AI自主优化量化策略实验

背景

这篇文章来自 LINUX DO 社区的 AI 板块，分享了一次利用 AI 自主优化量化策略的实验。作者使用 DeepSeek 作为推理模型，Claude Code 作为执行工具，输入一句简单的提示词，让 AI 自行迭代优化经典的双均线策略，目标是降低回撤并提升收益。整个实验耗时约 8 分钟，AI 自动完成了策略设计、参数调整、回测验证和报告生成的全流程，展示了 AI 在量化策略开发中的自动化潜力。

核心内容

实验的输入只有一句话：“请使用 hs300.txt 作为股票列表, 优化双均线策略, 使其有更低的回撤和更好的收益”。AI 基于这个指令，自行决定优化方向，每轮根据上一轮的回测结果思考改进点，调整参数或规则，再重新回测，直到它认为结果满意。最终生成的优化报告详细记录了策略设计、回测结果和迭代过程。

策略设计方案

优化后的策略是对经典双均线交叉策略的改进版。核心改进包括：

• EMA 替代 SMA：指数移动平均比简单移动平均响应更快，滞后更小，能更及时捕捉趋势变化。
• LONGCROSS/RLONGCROSS 确认机制：要求金叉或死叉信号持续 N=2 根 K 线 后才执行交易，有效过滤假突破（whipsaw）。
• 长期趋势过滤：仅在收盘价位于 55 日 EMA 上方时开仓，避免在熊市中逆势交易。
• 涨跌停过滤：过滤涨停板买入信号，避免无法成交的无效委托。
• 仓位管理：每次买入使用 95% 资金，预留 5% 缓冲覆盖交易费用。

策略参数：快线周期 8、慢线周期 21、趋势过滤周期 55（均为斐波那契数），交叉确认 K 线数 2。

交易规则：

• 买入：快线 EMA 向上穿越慢线 EMA 并持续 2 根 K 线以上，且收盘价在趋势线上方，且未涨停。
• 卖出：快线 EMA 向下穿越慢线 EMA 并持续 2 根 K 线以上。

回测结果摘要

回测区间为 2025-01-01 至 2025-12-31（243 个交易日），股票池为沪深 300 成分股（300 只），基准指数为沪深 300，初始资金每只股票 10,000 元，费率模型按佣金 0.015%（最低 5 元）、印花税 0.05% 设定。

整体统计（均值）：

• 策略收益：5.11%
• 原始持有收益（买入持有）：23.26%
• Alpha：-0.90%
• Beta：0.283
• Sharpe：-0.002
• 最大回撤：-12.44%
• Calmar：0.332
• 胜率：31.07%
• 盈亏比（Profit Factor）：1.716
• 交易次数：3.90 次/年
• 费率占比：1.25%

收益 Top 10 股票如 SH600183（135.59%）、SZ002709（117.05%）等，收益 Bottom 10 股票如 SH603195（-24.99%）、SH600588（-20.10%）等。

优化过程与关键洞察

实验共进行了 8 轮迭代，每轮的核心思路和结果如下：

| 轮次 | 核心思路 | 平均收益 | Sharpe | 最大回撤 | 交易次数 | 结论 | |------|----------|----------|--------|----------|----------|------| | R1 | EMA + 趋势过滤 + 量能确认 + 移动止损 | 1.91% | -0.258 | -7.99% | 2.01 | 过于保守，交易太少 | | R2 | 放宽入场（去除量能和趋势上升过滤） | 2.06% | -0.326 | -11.18% | 4.03 | 入场多了但质量下降 | | R3 | LONGCROSS(2) 确认 + 斐波那契周期 | 5.11% | -0.002 | -12.44% | 3.90 | 最佳平衡 | | R4 | 快速周期 + 15% 移动止损 | 3.43% | -0.065 | -12.41% | 4.74 | 止损切断了盈利 | | R5 | 更快周期 + 宽松入场 + 快速出场 | 6.65% | 0.005 | -15.11% | 8.08 | 收益最高但回撤最大 | | R6 | 质量入场 + 快速出场 | 3.71% | -0.067 | -12.55% | 4.75 | 快速出场导致过早离场 | | R7 | R3 + 动量确认 + 量能过滤 | 4.72% | -0.009 | -12.21% | 3.65 | 额外过滤未提升收益 | | R8 | R3 + 宽幅移动止损(20%/30日) | 4.91% | -0.015 | -12.45% | 3.89 | 与R3几乎相同 |

关键洞察总结：

• LONGCROSS 确认是关键：使用 LONGCROSS(2) 要求金叉确认 2 根 K 线，显著过滤假突破，收益从 R2 的 2.06% 提升到 R3 的 5.11%。
• RLONGCROSS 优于 RCROSS 出场：确认死叉后再出场（R3）比立即出场（R6）更好，让利润充分奔跑，收益从 3.71% 提升到 5.11%。
• 移动止损在此框架下效果不佳：R4、R8 显示移动止损要么过早出场（15%），要么几乎不触发（20%），无法有效改善风险收益比。
• 趋势过滤是必要的：price > trend_ema 过滤能有效避免熊市中的假金叉，去掉后交易更多但质量下降。
• 斐