AI 生成的策略有用吗？(一)
18 个由 AI 编写的交易策略，你觉得哪个最有可能有利可图？
不论是基于基本面分析的价值投资，还是基于历史统计数据与概率的系统化交易，都需要我们吸收大量的资料来进行学习、处理。目前的 AI 在这一块可以帮助我们非常多。
但 AI 可以帮助我们生成交易策略，或者哪怕是一些点子吗？这其实是我一直比较好奇的一个问题，在大约去年的样子，我和一些朋友做过内部的测试，当时我们的结论是 AI 在生成策略这一块还没有什么能做的。
而在一年后，也许这个答案就有所改变，于是这两天我花了一点时间重新做了一轮测试。太长不看版本：
回答质量有大幅度提升、幻觉、胡编乱造现象少了很多，但也越来越难发现了。
如果不投喂知识库，或者反复对话，精细校准的话，结果质量有改进但非常基础。
我们仍然无法完全依赖 AI 给出的策略，但可以作为起点去研究打磨。
这一次我们分别在 GPT 4o，Claude 4，Deepseek R1、Deepseek R1 + 知识库和Perplexity 上做了测试，快来看看他们都返回了怎样的策略吧。
需要说明的是：以下回答并不是原文，而是经过了整理删减后的内容。
以下策略来自 GPT 4o
趋势跟随策略（Trend Following）
趋势跟随策略旨在识别并跟随市场价格的持续趋势，假设价格在趋势中更可能继续朝当前方向移动。
入场条件：
移动平均线交叉：当短期移动平均线（如50日均线）上穿长期移动平均线（如200日均线）时，生成买入信号。
价格突破新高：当价格突破过去20天的最高点时，生成买入信号。
出场条件：
移动平均线交叉：当短期均线下穿长期均线时，生成卖出信号。
价格跌破支撑位：当价格跌破过去10天的最低点时，生成卖出信号。
止损：
设置初始止损位于入场价格下方一定百分比（如5%），或根据平均真实波幅（ATR）设定动态止损。
非常经典的策略规则设置，我们在「什么是 SMA/EMA 移动平均线指标」中介绍了均线，而简单交叉策略也是我们会在后续内容中进行测试的。
均值回归策略（Mean Reversion）
均值回归策略基于价格偏离其历史平均值后会回归均值的假设，适用于震荡市场。
入场条件：
相对强弱指数（RSI）：当RSI低于30（超卖）时，考虑买入；当RSI高于70（超买）时，考虑卖出。
布林带：当价格触及布林带下轨时，考虑买入；触及上轨时，考虑卖出。
出场条件：
RSI回归中性区间：当RSI从超卖区域回升至50以上时，卖出；从超买区域回落至50以下时，买入。
价格回归均值：当价格回归布林带中轨时，平仓。
止损：
设置固定止损，如入场价格的2%，或根据ATR设定动态止损。
RSI 是我非常喜欢的一个指标，虽然完全相同的参数我们没有测试过，但类似的策略我们在「RSI 指标的简单阈值突破测试」进行过测试。
轮动策略（Rotation Strategy）
轮动策略通过定期评估和调整投资组合，选择表现最强的资产类别或行业，以期获得超额收益。
入场条件：
相对强度排名：每月评估各行业ETF的过去3个月或6个月的表现，选择表现最好的前3个行业进行投资。
出场条件：
定期再平衡：每月或每季度重新评估各行业表现，调整投资组合，卖出表现下降的行业ETF，买入新的强势行业ETF。
止损：
可设置绝对止损，如某ETF下跌超过10%时卖出，或相对止损，如相对强度排名下降至后50%时卖出。
一个轮动策略的经典模型，但我对给出的详细度很不满，现在的描述非常概括，也没有给到一些具体的指标和参数。我们会在未来发布一个基于行业 ETF 的交易策略测试。
以下策略来自 Claude 4
移动平均线交叉策略（Moving Average Crossover）
基于技术分析中的移动平均线理论，当短期移动平均线向上穿越长期移动平均线时，表明趋势转向上涨；反之则表明趋势转向下跌。
时间周期：日线、周线均可
入场信号：
做多：20日EMA向上穿越50日EMA
做空：20日EMA向下穿越50日EMA
出场信号：
相反方向的交叉信号出现
止损：
设置在近期支撑/阻力位，通常为入场价格的2-3%
另一个均线策略的变体，同样，我们会在之后的内容中进行测试，但 Claude 回答的止损一直让我一头雾水，2-3% 的数字似乎是瞎编的，在后面给到的其他策略中也有类似现象。
突破策略（Breakout Strategy）
当价格突破关键的支撑或阻力位时，往往会延续原有趋势或开启新的趋势方向。
时间周期：日线、周线
入场信号：
做多：价格突破20日高点，且成交量放大
做空：价格跌破20日低点，且成交量放大
出场信号：
价格回到突破点以下/以上
止损：
突破点位的1-2%
这里的止损逻辑上的合理性显然比均线系统中的要更高，但 1-2% 的参数让我倍感怀疑，这样的止损真的有用吗？还是只是会被反复的打止损，我们在测试中一见分晓。我很怀疑 Claude 并分不清交易的“time frame 时间框架”这个概念，把不同系统的元素拼接在了一起。
动量策略（Momentum Strategy）
基于价格动量持续性，强势股票会继续走强，弱势股票会继续走弱。
时间周期：周线、月线
入场信号：
选择过去3-12个月涨幅排名前10%的股票
RSI > 70且持续上升
出场信号：
动量指标转弱或跌出前25%
止损：
trailing stop，通常设置为10-15%
基于上面的回答质量，这是一个让我略感意外的回答，可以说是 Claude 所有回答中让我觉得最像那么回事的。
布林带均值回归策略（Bollinger Bands Mean Reversion）
价格在统计学上趋向于回归到其历史平均值，当价格偏离平均值过远时，会有回归的倾向
时间周期：日线
入场信号：
做多：价格触及布林带下轨（-2标准差）
做空：价格触及布林带上轨（+2标准差）
出场信号：
价格回到中轨（20日移动平均线）
止损：
如果价格继续偏离，设置在-2.5或+2.5标准差处
配对交易策略（Pairs Trading）
寻找历史上价格走势高度相关的两只股票，当它们的价差偏离历史均值时进行反向操作。
时间周期：日线
入场信号：
价差偏离历史均值2个标准差以上
做多相对便宜的股票，做空相对昂贵的股票
出场信号：
价差回归到历史均值
止损：
价差继续扩大至3个标准差
配对交易是非常有趣值得研究的领域，但这个回答实在太过潦草。
行业轮动策略（Sector Rotation）
基于经济周期和市场环境变化，不同行业在不同时期表现存在差异，通过轮动配置获取超额收益。
时间周期：月线
入场信号：
经济复苏期：重点配置科技、非必需消费品
经济扩张期：重点配置工业、材料
经济收缩期：重点配置公用事业、必需消费品
出场信号：
宏观经济指标显示周期转换
止损：
单个行业配置不超过总资产的25%
风格轮动策略（Style Rotation）
在不同市场环境下，成长股和价值股的表现会有差异，通过风格轮动获取收益。
时间周期：月线、季线
入场信号：
牛市/低利率环境：重点配置成长股
熊市/高利率环境：重点配置价值股
出场信号：
市场环境发生根本性变化
止损：
相对基准指数跑输超过5%时考虑调整
市值轮动策略（Size Rotation）
大盘股和小盘股在不同市场环境下表现不同，通过市值轮动获取超额收益。
时间周期：月线
入场信号：
风险偏好高时：重点配置小盘股
风险偏好低时：重点配置大盘股
出场信号：
VIX 等风险指标发生重大变化
止损：
相对基准跑输超过10%
比起 GPT 4o 给出的轮动策略，Claude 的答案更加概括，更加抽象，只是蜻蜓点水的说了一些理念，没有任何参数和指标。
以下策略来自 Deekseek - R1 模型
双均线交叉策略（Dual Moving Average Crossover）
周期：日线/周线
指标：
快线 = 50日指数移动均线（EMA）
慢线 = 200日简单移动均线（SMA）
信号：
入场：快线上穿慢线（Golden Cross）
出场：快线下穿慢线（Death Cross）
止损：
ATR止损（2倍14日ATR）
同样是均线策略，Deepseek 给出的止损条件明显看起来合理很多。
布林带收缩策略（Bollinger Band Reversion）
时间周期：日线
指标：
中线 = 20日SMA
上轨/下轨 = 中线 ± 2倍20日标准差
入场条件（同时满足）：
价格触及下轨 & RSI<35
布林带宽度（BBW）创10日新低（波动收缩）
出场条件：
价格触及中线或盈利5%
止损：
下轨下方1.5%
适用场景：
ETF如QQQ，单边市易失效（需VIX>20启用）
我不是很理解为什么在这个策略中特别增加了“适用场景这个内容”，甚至让我产生了一定的自我怀疑，之后我们在测试布林带指标的时候也引入 VIX 作为一个参数来进行验证。
以下策略来自 Deekseek R1 模型 + 本地知识库
趋势跟随策略（周线/月线）
选股标准：
筛选标普500中50日均线 > 200日均线的成分股，且近3个月动量排名前20%
入场信号：
均线交叉：快线EMA(50)上穿慢线SMA(200)确认趋势。
突破形态：股价上穿布林带上轨（20日标准差2倍）时开仓。
出场机制：
止损：跌破入场价的7%或20日ATR的2倍。
止盈：趋势逆转信号（如RSI>70后死叉）或持仓60天强制轮换。
均值回归策略（日线）
标的筛选：波动率适中（30日波动率10%-30%）的行业ETF（如XLK/XLV）。
入场触发：
RSI<30且股价触及布林带下轨时做多。
乖离率（股价-EMA50）/EMA50 <-8%时买入。
风控设置：
硬止损：亏损达持仓市值的5%。
时间止损：持仓5日未盈利即平仓。
由于我们只调用了一个非常小的知识库，里面的内容并不完整到可以生成策略，所以这 2 个内容只能做个参考。
以下策略来自 Perplexity
双均线交叉系统
入场条件：
当50周SMA上穿200周SMA时建立多头仓位
反之下穿时平仓或建立空头头寸。
策略表现：
回测显示，该策略在道琼斯工业指数成分股中的应用，1990-2023年间年化收益率12.4%，较买入持有策略提升4.8个百分点。
策略优化：
为提高信号质量，引入成交量确认机制。要求交叉发生时周成交量必须高于前20周平均值的1.2倍，该过滤条件使策略胜率从54.6%提升至61.3%，同时将错误信号减少37%。
我非常喜欢 Perplexity 在每个策略中都引入了“成交量”作为条件，成交量的作用我们在「随机信号策略交易表现」中有过简要的展现，未来我们也会详细探讨。
52 周新高动量策略
该策略基于行为金融学中的锚定效应构建，筛选股价处于52周最高价5%区间内的股票。
入场条件：
月收盘价突破前52周最高点；
突破当月的成交量较前三月均值增长30%以上；
相对强弱指数（RSI）处于40-70区间
仓位管理：
头寸构建采用分层加权法，将组合资金等分至5-10只符合条件个股，每只个股初始仓位不超过15%。每月末进行再平衡，剔除跌破52周高点10%的标的，同时纳入新突破个股。
策略表现：
George和Hwang（2004）的实证研究表明，该策略在1963-2001年间实现月均超额收益0.93%，夏普比率达0.7。
月线 MACD 趋势确认策略
该策略整合趋势与动量指标，使用26/52周EMA计算MACD柱状图。
入场条件：
月收盘价站上20月SMA
MACD柱状图连续两个月扩大
成交量较前6月均值增长20%
出场条件：
平仓规则采用动态跟踪止损，以入场后最高价的85%作为止损基准。
策略表现：
在标普500成分股的应用中，2000-2023年间策略年化收益率14.3%，较基准指数超额收益7.1%。
同样 Perplexity 也是所有测试中唯一一个提到了 MACD 这个同样被众多交易员喜爱的指标。但是我对它在每个策略中引用的绩效表现数据还是抱有一定怀疑。
不知道你看完这些策略后有什么想法，或者对哪几个比较感兴趣呢？
接下来我们会从中挑选几个我们最感兴趣，或者最值得研究的策略来进行测试和优化，看看 AI 给出的点子到底有多少潜力。也欢迎回复或评论你最喜欢的点子，说不定我们就会优先测试它的表现。
最后分享一些我比较常用的 AI 工具，供大家参考：
自建本地知识库：Cherry Studio + 硅基流动 Silicon Flow（注册可获赠约 2000 万 Tokens）
完成特定资料调研任务：Manus（注册可获赠 500 积分）
完成特定资料调研任务：Perplexity
辅助进行系统化交易代码：Claude
最后，感谢你的阅读
如果有任何问题和想法都欢迎通过留言，或者邮件回复与我们取得联系！
你也可以访问网站介绍📑，更好了解本站。
如果喜欢这篇内容，欢迎点赞、订阅、评论并分享给好友❤️；
如果不喜欢，希望你留下建议，并分享给你讨厌的人😜。