写于 2026 年 8 月。我 2017 年入行写交易系统，2019 年开始做策略，掐指一算还差一年才够十年，所以下面的话你可以当成”一个还没老油条化的从业者的实话”，不构成任何投资建议。

---

先说结论，省你十分钟

如果你期待的答案是”用 ChatGPT 生成一个策略，跑起来，然后开始躺赚”——没有这条路，2026 年也没有。

但如果把问题改成”ChatGPT 能不能让一个普通人，用可承受的时间和金钱，走完从零到实盘的完整链路，并在这个过程中赚到人生第一笔像样的钱”——能，而且今天比任何时候都容易。

差别在于三句话：

1. 它压缩的是工程成本，不是判断力。 你少写的是代码，不是脑子。
2. 它最不该做的事，恰恰是”自己算”。 让它写代码去算，别让它口算。
3. 普通人的第一桶金，大概率不来自交易本身。 后面会讲清楚为什么，以及它来自哪。

考虑到国内订阅GPT确实不太方便，可以参考一下这个：chatgptpro.shop

下面展开。

---

一、2026 年 8 月，”AI + 量化”到底走到哪一步了

先把时间戳打准，因为这个领域每三个月就换一次天。

模型侧。 OpenAI 在 2026 年 7 月底把 GPT‑5.6 全量铺开了，同时换了一套命名：数字代表代际，Sol / Terra / Luna 代表能力档位。API 价格是每百万 token，Sol 输入 5 美元、输出 30 美元；Terra 是 2.5 / 15；Luna 是 1 / 6。8 月 10 日 OpenAI 又把 GPT‑5.6 Luna 开放给免费用户，8 月 18 日预览了最高 14 倍速的 Ultrafast 模式。Codex 那边，到 2026 年 3 月周活已经超过 200 万。

对我们的意义很直接：一次深度的策略代码审计，API 成本大概是十几到几十块人民币。 二十万 token 的上下文（够塞进你整个回测工程）加五万 token 的输出，按 Sol 的价格算下来约 2.5 美元。这个数字放在三年前是不可想象的。

学术侧。 KDD 2026 把 8 月 10 日设成了 Finance Special Day，LLM 驱动的多智能体交易、自动化因子挖掘、制度感知的因子筛选，成了论文里最拥挤的赛道。有意思的是，同期也冒出一批”泼冷水”的研究，比如专门做匿名化处理来验证：LLM 的交易收益到底来自真正的市场理解，还是来自它对训练数据里”股票—收益”关联的记忆。

工具侧。 GitHub 上 AI 量化项目在 2025—2026 年爆发，最典型的形态是”每天拉行情+新闻+情绪数据，喂给大模型，生成结构化分析报告，推送到微信”，有项目半年就攒了几万 Star。券商也在 2026 年初推报告，教散户搭建个人投研助理。

监管侧。 这是最容易被忽略、但对你最重要的一块，放到第九节专门讲。

一句话概括现状：工具已经过剩了，稀缺的是判断力和纪律。

---

二、它真正帮你省掉的，是工程成本

我把自己 2022 年和 2026 年做同一类中低频股票策略的耗时记录翻出来对比了一下：

总投入从 240 小时降到 81 小时，砍掉了三分之二。但你注意最后一行：决定”要不要上实盘”这件事，四年过去，还是 20 小时，一分钟没省。

于是出现了一个反直觉的结果：判断类工作在总时间里的占比，从 8% 涨到了 25%。

这就是 2026 年做量化的真实体感。以前你是”卡在工程上进不去”，现在你是”工程一天就通了，然后被扔在判断的门口”。前者让人绝望，后者让人危险——因为门是开着的，你以为可以走进去。

那些真正被压缩的环节，我具体是这么用的：

• 数据管道：把 Tushare / AkShare / 券商接口的字段说明贴给它，让它生成带缓存、带复权校验、带停牌处理的取数模块，再让它自己写单元测试。60 小时变 12 小时，主要省在”翻文档”和”踩字段坑”。
• 回测框架：直接说”我要一个能正确处理 T+1、涨跌停无法成交、停牌、分红送转、最低佣金 5 元的日频回测器”，它一次给不全，但三轮对话能给到能用。
• 实盘对接：下单重试、断线重连、每日对账、异常告警——这些又枯燥又必须做对的活，交给它是最划算的。

---

三、它最不能碰的，是”自己算”

2026 年 6 月有一份公开评测，用同一段 200 根真实 K 线、同一套评分脚本，测了 7 个前沿模型。我把它的分项分数重绘了一下：

这张图我建议截图存下来，它解释了 90% 的”AI 量化翻车现场”：

• 找区间内的最高点最低点，全模型平均 98%——因为这本质上是数值比较。
• SMC 那几类结构识别（FVG、Order Block、BOS/CHoCH、EQH/EQL），四项平均只有 19.5%。
• 递推型指标计算（比如不给公式让它算需要沿时间轴一步步迭代的指标），全模型平均 7.8%，有 7 个模型直接 0 分。更要命的是，那份评测指出这类失败不是算术噪声，而是系统性偏差——模型默认用了一套跟你不同的初始化约定，然后一路错到底，中间不会报错。

请把最后半句再读一遍。不报错、图很好看、解释也头头是道，然后你就信了。 这是量化里最贵的一种错误。

所以我的第一条铁律：让它写代码去算，绝不让它自己算。 指标算错了，代码会崩、测试会红、断言会炸；模型算错了，你只会得到一条更平滑的净值曲线。

顺便说个 2026 年 4 月的真实案例，很能说明”合成得很流畅的东西不等于真的”：当时市场上疯传一篇小作文，说程序化交易新规把高频认定门槛从”每秒 300 笔”骤降到”每秒 15 笔”，还配了详细的撤单率、报单停留时间数据，写得有鼻子有眼，各种财经号连着转了好几天。结果是假的，量化私募很快出来辟谣，媒体也做了澄清——那是把证监会关于短线交易的规定，以讹传讹成了量化新规。

一段结构完整、细节丰富、语气笃定的文本，跟一段正确的文本，是两回事。这句话对小作文成立，对模型输出同样成立。

---

四、AI 让想法变便宜，但漏斗一点没变宽

这是我最想让新手看到的一张图：

从”脑子里冒出一个想法”到”实盘六个月还在赚钱”，我的经验刻度是 1000 比 2。

以前你一年也就认真做三个想法，因为每个想法的工程成本是 240 小时。现在你一周能做三十个。听起来是十倍效率，实际上是十倍风险——因为你在漏斗上游疯狂灌水，但下游那几道闸门（成本、样本外、模拟盘、心态）一道都没有变宽。

更糟的是，AI 会主动帮你把闸门拆掉。你说”帮我优化一下参数”，它非常乐意帮你在参数空间里搜出最漂亮的那一组；你说”夏普只有 0.8，能不能再提高一点”，它会给你加因子、加过滤条件、加时间窗口。每一步都合理，合起来就是一台过拟合永动机。

我现在的做法是反着来：AI 用来做减法，不做加法。

• 想法生成？我自己来，因为想法要来自你对某个市场结构的具体理解，不是来自”帮我想 20 个策略”。
• 代码实现？全给它。
• 验证和证伪？给它，但角色必须切换——不是”帮我把这个策略做好”，而是”你现在是审计员，任务是找出这个策略为什么不该上实盘”。

第八节我会给出具体的 prompt。

---

五、被大多数人忽略的杀手：成本与容量

假设你真的做出了一个毛年化 20% 的策略（这已经很不错了）。它能不能赚钱，取决于两个跟策略本身无关的东西：你换手多快，你有多少钱。

按 A 股当前费率算——佣金万 2.5 且单笔最低 5 元、印花税 0.05% 卖出单边（2023 年 8 月 28 日起）、过户费 0.001% 双边，再加上滑点和冲击成本——结果是这样的：

本金	单回合成本	月度调仓净年化	每周调仓净年化
5 万	0.35%	15.8%	1.7%
20 万	0.30%	16.4%	4.3%
100 万	0.40%	15.2%	−0.9%
500 万	0.70%	11.6%	−16.5%

三个结论：

第一，本金太小会被”单笔最低 5 元”活活吃掉。 5 万本金分 5 只股票，每笔 1 万，佣金按万 2.5 只有 2.5 元，但你得付 5 元——实际费率翻倍到万 5。这是散户特有的隐形税。

第二，本金太大会被冲击成本吃掉。 这就是”策略容量”。你在几十万上跑得飞起的小市值轮动，到几百万就开始自己打自己。

第三，个人做量化的甜蜜区间，大约在 20 万到 200 万，且换手率越低越安全。 这跟大多数人的直觉相反——大家以为量化就是高频，实际上监管、成本、容量三面夹击之下，普通人唯一还站得住的地方是中低频。

这也是我为什么反复说：你的第一桶金不会来自交易本身。 20 万本金，一年做到扣费后净 15%，是 3 万块。这是个好结果，但它离”第一桶金”还有距离，而且需要你先有 20 万，还得连着做对好几件事。

---

六、那第一桶金到底从哪来？三条路

我见过身边真正靠这波”AI + 量化”拿到第一笔钱的人，路径基本是这三条：

路径	启动成本	拿到第一笔现金的典型周期	天花板	主要风险
A. 省钱型：用自动化替代自己的手动交易	≈ 0	1–3 个月	受本金限制	自律
B. 策略型：低频、小容量、逻辑能说清	20 万本金 + 半年	6–18 个月	中	过拟合、容量
C. 变现型：把”会用 AI 做量化工程”本身变成收入	时间	1–3 个月	高	合规

路径 A：先赚”不亏的钱”

最被低估的一条。绝大多数散户的年度亏损，不来自选错标的，来自该卖没卖、该买没买、追高杀跌、忘了再平衡。

把这些写成程序，一年省下来的钱，往往比任何策略的 alpha 都多。具体形态：定投的自动再平衡、可转债的规则化轮动、宽基 ETF 的偏离度调仓、条件单和网格。这些逻辑简单到不需要 AI，但让 AI 帮你把它变成一个不会情绪化的程序，只要两个晚上。

这条路的收益是”负负得正”，不性感，但确定性最高。

路径 B：做一个你能讲清楚的小策略

判断标准只有一条：你能不能用三句话说清楚”这个钱是谁亏给你的”。

说不清就不要上。”回测夏普 3.5” 不是理由，”因为月末机构调仓造成的流动性错配，我在 T-2 提前接货” 才是理由。

低频、小容量、逻辑清晰的策略，容量小到机构看不上，恰恰是散户仅存的护城河。别去跟人家拼速度，2026 年这条路已经被监管和成本联手堵死了。

路径 C：这才是大多数人最现实的第一桶金

说句可能扫兴的话：在这个阶段，”教别人挖金子”和”卖铲子”的确定性，远高于”自己挖金子”。 不是让你去做割韭菜的生意，而是——

你在做路径 A 和 B 的过程中，会积累一套非常具体的能力：会写数据管道、会搭回测、会做样本外验证、会接实盘接口、会用 AI 做代码审计。这套能力在 2026 年的市场上是稀缺的，因为会写代码的人不懂交易，懂交易的人不会写代码，两边都懂还会用 AI 工程化的人非常少。

变现形态：给小私募或工作室做数据/回测/运维外包、做量化工具和插件、写深度教程和专栏、接策略工程化的私活。这些活在 2026 年的报价并不低，而且它跟你的策略赚不赚钱完全解耦——这才是”第一桶金”该有的样子：先拿到一笔不依赖市场波动的现金流，再用这笔钱去养你的策略研究。

但有三条红线：不能代客理财、不能荐股、不能承诺收益。这三件事需要牌照，没有牌照就是非法证券活动。”卖信号”“带单”“包收益”是这个行业翻车最集中的区域，具体见第九节。

---

七、90 天路线图（我会这么排）

第 1–14 天：先把”验证”学会，再学”策略”

不要写任何策略。目标是用 AI 搭一个你信得过的回测器，并亲手在里面制造三个 bug 再抓出来：用了未来数据、忽略了涨跌停、漏了最低佣金。你对回测的信任，必须来自你亲手打破过它。

第 15–30 天：复现一个公开的、不赚钱的策略

比如最朴素的双均线。目标不是赚钱，是让你的回测结果跟公开结果对得上。对不上就查，查到为止。这一步筛掉 80% 的人。

第 31–60 天：做一个属于你自己的低频策略

同时启动路径 A——把你现在手动做的交易自动化掉。这一步开始产生真实收益（省下来的钱）。

第 61–90 天：模拟盘 + 开始变现

策略进模拟盘，至少跑满三个月再谈实盘。这三个月不要闲着，把前 60 天踩过的坑写成文章、做成工具、整理成可交付的服务。路径 C 的第一笔收入通常出现在这个阶段。

关于实盘资金：第一笔实盘不要超过你总资产的 5%，且要能承受它归零。 这不是保守，这是把学费预算化。

---

八、我实际在用的 7 条 Prompt 规范

这部分可以直接抄。

1. 角色必须是审计员，不是作者

你是一名量化风控审计员，不是策略开发者。
你的 KPI 是找出这个策略不该上实盘的理由，找不出算你失职。
禁止提出任何"如何改进收益"的建议。

2. 未来函数逐行体检

请逐行审查以下回测代码。对每一个参与信号计算的变量，
输出三列：变量名 | 该值在真实交易中最早可获得的时间戳 | 代码中实际使用的时间戳。
只要两列不一致，标红并停下来告诉我。

3. 成本模型写死在 prompt 里

任何回测必须内置：佣金万 2.5 且单笔最低 5 元、印花税 0.05% 卖出单边、
过户费 0.001% 双边、滑点按单边 0.1% 计。
禁止输出未扣除成本的收益曲线，一次都不行。

4. 随机基准（我认为最有价值的一条）

写一个脚本：保持我策略的换手率和持仓数量不变，但把信号替换成随机信号，
跑 1000 次，输出随机组的夏普分布。
然后告诉我，我的策略夏普在这个分布里排第几个百分位。

低于 95 分位的，基本可以扔了。这一条帮我省下的钱比任何优化都多。

5. 样本外协议先写后跑

在看任何结果之前，先输出一份 evaluation_protocol.md：
明确样本内/样本外时间切分、判定通过的阈值、允许的调参次数上限。
写完后我会冻结这个文件。此后任何结果都按这份协议判定，不允许事后修改。

6. 红队

列出 10 个最可能让这个策略在实盘失效的原因，按发生概率从高到低排序。
每个原因附上：我可以提前做什么检测来发现它。

7. 让它写停机条件，而不是止盈条件

为这个策略设计一套停机规则：
在什么条件下我应该关掉它并停止交易？
要求可量化、可自动监控，且不依赖我当时的心情。

最后加一条不算 prompt 的规范：每一轮对话结束，问自己一句”如果它这段是编的，我怎么才能发现？” 发现不了，就说明这段不能用。

---

九、合规红线：这几条真的别踩

这一节比前面所有内容都重要，因为前面那些最多让你亏钱，这一节能让你出事。

1. 程序化交易要”先报告、后交易”。 证监会 2024 年 5 月 15 日发布《证券市场程序化交易管理规定（试行）》，沪深北交易所的《程序化交易管理实施细则》自 2025 年 7 月 7 日起施行。首次程序化交易前要向券商报告，报告内容包括账户信息、资金规模与来源、杠杆、策略类型、最高申报速率、单日最高申报笔数、交易软件信息等；重大变更要继续报告。这不是走形式，不报告券商可以拒绝你的委托。

2. 高频认定标准（截至本文写作时）：单个账户每秒申报、撤单最高笔数达到 300 笔以上，或单日达到 20000 笔以上。交易所重点监控四类异常行为：瞬时申报速率异常、频繁瞬时撤单、频繁拉抬打压、短时间大额成交。另有差异化收费安排。

顺带说一次：网上疯传的”降到每秒 15 笔”是 2026 年 4 月的假消息，已被辟谣。规则变不变，以交易所和证监会官网为准，别信小作文，也别信模型的记忆。

3. 监管方向已经很明确。 2026 年 3 月，证监会主席吴清在两会期间表示，要”突出公平性原则，深化细化高频量化交易监管”。行业正在从”拼毫秒、拼通道、拼撤单”转向”拼模型质量、拼风控、拼中低频研究”。对散户来说这是好事——你本来就不该去那个战场。

4. 开通权限的现实门槛。 QMT / miniQMT / PTrade 的资金门槛各家券商不同，多在 10 万到 50 万之间，需要 C3 以上风险测评，并签署《程序化交易承诺书》。开户前直接问客户经理，别看网上的二手信息。

5. 虚拟货币：境内不要碰。 相关交易活动在境内不受法律保护，2026 年 2 月人民银行等八部门还进一步发布了防范和处置虚拟货币相关风险的通知。别因为”量化在币圈更好做”就往里冲。

6. 警惕”AI 量化”骗局，也别成为骗局的一环。 2026 年这类案件密集爆发：深圳证监局 6 月发布风险提示，点名”AI 量化选股”类非法荐股套路；7 月以来银河、国盛、中泰、华福、华鑫等近十家券商密集发布风险提示。手法包括伪造收益截图、AI 换脸冒充财经大 V 直播荐股、寄送预装仿冒 App 的手机谎称是”AI 量化自动委托程序”、以及虚拟盘诈骗。

反过来讲，如果你走路径 C，“卖信号”“带单”“承诺收益”这三件事一件都不要做。 做工具、做教程、做外包，是干净的生意；做前面三件，是在犯法。

---

十、写在最后

2026 年做量化，最大的变化不是”AI 会写策略了”，而是门槛从”你会不会写代码”变成了”你能不能识别自己被骗了”。

前一个门槛，ChatGPT 已经帮你拆掉了。后一个门槛，它不但拆不掉，还会加高——因为它输出的东西太流畅、太自信、太像那么回事。

所以我理解的”第一桶金”是这样的：

• 它不是一个年化 200% 的策略；
• 它大概率是路径 A 省下的钱 + 路径 C 赚到的现金流 + 路径 B 一个小小的、你能睡着觉的正收益；
• 它最值钱的部分其实不是那笔钱，而是你在这个过程中长出来的那 20 小时判断力——图 1 里唯一没被压缩的那一格。

工具已经免费了，模型已经足够聪明了。剩下要靠你自己的，还是那些老掉牙的东西：诚实、耐心、承认自己不知道。

祝你赚到。也祝你在赚到之前，别把学费交得太贵。