- 课程目录
- 课程介绍
-
在线阅读：开篇词｜AI 能写策略，但不能替你承担交易风险
这不是一条通往“自动赚钱机器”的捷径，而是一套把好奇心落到可复查研究里的方法。
-
导读｜量化知识背景与研究能力地图
本讲补充全专栏所需的量化知识背景。
-
直播回放｜AI 能写量化交易，为什么 90% 的人实盘不赚钱？
整个课程的最终交付是一个可运行、可复查的 AI 量化研究系统。
-
01｜AI 量化研究的证据边界与责任分工
建立后续课程都会复用的基础分工。
-
02｜LLM 量化：从交易想法到可验证研究假设
建立一套标准化前置流程：先完整、可证伪地写明研究命题，再使用固定样本开展数据校验。
-
03｜LLM 量化：搭建可复现的量化研究工作区
本讲最终交付物是一份工作区就绪记录。
-
04｜读懂价格、收益、信号与仓位
同一组数字，放在不同语义里，会得到完全不同的结论。
-
05｜建立第一条安全边界：研究不等于实盘执行
本讲最终交付物是一份研究安全边界记录。
-
06｜认识行情、资金、链上与情绪数据
本讲的目标是交付一张可复查的市场数据地图。
-
07｜市场数据快照与回退机制
本讲的最终交付物是一份数据快照与回退记录。
-
08｜时间序列数据质量与标准化验证
本讲的最终交付物是一份数据质量报告。
-
09｜用技术指标描述市场状态
本讲的最终交付物是一张指标计算与解释卡。
-
10｜生成可追溯的市场研究报告
本讲的最终交付物是一份可追溯市场研究报告。
-
11｜LLM 的交易研究边界
本讲的交付物是一张 LLM 使用边界卡。
-
12｜用 Codex 准备可追溯的市场上下文
沉淀一份 LLM 上下文合同。
-
13｜让 LLM 输出结构化交易信号
本讲的最终交付物为一套完整结构化信号契约。
-
14｜让 Codex 识别幻觉、提示泄漏与未来信息污染
本讲的最终交付物是一份污染审计记录。
-
15｜用样本和评分规程验证 LLM 信号
本讲的交付物是一份 LLM 信号评分规程。
-
16｜把研究信号写成明确的策略规则
本讲会用两条交叉类策略做对照。
-
17｜用 Codex 实现第一条量化策略
搭建从标准化策略契约到可落地、可复核代码的最小工程闭环。
-
18｜构建事件驱动回测引擎
搭建事件驱动回测最小可信证据链。
-
19｜正确评估收益、回撤与风险调整表现
一份合格的绩效解释，必须同时说明收益、回撤、风险调整和多次试验后的可信度。
-
20｜防止过拟合、前视偏差与数据窥探
Codex 在这里的价值，是把污染风险从口头规范变成可复核动作。
-
21｜从单次回测走向滚动回测与多策略比较
这节课我们把单次回测推进为滚动审计。
-
22｜建立仓位、止损与组合风险控制
本讲的交付物是一份风险规则与阻断记录。
课程介绍
课程交流群 你将获得 Codex、LLM、量化方法与人之间的分工和安全边界 掌握 AI 赋能量化系统的核心方法论与稳定工作流建立 配套完整代码，7 阶段搭建可回测的 AI 量化交易系统 实现系统扩展，1...课程交流群
你将获得
- Codex、LLM、量化方法与人之间的分工和安全边界
- 掌握 AI 赋能量化系统的核心方法论与稳定工作流建立
- 配套完整代码，7 阶段搭建可回测的 AI 量化交易系统
- 实现系统扩展，1 套可迁移、可独立验证策略的判断方法
讲师介绍
课程介绍
这当然让人兴奋，但也正因为太顺手，才更容易踩坑。
AI 给你一段“看起来很专业”的交易解释，不代表它真的知道市场会怎么走；Codex 帮你跑出一条漂亮的回测曲线，也不代表这条策略可以拿真钱试。量化研究里最要命的误会，往往不是程序报错，而是程序没报错、图也很好看、解释也很流畅，然后你就信了。
但是，这些问题你是否真正思考过：
- 一个想法怎样写成可以被验证的假设
- 一份数据怎样留下来源、时间、缺失和回退记录
- 一个 LLM 信号怎样被结构化、评分、拒绝和复查
- 一条策略怎样进入回测，而不是直接变成订单
- 一次回测怎样同时看收益、回撤、成本、窗口稳定性和过拟合风险
- 一个研究系统怎样在自动化之前先学会停下来
- 别人能不能接手你的材料，复跑同样的命令，看见同样的证据，等等……
本专栏要完善的，正是这条从“做出来”到“证明它值不值得相信”的路。我们将使用 Codex 建立一套可验证、可追溯、有停止线的量化研究系统——让结果可复算、过程可追溯、结论可在未见数据上重复，以及失败时系统可及时终止、减少损失。
更加值得一提的是，整门课程始终围绕同一个可运行项目推进：每一讲都把新的数据、规则、代码或验收记录接到上一讲的成果上。
因此，你学到的不只是“这套 AI 量化系统怎么做”“用 Codex 怎么做”，而是下一次换一个市场、策略、模型或者智能编码工具时，仍然知道应该先问什么、留下什么证据、在哪里停下来、全链路如何开发。这也是本专栏与“让 AI 直接给一段策略代码”最大的区别。
课程目录
适合人群
面向开发工程师、量化新人、金融从业者（需有 1 年以上编程基础）：
- 有交易灵感但不懂量化
- 想用 LLM 做量化系统
- 回测好看、实盘亏损
- 想要标准化投研流程