29|AI量化进阶路径:不需成为数学家,也能构建赚钱机器
你好,我是陈旸。
很多人迟迟不敢开始量化,是因为把量化想象成了发射火箭。他们觉得必须先学完Python,再看完《计量经济学》,最后还得买一台GPU电脑。结果书还没翻到第十页,就放弃了。其实,量化交易更像是学开车。你不需要知道发动机的气缸是怎么运作的(那是造车工程师的事),你只需要知道方向盘怎么打,刹车在哪,以及导航(AI)怎么用。
对于普通人,最高效的进阶路径,遵循最小可行性产品(MVP)原则,分为三个阶段: 觉醒(思维)=> 装备(工具)=> 进化(实战)。

第一阶段:觉醒期——从猜到算
目标:不写一行代码,先建立量化思维。
耗时:1周。
在这个阶段,你还是在用通达信、同花顺这些传统软件。但你的看法要变。
1. 学会因子化你的直觉
以前你买股票:我觉得这个公司不错,最近新闻都在报。现在你要问自己:不错是指什么?是ROE高?还是增长率高?最近是指几天?都在报是指热度排名前几?
- 任务:拿出一张纸,把你过去赚过钱的几次交易,试着拆解成“如果……那么……”的规则。比如,如果(股价站上20日均线)且(换手率放大一倍),那么(买入)。
这样,你就把直觉变成了策略原型。
2. 利用现成的量化工具
很多软件自带了简单的回测功能(比如同花顺的i问财,或者果仁网)。
- 任务:去搜一下“近三年ROE大于15%且市盈率小于20的股票”。
看看如果只买这些股票,过去三年能不能跑赢大盘?这一步是为了让你亲眼看到数据的力量,建立信心。
3. 把AI当成私人投顾
开始高频使用DeepSeek(或Qwen/Kimi)。遇到任何新闻,不要自己瞎想。
- 任务:把新闻扔给AI,问它:“从历史数据看,这类新闻通常会对哪个板块产生正向影响?持续时间大概多久?”虽然它不能直接给你代码,但它能帮你梳理逻辑。
阶段总结: 这一阶段的核心是祛魅。你会发现,量化不是黑魔法,量化就是有纪律的常识。
第二阶段:装备期——AI辅助的半自动开发
目标:掌握Python基础,跑通第一个策略。
耗时:1个月。
这是大多数人被劝退的阶段——卡在了代码上。但你是AI时代的幸运儿。
请记住:你不需要自己写Python,你只需要掌握AI编程,或者说让AI帮你解释Python代码逻辑。
1. 环境搭建:QMT与MiniQMT
为什么我一直推荐QMT?因为它是目前国内最适合散户的、 免费的、 实盘级 量化终端。它集成了行情、交易、回测,而且支持Python。
- 任务:找券商开通QMT权限(门槛通常是几十万资金,有的甚至更低)。安装好软件。
2. AI编程流
不需要从手写代码开始,直接打开Cursor或者Trae等AI编程工具。
- Prompt(提示词):“请帮我写一个在miniQMT中运行的双均线策略。
逻辑是:当5日均线上穿20日均线时,全仓买入;下穿时,清仓卖出。”
AI会给你一段完美的代码。你的任务是看懂注释。知道哪里是改参数的(比如把5改成10),哪里是下单的。这就够了。
3. 回测你的直觉
还记得第一阶段你在纸上写的那个策略原型吗?现在,让AI把它变成代码,在QMT里跑一下回测。结果可能是残酷的:你以为必赚的策略,回测出来可能是亏的。这就是量化的价值——它在你亏真钱之前,先帮你亏了一次假钱。
阶段总结:这一阶段的核心是借力。你不是程序员,你是产品经理,AI是你的程序员。你负责提需求,它负责实现。
第三阶段:进化期——实盘与系统的构建
目标:建立实盘风控体系,配置多策略。
耗时:一辈子(无限游戏)。
回测赚钱了,不代表实盘能赚钱(记得之前讲过的过拟合吗?)。这一步要极其小心。
1. 模拟盘验证(Paper Trading)
在QMT里,把你的策略挂在模拟交易上。观察至少一个月。看看有没有信号闪烁(盘中买了,收盘信号没了)、看看滑点大不大、看看遇到停牌或者除权除息时,程序会不会报错崩盘。这是实战前的最后一次演习。
2. 最小资金实盘
拿出一手茅台的钱(或者更少),开启实盘。这个时候,你的心态会发生剧变。你会盯着屏幕,害怕程序出错。
- 任务:建立监控面板。让程序每天收盘后发个微信给你:“今日盈亏XX,持仓XX,运行正常。”
3. 构建策略足球队
不要只跑一个策略。
前锋:动量策略(进攻,收益高,波动大)。
中场:网格策略(控球,震荡市赚钱)。
后卫:债券/红利低波策略(防守,吃利息)。
守门员:风控脚本(一键清仓)。
当你的账户里同时跑着这三个相关性很低的策略时,你会发现,你的资金曲线变得平滑了。
这就是机构赚钱的秘密——资产配置。
对号入座:三类人群的专属路径
你是谁?决定了你的路怎么走。

人群A:老股民 / 主观交易者
优势:懂市场,有盘感,知道什么指标有效。
劣势:怕代码,逻辑容易主观随意。
进阶策略: 翻译官模式。
不要试图去学复杂的深度学习。你的核心任务是把你的盘感规则化。比如你擅长打板,你就去研究如何用量化筛选集合竞价异常的股票。 QMT是你的超级武器库,它能把你的手速提高100倍。
人群B:程序员 / 理工男
优势:代码能力强,逻辑严密。
劣势:不懂金融,容易陷入技术痴迷,喜欢过度拟合。
进阶策略: 补课模式。
请放下手中的机器学习,去读几本经典的金融书(如《海龟交易法则》、《积极型资产配置》《缠中说禅》)。多研究因子背后的经济学逻辑,少研究参数优化。
记住:数据挖掘挖不出因果关系,只能挖出相关性。唯有金融逻辑才能穿越牛熊。
人群C:上班族 / 没时间的普通人
优势:有稳定现金流(工资),心态相对从容。
劣势:没时间盯盘,不能做高频。
进阶策略: 收租模式。
放弃短线,放弃打板。专注于 中低频策略:
ETF动量轮动(一周调仓一次)。
网格交易(全自动,不需要盯盘)。
可转债双低策略(安全性高)。
你的目标是跑赢理财产品,实现年化10%-15%的睡后收入。
避坑指南:新手最容易犯的三个错
在带过无数学生后,我总结了三个必死陷阱,请务必绕开:
1. 迷信黑盒策略
有人卖给你一个策略,说:“这代码你别管,反正回测年化100%。” 千万别买。 不懂逻辑的策略,你不敢重仓;不敢重仓,就赚不到钱。而且一旦失效(肯定会失效),你会死得不明不白。
AI量化的原则:白盒。代码可以是AI写的,但逻辑必须是你懂的。
2. 一上来就想做高频
“老师,我想做毫秒级的T+0。”请放弃。那是机构的战场,那是光缆和FPGA芯片的战争。普通人的优势在中低频。机构资金大,掉头难;你资金小,跑得快。利用这个船小好调头的优势。
3. 忽视交易成本
回测时不扣手续费,实盘时发现全是给券商打工。特别是网格交易,如果你的佣金是万分之三,甚至千分之一,那你基本是在给券商送钱。
任务:在做量化前,先去和券商谈佣金,争取更低的交易佣金。
AI量化策略建议
这不仅是一张地图,更是一张船票。
1. 种一棵树最好的时间是十年前,其次是现在
不要等学会了再开始。你永远学不完。 在战争中学习战争。 今天就去下载QMT,今天就去问DeepSeek第一个代码问题。当你跑通第一个Hello World策略时,那种快感会推着你往前走。
2. 保持空杯心态
量化是一个交叉学科。你需要懂一点数学,一点编程,一点金融,一点心理学。保持好奇心,在这个领域,你永远是学生,市场永远是老师。
3. 寻找圈子
这条路是孤独的。你的家人可能不懂你在干什么,你的朋友可能还在听消息炒股。找到一群志同道合的半人马。互相分享实战心法,互相分享因子,互相做心理按摩。 一个人走得快,一群人走得远。
本讲金句弹幕

课后思考题
请根据你自己的情况(老股民/程序员/上班族),为自己制定一个3个月启动计划。
第一个月:我要搞定什么工具?(QMT?Python环境?)
第二个月:我要复现哪个经典策略?(双均线?网格?海龟?)
第三个月:我要投入多少实盘资金进行测试?(1万?5万?)
把它写下来,贴在你的电脑屏幕旁。这就是你的作战地图。
下节预告
讲完了路径,我们的思维课就接近尾声了。但在结束之前,我要给你最后一份礼物。那就是行动的号角。我知道,哪怕听完了这么多道理,很多人还是会停留在知道的层面,而不敢迈出做到的那一步。