有“回测牛逼、实盘拉胯”的情况几乎都能归到下面五类问题里问题类型典型表现排查手段未来函数回测收益极高回撤极小检查数据对齐、复权、特征计算时点过拟合参数稍微一改表现大幅下滑滚动测试、样本外验证成本低估换手率很高但收益仍然很好加上滑点和冲击成本重跑流动性限制策略选中大量小盘股但交易量很小加入成交量限制和持仓天数约束风格切换某段时间大幅跑赢基准之后就失效按年份拆分回测结果观察稳定性每次做策略评估我都会拿这张表逐项自查。不管策略是由AI生成的因子组合还是基于LLM情绪信号的规则策略只要其中有任何一项答不上来我就不敢上实盘。6.3 AI量化工具的分级使用建议最后按自己的经验把不同基础的人适合做什么给大家理一理新手先把Python、Pandas、回测框架跑通用现成工具做新闻情绪因子不做AI自动交易不碰衍生品目标是建立“数据对齐-回测-验证”的完整流程认知进阶搭建属于自己的数据流水线和因子库用LLM做文本解析和代码生成但始终保持人工审查尤其是对回测逻辑和数据对齐的审查资深把LLM嵌入完整的量化系统让它做信息处理和信号生成同时建立多层风控机制确保任何模型输出都必须经过规则校验之后才能执行。我个人在实际操作中最大的体会是AI量化最迷人的地方不是它能替你做决定而是它能把原本需要两周才能完成的文本整理、代码调试、因子测试压缩到一两天。它不会告诉你哪只股票明天会涨但能在你设计好的框架里把“哪些信息值得关注、哪些信号需要警惕”这件事做得极其高效。所以如果你正准备在这个方向上下注我的第一个建议是先别急着让ChatGPT选股票先把数据流水线和回测框架搭建起来。框架对了AI就是你的放大器框架错了AI只会变成一台更快的错题生成器。