我给了 AI 一句话，它做出量化策略，然后证明我错了

我给 AI 一句话。它搭了一套量化策略，然后证明我错了。 2026 年 7 月 10 日 · 7 分钟阅读 · 查看原文 ↗ AI Quant 我往一个交易工具里打了一句话。大约一分钟后，它已经写好了真正的 Python，拉取了四年的市场数据，跑了一整轮回测，然后交给我一套在四年回测里亏钱的策略。 然后它做了没有任何「AI 交易机器人」对我做过的事。它告诉我，我错了。它精确解释了我的想法为什么是反的。而且它没有只是嘴上说说——它跑了第二次测试来证明这一点，然后把策略重建成了一套真正能用的东西。 这个工具是 Minara 的 Strategy Studio。这是一次诚实的实况讲解，红数字全都摆出来。读完你会明白，为什么那句「非财务建议」是整篇里最重要的一句话。 一句话进去，一套量化策略出来 Minara 的说辞很简单：用平实语言描述一个交易想法，它就会把它变成一套真实的、经过回测的量化策略。你也可以喂给它一张表格、一段策略视频的屏幕录像，或者粘贴代码。在底层，它从一个 500+ 因子的库里拉取数据，写真正的 Python，跑回测，给你看净值曲线和各项指标——然后让你只需要跟它对话，就能不断精修。 它有两种模式。Single-Asset 为单一币种构建策略。Multi-Asset 构建一整套横截面（cross-sectional）组合——在一篮子标的上按溢价因子排名，做多最好的、做空最差的。Minara 自己的说法是：过去需要机构量化台花数年才能组装起来的横截面因子模型，现在一句话就能调出来。这是它的主张。我花了一个下午去压测它。 热身：一个币，一句话 我从小处开始。我切到 Single-Asset，精确地打了这句话： 「根据近期的市场情况，为我的 BTC 仓位设计一套 15m 动量策略」 在写一行代码之前，它先真实地读了一遍市场：它拉取了大约 200 根近期 K 线，总结出市场状态（一轮急跌、一次部分反弹、高波动、然后进入震荡区间），把它称为「带过滤的动量」环境，然后才构建出一套带 RSI 和成交量过滤的 EMA 动量策略。 这是它吐出来的回测（BTC，10x，截至 2026 年 6 月 25 日的两个月）： 单看，+3.47% 没什么好发推炫耀的。但看看它旁边那一行：在同一窗口里，BTC 跌了 21.63%。这套策略没想打全垒打——它在避开 21% 回撤的同时赚了几个百分点。这才是真正的产品：不是「暴富」，而是「别被碾过去」。 诚实的声明：两个月、四笔交易，样本太小。四笔交易上一个 3.51 的 Sharpe，是对工作流的一次漂亮演示，不是一份业绩记录。接着才是真正的测试。 重头戏：一个 30 只股票的组合，和一次脸着地 这是横截面因子存在的地方。我切到 Multi-Asset，选了 TradFi 30 这个股票池（超大盘科技股——NVDA、MU、MRVL 之类的朋友），要了一个经典的机构配置： 「按价值+质量复合得分对这个股票池排名，做多前 10、做空后 10，等权，每月再平衡」 它把整件事搭好，并在四年（2022 年 6 月 -> 2026 年 6 月）上跑了它。结果是一场大屠杀： 一个教科书式的价值 + 质量因子组合，四年亏钱，还被单纯买指数轻松碾压。一个正常的「AI 机器人」会把这种结果悄悄藏在一个精心挑选的演示后面。Minara 把红数字直接摆在了屏幕上。 然后它跟我争辩，而且它是对的 于是我反击了。我告诉它，这套策略亏钱、跑输大盘，然后直接问：你到底能不能让这个跑赢一个简单指数，还是说这整套方法在这个池子里就是结构性地弱？ 它的回答，就是这个工具赢得我尊重的时刻。转述一下：在这个窗口、这个池子里，价值 + 质量是结构性偏弱的。TradFi 30 是一个处于动量驱动牛市中的超大盘科技股组合。按「便宜 + 高质量」排名，等于系统性地做空赢家、做多输家——恰好反了。而且它没有只是断言，它说它会通过反转信号来证明这一点。 反转：+829%，带一个诚实的星号 它先翻转了信号，只是为了证明这个观点——然后丢掉了那条拖后腿的空头腿，留下一个纯做多的动量+质量策略。同一个池子，同样四年： 而我想强调的部分是：在没有被要求的情况下，它自己指出了那个坑。它告诉我，那个 -42% 的最大回撤是真的，而且集中在某三四个名字上，然后主动提出要修掉它。一个工具劝你别过度相信它自己的全垒打数字——这比它该有的程度还要稀有。 修复：一个趋势过滤器，+1047% 我问它会怎么处理那个回撤。它加了一个 200 日趋势过滤器——只持有那些交易在其自身 200 日移动均线之上的名字，并在赢家开始掉头时逐步退向现金： 不是黑箱——你能读代码 这一切都不是氛围。它是一套跑在一个叫 xstrategy 框架上的真 Python。我点开 Code 标签，一行行读过去：一个 Strategy 类，一个 alpha() 方法，还有像 jkp_fcf_me 这样的因子导入，以及一个用于价值的营业盈利收益率 z-score，加上 jkp_qmj_prof（QMJ 盈利能力）和 jkp_f_score（Piotroski）用于质量——用一个能感知 NaN 的 combine 混在一起，让缺失数据的名字干净地出局。 你不必信任一个黑箱。你能精确读到它在做什么，改它，或者带上你自己的代码。 去交易它 回测是理论。Trade 标签是实盘：Hyperliquid 上的永续合约，有三种模式——Autopilot（部署一套策略让它自己跑）、AI Copilot，或者 Manual。你存入资金，选策略，点 Start。 一个交易产品，在它自己的屏幕上告诉你，它可能是错的——这才是对的能量。这是真钱、真杠杆，和一个托管钱包。请据此对待它。 发布它 有一个公开榜单，标题就写着「Top strategies, measured honestly」（诚实地衡量出来的顶级策略）。你可以发布你自己的，其他人可以 fork、star，以及跟单交易它。关键的是，排行榜把最大回撤直接显示在收益旁边——所以一套 +3,363% 的策略，也把它那 -42% 的回撤明晃晃地戴着。 我把我自己的 V3 发布到了那个榜单上。现在它排在第 11 位（+1,047% 回测，Sharpe 1.74，-40.53% 回撤），旁边排着一堆发布四位数回测收益的创作者——每一个都把回撤亮了出来。 冷水澡（这部分读两遍） 那些 +829% 和 +1047% 的数字，是一个「一个周期才有一次」的窗口上的回测。2022–2026 是一场 AI 超大盘股的熔化式上涨。动量策略在那样一段趋势里，会打印出漂亮的回测，而趋势结束时会猛烈反转。 那 40%+ 的回撤不是假设性的；它们就坐在同一份结果里，集中在少数几个名字上。回测不是预测，而带杠杆的实盘交易会加上回测所低估的费用、滑点和资金费率。 所以诚实的结论不是「这玩意儿印钱」。而是：这个工具像一位量化分析师一样推理——它告诉我我的想法反了，证明了它，重建了它，并且拒绝隐藏风险。这才是真正的产品——随时待命的判断力，而不是一台老虎机。 它花多少钱，以及怎么试 免费档给你 300 credits——足够跑像上面那样的真实回测。付费档：Lite $19/月（1,400 credits），Starter $49/月（4,000），Pro $199/月（20,000 + API 访问）。 如果你想自己戳戳看，可以从免费档开始，在这里： → minara.ai/app/trade?r=SLASH1S → 这里只有 100 个免费 Lite 档名额 一个只会附和你工具不是智能——它是一面镜子。Minara 第一次告诉我我错了的那一刻，它就不再是一个玩具，而开始有用了。 链接 minara.ai/app/trade?r=SLASH1S minara.ai/app/trade?r=SLASH1S 标签：# X # AI # Quant # Guide 相关文章 How to Make a Living on Perp DEXs Without Being a Trader ETH 涨 20%？你做多赚 $2k，做空亏 $2k。ETH 跌 20%？反过来同样。净结果：什么都没有。你是平的。这就是「delta neutral」的意思。 Crypto Marketing AI Quant