ChatGPT 或 Claude 能帮助交易盈利吗？交易机器人、交易形态与量化研究

交易利润究竟从哪里来？

语言模型可以读完一份业绩公告，并正确判断企业经营有所改善，股价却仍然可能下跌。投资者原本可能期待更好的表现，估值水平可能发生了变化，也可能在分析完成之前，市场价格就已反映相关信息。读懂一份文件，与足够早地在合适价格上采取行动，是两件不同的事。

对一套交易策略来说，真正有用的问题必须具体：这套流程比其他方法更善于解读什么信息？谁可能处于交易的另一方？价格为什么还没有吸收这些信息？答案可能是被忽视的文件、难以处理的分类问题，或者阻止其他参与者行动的某种约束。每一种解释都只是需要检验的假设。能够使用一个人人都能获得的聊天机器人，本身并不构成解释。

还有一种价值不那么显眼。助手可以缩短核对交易流水的时间，帮助发现时间戳错误，或者尽早淘汰薄弱的研究思路。即使策略的预期收益没有变化，这些也具有经济价值。但两笔账必须分开：研究生产率衡量节省了多少时间、减少了多少错误；投资阿尔法衡量在考虑成本和风险后，表现是否超过合适的基准。一项订阅在第一个维度上可能物有所值，在第二个维度上却未必创造价值。

量化研究助手：ChatGPT、Claude、Codex 和 Claude Code 能做什么

在实际工作中，这些工具可以充当量化研究助手：帮助把假设形式化、构建软件、检查数据、运行指定的模拟，并解释结果。这是一项相当强的能力，但也需要明确分工：源数据提供观察事实，可执行代码完成计算，交易者判断假设与证据是否足以支持行动。

选择工具，应从具体工作出发。研究文件时，可以给 ChatGPT 和 Claude 同一组资料，让它们指出变化、引用支持结论的原文，并列出无法得出的结论。例如，公司的收入增长究竟来自销量、提价，还是并购？这是一个有核对标准的问题。让它推荐下一只大涨的股票，就没有这样的答案参照。

处理代码仓库时，值得评估的是 Codex 和 Claude Code。OpenAI 将 Codex 描述为能够编写、审查和调试软件的编码智能体；Anthropic 的文档说明 Claude Code 可以读取代码库、编辑文件和运行命令。[3] [4] 因此，它们有望成为数据接入、回测和审计工具开发中的协作者。但这些能力本身不能证明它们更擅长作出投资决策。

假设一套策略使用小时 K 线的收盘价，却按同一根 K 线的开盘价成交。可以让编码智能体追踪每个输入何时可用，构建一个能够暴露这种不可能成交的小型数据集，再修复时序。验收条件是可观察的：任何决策都不得使用在该决策之后才出现的数值。资金曲线是否更平滑，与修复是否正确无关。

应该选择在你的真实任务中，能够反复交付结果、重大错误更少、审查负担更低的工具，并记录所用版本、工具与设置。面向消费者的聊天产品、编码智能体和通过 API 提供的信号服务，在数据访问、成本及运行方式上并不相同；某一种形式的结果，不能悄然归功于另一种。配套文章 ChatGPT 与 Claude 交易用途对比更详细地讨论了这种工作流程选择。

ChatGPT 或 Claude 能用 Pine Script 或 Python 构建交易机器人吗？

可以。它们能帮助把交易规则转化为指标、回测、扫描器、提醒和机器人组件。对个人交易者而言，这可能是最有影响的一种用途：以前只停留在笔记本中一段文字里的想法，变成了可以衡量的对象。Codex 和 Claude Code 还能把这项工作扩展到代码仓库，使数据处理、策略逻辑和报告协同开发。策略的具体含义，仍需要人来定义。

从规范开始，而不是一句“给我做一个赚钱的机器人”。明确交易品种、周期、入场条件、下单时点、退出规则、仓位规模、交易时段和成本。如果想法是“在上升趋势中回调买入”，就必须说明如何衡量趋势、什么算回调，以及是否需要等 K 线收盘后才入场。否则，助手名义上是在实现策略，实际上却不得不替你发明策略。

Pine Script 适合基于图表的指标、可视化策略开发和提醒。TradingView 策略通过经纪商模拟器模拟订单，设置和可用 K 线数据都会影响成交。如果同一根 K 线同时触及止损和止盈，就必须假设哪个先发生。查看更低周期的数据，可以改善路径重建，却不能把模拟成交变成交易所的真实执行。[8]

当工作需要自定义数据集、多品种研究、投资组合记账、滚动前推实验、蒙特卡洛分析或订单执行服务时，Python 很有用。它也更便于保存从原始数据到最终结果的可复现流程。实盘运行还需要另一层工程能力：订单确认、部分成交、断线重连、重复事件处理，以及与经纪商或交易所对账。一个信号、一份下单请求和一个已确认的持仓，应当是不同的记录。

确定性的规则应由确定性的程序执行。均线条件不需要在每个行情跳动时都让语言模型重新解读。可以让助手构建计算逻辑，再由代码执行固定规则。只有需要语言理解，或明确定义了主观判断任务的环节，才调用模型。这样能减少不必要的延迟、成本和结果波动。

好的交付要求应包括策略代码、可读的规则说明、小型测试数据集，以及成交假设的解释。将历史信号与后续观察到的信号比较，并检查重绘问题：K 线收盘后仍会变化的信号，可能让过去看起来比实时决策时更完美。TradingView 的文档列出了多种不同成因，所以声称“不重绘”，必须结合实际脚本说明原因。[9]

寻找潜在交易机会：先扫描，再分析

为 ChatGPT 或 Claude 提供带时间戳的市场数据，或连接合适的数据源后，它们就能帮助发现候选机会。有用的产出应是列明测量条件的候选清单，而不是一段对图表侃侃而谈的文字。扫描负责应用明确的筛选条件，解读负责说明候选机会为何值得进一步研究，两者应当分开。

以突破后回测的研究为例，可以规定：某根已收盘 K 线收于此前 20 根 K 线最高价之上，随后五根 K 线内，价格回到该水平附近的指定区间。计算这 20 根 K 线的参考高点时，排除当前 K 线。在评估结果前，固定回测区间、成交量筛选条件和失效规则。这些示例参数只是让想法可以被检验，并不意味着该形态具有盈利能力。

要求输出的表格包含代码、交易场所、观察时间、触发价位、距该价位的距离、波动率指标、买卖价差估计，以及仍未满足的条件。如果行情有延迟，应显示延迟。如果精确价位仅来自截图，就应明确不确定性，而不是编造小数位。随后，助手可以把候选清单与你的书面交易手册对照，提示即将公布的财报，或解释相互冲突的证据。

保留所有符合条件的候选机会，包括被拒绝或忽略的机会。事后比较完整候选集与实际选中的交易，才能回答一个有价值的问题：筛选过程究竟改善了结果，还是只是给出了更有说服力的解释？即使预测优势尚未得到证明，一个有用的 AI 扫描器，也应让你的机会集合更容易核查。

交易复盘与交易日志：让经验可以检索

交易日志是 ChatGPT 和 Claude 最明确的实用场景之一。它们可以帮助整理笔记、添加交易形态标签、总结一周情况，并生成 Python 或电子表格报告。入场前的计划与离场后的复盘，应记录在不同字段中。助手不能在看到交易结果后，改写最初的交易理由。

保留交易 ID、时间戳与时区、品种、方向、数量、成交记录、手续费、资金费用、形态标签、计划失效条件和初始计划现金风险。再加入交易者当时陈述的入场原因、偏离规则之处，以及同步记录的其他笔记。标签可以由模型建议，再由交易者确认。一条“当时感觉很仓促”的笔记，只能证明记录过这种感受，不能据此凭空作出心理诊断。

用定义明确的 R 倍数将结果标准化：净盈亏除以初始计划现金风险。如果初始风险为 50 USDT，净盈利为 75，则结果是 +1.5R；净亏损为 60，则为 −1.2R。R 必须有记录在案的分母，也不意味着亏损一定被限制在 1R 以内。如果有足够分辨率的价格数据，还应分析持仓时间、最大不利波动和最大有利波动。

提出能够改变决策的问题：迟到的入场，其平均净 R 是否比计划窗口内的入场更差？亏损是否集中在特定交易时段？移动止损究竟改善了结果，还是仅仅推迟了亏损确认？每组都应展示样本量、风险暴露、成本和离散程度。一个仅有三笔交易的盈利子组，只是继续研究的线索，不能直接升级为新的交易规则。

分别评价过程和结果。遵守规则的交易也可能亏损，违反规则的交易也可能盈利，两者都应对照原计划复盘。研究另一种退出方式时，要重建价格路径、订单时序和成本，不能假设每笔交易都能在后来的最佳价位退出。最终产出应是下一步可以检验的具体观察，例如反复出现的执行延迟，而不是泛泛地要求“更自律”。

蒙特卡洛与复杂模拟：量化助手的实际工作

这些工具能够帮助开展严肃的量化研究。可以让它们编写 Python 代码，估计最大回撤、连续亏损次数、未恢复前高的持续时间与期末权益的分布，比较仓位管理规则，或模拟更高的执行成本和更弱的信号。模型能够把问题转化为代码、解释假设，并协助解读输出。但计算必须由数值引擎实际执行，同时保留输入、代码和随机种子。

蒙特卡洛是一类方法，不是单一检验。对现有交易进行不放回的随机重排，只会改变顺序。在每笔交易结果固定、每次投入现金金额固定，且不存在依赖路径的约束时，重排会改变回撤路径，却不会改变最终总盈亏。有放回抽样则会改变哪些结果出现在路径中，因此也可能改变期末结果。如果报告没有区分这些实验，就很难解释它的含义。

独立重采样假设各观察值可以视为相互独立的抽样，但交易结果往往存在聚集：多个持仓可能受到同一段市场行情影响，亏损期也可能持续。区块重采样保留连续的观察序列；对投资组合，可以跨资产同步抽取时间区块，以保留更多联合变化特征。平稳自助法是处理弱相依平稳数据的一种成熟方法，但其假设仍然需要核查。[10]

一份有用的研究任务书，可以要求在明确期限内模拟 10,000 条路径，采用指定的仓位规则，并设定例如 20% 回撤的阈值。报告应给出触及阈值的路径比例、有限模拟次数带来的不确定性，以及结果对区块长度、成本和估计优势的敏感性。这些都是附带条件的模拟结果。增加路径数量可以减少模拟噪声，却不会增加历史证据，也无法修正不现实的数据生成过程。[11]

还可以有针对性地扩展分析：使用过去数据重新校准、再测试下一段未经使用的区间的滚动前推评估；揭示表现是否依赖某个狭窄参数设置的敏感性图；相关性上升的投资组合情景；执行延迟与漏单；或收益下降、波动率上升的市场状态情景。每项分析回答的问题不同。在把一张庞大而漂亮的图当成有效信息之前，先把假设写清楚。

历史重采样无法凭空生成输入数据中从未出现过的全新冲击。应加入明确的压力情景，而不能假设自助法已经覆盖所有风险。在相关场景下，要保留同时持有的组合风险暴露、现金约束和仓位上限。否则，再复杂的模拟，也可能只是在把一个记账错误重复几千次。

ChatGPT 能预测股票收益吗？需要仔细阅读研究结论

Lopez-Lira 和 Tang 研究语言模型能否从公司新闻标题中提取与股票收益有关的信息。当前论文报告，GPT-4 对训练截止日期之后的新闻标题所作的判断包含有用信息，其中包括后续价格漂移。论文也发现，随着大语言模型采用率提高，策略收益会下降。这支持的是论文研究设计下的一种特定信息处理应用，并不是对使用 ChatGPT 交易的一般盈利承诺。[1]

其中一个数字尤其需要谨慎理解。论文约 90% 的“投资组合交易日命中率”针对的是市场初始反应，作者明确将其描述为不可交易的部分。它不是单笔交易胜率达到 90%。当价格已经反映新闻后，正确识别这种反应，并不能让人按此前的价格买入。真正可能有操作价值的问题，是信息处理完成且具备执行条件之后，还剩下多少收益。[1]

Kim、Muhn 和 Nikolaev 研究的是另一个问题：GPT-4 能否依据标准化、匿名化的财务报表，推断未来盈利变化的方向？他们的结果支持模型在这种受控环境下具有一定分析能力。但盈利变化方向不等于股价变化方向，股价还反映市场预期和买入价格。论文中的历史投资组合实验，并不是当今 ChatGPT 或 Claude 经过审计的实盘业绩记录。[2]

诚实的结论既不是语言模型毫无帮助，也不是问题已经解决。现有证据表明，它们可以提取具有金融意义的信息。但从这个发现走到可交易的策略，还需要分别证明时序、实现、成本和持续性。上述论文均未确定目前哪款面向消费者的产品更能带来交易盈利。

成本前有优势，仍然可能亏钱：算一笔完整的账

假设一套纯属虚构的策略每月完成 100 次开平仓，每次参考名义金额为 1,000 USDT。从预先规定的参考入场价到参考退出价计算，每次平均成本前收益为 12 个基点。一个基点等于 0.01%，因此成本前总盈亏为 100 × 1,000 × 0.0012 = 120 USDT。这些是示例假设，并非 ChatGPT、Claude 或 TensorParadigm 的实测结果。

假设每次完整开平仓的总手续费为参考名义金额的 6 个基点，买卖价差和执行偏差合计 4 个基点，每月模型、数据和托管固定成本为 30 USDT。手续费为 60 USDT，执行成本另计 40。扣除固定成本前剩余 20，扣除后净亏损 10。这个简化示例没有杠杆、资金费用、借券费用、税费或复利。30 USDT 是假设预算，不是任何产品的报价。

下表每次只改变一项假设。各列均使用相同的 100 次交易、参考名义金额、手续费预算和固定成本。这是一项敏感性计算，不是预测，也不是可能结果的概率分布。

在基础假设下，每次完整开平仓的成本前盈亏平衡收益为 13 个基点：6 个基点用于手续费，4 个用于执行，3 个用于覆盖固定成本，因为 30 / 100,000 = 0.0003。对这个具体账户而言，策略优势必须超过这一门槛，账户才开始赚钱。即使结果略高于门槛，也仍然容易受到估计误差的影响。

成本必须保持一致的计算口径。如果成本前盈亏使用理论参考价，就应扣除相对于这些价格的执行偏差。如果盈亏已经按实际成交价计算，就不能再次扣除成交价中已经包含的价差和滑点。有实际收取的手续费时，应使用实际数据。资金费用和借券费用可能带来现金流入或流出，应在账本中单独记录。

更大的资本可以把固定成本分摊到更大的名义交易金额上，但不能保证利润同比例增长。随着订单规模扩大，市场冲击、可用流动性和策略容量都可能变化。机构交易执行研究表明，不同策略和投资组合设计的可实施性存在显著差异；不能据此给所有账户套用一个通用成本估计。[5]

为什么 60% 的准确率可能亏钱，45% 却可能盈利

方向准确率没有包含盈利和亏损的大小。在一组假设交易中，某策略胜率为 60%，每次盈利 1 个单位、亏损 2 个单位，则每笔交易成本前期望盈亏为 0.60 × 1 − 0.40 × 2 = −0.20 个单位。另一策略胜率为 45%，每次盈利 2 个单位、亏损 1 个单位，则扣除成本前的期望值为 +0.35 个单位。这两项计算都不能证明现实中能达到这些概率。

模型给出的置信度数值，并不会自动成为概率估计。即使上涨概率经过良好校准，如果不知道盈利、亏损和交易成本的分布，也不足以据此确定仓位。频繁的小幅上涨，可以与偶尔的严重下跌并存。除了命中率，还要评估收益规则、未平仓风险暴露和尾部损失。

净盈利的门槛，也低于有价值投资结果的门槛。只做多的 AI 策略可能在上涨市场中赚钱，却不如可比的被动持仓。选择基准时，应匹配日期、可投资范围、资本和风险暴露。还要检查回撤、换手率和集中度：由单一资产或少数几个交易日主导的结果，与广泛、可重复的优势，是不同的投资命题。

历史检验有两只时钟，也有两条信息泄漏路径

第一只时钟属于市场。新闻标题何时发布、何时更正、何时进入你的数据源？模型何时处理完成？那之后什么价格可以实际成交？公告时间戳和数据集中的 K 线时间戳不能混用。例如，14:00:08 才完成的信号，不能仅仅因为与 14:00:00 的开盘同处一分钟，就获得该开盘价成交。

第二只时钟属于模型。当前模型看到历史新闻标题时，可能已经在训练中接触过相关事件、后续评论或最终结果。在提示词里隐藏后来的 K 线，并不能抹除这些知识。Glasserman 和 Lin 通过公司匿名化及跨时期比较研究了这一问题。他们的发现较为细致：公司背景知识既可能干扰分类，也可能引入事后信息。这项工作并不能证明所有大语言模型信号都只是记住了历史收益。[6]

第三个问题来自研究者。如果尝试五十种提示词、十个阈值和多个资产范围，然后只发布最漂亮的资金曲线，就是从大量实验中筛选结果。那些未被采用的想法也必须计算在内，即使编码智能体一个下午就把它们全部生成出来。关于回测过拟合的研究解释了，为何筛选出色的历史表现，可能换来令人失望的后续结果。[7]

历史分析适合发现记账错误和排除不合理的机制。若要提出更强的主张，声称当前系统能预测它从未见过的结果，就应先冻结流程，再前瞻性地收集决策。一旦你查看评估期结果并据此修改提示词或规则，这个时期就已参与开发，必须开始一段新的、未经查看的评估。

什么样的实验，才能真正检验 AI 是否有帮助

选择一个边界明确的机制。例如，模型对业绩公告的分类，能否在一个简单的盈利意外规则之上，改善某个明确规定的下一交易时段策略？这只是示例研究问题，并非交易建议。在收集结果前，定义符合条件的公司、公告类型、信息截止时点、预测期限和决策规则。不能看到哪些股票有效后，再悄悄扩大研究范围。

开展消融实验：比较同一流程包含和不包含语言模型组件时的表现，使候选机会、资本限制和成本口径保持一致。不含大语言模型的版本需要合理基线，不能刻意设计成弱对手。如果问题还包括选择供应商，再在相同输入资料和约束下，对比与 ChatGPT 和 Claude 相关的实现。

将信号质量与投资组合表现分开。首先检验模型是否为目标提供增量信息，再应用固定交易规则，查看净结果。如果模型改变了实际交易的机会集合，就同时展示完整机会集与各自选择的投资组合。否则，覆盖范围的差异，可能被误认为预测能力的提升。

不存在一个适用于所有情况的交易笔数，达到它就能下定论。相关持仓和针对同一事件的重复押注，所提供的独立证据少于表面交易笔数。应使用尊重这种依赖关系的方法报告不确定性，并展示不同阶段的表现。短期模拟盘可以暴露软件故障，却不能证明系统能适应它从未经历过的市场环境。

明确结论：有能力帮助赚钱，但必须检验利润来源

交易者能用 ChatGPT 或 Claude 赚钱吗？能：一套合理的流程可以利用它们的研究、编码、筛选和复盘能力，改善决策或提高运行效率。它们能提出盈利想法吗？它们能生成候选思路，学术研究也支持一些具体的预测应用。这是否证明问聊天机器人该买什么，就能稳定赚钱？不能。缺少的是从可用信息到扣除成本、考虑风险后结果的完整证据链。

对主观交易者，结构化日志和交易机会扫描器，可能最先带来清晰收益。对系统化交易者，Pine Script 或 Python 开发、可复现回测和模拟，可能更重要。对研究者，关键是语言模型组件是否比合理替代方案提供更多信息。先确定角色，再衡量贡献，由证据决定它应获得多少决策责任。

TensorParadigm 与任何服务商都应遵守相同标准。品牌、模型名称或技术架构，不能替代有记录的流程与完整结果。本文介绍相关研究和原创的假设计算，并不声称 TensorParadigm 使用了任何指定模型，也不声称我们已经验证了一套能盈利的 ChatGPT 或 Claude 策略。