极客时间推出AI量化交易训练营

背景

在量化交易领域，传统策略开发依赖手工编程与固定规则，而大语言模型（LLM）、强化学习、RAG 等 AI 技术的成熟正在重塑这一流程。极客时间推出的「AI 量化交易训练营」将 AI 能力与量化交易全流程结合，覆盖从金融基础、数据采集、回测引擎到实盘部署、风控体系、投研报告生成等环节，旨在帮助学员利用 AI 工具（如 AI 编程、大模型、强化学习）提升量化策略的开发效率与智能水平。该课程资源由 LINUX DO 社区用户分享，提供了 12 周的系统性课程视频、配套资料及多家券商研报。

核心内容

训练营共 12 周，每周包含若干视频课程，按主题递进。

• 第一周：量化交易入门。介绍量化交易概念、金融品种（股票、期货等）、初步上手策略、金融基础概念（如复利、风险）、技术面与基本面对比、技术指标核心逻辑。
• 第二周：AI 编程与数据获取。讲解 AI 编程工具（如 ChatGPT 辅助代码）、QMT 操作说明、数据获取方法、财务指标如何指导策略、搭建数据库、行情和财务数据采集、宏观经济数据与新闻事件采集、机构研报和财经日历采集、大模型驱动的催化剂事件（利用 LLM 分析新闻对股价的影响）。
• 第三周：回测引擎与指标策略。回测引擎原理、评估指标（夏普比率、最大回撤等）、经典策略案例：MACD、RSI、布林带、乖离率、动量策略。课后答疑和 TA-Lib 技术库的使用、经典指标局限性与增强方法。
• 第四周：OpenClaw 与海龟交易法则。安装 OpenClaw（可能是一个量化交易框架）、为其配置量化工具、制作 Skill（自定义技能）。海龟交易法则核心原理与策略案例。
• 第五周：缠论与网格交易。经典缠论量化策略、缠论买卖点实战及案例、缠论增强策略。课后答疑。经典网格交易策略、多因子选股初步。
• 第六周：多因子与机器学习。因子分类体系（价值、动量、质量等）、华泰证券金工研究框架导读、机器学习基础（线性模型、树模型）、机器学习在股票市场的应用案例（如预测涨跌）、论文复现五步法、master 论文解读、案例分析。
• 第七周：量化绩效与 RAG 技术。QuantStats 指标体系（回报、风险、回撤统计）、矩阵分解及其场景应用（如降维、因子分解）、实盘交易绩效分析。引入 RAG（检索增强生成）基本原理、Embedding 技术、向量数据库（用于存储和检索金融文档）。
• 第八周：AI 投研报告与智能 Agent。国泰君安五步法（因子挖掘、策略构建等）、撰写 AI 投研报告（利用 LLM 生成分析）、DeepAgent 框架（多智能体协作）、舆情获取和金融情感分析、事件驱动与恐慌指数分析、多维决策（融合多种信号）。
• 第九周：实盘与强化学习。Xtquant 实盘接口、Nanobot 实战与编程接口（自动化交易机器人）。强化学习基础、从 Q-learning 到 DQN（深度 Q 网络）、智能拆单（优化订单执行）。
• 第十周：DQN 进阶、风控与 LangGraph。DQN 的学生/老师双网络机制、高频做市与主力行为识别、风控体系（ATR 风控、事件风控实战）。LangGraph 核心五件套（节点、边、状态等）、交易团队工作流（多 Agent 协作）、风控拦截与熔断重试。
• 第十一周：投资晨会与实盘作战。投资晨会场景（AI 生成早报）、多因子选股深化、板块轮动分析、投资晨会工作流。实盘作战（实时监控与决策）、CEO 控制台与龙头战法（识别市场龙头股）。
• 第十二周：归因分析与系统验证。BHB 归因模型（分解超额收益来源）、前进式验证（滚动回测）、学员分享、量化交易系统设计总结。
• 赠送资料：多家券商研报（长江、华泰、方正、中银、招商、光大、兴业、东北、华福、国盛等），涉及多因子选股、ETF 策略、LSTM 选股、高频因子、强化学习因子挖掘等；以及多本量化投资经典书籍 PDF（《主动投资组合管理》《因子投资》《手把手教你读财报》《量化交易》等）。

关键要点

• AI 编程全栈应用：从数据获取（爬虫、数据库）到策略开发（AI 辅助编写代码）、回测分析、报告生成、实盘部署，全程融入 AI 工具。
• 大模型驱动催化剂事件：利用 LLM 解析新闻、研报、财经日历，自动识别对股价有影响的催化剂并生成交易信号。
• RAG + 向量数据库：将金融文档（研报、财报）向量化存储，通过检索增强生成投研报告，提升信息获取效率。
• 强化学习落地：从 Q-learning 到 DQN，应用于智能拆单、做市策略、资金管理，实现动态优化决策。
• 多智能体协同框架：DeepAgent 和 LangGraph 支持多个 AI Agent（分析师、交易员、风控官）协作完成复杂工作流（如晨会、实盘作战）。
• 风控体系：包含 ATR 止损、事件风控、熔断重试机制，通过 LangGraph 实现可编排的风控逻辑。
• 经典策略的 AI 增强：对 MACD、布林带、海龟、缠论等传统策略进行 AI 调参或增强（如用机器学习优化参数、叠加多因子信号）。
• 实盘连接：支持 Xtquant、Nanobot 等实盘接口，将回测策略直接转换为自动交易机器人。
• 归因与验证：BHB 归因分析收益来源；前进式验证防止过拟合；使用 QuantStats 全面评估业绩。

意义与影响

该训练营标志着量化交易教育从纯代码教学向 AI 原生工作流的转变。传统量化策略开发需要大量手工编写指标、调试参数，而 AI 的介入（大语言模型、强化学习、RAG）显著降低了入门门槛并提升了策略迭代速度。课程内容覆盖了从基础金融概念到前沿 AI