核心观点：在量化交易领域，AI 的认知能力正在取代计算能力成为核心竞争力。我们用 12 天模拟盘验证了一个反直觉的结论——交易越少越赚钱，会反思的 AI 碾压会计算的 AI。
这件事的起因
作为一个量化团队，我们一直在思考和探索一个问题：大语言模型（LLM）到底能不能做交易？
不是那种让AI给你推荐股票的玩具——而是真正接入实时行情、自主下单、自负盈亏的 AI 交易员。
于是我们搭了一个系统，同时运行 16 个交易模型——包括 2 个 LLM 模型、10 个传统量化策略、2 个 Buy & Hold 基准、以及几个混合策略——在全球量化交易市场上跑了 12 天。
结果很有意思。
12 天成绩单
先看数据，再讲故事。
| LLM 模型 A | +18.91% | ||
在 16 个模型中，只有 1 个跑赢了"什么都不做"的基准。
这个结果可能让很多量化从业者感到不适。但数据不会说谎。
三个违反直觉的发现
发现一：交易越少，赚得越多
模型 A 做了 95 笔交易赚了 18.91%；模型 B 做了 199 笔只亏了 0.17%。
交易量翻倍，利润却没有翻倍——反而被手续费蚕食。每笔交易的摩擦成本看似微不足道（0.1%），但 199 笔累积下来就是接近 4% 的隐性损耗。
在高频市场中，最昂贵的不是亏损的交易，而是不必要的交易。
这也解释了为什么华尔街顶级对冲基金近年来纷纷降低换手率——Renaissance Technologies 的 Medallion 基金，年化收益 66%，交易频率远低于大多数人的想象。
发现二：AI 的"反思能力"正在成为新的 Alpha 来源
我们给 LLM 设计了一套"反思机制"——每次做决策前，先回顾过去几笔交易的结果，分析赚钱和亏钱的原因。
模型 A 在连续做空某个交易标的亏损后，自主决定回避该标的，转向做多另一个当时表现最强的标的。这个决策恰好赶上了一波 13% 的周涨幅——贡献了几乎全部利润。
而传统量化策略没有这种自我纠错能力。我们的趋势跟踪策略在市场从下跌转为反弹时，仍然固执地在做空——因为技术指标的信号是滞后的。等到指标确认趋势反转，最好的入场时机已经过去了。
传统量化告诉你"应该"怎么做，而新一代 AI 会问自己"上次为什么错了"。这就是认知层面的代差。
发现三：集中优于分散（至少在某些市场条件下）
教科书说"不要把鸡蛋放在一个篮子里"。但我们观察到的赢家模式恰恰相反。
模型 A 的 94% 利润来自一个标的。它识别出了当时基本面最强、动量最大的资产，集中资金做多并分批止盈。
而模型 B 的问题是太分散：它在 6 个标的上均匀分配，每个仓位太小，赚的利润不够覆盖手续费。
当然，集中策略的前提是你确信自己选对了标的。这又回到了第一个问题：什么样的 AI 能做出高质量的选择？
答案是：会反思的 AI。
几个更深层的思考
1. 大模型正在重新定义"量化"的含义
传统量化的核心是数学——统计套利、因子模型、随机过程。但 LLM 引入了一种全新的维度：语义理解。
它能读懂一条新闻说的是利好还是利空（这比关键词匹配难得多——"崩盘恐慌被夸大"是利好还是利空？）；它能理解市场叙事的转变（从"紧缩恐惧"到"降息预期"）；它甚至能从自己的错误中学习。
这不是要替代量化，而是在量化的基础上增加了一个"认知层"。
2. 市场体制检测（Regime Detection）没有想象中有用
我们实现了自动识别牛市/熊市/震荡/高波动四种状态的系统。理论上，不同市场状态应该用不同的策略参数。
但实际运行中，体制切换的确认期导致信号总是滞后。等系统确认"当前是上升趋势"的时候，行情已经走了一半。
反而是 LLM 模型通过阅读新闻标题（"Golden Cross Signals Explosive Rally"），更快地判断出了趋势变化。
3. 自动退休机制比想象中更重要
我们设计了一套自动退休机制——当某个模型的累计亏损超过阈值时，系统会自动停用该模型，不再消耗资源。
12 天内有 5 个模型被自动停用。事后来看，每一个停用决策都是正确的——这些模型如果继续运行，亏损只会更大。
及时止损不仅适用于单笔交易，也适用于整个策略。
接下来我们要做什么
我们正在研究的几个方向（可以透露的部分）：
多模型协同决策：让不同的 AI 模型互相参考对方的信号，类似投资委员会的投票机制 动态参数自适应：让系统根据市场环境自动调整策略参数，而不需要人工干预 更精细的风险分层：根据每个策略的实时 Sharpe Ratio 动态分配资金权重
这些都是量化交易领域正在发生的前沿变化。传统量化的壁垒正在被 AI 打破，但新的壁垒也在形成——谁能更好地让 AI "思考"而不是"计算"，谁就拥有下一代 Alpha。
写在最后
12 天的数据量还不够做出任何统计显著的结论。18.91% 的收益率里面有多少是运气、多少是实力，需要更长时间来验证。
但有一点我们非常确定：AI 量化交易正在从"写规则"时代进入"让 AI 理解市场"时代。 这不是技术的线性升级，而是范式的转换。
而我们正站在这个转换的起点上。
TraderKing 量化研究实验室 | 专注 AI 驱动的新一代量化交易
如果你也对 AI 量化交易感兴趣，欢迎关注我们的公众号，后续将分享更多实盘洞察和技术思考。
免责声明：本文仅代表团队研究观点，不构成任何投资建议。量化交易涉及风险，过往业绩不代表未来表现。文中数据基于内部测试环境，实际结果可能因市场条件而异。
