去年做的策略 DSL，现在终于能给 Agent 用了
好久没在 V2EX 更新策引了。
去年我在这里写过一篇 DSL 策略引擎的帖子。当时提过做这套东西的一个目的，是以后希望 AI Agent 可以基于这些策略能力自己写策略、跑回测，然后看结果继续改。
当时其实还只是个想法，底层策略引擎能表达的东西也不够多，Agent 接进来没什么意思。
最近陆续把缺的东西补了一些，就做了个 Agent Lab：
[Agent Lab](https://www.myinvestpilot.com/lab)
现在可以把 Claude Code 、Codex 、Pi 这类 Agent 接进来，直接让它研究策略。
比如可以直接说：
> QQQ 的趋势策略在震荡行情里容易反复交易，看看加一个波动率过滤有没有改善。
Agent 可以自己生成策略配置，提交回测，看收益、回撤、Sharpe 、交易记录，然后根据结果继续修改。
当然回测不是大模型自己算的。大模型主要负责生成策略、看结果和继续调整，行情数据、策略执行、交易模拟和回测指标还是策引原来的策略引擎计算。
不然让 LLM 自己算一个年化收益出来也没什么意义。
这次底层还有个比较大的变化，就是 [DSL](https://v2ex.com/t/1140332) 加入了横截面策略。
策引之前主要支持时序策略，也就是一个资产和自己的历史比较，比如均线、趋势、突破、RSI 、波动率这些。
横截面则是在同一个时间点比较一组资产。
比如：
QQQ / SPY / IWM / GLD / TLT
计算过去 6 个月动量，做排名，然后持有 Top 2 。
两种现在也可以组合，例如先用长期趋势过滤，再从满足条件的资产里按动量排名。
对我自己平时研究的日线级规则策略来说，时序择时加固定资产池横截面轮动，已经能写不少东西了。Agent 也不再只能给一个均线参数换来换去。
当然这里有个很明显的问题：Agent 跑实验越方便，过拟合也越方便。
如果让它不停换参数，再从几百次回测里挑一个历史收益最高的，基本就是自动制造过拟合。
所以我现在更多是拿它验证一个具体想法：加一个条件到底有没有改善，参数变化以后结果是不是还稳定，换一段行情还能不能成立，而不是让它自动找所谓的“最优策略”。
另外策引里还有一类我一直在跑的实验策略，就是直接让大模型做交易判断。
这个和 Agent Lab 是两回事。
Agent Lab 是让 AI 研究规则策略，最后跑的还是明确的规则。
大模型策略则是直接观察一个黑盒模型长期做交易会发生什么，然后和规则策略放在一起对比。
这套策略之前有个问题。虽然最终输出的是一个组合，但模型实际上还是逐只股票分析。
比如组合里有 10 个标的，就相当于分别问 10 次：
> 这只现在买不买？
标的之间其实没有真正比较。
最近把这块也重构了，现在会把整个组合当前的持仓状态和所有标的数据一起交给模型，让它从组合整体做一次判断。
不过模型不能直接决定最终仓位。它输出判断以后还会经过确定性的规则校验，再生成买卖信号，资金和仓位还是原来的策略引擎负责。
大模型本身当然还是黑盒，这个也没办法解决。
我现在能做的主要是把当时的数据、模型、Prompt 和最后的决策尽量留着，以后至少还能翻出来看看它当时为什么会这么判断，以及和规则策略到底有什么区别。
这个实验我准备长期跑下去，短期收益没什么好看的，可能跑个一两年之后才比较有意思。
另外还有两个小更新。
策引站内原来的 AI 最近用 Pi Agent 重写了一遍，现在复杂一点的问题可以自己连续调用工具去分析，比之前手写 ReAct 框架好很多。
组合详情和交易信号分析页面也重新整理了一轮，这两个就不展开了。
目前策引还是支持 A 股、美股和加密市场，主要做日线级策略、模拟组合和回测，不接券商，也不自动交易。
如果感兴趣请通过首页申请试用，通过后会有一个月会员，Agent Lab 也可以直接用：
[我的投资管家](https://www.myinvestpilot.com/)
如果平时就在用 Claude Code 、Codex 、Pi 之类的，可以拿 Agent Lab 玩玩。
我现在自己也还在看大家最后会拿这套东西研究什么，有什么奇怪的策略想法也欢迎直接扔过来。
---
原文链接：[点击查看](https://www.v2ex.com/t/1233738)
去年我在这里写过一篇 DSL 策略引擎的帖子。当时提过做这套东西的一个目的，是以后希望 AI Agent 可以基于这些策略能力自己写策略、跑回测，然后看结果继续改。
当时其实还只是个想法，底层策略引擎能表达的东西也不够多，Agent 接进来没什么意思。
最近陆续把缺的东西补了一些，就做了个 Agent Lab：
[Agent Lab](https://www.myinvestpilot.com/lab)
现在可以把 Claude Code 、Codex 、Pi 这类 Agent 接进来，直接让它研究策略。
比如可以直接说：
> QQQ 的趋势策略在震荡行情里容易反复交易，看看加一个波动率过滤有没有改善。
Agent 可以自己生成策略配置，提交回测，看收益、回撤、Sharpe 、交易记录，然后根据结果继续修改。
当然回测不是大模型自己算的。大模型主要负责生成策略、看结果和继续调整，行情数据、策略执行、交易模拟和回测指标还是策引原来的策略引擎计算。
不然让 LLM 自己算一个年化收益出来也没什么意义。
这次底层还有个比较大的变化，就是 [DSL](https://v2ex.com/t/1140332) 加入了横截面策略。
策引之前主要支持时序策略，也就是一个资产和自己的历史比较，比如均线、趋势、突破、RSI 、波动率这些。
横截面则是在同一个时间点比较一组资产。
比如：
QQQ / SPY / IWM / GLD / TLT
计算过去 6 个月动量，做排名，然后持有 Top 2 。
两种现在也可以组合，例如先用长期趋势过滤，再从满足条件的资产里按动量排名。
对我自己平时研究的日线级规则策略来说，时序择时加固定资产池横截面轮动，已经能写不少东西了。Agent 也不再只能给一个均线参数换来换去。
当然这里有个很明显的问题：Agent 跑实验越方便，过拟合也越方便。
如果让它不停换参数，再从几百次回测里挑一个历史收益最高的，基本就是自动制造过拟合。
所以我现在更多是拿它验证一个具体想法：加一个条件到底有没有改善，参数变化以后结果是不是还稳定，换一段行情还能不能成立，而不是让它自动找所谓的“最优策略”。
另外策引里还有一类我一直在跑的实验策略，就是直接让大模型做交易判断。
这个和 Agent Lab 是两回事。
Agent Lab 是让 AI 研究规则策略，最后跑的还是明确的规则。
大模型策略则是直接观察一个黑盒模型长期做交易会发生什么，然后和规则策略放在一起对比。
这套策略之前有个问题。虽然最终输出的是一个组合，但模型实际上还是逐只股票分析。
比如组合里有 10 个标的，就相当于分别问 10 次：
> 这只现在买不买？
标的之间其实没有真正比较。
最近把这块也重构了，现在会把整个组合当前的持仓状态和所有标的数据一起交给模型，让它从组合整体做一次判断。
不过模型不能直接决定最终仓位。它输出判断以后还会经过确定性的规则校验，再生成买卖信号，资金和仓位还是原来的策略引擎负责。
大模型本身当然还是黑盒，这个也没办法解决。
我现在能做的主要是把当时的数据、模型、Prompt 和最后的决策尽量留着，以后至少还能翻出来看看它当时为什么会这么判断，以及和规则策略到底有什么区别。
这个实验我准备长期跑下去，短期收益没什么好看的，可能跑个一两年之后才比较有意思。
另外还有两个小更新。
策引站内原来的 AI 最近用 Pi Agent 重写了一遍，现在复杂一点的问题可以自己连续调用工具去分析，比之前手写 ReAct 框架好很多。
组合详情和交易信号分析页面也重新整理了一轮，这两个就不展开了。
目前策引还是支持 A 股、美股和加密市场，主要做日线级策略、模拟组合和回测，不接券商，也不自动交易。
如果感兴趣请通过首页申请试用，通过后会有一个月会员，Agent Lab 也可以直接用：
[我的投资管家](https://www.myinvestpilot.com/)
如果平时就在用 Claude Code 、Codex 、Pi 之类的，可以拿 Agent Lab 玩玩。
我现在自己也还在看大家最后会拿这套东西研究什么，有什么奇怪的策略想法也欢迎直接扔过来。
---
原文链接：[点击查看](https://www.v2ex.com/t/1233738)
评论
暂无评论。