如何用 ChatGPT 或 Claude 构建交易算法，检验盈利能力并避免过拟合

一个完整的交易研究项目，给出可以核查的答案

“给我做一个能赚钱的交易机器人”实际上把三项工作揉在一起：提出规则、实现规则，以及判断它是否值得投入资本。助手可以生成看起来很有说服力的代码，却没有解决第一项和第三项工作。本文将它们分开：固定一套简单策略，执行有记录的历史研究，并公开结果背后的完整记录。

这个项目是一套按日运行、只做多的比特币突破系统。它的经济假设并不宏大：少数持续趋势，可能足以补偿反复突破失败的成本。令人不舒服的部分恰恰是这一思路的组成部分。趋势跟随策略可能在多数交易中亏损，依赖少量大幅盈利的交易。因此，我们既检查账户最终余额，也检查各笔交易盈亏的分布。

这项研究分别处理策略规则、市场观测、模拟成交和账户结果。我们保留了来源署名、日线输入、15 项可执行测试和完整实验记录。下文解释计算方法，并展示会影响结论的交易与记账案例。

这是一项 AI 辅助工程研究，而不是询问聊天机器人哪种资产会上涨的实验。代码在 Codex 中开发。我们没有把同一任务分别交给 ChatGPT 和 Claude，没有测量它们的投资表现，也没有在策略运行时让语言模型选择交易。代码完成后，算法执行的是确定性规则。

若要集中练习如何核对两套实现，请继续阅读 Python 与 Pine Script 回测：为什么结果不同。

先写清规范，不给看似盈利的歧义留下空间

策略说明应当明确所有可能改变交易清单的细节。“买入 55 日新高”远远不够：上影线触及算不算？当前 K 线是否包含在通道内？已经收盘的日 K 线，难道还能按它此前的开盘价买入？我们的规则要求，完整收盘价超过此前各日最高价，然后等到次日开盘成交。

规则规范和评估流程是在本工作流程计算业绩之前写下的。在此之前，先完成了两项数据修订：更换数据来源，以及处理一条缺失的四小时记录。两项修订均保存在研究记录中。我们没有为了改善结果而修改交易规则。这份记录反映的是内部研究决策的先后顺序，并不是具有独立时间戳的预注册，也不是前瞻实验。

这里假定的执行边界经过理想化处理。在连续交易的加密货币市场中，当日日线收盘与次日日线开盘紧邻发生；真实系统接收数据、完成计算和提交订单都需要时间。五个基点的滑点只是假设，不能证明在这样的延迟和订单规模下，仍能按该价格成交。

回测开始之前，数据检查就改变了研究范围

输入数据来自 humblefool06 在 Hugging Face 发布的第三方 BTC-USDT 历史存档，发布者声明采用 CC BY 4.0 许可。我们固定了版本 9f491eb5340dd6a24f27fde24edf098e1e785443，保存了发布者的数据集说明卡，并记录 SHA256 哈希。TensorParadigm 将四小时 K 线聚合成 UTC 日线。我们在研究记录中注明了来源署名和转换方法。[1] [9]

覆盖检查发现，2020 年 2 月 19 日缺少 12:00 UTC 的四小时组成记录。我们排除了当天及其之前的全部历史，而没有编造价格。因此，标准化输入从 2020 年 2 月 20 日开始；经过 71 根完整的预热 K 线，开发期从 5 月 1 日开始。保留的全部 2,354 条日线记录均恰好包含六条组成记录。在计算业绩前，我们检查了时间戳顺序、重复项、有限数值和 OHLC 一致性。

哈希可以标识使用了哪些字节，却不能证明发布者的价格正确。我们没有独立地将这份第三方存档与交易所记录核对。更有力的投资研究，应当使用独立取得的数据源重复分析，并调查差异。可复现性与来源准确性相关，但不是同一个要求。

我们将固定规则的最后一段称为“保留历史评估期”。它依然是历史数据，而市场的大体历史已经为人所知。此外，后文的次要滚动前推实验会再次使用部分重叠日期。纵观本文的所有分析，并不存在一个始终未被使用过的最终样本。把它称为独立实盘检验，会夸大研究设计的力度。

在编写交易机器人之前，先让助手消除歧义

ChatGPT 和 Claude 可以帮助把研究任务书转化为代码、解释账本并提出测试。Codex 和 Claude Code 能在代码库中工作、编辑文件和运行命令。产品文档中的工程能力，说明值得把它们用于这套流程，但不能证明哪个产品能写出最赚钱的策略。[3] [4]

把固定规范交给助手，要求它在实现前指出尚未明确的选择。本研究的重要细节包括：严格突破还是包含等号的突破、仅使用此前 K 线的窗口、次日开盘执行、包含手续费的现金预算，以及期末未平仓持仓如何处理。答案即使语气再自信，只要悄然替你编造了其中任何一项，就是有缺陷的实现。

实现附件中的固定策略规范。首先指出任何可能改变信号、成交、仓位规模或报告盈亏的歧义。不要添加筛选条件，也不要优化参数。说明每项输入何时可用。将信号逻辑、执行、记账和报告分开。在运行历史业绩计算之前，先建立用于检验时序和现金对账的合成测试。返回完整代码、假设和实验日志。

下面的提示词是一份可复用的研究任务书，不是受控模型对比实验的逐字记录。保留实验日志，记录模型与版本、提供的文件、接受的变更，以及此后每一种策略变体。否则，“一个想法”就可能悄然变成几十次未被记录的尝试，只为找出令人满意的回测。

围绕事件顺序构建 Python 回测

引擎的每日循环有意采用固定顺序：先在今天开盘执行昨天待处理的订单，再按今天收盘价对账户估值，最后计算今天的决策。这样可以避免使用日线收盘价，却在同一根 K 线更早的时点成交。两个通道都排除决策所在的当前 K 线。以下简化片段展示了最容易实现错误的两项计算。

# Called at the completed close, after any pending open fill.
entry_level = max(b.high for b in bars[index-entry_lookback:index])
exit_level = min(b.low for b in bars[index-exit_lookback:index])

if not quantity and bar.close > entry_level:
    pending = {"side": "BUY", "signal_date": bar.date}
elif quantity and bar.close < exit_level:
    pending = {"side": "SELL", "signal_date": bar.date}
# Execute pending only on the NEXT loop iteration, at that bar's open.

入场数量计算将手续费包含在 90% 的预算内。设手续费率为 c、不利调整后的买入成交价为 P，数量就是 0.9 × 现金 / [P × (1 + c)]。如果先用 90% 现金买入，再扣手续费，就会超出规定预算。滑点已经体现在 P 中，不能再扣除其估计现金金额，否则会重复收费。

commission = commission_bps / 10000
slippage = slippage_bps / 10000
fill_price = bar.open * (1 + slippage)  # adverse BUY fill
qty = allocation * cash / (fill_price * (1 + commission))
notional = qty * fill_price
fee = notional * commission
cash -= notional + fee

我们实际运行了 15 项合成测试，覆盖未来数据扰动、排除当前 K 线、严格突破、次日开盘成交、不利滑点、含手续费的仓位计算、已平仓盈亏、未平仓权益、同预算基线、期末未成交信号、预热隔离、无效数据和自助采样计算。这些测试验证的是特定的时序和记账性质，不能证明市场优势。

一条有用的不变量，比漂亮图表更能揭示问题：改变日期 t 之后的价格，不能改变 t 之前的决策或成交。另一条是，在浮点容差内精确对账：初始权益 + 已平仓交易净盈亏 + 未平仓持仓按市价计量的盈亏 = 期末权益。运行程序会为模拟的每个账户检查这一恒等式。

一份明确披露差异的 Pine Script 实现

我们也编写了 Pine Script 实现，在标准日线图上表达相同的此前通道入场与退出思路。它使用已确认 K 线，并安排普通订单在下一根 K 线成交。TradingView 的策略经纪商模拟器及其设置决定模拟成交，图表数据和日内路径假设都可能影响结果。[2]

我们没有在 TradingView 中编译这份配套脚本，也没有取得 Strategy Tester 结果。本文所有业绩数字均来自 Python 引擎。Pine 源码接受了代码层面的审阅，这项检查的范围小于实际运行。

两处实现有意没有保持完全一致。Pine 的滑点设置使用固定跳动点数，而 Python 使用随价格变化的五个基点；我们的 Pine 版本使用零跳动点，因此不能复现主要成本模型。Pine 原生的权益 90% 仓位模式，也不同于我们包含入场手续费的现金 90% 预算。因此，不能声称两者的账户收益等效。

真正比较两个引擎时，应先统一数据源、UTC 边界、预热历史、日期窗口、数量口径和手续费。在比较收益之前，先比较信号日期与成交账本。如果交易不同，最终余额相近只是偶然一致，不能视为验证。

实际结果：样本内盈利，但收益低于持有基线

在 943 天的保留期内，固定算法将 10,000 USDT 变成了 11,154.96 USDT。11.55% 是这一整个区间的累计收益，并非年化。按日收盘权益计算的最大回撤为 29.72%。它完成了八笔平仓交易，其中三笔盈利，期末为空仓。因此，在这个区间，正的净结果不依赖期末未实现的持仓盈亏。

基线在区间第一个开盘时，以初始现金的 90% 为总预算买入，预算包含入场手续费，然后持续持有。其收益为 43.66%，按日收盘计算的回撤为 51.05%。它没有持续再平衡至 90%。策略的每日平均投资敞口为 33.62%；基线则持续持仓，配置比例随价格漂移。更低收益伴随更低回撤是一种取舍，既不能证明阿尔法，也不是风险匹配的比较。

下表每列都是独立、从空仓开始的账户。不能把三个收益率复合成一条连续业绩记录，因为重置方式和期末持仓不同。区间长度也不一样，所以这些百分比不能作为年化收益率直接比较。

2023 年的结果说明，交易摘要为什么可能误导。四笔已平仓交易亏损了 669.03 USDT，账户却盈利 1,654.60 USDT，因为剩余未平仓持仓扣除入场成本后的按市价盈亏为 2,323.63 USDT。我们没有预留假设的退出手续费。已平仓交易利润因子为 0.66，与账户总收益为正，可以同时成立。

相信盈利账户之前，先审计一笔亏损交易

保留期的第一个入场信号出现在 2024 年 1 月 2 日。策略按 1 月 3 日原始开盘价 44,946.91 USDT，加上五个基点的不利调整后，以 44,969.383455 买入。总入场预算为 9,000 USDT，买入数量约为 0.19993623 BTC。入场名义金额为 8,991.008991 USDT，手续费为 8.991009 USDT。

1 月 22 日的退出信号，带来了 1 月 23 日的成交。原始开盘价 39,568.02，经过卖出不利滑点调整后变成 39,548.23599。卖出名义金额为 7,907.125205 USDT，扣除 7.907125 USDT 手续费后，收回 7,899.218080 USDT。减去最初 9,000 USDT 的入场现金成本，净亏损为 1,100.781920 USDT。加上未动用的 1,000 USDT 现金，空仓账户此时持有 8,899.218080 USDT。

这份账本比四舍五入后的百分比，更适合检查实现是否正确。它揭示了信号时序、不利成交价、手续费计费基础，以及投入现金的单笔交易收益率（−12.23%）与账户变化（−11.01%）之间的区别。如果助手无法核对这些金额，进一步优化只是在不可靠的计算上增加复杂性。

成本很重要，但这里的利润集中度更值得关注

在保留期主策略运行中，模型实际计提的手续费合计为 171.19 USDT。按数量加权、不利成交价相对原始开盘价的差额为 85.59 USDT。后者是以执行参考价衡量的诊断指标，不利成交价中已经包含了它。买入和卖出名义金额合计为初始资本的 17.12 倍，这说明每一侧看似很小的成本为何会不断累积。

我们以三组成本假设重新运行相同规则。零成本运行收益为 13.99%，主策略为 11.55%，高成本运行则为 9.16%。它们是彼此独立的模拟。成本会改变买入数量，以及之后可再投资的现金，因此期末余额之差，并不简单等于主策略运行中手续费与滑点的合计。

三笔盈利的已平仓交易赚了 5,244.53 USDT，其余五笔亏损了 4,089.57 USDT，净盈利为 1,154.96 USDT。对少数赢家的依赖，可能符合趋势跟随的特点，但仅有八笔交易，很难证明这些赢家会多可靠地再次出现。减去最好的三笔盈亏，是集中度诊断，并不是一个有效的反事实账户；不能假设跳过这些交易后，之后的仓位规模仍然不变。

这些收益没有扣除固定成本。真实账户还应减去实际归属于这套流程的数据、软件、模型调用和托管费用，再按适用规则考虑税费。确定性的日线规则，不需要每根 K 线都调用一次大语言模型 API。普通代码能够完成的计算，不必额外叠加持续支出。

避免过拟合，要交代整个搜索过程，而不只是欣赏赢家

过拟合往往在正式运行优化器之前就已开始。换个资产、改个起始日期、加一道筛选条件、查看结果并保留漂亮版本，每次选择都会扩大实际搜索范围。传统留出集经过反复查看后，也可能变成开发数据。回测过拟合研究讨论的就是这种筛选问题；它并不会给所有使用训练与测试划分的流程颁发通用合格证。[5]

我们固定了九组开发期配置：入场窗口 40、55、70 天，分别搭配 10、20、30 天的退出窗口。下表列出全部净收益率。无论排名如何，55/20 始终是固定主规则。部分配置生成完全相同的交易，因此九行结果不是九份独立验证。

这九组配置在开发区间均实现盈利。这对理解这一小片参数区域有帮助，但不能证明最优参数，也不能证明在不同资产和市场状态下都稳健。主策略在开发期仅有五笔已平仓交易，尤其不足以支撑参数结论。我们没有估计正式的回测过拟合概率，也没有计算经筛选调整的显著性水平。

在你自己的项目中，保留那些未能进入最终表格的尝试。如果看过后期样本后再修改规则，就应诚实地给修订策略贴上标签：它已经使用了这个样本。换个文件名，不能恢复信息隔离。

审查这份策略规范、实验日志和代码，检查前视偏差、重复使用测试集，以及未记录的筛选。追踪输入可用时间与成交时点。对每个疑似实现缺陷，构造能够使其暴露的最小测试样例。将程序缺陷与建模假设、投资假说分开。不要通过修改参数改善业绩。指出哪些结论缺乏样本支持。

滚动前推检验评估的是选择流程，它仍然可能亏损

次要实验提出了另一个问题：如果研究者每年都根据过去数据，从九组变体中选择一组，会怎样？每个评估折的训练期从 2020 年 5 月 1 日开始，止于测试年前一年的 12 月 31 日。选择净收益最高的变体；相同时优先选择回撤较小者，再按入场与退出窗口顺序决定。随后在下一年评估，不在该测试区间内重新调参。按时间划分，可以保持信息流向。[6]

选中的算法在 2025 年亏损 4.02%，在 2026 年 1 月至 7 月亏损 14.24%。选择流程即使严格遵循时间顺序，也仍然可能令人失望。优化过去收益，并不能证明选中的参数将在下一段市场中占优。

每个评估折均以 10,000 USDT、空仓开始。这些是独立重置的测试账户，而不是跨年度持续保留持仓与财富的同一账户。2026 年的区间也并非全年。不能把这些收益率相乘，包装成等同实盘的业绩记录。

2024 至 2026 年的测试日期与主策略的保留历史评估期重叠，后续训练窗口还会包含更早的测试年份。它是明确列出的次要诊断，不是另一份从未使用的留出集，也不是对主要结果的独立复现。

蒙特卡洛分析：准确描述你真正模拟了哪种不确定性

我们采用循环固定长度区块自助法，这是一种用于相依观测的重采样方法。输入是固定主策略运行中的 943 个每日投资组合净收益率，包含空仓日和成本。对 1、10、30 天三种区块长度，分别以随机种子 20261018 生成 5,000 条同为 943 天的路径。区块可以从样本末尾绕回开头；最后一个区块会截取至所需长度。[7]

每条模拟路径对抽到的收益率进行复合计算，并计算自身回撤。这并不模拟新的 BTC 价格，不重新运行突破信号，也不在新顺序下重新计算交易成本。它重排的是已经观察到的投资组合收益。一天区块会丢弃序列顺序，较长区块保留局部连续片段，却不能保留完整历史市场状态。它们都无法添加输入中不存在的危机。

模拟的期末亏损比例介于 39.68% 与 42.66% 之间。这些是此次重采样实验的条件输出，不是策略未来 943 天亏钱概率的估计。对区块长度的敏感性本身就应保留，而不能只选择最令人安心的一列。

在 5,000 条路径下，亏损比例的蒙特卡洛标准误约为 0.69–0.70 个百分点，计算公式为 √[p(1−p)/5,000]。它衡量的是有限模拟次数带来的噪声，没有包括数据来源、交易规则、未来市场状态，以及重采样假设是否适当的不确定性。运行一百万条路径，只会缩小模拟噪声，不会提供更多市场历史。将蒙特卡洛误差与所研究的不确定性分开报告，是模拟研究的规范做法。[8]

先审计结果，再提出更好的下一步问题

Python 实现使用标准库，根据标准化日线观测进行计算。研究记录保留了分期报告、全部九组开发变体、次要滚动前推结果和自助采样摘要。来源版本与哈希标识了计算使用的观测。

有效的审计可以从保留期期末权益 11,154.96 USDT 和上文的第一笔亏损交易开始。解释最终收益前，先逐项核对信号、成交、手续费和现金变化。我们的计算保留完整精度；文章中经过舍入的表格用于展示，不能替代后续计算的原始输入。

然后判断，你的问题需要什么证据。研究行情源准确性，就获取独立数据集；研究执行，就在现实订单约束下记录决策时间、提交时间、确认回执、成交价和数量；研究修订后的参数选择流程，就在评估另一个时间区间之前写下选择规则。这些是不同实验，在日志中也应分别记录。

比较这些文件中带时间戳的策略信号、已提交订单、已确认成交和核对后的持仓。找出最早出现的分歧。将其归类为数据、时序、仓位、执行或记账问题，并用记录 ID 支持每项发现。不要重新调参。返回对账表，以及能够复现任何程序缺陷的最小样例。

如果目标是交易日志或机会扫描器，同样需要这种纪律。在结果发生前，保存规则版本和带时间戳的交易形态；除了实际交易，也保留跳过和拒绝的信号。让助手将日志与执行账本核对，解释差异。事后叙事的价值，低于一份当时就已记录、可以衡量后续结果的决策。

仅使用每次决策之前记录的形态定义和信息。包括已执行、已跳过和已拒绝的信号。将实际交易与订单账本核对。按预先指定的形态类别，报告遵守规则的情况、反复出现的执行错误和结果。将描述性模式与足以支持修改规则的证据分开。标记缺失记录和小样本。

我们会把它称为一个盈利交易算法吗？

若仅从狭义的历史记账角度看，会：主策略在保留期账户中，扣除假设的手续费与滑点后，赚得 1,154.96 USDT。但若采用更强的投资含义，即一套已经证明具有可重复优势、值得部署的算法，证据还不够。一个第三方加密货币存档上的八笔已平仓交易，无法证明这一主张。

决策还取决于投资目标。希望累计收益超过持有基线的读者，在主要区间没有得到这一结果。无法承受约 30% 日收盘回撤的读者，会拒绝这条实际观察到的路径。这些是在可能的投资者要求下作出的评价，并不是我们在看到结果前暗中规定的验收门槛。

一个有用的下一步，是冻结规则后开展前瞻模拟盘测试，在信号到来之前记录开始日期，并制定计划，将每项决策与可执行市场情况核对。记录全部修订建议，不要悄悄替换正在测试的版本。模拟执行仍需要现实假设；如果日后选择小规模实盘，它将回答关于真实成交和运营的额外问题。

ChatGPT、Claude、Codex 或 Claude Code 的实际价值，是让个人更快地搭建并核查这套研究体系。研究体系完全可能给出不受欢迎的答案。在本项目中，它给出了历史盈利的账户、显著回撤、低于持有基线的收益，以及少数影响重大的交易。公开这些事实，比让助手为策略写一段更动听的说明更有价值。