AI量化交易：高效構建交易策略的新路徑

羅勇，哈爾濱工業大學金融智能量化投資研究中心副主任，WorldQuant首批 智腦顧問。擁有二十余年實盤交易與量化建模經驗，長期專註於量化策略研究及大模型（智能體）在各行業的應用實踐。曾在多所高校開設量化投資課程，包括哈爾濱工業大學的”金融投資策略設計“（本科）、哈爾濱金融學院的“金融量化基礎”（本科）、哈爾濱商業大學的“計算機語言與量化投資”（研究生）。著有《量化投資教程》《GPT時代的量化交易：底層邏輯與技術實踐》，譯有《波動率：實用期權理論》。盧洪波經濟學博士（吉林大學），現任北京外國語大學 商學院碩士生導師，兼任北京信息產業協會人工智能分會副秘書長。具有 特許金融科技師資格及 經濟師職稱。曾參與 重大金融風險化解項目研究工作，主要研究方向為金融科技與宏觀經濟政策。王光偉琦際科技創始人。主要研究方向為量化策珞建模與因子工程、低延遲量化交易系統架構、AI智能體驅動的策路優化。合著《GPT時代的量化交易:底層輯與技術實踐》，具有12年金融市場實盤交易經驗及10年量化系統開發經驗，曾為多家金融機構設計量化交易模型，現專註於超短線策略研究，擅長集合克價漲停板策略、近板股動量接力策路及事件驅動型低位潛伏策略。羅天奇AIGC愛好者，曾獲果龍江省智能機器人黨賽 屆中國青少年人工智能及創客大賽三等獎。

第1章 量化交易基礎入門 1
1.1 什麼是量化交易 1
1.2 量化交易的研究對象與應用領域 2
1.3 發展簡史與行業現狀 3
1.3.1 量化交易的萌芽 3
1.3.2 量化交易的發展歷程 3
1.3.3 中國量化交易發展歷程 6
1.3.4 AI時代的量化交易現狀 7
1.4 量化交易策略的五大分類 8
1.4.1 基本面量化交易策略 9
1.4.2 資產配置量化交易策略 11
1.4.3 阿爾法量化交易策略 13
1.4.4 貝塔量化交易策略 14
1.4.5 另類量化交易策略 16
1.5 未來趨勢與挑戰 17
1.6 本章小結 19
第2章 生成式AI入門簡介 21
2.1 初識大模型：常見誤區與能力分級 22
2.1.1 傳統誤區：關於生成式AI的十大誤區 22
2.1.2 核心區別：推理模型和非推理模型的區別 27
2.1.3 能力分級：大模型使用者的九大段位 31
2.2 提示詞工程：與大模型有效溝通的藝術 41
2.2.1 主要框架：如何高效構建提示詞 41
2.2.2 突破技巧：利用搜索引擎的 技巧，提升使用精度 49
2.2.3 能力進階：系統提示詞與用戶提示詞的使用指南 53
2.3 工具與平臺 57
2.3.1 國外平臺：ChatGPT，大模型的世界起源 58
2.3.2 國產之光：DeepSeek，國產大模型的驕傲 59
2.3.3 開源模型：那些靈活可控的AI引擎 60
2.3.4 量化AI：大模型與量化交易的數據插件與輔助平臺 61
2.3.5 生態：中國量化平臺生態與未來發展 62
2.3.6 選型建議：從簡單到覆雜 63
2.4 大模型時代的學習與研究新模式 65
2.4.1 學習模式：大模型時代下的量化交易學習 65
2.4.2 報告撰寫：利用大模型撰寫量化交易研究報告的通用
路徑 71
2.4.3 研究助手：ChatGPT的Deep Research使用指南 77
2.4.4 思研差異：深度思考和深度研究的區別 82
2.5 大模型 與智能體入門 93
2.5.1 微調與蒸餾：將DeepSeek-R1微調/蒸餾為某領域的
專家 93
2.5.2 智能體原理：Manus的底層技術原理 97
2.5.3 智能體工具：MCP深度解讀與使用研究 104
2.5.4 智能體橋梁：深度解讀Agent2Agent協議 115
2.6 本章小結 123
第3章 AI量化交易基礎入門 124
3.1 量化交易的數據基石 126
3.1.1 數據類型詳解 126
3.1.2 數據源獲取與主流工具 127
3.1.3 數據預處理的核心環節 128
3.1.4 實戰案例：數據獲取與預處理流程 130
3.1.5 數據保存與管理 131
3.1.6 練習建議與反思問題 132
3.2 財務指標的深度解析與業績預測（基本面量化） 132
3.2.1 策略邏輯與來源 132
3.2.2 數據需求與獲取方法 133
3.2.3 流程圖、模型與代碼講解 134
3.2.4 適用場景與實戰應用 138
3.2.5 常見錯誤與優化建議 139
3.2.6 提示詞模板設計 140
3.2.7 練習建議與反思問題 142
3.3 研報因子的自動化解析與建模（基本面量化） 143
3.3.1 策略邏輯與來源 143
3.3.2 數據需求與獲取方法 143
3.3.3 流程圖與代碼講解 144
3.3.4 適用場景與實戰應用 148
3.3.5 常見錯誤與優化建議 149
3.3.6 提示詞模板設計 150
3.3.7 練習建議與反思問題 151
3.4 多因子動態加權模型（資產配置量化） 152
3.4.1 策略邏輯與來源 152
3.4.2 數據需求與獲取方法 153
3.4.3 模型、流程圖與代碼講解 154
3.4.4 適用場景與實戰應用 157
3.4.5 常見錯誤與優化建議 158
3.4.6 提示詞模板設計 159
3.4.7 練習建議與反思問題 160
3.5 資金流向與板塊輪動覆盤（資產配置量化） 161
3.5.1 策略邏輯與來源 161
3.5.2 數據需求與獲取方法 162
3.5.3 代碼講解 163
3.5.4 適用場景與實戰應用 166
3.5.5 常見錯誤與優化建議 166
3.5.6 提示詞模板設計 167
3.5.7 練習建議與反思問題 169
3.6 LV2訂單簿不平衡因子的挖掘（阿爾法量化） 170
3.6.1 策略邏輯與來源 170
3.6.2 數據需求與獲取方法 171
3.6.3 模型、流程圖與代碼講解 172
3.6.4 適用場景與實戰應用 176
3.6.5 常見錯誤與優化建議 176
3.6.6 提示詞模板設計 177
3.6.7 練習建議與反思問題 180
3.7 機器學習量價特征工程（阿爾法量化） 181
3.7.1 策略邏輯與來源 181
3.7.2 數據需求與獲取方法 182
3.7.3 流程圖與代碼講解 183
3.7.4 適用場景與實戰應用 188
3.7.5 常見錯誤與優化建議 188
3.7.6 提示詞模板設計 189
3.7.7 練習建議與反思問題 191
3.8 市場情緒量化評分系統（阿爾法量化） 192
3.8.1 策略邏輯與來源 192
3.8.2 數據需求與獲取方法 193
3.8.3 流程圖與代碼講解 194
3.8.4 適用場景與實戰應用 200
3.8.5 常見錯誤與優化建議 200
3.8.6 提示詞模板設計 201
3.8.7 練習建議與反思問題 203
3.9 競價階段量價因子的挖掘（貝塔量化） 204
3.9.1 策略邏輯與來源 204
3.9.2 數據需求與獲取方法 205
3.9.3 流程圖、模型與代碼講解 206
3.9.4 適用場景與實戰應用 209
3.9.5 常見錯誤與優化建議 209
3.9.6 提示詞模板設計 210
3.9.7 練習建議與反思問題 212
3.10 覆盤連板梯隊結構與晉級率分析（貝塔量化） 213
3.10.1 策略邏輯與來源 213
3.10.2 數據需求與獲取方法 214
3.10.3 流程圖與代碼講解 215
3.10.4 適用場景與實戰應用 220
3.10.5 常見錯誤與優化建議 220
3.10.6 提示詞模板設計 221
3.10.7 練習建議與反思問題 222
3.11 高頻量價數據策略開發（貝塔量化） 223
3.11.1 策略邏輯與來源 223
3.11.2 數據需求與獲取方法 223
3.11.3 流程圖與代碼講解 224
3.11.4 適用場景與實戰應用 226
3.11.5 常見錯誤與優化建議 227
3.11.6 提示詞模板設計 227
3.11.7 練習建議與反思問題 229
3.12 高頻動量衰減因子開發（貝塔量化） 230
3.12.1 策略邏輯與來源 230
3.12.2 數據需求與獲取方法 231
3.12.3 流程圖與代碼講解 232
3.12.4 適用場景與實戰應用 235
3.12.5 常見錯誤與優化建議 236
3.12.6 提示詞模板設計 236
3.12.7 練習建議與反思問題 238
3.13 龍頭股特征提取與模仿策略（貝塔量化） 239
3.13.1 策略邏輯與來源 239
3.13.2 數據需求與獲取方法 240
3.13.3 流程圖與代碼講解 242
3.13.4 適用場景與實戰應用 246
3.13.5 常見錯誤與優化建議 246
3.13.6 提示詞模板設計 247
3.13.7 練習建議與反思問題 249
3.14 輿情監控與事件驅動分析（另類量化） 250
3.14.1 策略邏輯與來源 250
3.14.2 數據需求與獲取方法 251
3.14.3 流程圖與代碼講解 252
3.14.4 適用場景與實戰應用 255
3.14.5 常見錯誤與優化建議 256
3.14.6 提示詞模板設計 257
3.14.7 練習建議與反思問題 258
3.15 遊資席位行為模式解析（另類量化） 259
3.15.1 策略邏輯與來源 259
3.15.2 數據需求與獲取方法 260
3.15.3 流程圖與代碼講解 261
3.15.4 適用場景與實戰應用 265
3.15.5 常見錯誤與優化建議 266
3.15.6 提示詞模板設計 266
3.15.7 練習建議與反思問題 268
3.16 漲停原因歸類與題材持續性評估（另類量化） 269
3.16.1 策略邏輯與來源 269
3.16.2 數據需求與獲取方法 270
3.16.3 流程圖與代碼講解 270
3.16.4 適用場景與實戰應用 275
3.16.5 常見錯誤與優化建議 275
3.16.6 提示詞模板設計 276
3.16.7 練習建議與反思問題 277
3.17 本章小結 278
附錄A 量化交易基礎入門術語表 280
附錄B 生成式AI入門術語表 282
附錄C AI量化交易策略及實戰案例 286