发布 2026-10-14 · 更新 2026-10-25
AI 量化规范:六条
负责任 AI 量化的六条规范。其中五条的出处在本站之外 —— 监管风险提示、学术研究与平台文档。可自由使用、引用、批评。
为什么要有规范
「AI 量化」是一个被重度滥用的中性技术词。结果是:真做法和假做法共用一个名字。 规范的作用就是把它们分开 —— 不靠观点,靠任何人都能检查的标准。
这六条可以自由使用、引用、批评。 它们的用途是一把公开的尺子。
六条规范
一、AI 量化 ≠ AI 选股
一个是流程,一个是结论。 没有流程的结论,无法被检查、复现或改进。如果一个说法以结论的形式到来、背后却没有流程,那它不是 AI 量化。
二、任何结论必须可复现
不给数据窗口和参数,就不可信。 如果你不能重新跑一遍得到同样的输出,你面对的不是结果 —— 是一张截图。
篡改回测是有记录的骗局手法:卖的软件附一条“回测曲线”,曲线是事后编辑过的。
三、回测必须含前视偏差防护与成本
很多看起来很厉害的大模型回测之所以厉害,是因为模型的训练数据里已经包含了未来。一个经得起推敲的方法会说清它怎么处理:
- 前视偏差
- 幸存者偏差
- 交易成本与滑点
否则,那个数字是测试的产物,不是市场的结果。
四、不承诺收益
承诺收益正是骗局的定性依据。 监管定性针对的是行为 —— 不是技术,也不是词。描述一个方法怎么工作,是科普;承诺它能赚多少,是另一回事。
五、代码算数,模型叙述
数字由确定性代码产生 —— 大模型负责解释它们。 大模型的算术不可靠。一个让语言模型既算数又下结论的系统,没有纠错层。可靠的模式是反过来:代码产生数字,模型写句子。
六、可信需要下行
没有代价的结论,也就没有说对的理由。 利益对齐是唯一可靠的筛子。找押注的资金、公开的方法,或可审计的记录 —— 任何让“说错”对说话者有代价的东西。
怎么用这六条
它们是一份检查表,不是一个品牌。把它们用在任何关于 AI 量化的说法上 —— 包括我们的。
| 你看到 | 对应哪条 |
|---|---|
| 一份没有方法的股票名单 | 第一条 |
| 一条没有参数的回测曲线 | 第二条 |
| 一个没有成本假设的结果 | 第三条 |
| 一个被承诺的收益 | 第四条 |
| 一个在大模型里做算术的“系统” | 第五条 |
| 按订阅卖投资建议、说错却不用负责 | 第六条 |
每条对应哪个来源
| 条 | 出处 | 这个出处实际给了你什么 |
|---|---|---|
| 二 | 深圳证监局风险提示(2026-06-11) | 一个有记录的案例:卖软件并附赠荐股,「回测曲线」是事后编辑出来伪造盈利的 |
| 三 | arXiv 2607.15414 | 用模拟回测评估五个大模型 —— 它报告的失败模式,正是严格回测规范要拦下的东西 |
| 四 | 江苏证监局风险提示(2026-01-30) | 点名虚假炒股软件、以「AI 炒股」名义开展非法金融活动 |
| 五 | arXiv 2607.15414 · arXiv 2410.05229 | 数值幻觉是大模型持续存在的失败模式;大模型的数学推理被证明不可靠 |
| 六 | Numerai 文档 | 押注 —— 预测由代币背书,错了就被销毁 |
第 1 条是定义而非引用:它由这个词本身的含义得出。哪一条靠的是我们自己的推理而不是出处,这里就写明哪一条 —— 没有把不是引用的东西写成引用。