实验说明：这是一个仍在运行的 A 股模拟交易实验，不连接真实证券账户，也没有投入真实资金。本文记录系统如何建立、我怎样理解它的局限，以及为什么暂时不会把结果当成投资依据。它不提供个股建议，也不构成投资建议。
起点只是：AI 能不能把想法变成一套完整系统
我对量化交易一直有些好奇，但没有专业金融工程背景，也不相信输入一句“帮我做个赚钱策略”，AI 就能凭空产生稳定收益。
我真正想试的是一个更具体的问题：如果把需求拆开，AI 能不能协助我搭出一套可以长期自动运行、留下数据和接受检验的实验系统？
最初的版本很简单：获取沪深 300 成分股行情，按均线规则生成信号，用虚拟账户记录买卖，再生成一份日报。后来逐步加入数据完整性检查、手续费和滑点、交易日判断、持仓约束、多策略并行、回测报告、任务超时和消息推送。
到现在，它已经形成一条无人值守的日常流程：
每个工作日收盘后，系统自动更新数据、检查当日覆盖是否完整、运行策略、推进模拟账户并发送报告。如果数据不完整，它不会为了“每天必须出结果”而把残缺行情当成有效交易日。
AI 帮我做的是工程，不是发现稳赚规律
AI 在这个项目里确实很有用。它帮助我快速建立项目结构、数据库、命令行任务和测试，也协助排查过数据接口卡住、定时任务重复运行、策略日期错位等问题。
但这些工作解决的是“系统能不能稳定执行”，不是“策略有没有稳定优势”。
均线、动量和均值回归都不是秘密。任何人都能找到公式，也能让 AI 写出一段看起来合理的回测代码。真正困难的是确认回测有没有偷看未来、样本是否偏向幸存股票、参数是不是只适合某段行情，以及手续费、滑点、停牌和涨跌停加入后，优势是否还存在。
AI 还能一次生成很多策略。这反而带来新的危险：尝试得越多，越容易偶然找到一条历史曲线很好看的参数，然后误以为发现了规律。失败的几十组参数通常没人展示，最后那条漂亮曲线却很容易被记住。
所以我没有继续批量堆相似策略。目前保留几组结构不同的模拟账户，让它们在相同数据和交易约束下并行运行。策略之间的表现已经出现明显差异，有的阶段盈利，有的仍在回撤。这至少提醒我：系统正常运行，不等于策略已经可靠。
我刻意给实验增加了一些“不方便”
为了减少自我欺骗，这套系统没有只追求一条更好看的收益曲线，而是保留了几项约束：
- 信号只能使用当时已经存在的数据，不能在同一根收盘行情上假装提前成交；
- 回测加入手续费、滑点、最低交易单位和持仓上限；
- 把样本内调整与样本外验证分开，避免所有参数都在同一段历史上挑选；
- 同时记录收益、最大回撤、换手率和交易次数，不用单一收益率判断策略；
- 模拟盘持续按日运行，不能因为短期结果不好就悄悄换一套历史口径；
- 数据不足时停止推进账户，优先承认“今天不能判断”。
这些约束仍然不能证明策略有效。它们只是让一个错误结论更难轻易成立。
为什么我没有投入实盘
最直接的原因是：目前证据不够。
系统运行时间还短，经历的市场环境有限。几周或几个月的结果，可能只代表某种行情恰好适合某类规则。即使回测和模拟盘都不错，真实交易还会增加成交偏差、网络故障、资金压力和人的临时干预。
我也没有因为“反正先投一点试试”就降低判断标准。小资金亏损在金额上也许可以承受，却容易让实验从观察系统变成每天盯着盈亏，再根据情绪修改规则。那样得到的既不是稳定策略，也不是干净实验。
更根本的一点是：如果仅靠通用 AI 和公开行情就能稳定获得低风险超额收益，这个优势很难长期只属于某个人。AI 降低了写代码、读资料和搭系统的门槛，却没有消除市场竞争，也没有替任何人承担判断错误的代价。
那这个项目还有什么价值
它没有证明 AI 会炒股，但已经证明 AI 可以帮助一个非专业开发者把模糊兴趣变成可运行、可检查的长期实验。
我从中学到的并不是哪条均线最好，而是如何区分几件经常被混在一起的事：
- 代码能够运行，不代表模型正确；
- 回测结果漂亮，不代表未来可重复；
- 自动化减少了手工操作，不代表减少了判断责任；
- AI 能加快试错，也能更快制造过拟合；
- 一个实验真正可信的部分，往往是它如何处理失败和不确定性。
截至 2026 年 7 月 14 日，这套系统仍在按计划运行，最近一次日常任务、数据更新和报告推送均正常完成。这个日期只是一次运行状态核对，不是策略有效性的证明。
我暂时不会为它单独建立持续更新栏目，也不会发布实时信号。以后如果积累了足够长的观察期，或者实验因为明显缺陷而停止，我会另外写一篇阶段复盘。无论结论是继续、修改还是承认无效，都比现在提前宣布成功更有价值。
本文基于真实开发和运行记录，由 AI 协助整理；系统状态和关键事实由本人核对。模拟交易结果不代表未来表现。