AI量化工具普及加剧过拟合风险交易优势仍锁定人工判断

PowerUpGammas

代码实现门槛降低并未降低阿尔法获取难度，过度依赖AI反而会因虚假关联与过度拟合炮制海量无效策略，使底层专业判断力的溢价空前放大。

AI-assisted summary of AI时代，交易优势会变得更容易获得吗？ — original source. Check the original for full context.

Source published: 2026-08-15

Key ideas

AI 降低了交易工程实现门槛，使得散户能利用 AI Agent 与云端表格构建专属的期权匹配与实时动态风控系统。 (0:00)
在交易研究的“道、法、术、器”框架中，“器”层面可交由 AI 承担 90% 到 100%，但“道/法”层面的研究方向与验证标准仍需交易者投入 100% 的个人判断。 (6:40)
滥用 AI 辅助研究将面临三大核心风险：强行虚构故事（虚假关联）、全历史数据暴力过拟合，以及交易者大脑独立思考与逻辑推演能力的退化。 (10:48)
未来市场将从“人适应软件”转向“软件适应人”，但策略快速生成也将导致市场充斥大量脆弱的虚假策略，甚至推升整体市场的脆弱性而非有效性。 (15:15)

Detailed notes

## Background 本视频由频道 PowerUpGammas 于 2026 年 8 月 15 日发布在 YouTube 平台，总时长 20 分钟，探讨在 AI 时代交易优势是否会变得更容易获得。视频简介中提供了免费期权 eBook 下载、新手交易者五天迷你课的报名方式，以及深入系统学习期权与定量交易的课程平台链接。

## TL;DR 视频首先通过两位社群学员利用 AI 搭建期权筛选推送与 IBKR 账户动态风险监控系统的真实案例，展示了 AI 如何让交易工作流变得高度个性化，并给出了零基础交易者向 AI 提问拆解复杂流程的方法。随后，作者引入“道、法、术、器”的框架明确指出：AI 虽能在工具执行层（器）承担 90% 至 100% 的工作，但在决定研究方向与验证标准的认知层（道与法）仍需人类 100% 的个人输入，因此获取市场优势的难度并未真正降低。作者进一步警示了依赖 AI 研究的三大陷阱——强行构建虚假关联、极速过拟合以及丧失独立思考能力。最后，视频预判了工具高度定制化、虚假策略泛滥、编程贬值而判断力溢价、市场变得更为脆弱这四大未来趋势，呼吁交易者“守正出奇”，死守专业判断力的根本。

## Atmosphere & style 整期视频基调冷静、务实且富有哲思，呈现出一种既懂前沿量化工程落地、又深谙交易本质的导师风范。作者并未盲目吹捧 AI 的技术红利，而是用“把狗屎做成巧克力口味”等犀利直白的比喻，为盲目乐观的交易者泼下一盆清醒的冷水。叙事节奏从具体的自动化案例切入，逐步升华至《道德经》“当其无，有器之用”与“反者道之动”的哲学思辨，听感上既是一场干货密集的实战工作流复盘，也是一次关于人类独立思考与核心认知价值的深度警醒。

## Bulletin - [00:00](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=0s) AI 降低了交易工程实现门槛，使得散户能利用 AI Agent 与云端表格构建专属的期权匹配与实时动态风控系统。 - [06:40](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=400s) 在交易研究的“道、法、术、器”框架中，“器”层面可交由 AI 承担 90% 到 100%，但“道/法”层面的研究方向与验证标准仍需交易者投入 100% 的个人判断。 - [10:48](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=648s) 滥用 AI 辅助研究将面临三大核心风险：强行虚构故事（虚假关联）、全历史数据暴力过拟合，以及交易者大脑独立思考与逻辑推演能力的退化。 - [15:15](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=915s) 未来市场将从“人适应软件”转向“软件适应人”，但策略快速生成也将导致市场充斥大量脆弱的虚假策略，甚至推升整体市场的脆弱性而非有效性。

## Key takeaways - [00:00](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=0s) 交易者可以通过结合付费数据供应商与 AI Agent，实现股票与期权合约自动匹配筛选，并将符合 IV 等条件的标的直接推送至移动端。 - [01:05](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=65s) 利用 IBKR 行情与账户数据对接 Google Sheets 及 Google Apps Script，可搭建 1 至 5 分钟频次的自动化风控预警与个人专属交易数据归档系统。 - [03:46](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=226s) 年轻一代对“零基础”的定义与年长交易者存在显著认知代沟，其起跑线的底层技术水准普遍更高。 - [04:35](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=275s) 零基础交易者理解复杂工作流的最有效方式是放下姿态，向 AI 承认无知，要求其进行 Step-by-Step 拆解并提供各环节的验证（Validate）方法。 - [06:40](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=400s) 获取工具的门槛被彻底打平并不等同于交易优势更容易获取，因为市场优势的核心灵魂完全无法由 AI 代劳。 - [07:35](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=455s) 在“道/法”层面（研究方向、现象重要性、证据采信与验证标准），人类交易者的输入比例必须为 100%，盲目依赖 AI 会带来灾难性后果。 - [08:28](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=508s) 在“术”层面（模糊想法课题化、数据清洗逻辑与回测框架设计），人类需保留至少 50% 的输入主导权，AI 仅负责分担框架搭建。 - [08:55](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=535s) 在“器”层面（代码编写、API 串联与自动化工程），人类输入可压缩至 0% 到 10%，AI 能够承担 90% 到 100% 的繁重工作。 - [10:48](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=648s) AI 极度擅长将无意义的垃圾方向包装为看似严丝合缝的叙事，容易在毫不相干的数据间制造虚假关联（Spurious Correlation）。 - [12:05](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=725s) AI 的极速穷举能力会成为参数过拟合的催化剂，在引入数十个参数后碰撞出的“完美回测表现”在未来实盘中极其脆弱。 - [13:40](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=820s) 长期过度依赖 AI 生成代码与翻译会导致大脑缺乏逻辑推演与深度阅读锻炼，最终使交易者丧失独立的专业判断力。 - [15:15](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=915s) 交易工具生态正由“人适应软件”转向“软件适应人”，交易者仅需掌握基础金融原理即可借助 AI 自由定制复杂的多头寸风险透视工具。 - [16:45](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=1005s) 未来市场上将充斥大量由低门槛生成的虚假策略，频繁发生的“策略失效”多源于其底层逻辑本就脆弱或过拟合，而非宏观环境突变。 - [17:25](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=1045s) 纯粹的编程技能在交易生态中迅速贬值，专业判断力的溢价空前放大。 - [17:50](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=1070s) 同质化 AI 逻辑与量化工具的普及，可能导致金融市场演变出极高的脆弱性而非走向极致的高效。 - [18:30](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=1110s) 个人交易者在 AI 时代的立足之本在于“守正出奇”：以底层专业判断力为“正”，以 AI 驱动的高定制化工具为“奇”。

## Detailed walkthrough ### [00:00](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=0s) 两位 Premium 用户的 AI 落地实践案例

在交易中加载并应用 AI，正在让交易流程变得极具个性化。为了向大家展示 AI 如何在实际交易中落地，视频作者邀请了两位 Premium 社群用户，将他们各自的工作流整理成两份 PDF 文档放入学员资料包中供大家参考。这两位交易者根据自身的需求，搭建了完全不同的自动化体系。

第一位学员（Student 1）的核心需求是期权合约与股票的匹配筛选。他从付费数据供应商（Data Provider）处获取股票与期权数据，在两者之间完成数据匹配（matching），随后进行简单的数学筛选与排序。这套流程的输出结果是一个 CSV 文件，接着他通过一个 AI Agent 将筛选结果自动推送到自己的微信中。这样一来，只要打开微信刷新，他就能立刻掌握哪些股票或期权合约满足了特定的隐含波动率（IV）或交易条件。

第二位学员（Student 2）则基于盈透证券（IBKR）账户构建了一套动态风险监控与数据沉淀系统。他抓取三类核心数据： 1. **行情数据**：标的资产的实时价格； 2. **账户信息**：包括 10 万美金的账户余额、购买力（Buying Power）以及清算价值（Liquidation Value）等； 3. **持仓状态**：当前持有的头寸与已平仓头寸。

```mermaid flowchart TD accTitle: Student 2 自动化监控与数据沉淀工作流 accDescr: 展示从 IBKR 获取账户与行情数据，经由 Google Sheets 计算并由 GAS 发送预警及归档私有数据的流程。

subgraph Data_Source ["数据抓取 (IBKR)"] A["行情价格 Data"] B["账户信息 Account Info<br/>(余额/购买力/清算值)"] C["持仓状况 Positions<br/>(持仓/平仓)"] end

subgraph Process ["云端处理 (Google Sheets)"] D["定时抓取 (1-5分钟间隔)"] E["风险度量与计算 Risk Calculation"] end

subgraph Action ["分发与执行 (GAS)"] F["移动端预警<br/>(Telegram / WeChat / LINE)"] G["需手工干预 (Manual Gain)"] H["沉淀个人专属交易数据<br/>(交易风格与绩效评估)"] end

A --> D B --> D C --> D D --> E E --> F F --> G E --> H ```

该系统以 1 到 5 分钟的定时频率，将 IBKR 的数据自动同步至 Google 试算表（Google Sheets）中完成风险计算（Risk Calculation）。计算完成后，利用 Google Apps Script（GAS）实现两条分流：一条路径是在风险指标触发预警阈值时，自动将通知推送到手机（支持 Telegram、微信或 LINE），提醒交易者是否需要进行人工手动干预；另一条路径则是将持续抓取的个人交易数据归档，形成极具价值的“个人专属交易数据”，用于后续的交易风格分析与绩效评估。

---

[03:46](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=226s) “零基础”的认知代沟与向 AI 提问的正确姿势

这两位学员虽然都在使用 AI，但出发点不同，打造出的工具也大相径庭。在分享经验时，Student 1 声称自己“没有任何基础与经验”。然而作者指出，Student 1 是一位“00 后”，而社群中的主流用户是 80 后、90 后，甚至包括 70 后和 60 后。不同代际之间对“零基础”（Zero Experience）的定义存在巨大的代沟：00 后自认的零基础起跑线，往往已经远远高于年长一代所理解的起点，因为年轻一代日常所接触的底层技术与交易认知水准普遍更高。

对于年长或真正零基础的交易者而言，直接阅读那两份工作流 PDF 可能会感到晦涩难懂。解决这一障碍的方法其实非常简单——直接将 PDF 喂给 AI，并放下姿态向 AI 提问： - **承认无知**：直接告诉 AI“我是个傻子，啥也不懂”； - **分步拆解**：要求 AI 按照 PDF 里的完整工作流（Workflow），进行 Step-by-Step 的详细拆解； - **梳理关键节点**：让 AI 指出每一步需要掌握的核心知识点和关键技术节点，指导自己一步一步落地； - **建立验证机制**：明确要求 AI 告知在每一个环节中如何进行验证（Validate），以确认自己是否成功跑通了该步骤。

---

[06:40](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=400s) AI 时代的交易优势：道、法、术、器的输入比例

拥有了高效的 AI 工具，是否意味着交易者能更容易地获取市场优势，从而获得更好的交易绩效？作者给出的答案是坚决的否定。交易研究可以划分为“道/法”、“术”、“器”三个层次，而交易者在不同层级中必须投入的个人输入（Personal Input）比例截然不同。

```mermaid flowchart TD accTitle: 交易研究层级与人类vsAI输入比例 accDescr: 展示道法、术、器三个层级中人类输入与AI介入的比例关系。

subgraph DaoFa ["道 / 法 (核心认知与方向)"] direction TB DF1["研究什么课题？发现何种现象？"] DF2["为何研究？采信何种证据 (Evidence)？"] DF3["采用何种方法与验证标准 (Standard)？"] DF_Ratio["人类输入：100% | AI 介入：0%"] end

subgraph Shu ["术 (课题转化与方法论)"] direction TB S1["模糊想法转化为可研究课题"] S2["数据清洗与统计检验方式"] S3["搭建回测引擎 (Backtest Engine)"] S_Ratio["人类输入：50%+ | AI 介入：50%"] end

subgraph Qi ["器 (工具与工程实现)"] direction TB Q1["专业量化软件 + AI 代码生成"] Q2["API 串联与自动化脚本"] Q_Ratio["人类输入：0%-10% | AI 介入：90%-100%"] end

DaoFa --> Shu --> Qi ```

1. **道 / 法（100% 人类个人输入）**：交易者必须自主决定研究方向、判断什么现象重要、采信何种证据（Evidence）、采用何种研究路径（Approach）以及依据何种标准（Standard）来验证自己的构想。这完全属于交易者个人的认知与主观决断。如果试图在这个层面完全依赖 AI，交易者“会死得非常非常惨”。 2. **术（至少 50% 人类输入）**：将脑海中粗糙、模糊（vague）的市场想法转化为科学可行的研究课题。包括设计数据清洗逻辑、构建回测引擎（Backtest Engine）的验证架构，以及选择适配的统计学检验方法。在此阶段，交易者提供核心逻辑，AI 可以分担框架搭建工作。 3. **器（0% - 10% 人类输入，AI 承担 90% - 100%）**：属于具体的执行与实现工具。从五年前单纯依靠专业量化软件，发展到如今“专业量化软件 Plus AI”。在写代码、串联 API、实现策略算法等工程落地环节，AI 可以做到“如虎添翼”，承担绝大多数繁重工作。

老子《道德经》云：“埏埴以为器，当其无，有器之用。”器物中间的“空无”才是其发挥作用的根本。在交易体系中，那个代表“无”的、最核心的灵魂，正是交易者自身的专业判断力。获取工具的门槛被彻底打平，并不意味着市场优势的获取难度降低，因为最根本的专业判断能力完全无法由 AI 代劳。

---

[10:48](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=648s) 借助 AI 进行交易研究的三大现实风险

如果交易者不加节制地使用 AI 辅助研究，很容易掉入以下三大陷阱：

- **极度擅长虚构故事（Spurious Correlation）**：作者形象地比喻道：“It can turn a dog shit into chocolate”（即使是一坨狗屎，它也能做成巧克力口味的狗屎）。只要你给 AI 一个毫无逻辑的研究方向，它能立刻构思出一整套看似严丝合缝、细节详尽的逻辑叙事与研究步骤，在毫不相干的数据之间强行建立虚假关联，给足理由让你坚信这个垃圾方向大有可为。 - **极度快速的过拟合（Overfitting）**： AI 的高效率会成为模型拟合的催化剂。如果交易者引入 17 个甚至 30 多个参数，AI 能在全市场的所有历史行情中迅速穷举，碰撞出一组回测表现极其完美的参数组合。而这种高度定制的完美表现，几乎 100% 是死板的过拟合产物，在未来实盘中脆弱不堪。 - **逐渐丧失独立思考与逻辑能力**： AI 的全能会导致交易者产生惰性。直接依赖翻译导致英文阅读理解能力退化；彻底依赖 AI 写代码则会使大脑失去逻辑推演的锻炼。长此以往，大脑将退化，最终丧失独立的专业判断能力。

---

[15:15](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=915s) 未来交易世界的四大演变趋势与“守正出奇”

面对 AI 深度渗透的交易生态，未来的市场演变将呈现四个显著趋势：

1. **交易工具极具个性化**：过去的交易模式是“人去适应软件”，交易者受限于券商终端的功能边界；如今反转为“软件适应人”。例如，若券商无法综合展示同时持有债券、股票和期权等多达 17 个混合头寸的综合风险曲线（Risk Curve），交易者只要掌握《Option Volatility & Pricing》（OSI）中的计算原理，就能让 AI 快速写出专属的风险透视工具。过去需要花钱购买的复杂 Excel 交易日志（Trade Log），现在仅凭自然语言向 AI 提问即可轻松定制。 2. **市场上充斥大量虚假策略**：由于生成策略的技术门槛大幅降低，未来交易者会炮制出海量的虚假策略。交易者未来会频繁遭遇“策略失效”，而这种失效绝大多数并非由于宏观市场环境发生突变，而是因为策略从一开始就是建立在脆弱逻辑或过拟合基础上的不靠谱产物。 3. **编程技能贬值，专业判断权重飙升**：纯粹的代码编写需求正在被急剧压缩。世间万物此消彼长，代码实现门槛降低的反面，是“专业判断力”的溢价空前放大。 4. **市场形态可能更加脆弱而非高效**：主流观点往往认为 AI 会促使金融市场变得更加有效，但根据“反者道之动”的规律，事物推向极致往往走向反面。当同质化的 AI 逻辑与量化工具高度普及，整个金融市场展现出的可能不是极致的高效，而是极高的脆弱性。

面对这一变革，个人交易者立足的准则唯有四个字——**“守正出奇”**。“正”是深埋地下、决定生死的树根，即交易者不可替代的专业判断力与认知底层；“奇”则是枝头繁茂的树叶，代表利用 AI 打造的高度定制化工具与个性化应用。守住专业认知的根本，才能在 AI 时代驾驭工具而不被工具吞噬。

## Notable quotes > [03:46](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=226s) 没有任何基础与经验 — Student 1

> [03:46](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=226s) 我是个傻子，啥也不懂 — 作者

> [06:40](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=400s) 会死得非常非常惨 — 作者

> [06:40](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=400s) 埏埴以为器，当其无，有器之用。 — 老子《道德经》

> [06:40](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=400s) 如虎添翼 — 作者

> [10:48](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=648s) It can turn a dog shit into chocolate — 作者

> [10:48](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=648s) 即使是一坨狗屎，它也能做成巧克力口味的狗屎 — 作者

> [15:15](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=915s) 人去适应软件 — 作者

> [15:15](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=915s) 软件适应人 — 作者

> [15:15](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=915s) 反者道之动 — 老子《道德经》

> [15:15](https://www.youtube.com/watch?v=fSRIHrwCvNU&t=915s) 守正出奇 — 作者

## Mentioned PowerUpGammas, 盈透证券 (IBKR), Google Sheets, Google Apps Script (GAS), 微信 (WeChat), Telegram, LINE, 《道德经》, 《Option Volatility & Pricing》, Microsoft Excel

## Video description ✅ 免费下载一看就懂的期权 eBook：https://powerupgammas.com/ebook-and-reader-questions-answers/ ✅ 免费参加新手交易者五天迷你课：https://powerupgammas.com/new-trader-bootcamp-registeration/ 🔴 深入和系统学习期权 / 定量：https://powerupgammas.teachable.com

[Source](https://www.youtube.com/watch?v=fSRIHrwCvNU)

中文简报

PowerUpGammas称AI未降低超额收益门槛反加剧策略过拟合与市场脆弱 AI虽能包揽全部代码与工具落地，但交易假设与统计逻辑仍须人类决定，盲目依赖算法将催生虚假策略并放大系统性踩踏风险。视频首先分享了两位社群学员利用 AI 搭建自动化选股微信推送与盈透证券（IBKR）实时风险监控系统的实战工作流。随后主讲人明确指出，AI 并没有降低获取核心交易优势的难度，并借用“道、法、数、器”四个层级厘清了人类认知（在道与法上占 100%）与 AI 工具（在器上占 90%-100%）的介入边界。主讲人深入剖析了盲目依赖 AI 做量化研究的三大陷阱：极其擅长编造合理化故事、极易导致策略过拟合，以及引发独立思考与基础能力的退化。最后，视频预判未来交易工具将走向极致个性化，但低门槛会导致虚假策略泛滥并使市场变得更加脆弱，呼吁交易者以专业判断为根本，做到“守正出奇”。 AI 并没有降低交易者获取核心市场优势（Edge）的门槛，底层交易逻辑与假设依然需要 100% 依赖人类的专业判断。 (5:00) 交易体系呈现分层结构：在顶层“道与法”层面 AI 参与度为 0%，在中间“数”层面人类输入需占 50% 以上，而底层的“器”（代码与自动化脚本）才可 90% 到 100% 交由 AI 承接。 (5:00) AI 辅助交易研究存在三大致命陷阱：极擅长为荒谬假设编造虚假逻辑故事、参数滥用导致严重过拟合，以及削弱交易者的英文阅读与独立思考能力。 (10:00) 交易工具生态正从“人适应软件”转向“软件适应人”，但全市场过度依赖 AI 算法可能不会使市场更高效，反而可能导致系统性脆弱与踩踏风险。 (15:00)

Reading summary

PowerUpGammas 指出，AI 虽大幅降低了交易工程与自动化的实现门槛，但并未降低获取市场优势的难度；相反，缺乏专业判断力的过度依赖反而会放大过拟合与伪逻辑风险。 AI落地实践：高度个性化的自动化工作流 (0:00) 节目通过两位社群用户的实际案例展示了 AI 在工程端的落地方式。第一位交易者利用付费数据供应商的数据，在股票与期权之间完成匹配与数学筛选，并借助 AI Agent 将满足隐含波动率（IV）等条件的合约生成 CSV 并推送到微信。第二位交易者则基于盈透证券（IBKR）抓取标的价格、10 万美元账户信息（余额、购买力、清算值）以及持仓状况，以 1 到 5 分钟的频率同步至 Google Sheets 进行风险度量计算，再通过 Google Apps Script 将预警发送至 Telegram、微信或 LINE 触发人工干预，同时归档为个人专属交易数据以供风格与绩效评估。认知代沟与向AI提问的拆解验证法 (3:46) 作者观察到不同代际对“零基础”的定义存在显著代沟，00 后交易者所认知的零基础起点往往高于年长一代的底层技术认知。针对阅读复杂工作流感到吃力的交易者，作者建议直接将流程文档输入给 AI，以“承认无知”的态度要求其按步骤详细拆解，梳理出每一步的核心知识点与关键技术节点，并明确要求 AI 提供各环节的验证方法，以确认自身是否成功跑通相关流程。道法术器：交易研究各层级的输入比例 (6:40) 作者坚决否定“拥有高效 AI 即可更易获得交易优势”的观点，并将交易研究划分为三个层次：其一为“道/法”，涵盖研究课题的选择、现象观察、采信证据、研究路径与验证标准，作者强调这一层必须保持 100% 的人类个人输入，完全依赖 AI 将导致惨重失败；其二为“术”，涉及将模糊想法转化为可行课题、数据清洗、回测引擎搭建与统计检验，人类输入需占 50% 以上；其三为“器”，即代码编写与 API 串联等工程实现，AI 可承担 90% 至 100%。作者借用《道德经》中“当其无，有器之用”指出，工具门槛被抹平后，交易者不可替代的专业判断力才是核心灵魂。滥用AI辅助交易研究的三大现实陷阱 (10:48) 作者警告，不加节制地使用 AI 会带来严重风险：首先是虚构故事与虚假关联（Spurious Correlation），AI 能对毫无逻辑的方向构建看似严密的叙事与步骤；其次是极速过拟合（Overfitting），在引入 17 至 30 多个参数时，AI 可在全市场历史行情中穷举出回测表现完美但实盘脆弱的参数组合；最后是长期依赖翻译与代码生成会导致交易者的大脑逻辑推演锻炼不足，逐渐丧失独立思考与专业判断能力。未来生态趋势与“守正出奇”原则 (15:15) 面对 AI 的渗透，作者预测了未来市场的四项演变：一是工具呈现极度个性化，从“人适应软件”转为“软件适应人”，交易者可依据理论原理（如 OSI）让 AI 自定义混合头寸风险曲线；二是门槛降低导致市场充斥大量虚假策略，策略频繁失效多因逻辑脆弱或过拟合而非宏观突变；三是纯编程技能贬值，专业判断的溢价急剧飙升；四是同质化工具普及可能使市场走向极度脆弱而非极致高效。作者据此提出交易者应“守正出奇”：“正”代表不可替代的专业判断力与认知底层，“奇”代表利用 AI 打造的定制化工具。 AI 时代的技术普惠并未改变交易的本质胜率。作者认为，随着同质化 AI 工具普及与策略代码贬值，决定交易者长期生存的关键依然是作为底层根基的专业判断力，盲目依赖工程捷径反而可能面临脆弱性崩塌。

Source quotes

[3:46] Student 1: 没有任何基础与经验 [3:46] 作者: 我是个傻子，啥也不懂 [6:40] 作者: 会死得非常非常惨 [6:40] 老子《道德经》: 埏埴以为器，当其无，有器之用。 [6:40] 作者: 如虎添翼 [10:48] 作者: It can turn a dog shit into chocolate [10:48] 作者: 即使是一坨狗屎，它也能做成巧克力口味的狗屎 [15:15] 作者: 人去适应软件 [15:15] 作者: 软件适应人 [15:15] 老子《道德经》: 反者道之动 [15:15] 作者: 守正出奇

Original transcript

[0:00] 我们只能猜我会认为是什么样子交易变得急剧谢谢大家个性化谢谢大家这个是跟我们以前完全不一样前面的视频我给大家去提到过我们会邀请一些premium用户来给大家去分享一下他是如何来使用AI的来加载到自己的交易里面应用的那现在有两个premium用户我邀请过啊给大家提供了一些想法那第一个呢student1他是这样做的哦我先给他去说一下大概的东西啊你们所有的朋友会可以到这个我们的朋友面的谢谢大家这个信息包里面谢谢大家也就是放你的入学手册那个地方你去下载这一共有两份pdf的文章第一个student他是这样的一个想法啊首先呢他是一个股票他有股票的信息当然是从那个付费的 data provider 那边获得的呃期权的数据这其中有一个matching的动作匹配的动作然后呢做一点简单的数学上的筛选以及数学上的排序这里都是非常非常简单的结果生成的是一个CSV生成csv之后呢,他使用一个agent把结果发送到自己的WeChat里面于是他就可以知道我所关心的比如说我我想关心哪个股票啊满足一定的条件或者是某某一个期权的合约满足了一定的 ib 的条件我现在只要一刷新我的啊只要打开我的wechat我就能够看到所以他做的是这样一个流程大家可以看pdf他是如何去搭建的那么另外一个student2呢他用的是他使用IBKR账户里面呢IP卡账户他比较关心的是第一个是数据啊就是比如说这个股票是什么样的价格我们说的这样的数据data还有一个是他的account information他账户的信息比如说他账户余额是10万美金然后他的buying power他的liquidation value是多少这些东西从全部是从account里面去抓取的另外还有一点他的position他现在onhold他现在他的头寸是什么样的情况哪些是平仓的那整个三个信息是怎么样呢他可以定时的比如说是1分钟到5分钟去更新这个频率去抓取到他自己的google的试算标里面那Google时日算表完成什么样的动作呢它完成是一个风险计算Rest Calculation好谢谢观看风险计算完成之后呢他使用Gas就是Google叫Apps Scripts然后去打到自己的手机里面把这些风险的metrics如果导到自己手机里面如果他是满足一定条件他认为需要手工gain的话就提醒自己去关注市场比如说手机里面可能是有什么样的软件呢接收的软件是telegram或者是当然他不使用wechat了这个WeChat是没有任何问题的WeChat还有LINE都可以的这些都是你会你会发现其实你想怎么样可以百分之百的多升定制这是他的一个路径另外一个路径呢他的Gas他可以发送因为他不断的去抓取自己的这种各种各样的数据也就形成我们所说的非常非常重要的私人数据这是属于你自己交易风格的私人数据于是呢有了后面的好绩效评估谢谢大家谢谢大家好你看到是两个student 1 & 2 它们是使用不同的AI做了完全不一样的事情这里想跟大家先提一下student1他在自己的介绍里面给大家说了我是一个我没有当然我也跟前面跟大家交道过我们是希望去找一些没有任何基础的人把他的经验分享给分享出来但是student1你会看到他是说自己没有任何经验但是你要知道这是一个00后我们的大部分用户是80后90后还甚至还有70后60后也有001号所认为的Zeroxperience是这条线可能这部分人 [5:00] 所理解的Diary experience是这条线是比他下面很多很多因此大家会看到他的pdf你去看的时候你会发现好多东西如果你是真的什么东西都不懂的话你会发现没有办法理解但是可能是他们这一代人平时的基础交易水平就比较高所以怎么怎么办呢你恐怕需要把这些 pdf 丢到 ai 里面去问这很简单吗其实在前面的视频跟大家说过了你要向 ai 去承认我什么都不会那么你就很关键的一句话把这个文档丢给他你说我是个傻子谢谢大家啥也不懂帮我按照他的这个 pdf整个workflow 你帮我详细的去step by step的拆解一下我需要去知详哪些重要的知识点哪些节点然后我应该去如何一如何一步一步的去落实我另外很重要一点就是我应该在每一步过程中如何去验证validate我是否能成功的做了这件事情所以大家自己去想办法去把这两个pdf去读一下其实都是很有意思的就是你会发现我们在应用AI的时候大家的出发点不同就会造出完全不一样的东西所以有一个问题我希望通过这个视频当然前面那个东西只是不是很重要的我们顺便说完了现在很重要的事情就是我们在这个AI时代那么我们现在明显有了更高效的工具是否意味着我们可以获取更好的优势或者是换句话说是参与方式呢或者是说更好的参与的绩效呢谢谢大家并不是这样意味着所以这你可以去看我们之前给大家去讲的那个视频,那个视频无外乎就是讲这件事情法或者是你可以上身为道的东西露露露气好这块东西我们研究的是什么你作为一个个人市场参与者首先我要自己去定我去研究什么我发现了什么什么东西对我来说很重要所以我要去研究它谢谢大家我为什么要去研究我相信什么样的evidence谢谢大家我该如何采用什么样的approach去研究它甚至我采用什么样的standard什么样的验证的标准去validate我的想法这些personal input是百分之百啊记住这个词很重要是百分之百全部是你市场参与者的行为如果你要去靠AI你会死得非常非常惨书什么叫做数就是我们把一个问题你会经常碰到一个问题对吧你只要是在市场中你就一定会碰到各种各样的想法那个想法就是成为一个问题如果你发现你自己连问题都问不出来市场就结束了这个问题往往是一个可能是开始是一个比较 vague 的比较模糊不清的有一个大致的想法比较vig的问题那么我们要把这个问题转换成可研究的可研究的课题好这可能包括有很多种东西比如说我们的data是如何去清洗的我们是用什么样的 approach去验证去validate谢谢大家谢谢大家我们验证的逻辑是什么当然你要去做这个事情的时候你可能恐怕如果你不是借助专业的Drain-Ding-R软件的话你恐怕要去自己去做一个实际上你是在自己做back test engine 了拜拜自己做一个回撤引擎上这是三点还有呢我该如何去用统计方法我用什么样的统计方式去验证我的想法谢谢大家这个就是一个数在这个数我们这个层面刚刚讲是这个层面这个层面 [10:00] 你个人的市场参与者的input是多少呢我觉得是应该至少在50%以上也就意味着剩下的很大一部分我们是可以依靠AI来给到我们一个framework OK然后落实到这个器先生讲的就是气,气是什么东西我们就是你去实现你的研究你的想法的工具具体的一个工具比如在AI出现之前十多年以前不是始终以前五年以前啊我们可能是用专业的电量软件对吧什么专业电量软件给大家推荐过好几个了在集调里面就给大家说明专业的电量软件,现在这个时代我们可以称之为是专业电量软件的plus什么叫做plus?就是在这下面我们还可以叠加上AI的应用这一块呢,我们待会会去说,这你介入他你可以做出应该说是无所不能吧可能在这一步是用这个四个字叫如虎添翼比较合适一点在这个过程中整个的过程中你可以让AI帮你承担绝大部分的工作写90%到100%我觉得是一个不为过的一个数字那你看到100% 50% 0%谢谢大家最为重要的东西我还是有关注文了的必须由你自己世上参与者来决定也就是说我们就回答了回答了刚才那个问题在这个我们有高效的工具是否意味着我们可以更高效的更更方便的获得市场优势也就是说市场优势的获得是否同样的被迅速的压低了他的它的难度呢从刚才的百分比来说最重要那块东西那块东西就意味着空就是我们前面讲的山之以为祭当其无而有其之用这块东西才是最为重要的一个交易者的核心这是你的专业判断的来源所以从这个感觉百分之百百分之五十百分之零谢谢大家记住这个不等于不等好再跟大家去提一下AI的风险在哪里你但凡使用过AI去辅助你去研究交易的话你就会发现第一点他就是非常擅长虚构故事拜拜什么意思呢?我们用一个非常简单的比喻就是It can turn a dark shit into chocolate好即使是一坨狗屎他也能把它做成巧克力口味的口屎我心里你只要给他指定一个研究方向或者说我对这个东西比较有兴趣他会马上给你就这个方向给你展开非常非常详细的演化的这个故事研究的方向研究的细节哪怕这个东西是没有任何意义的他都会支持你给你足够的理由让你确信这个方向值得去研究这个it can turn the dark shit into chocolate这就是他非常擅长的故事因为他可以在没有关联的事情中找到关联第二点呢它的风险在于它会快速的好因为他非常非常快速他也快速的行程过拟合拜拜你使用AI可以帮助你假设这种情况我们是绝对反对的比如说你有17个参数我最多看到过有人用30多个参数的用17个参数他能够迅速的帮你在任何市场在任何的整个cross market 全市场所有的市场环境中都帮你找到一个合适的搭配也就是说你测试足够多次他一定能够让你去发现一个非常好的表现而这种表现几乎可以肯定就是郭尼和的表现嗯在这个时代我相信大家在未来几年之内会碰到这样的情况会越来越频繁还有一个风险你肯定发现了你会慢慢失去谢谢大家好独立判断的能力是不是现在大家都很懒啊就都不愿意去思考因为有了AI即时一篇最简单的我就问你这个东西能力还有没有是不是因为AI的出现的英文水平下降一大截任何东西我们就不用去看英文了我们直接丢给AH翻译英文水平下加你的coding的能力谢谢大家虽然AI能够帮我们写code但是很重要一点你自己去写的话 [15:00] 你自己能够锻炼你的逻辑思考能力所有东西如果让他去做你一个你的是你的大脑会变得很非常非常的愚蠢这是三点AI带来的现实风险那么未来的AI世界因为AAI我们的交易世界是什么样子呢我们只能猜我会认为是什么样子交易变得急剧个性化好谢谢大家这个是跟我们以前完全不一样你想想看我们以前学一个交易大家用同样的券商同样的软件我们得去学得将就的软件那时候是什么人去适应软件好谢谢大家现在呢反过来了软件可以适应人我可以用AI去造出任何我想要的东西随便举个例子比如说有的券商他是不支持这样的东西的啊我有banned的头寸我有stack头寸我有option的头寸各种各样的头寸我丢在一起这个10比如还是17个头寸放在一起他整个的risk curve是什么样子的有的确认是做不出来的那么你知道原理之后OSI second edition你给他讲的计算的方式你是不是能够用AEI去做一个这个东西呢非常的非常可行百分之百可行的事情只是你要去判断你有没有必要去做这个东西那再说一个例子我们可能我我们有的Premium用户在前两年刚刚学交易的时候还去外面去付费去buy了人家的Trade log 交易记录Excel做的花了一些钱因为里面有很多一个sell的公式做起来非常麻烦那么现在你还需要去buy吗你可以夺身定制啊自然源自跟AI对话马上可以做出这样的东西所以交易工具变得极具个精化就是这个树外面的树叶长什么样子我们已经无法控制了这个是个人决定的而这个树根才是你的专业的素养把握住这个下面长出什么样的东西是你自己的事情好这是我们所看到的第一种变化第二种变化呢你会有大量的虚假词位因为做策略太简单了你会有大量的虚假策略恐怕因为这个坑啊我相信所有人都会去需要去踩一遍你不可能完全避免也就意味着你将来会经常会发现我的策略失效这个失效往往不是因为市场环境而导致的而是因为你恐怕一开始就上线了一个不是那么靠谱的策略这是我的一个想法那么第三个想法刚才说了coding的能力这种coding的需求会大幅的压缩你要记住这个世界上是一物相一物此生彼长的一个一个动态的平衡什么东西因死长了呢?看的非常非常重要就是我们的专业的判断好它的重要性越来越大还有一点这点就比较有意思我在公开场合里面可能表表述过这样的想法就是我们的市场是不是会变的未来是不是会变得更加高效我曾经倾向于这样的想法当然你去会问AI的话AI一定会给你这样的答案但是我现在我仔细想了一想也许不是我说不准我们只能瞎猜啊啊恐怕我们可以从另外一个角度去提出一种状态就是是否更加不是更高效而是更脆弱这是我现在的想法为什么呢就是一句话好拜拜凡者导致动谢谢大家谢谢大家讲到这里我们个人如何行动就是四个字非常非常简单把握住根本嘛记住我画的那个数好四个字啊守正初期正是你的专业的判断其是你的谢谢大家个性化的硬硬啊? 住胸道?

AI量化工具普及加剧过拟合风险 交易优势仍锁定人工判断