人工智能
Codex 与 LLM 量化交易实战课
从交易想法到可靠量化系统的完整实现
Course syllabus
章节目录
网页仅提供目录预览,不展示课程正文。
课程目录DIRECTORY ONLY
Published chapters
01开篇词|AI 能写策略,但不能替你承担交易风险
02导读|量化知识背景与研究能力地图
03直播回放|AI 能写量化交易,为什么 90% 的人实盘不赚钱?
0401|AI 量化研究的证据边界与责任分工
0502|LLM 量化:从交易想法到可验证研究假设
0603|LLM 量化:搭建可复现的量化研究工作区
0704|读懂价格、收益、信号与仓位
0805|建立第一条安全边界:研究不等于实盘执行
0906|认识行情、资金、链上与情绪数据
1007|市场数据快照与回退机制
1108|时间序列数据质量与标准化验证
1209|用技术指标描述市场状态
1310|生成可追溯的市场研究报告
1411|LLM 的交易研究边界
1512|用 Codex 准备可追溯的市场上下文
1613|让 LLM 输出结构化交易信号
1714|让 Codex 识别幻觉、提示泄漏与未来信息污染
1815|用样本和评分规程验证 LLM 信号
1916|把研究信号写成明确的策略规则
2017|用 Codex 实现第一条量化策略
2118|构建事件驱动回测引擎
2219|正确评估收益、回撤与风险调整表现
2320|防止过拟合、前视偏差与数据窥探
2421|从单次回测走向滚动回测与多策略比较
2522|建立仓位、止损与组合风险控制
2623|设计交易研究应用的信息架构
2724|构建行情总览、机会雷达与数据源面板
2825|构建 K 线分析与 LLM 信号页面
2930|LLM 量化自动化安全门:审批门与停止线
3031|用 Eval 比较提示词、模型与策略版本
3132|监控失败、降级、恢复与审计记录
3233|设计并验收端到端模拟交易系统
3334|贯通信号、策略、回测、风控与网页应用
3435|完成系统验收、复盘与下一轮迭代
35结束语|把答案交给证据,把未来留给自己