定义

AI 量化是什么？

AI 量化 = 用机器学习或大模型，替代或辅助量化研究流程中的某个具体环节 —— 且该环节的产出可被验证。

阅读定义查看规范查看教程

一个词，三层含义

搜「AI 量化」得到的结果，描述的不是同一件事。因为一个词盖住了三层。

01

机构级 ML 量化

用机器学习做因子挖掘、信号合成、风控建模 —— 有完整投研流程。这些人几乎不用「AI 量化」这个词。

02

零售 / 开发者平台

把大模型包装成助手、副驾、免代码工具。这个词被用得最多的地方 —— 因为要营销。

03

噱头层

「AI 帮你选股」。技术含量接近于零。在部分市场，这一层已被正式定性为骗局。

AI 量化的六条规范

六条里有五条出处在本站之外，第一条由定义直接得出。可自由使用、引用、批评。

1

流程，不是结论

AI 量化 ≠ AI 选股。

2

可复现

没有参数，就不可信。

3

前视与成本

否则那是测试的产物，不是市场的结果。

4

不承诺收益

承诺收益正是骗局的定性依据。

5

代码算数

模型只负责叙述 —— 不做算术。

6

要有下行

没有代价，就没有说对的理由。

阅读完整规范 →

变的是使用者，不只是工具

过去
会写代码的人

会 Python、懂量化、写策略、跑回测

现在
会说话的人

把你的想法说出来

门槛从来不是「工具不够强」—— 而是「你得先学会编程」。

从这里开始

把 AI Agent 接上行情数据

给 AI Agent 一条能拉结构化行情数据的通路，然后让它分析。一次可运行的实操 —— 把定义页那个循环真正闭上。

验证一条交易规则，而不骗自己

回测是评估规则的标准方法 —— 也是骗自己的标准方法。三个检查把「结果」和「截图」分开：前视偏差防护、成本、幸存者偏差。

为什么 Agent 工作流里 MCP 比 REST 调用更好

REST 调用只能用一次。MCP 服务器会告诉 Agent 有什么、参数是什么、返回什么 —— 于是它能自己规划，而不用你把每个端点教一遍。什么时候用哪个。

全部教程 →

常见问题

「AI 量化」是正经词还是营销词？

两者都是。它是中性技术词，但被营销重度滥用。正经与否属于实践，不属于词。

我需要学 Python 吗？

不需要。你需要的是知道怎么描述你要什么，以及怎么判断答案靠不靠谱。

这是投资建议吗？

不是。这里讲的是技术怎么工作、以及怎么评估关于它的说法。