共计 2009 个字符，预计需要花费 6 分钟才能阅读完成。
去年年底有个朋友跟我说，他用 ChatGPT 写了一个以太坊网格交易策略，跑了一个月赚了 12%。我当时的第一反应是，这玩意儿能信？
但数据不会骗人。过去半年，我花了大量精力做了一个相对严谨的对比测试——让几个主流大模型分别生成量化交易策略，然后在同样的行情回测环境下跑，看看 AI 写的策略到底能不能打。
今天就拿实测结果说话。
测试设定：公平对决
为了保证对比的公平性，我统一了几个变量：
- 回测平台：Backtrader，Python 3.10
- 交易标的：BTC/USDT 永续合约，1 小时 K 线
- 回测周期：2025 年 6 月到 2026 年 5 月，完整一年数据
- 初始资金：10,000 USDT
- 手续费：挂单 0.02%，吃单 0.05%
- 杠杆：统一 1 倍，不做合约加杠杆
测试对象包括：GPT-4o、DeepSeek-V3、Claude 3.5 Sonnet 各自独立写出的趋势跟踪策略，以及我自己写的一个传统均线策略做对照。
每个模型我给了完全相同的 prompt 要求：写一个基于均线交叉 +RSI 过滤的 BTC 趋势跟踪策略，用 Backtrader 实现，参数可优化。
GPT-4o 策略：中规中矩的稳健派
GPT-4o 生成的代码结构非常完整，直接就能跑。它选择了 EMA12/EMA26 的黄金交叉做入场，RSI 30/70 做超买超卖过滤，止盈止损设了 2:1 的比例。
回测结果：年化收益率 38.5%，最大回撤 12.3%，夏普比率 1.86。交易次数 182 次，胜率 47.3%。
这个成绩放在量化圈，已经算得上合格的专业级策略了。胜率不到 50% 但收益为正，说明盈亏比做得不错。
硬要说缺点的话，GPT-4o 的策略在横盘震荡期表现不太好，连续小亏损拖累了整体收益。2025 年 9 月到 11 月那波窄幅震荡，策略连续止损了 8 次。
DeepSeek-V3 策略：黑马选手
老实说，DeepSeek 交出来的代码是我最没想到的。它在均线的基础上加了一个布林带宽度过滤——布林带收窄的时候不开单，防止假突破。
这个细节让策略的胜率显著提升。
回测结果：年化收益率 42.1%，最大回撤 9.8%，夏普比率 2.13。交易次数 146 次，胜率 53.6%。
各项指标全面领先。特别是最大回撤控制在了 10% 以内，这对于趋势策略来说相当不容易。看来 DeepSeek 在金融量化这个细分领域确实有独到的理解。
三个 AI 策略年化收益率全面碾压传统策略
Claude 3.5 Sonnet 策略：最保守但最稳
Claude 的代码非常「啰嗦」——它对边界情况的处理极其细致，光是风控逻辑就写了差不多 80 行。头寸规模根据 ATR 动态调整，单笔风险不超过总资金的 1%。
回测结果：年化收益率 35.2%，最大回撤 7.5%，夏普比率 2.01。交易次数 98 次，胜率 58.2%。
胜率最高，回撤最小，但收益率也是三个 AI 里最低的。Claude 的策略更像一个对冲基金风控官写出来的——宁可少赚，也要安全。
传统策略对照组
作为对照，我跑了三个经典的传统策略：
- 双均线交叉策略 EMA12/EMA26：年化 18.6%，最大回撤 22.1%
- 网格交易策略：年化 22.3%，最大回撤 15.4%
- 马丁格尔策略：年化 15.8%，最大回撤 35.7%
结果一目了然。三个 AI 策略的收益率都在 35% 以上，而传统策略最高的也就 22.3%。差距不是一星半点。
但要注意，马丁格尔策略的理论收益率本来就不高，它在实盘中还有个致命问题——遇到单边行情会爆仓。35.7% 的回撤已经说明了问题。
AI 策略的实盘表现如何？
回测漂亮不等于实盘能打。我从 2026 年 3 月开始，把三个 AI 策略接入了币安的测试网跑模拟实盘。3 个月的数据如下：
- DeepSeek 策略实际收益 9.2%，和回测基本一致
- GPT-4o 策略实际收益 7.8%，略低于回测
- Claude 策略实际收益 6.5%，同样低于回测
实盘和回测差距在 2%-3% 范围内，主要原因是实盘的滑点和延迟。这个差距在可接受范围内，说明 AI 策略的泛化能力还不错。
不过有一点必须讲清楚：回测期是 2025-2026 年的牛市 / 震荡混合行情，如果切换到 2022 年那种大熊市，这套策略还能不能扛住？没有数据支撑，谁都不敢打包票。
普通用户能不能直接用？
直接让 ChatGPT 给你写个策略扔进实盘账户？千万别。有几件事必须想清楚：
- API 策略执行的延迟问题。AI 写出来的代码在本地跑没问题，但挂到服务器上做自动化交易，网络延迟、API 限频、断线重连都是坑
- 过拟合风险。回测表现太好不一定就是好事，可能 AI 恰好抓住了历史数据中的噪声模式
- 监控必不可少。没有策略是永远有效的，市场结构变了，策略也得跟着调
我的建议是：用 AI 做策略原型开发效率极高，但上实盘之前一定要自己做充分的压力测试和参数鲁棒性检验。把 AI 当工具，别当股神。
想自己试试的话，可以去 Freqtrade 或者 Jesse Trade 这类开源框架上做二次开发，让 AI 不断生成策略变体，然后用 Walk-Forward Analysis 筛选出最稳健的那一个。这才是 AI 量化的正确打开方式。
