1. 项目概述一个用大语言模型做实盘交易的实验框架看到那些铺天盖地的“AI选股神器”广告你是不是也和我一样第一反应是翻个白眼这些营销话术听起来天花乱坠但背后到底有多少真材实料谁也不知道。与其被动的怀疑不如主动的验证。这就是“LLM Trading Lab”这个项目诞生的初衷。它不是什么一夜暴富的秘籍而是一个持续了6个月的、用真金白银进行的严肃实验让ChatGPT作为唯一的投资组合决策者在严格的预设规则下管理一个真实的微市值股票投资组合。这个项目最初只是一个简单的想法既然大家都在吹嘘AI的投资能力那我们就用最透明、最可复现的方式看看它到底行不行。我投入了100美元作为启动资金每天向ChatGPT提供市场数据让它做出买卖决策并忠实地记录下每一个步骤、每一次对话和每一分钱的盈亏。如今这个实验已经结束但它留下的远不止一份业绩报告。整个代码仓库已经演变成一个用于研究大语言模型作为投资组合决策者行为的基线框架。所有的历史数据、研究文档和日志都完整保留确保了完全的透明度和可审计性。无论你是量化研究员、对AI应用感兴趣的开发者还是单纯好奇AI在金融领域边界的爱好者这个项目都提供了一个绝佳的、可以亲手把玩的“实验室”。2. 核心设计思路如何构建一个可信的AI交易实验让AI管理真钱听起来很酷但如何确保实验的科学性和可信度而不是一场胡闹这是我在设计整个框架时思考的核心。一个严谨的实验必须能回答两个关键问题第一AI的决策过程是否可追溯、可审计第二实验结果是否排除了人为干预纯粹反映了模型的能力或缺陷基于这两点我确立了以下几个核心设计原则。2.1 原则一决策的“前向唯一性”这是整个实验的基石。所谓“前向唯一性”指的是AI在每天的交易时段做出的决策是最终且不可更改的。就像真实交易中订单一旦提交就无法撤回在T0市场实验中的AI决策一旦根据当日数据生成并记录就成为历史事实。我不会在事后因为看到结果不好而让AI“重新思考”或修改决策。这模拟了真实市场中的决策压力和信息不可逆性所有评估都基于这些“冻结”在时间里的决策序列。在代码实现上这意味着每天运行的主脚本trading_script.py只会执行一次生成的交易指令和聊天记录会立刻被归档到collected_artifacts/目录下作为只读文件保存。2.2 原则二规则约束下的有限自由我们不能让AI在市场上为所欲为那会变成一场灾难。因此我给它套上了“缰绳”——一套严格、明确的交易规则。这些规则定义了实验的边界条件例如资金管理初始资金100美元单笔交易最大仓位比例例如不超过总资金的20%。标的范围限定在“微市值”股票通常指市值在3亿至20亿美元之间但实验中我可能定义得更小。这既控制了风险也聚焦于AI分析小型、信息不对称公司的潜力。风险控制强制性的止损规则例如持仓亏损达到7%时自动平仓。操作频率每日调仓避免高频交易带来的复杂性和额外成本。AI的“智能”体现在规则内对具体股票的选择和买卖时机的判断而不是发明新规则。这就像给一个基金经理规定了投资范围和风控红线然后考察他的选股能力。2.3 原则三全链路透明与可复现金融领域的AI应用最忌“黑箱”。在这个项目中透明度体现在三个层面输入透明每天喂给AI的数据源是公开的主要使用yfinance备用Stooq数据获取代码公开。过程透明与ChatGPT的完整对话日志chats.md、每周的深度研究总结Weekly_Deep_Research_MD/都详细记录。你可以看到AI是如何分析数据、如何推理、最终如何做出买入/卖出/持有决策的。输出透明所有的交易记录Trade_Log.csv、每日资产组合更新Daily_Updates.csv以及绩效图表images/全部公开。这意味着任何一个有技术能力的人都可以下载这个仓库检查从数据到决策再到结果的每一个环节甚至可以完全复现这个实验当然由于市场变化结果不会相同但过程一致。2.4 原则四历史数据的不可变性项目仓库的结构设计遵循“仅追加不修改”的哲学。experiments/chatgpt_micro_cap/目录下的所有历史实验数据、日志和报告都是冻结的。任何新的分析、评估或未来实验都以新增文件或新建目录的方式“叠加”在原有结构之上绝不会去修改历史文件。这样做的好处是无论未来我的分析思路如何变化原始实验记录始终作为一份可信的“原始档案”存在确保了研究结论的可靠基础。你看到的evaluation/paper.pdf这份40多页的评估报告正是基于这些冻结的数据生成的。3. 技术栈与核心模块解析工欲善其事必先利其器。这个项目没有使用复杂晦涩的量化平台而是基于一个清晰、轻量且完全由Python构建的技术栈。这样的选择是为了最大化透明度和可访问性让关注点集中在AI决策逻辑本身而非工具的使用上。3.1 核心技术栈选择Python 3.11现代Python版本在性能和特性上都有良好支持是数据科学和自动化任务的事实标准。pandas数据处理和分析的核心库。用于清洗、整理从API获取的股票数据计算指标以及管理投资组合的每日状态。yfinance主要数据源。一个免费、易用的库可以获取雅虎财经上的历史价格、基本面数据等。虽然非官方但对于此类实验项目来说完全足够。Stooq备用数据源。设计备用源是至关重要的实操经验。金融数据API有时会不稳定或变更Stooq提供了一个简单的备用方案确保在yfinance失效时实验不会中断。Matplotlib用于生成所有绩效分析图表如资金曲线、回撤图、与基准如标普500的对比图等。可视化是理解模型表现不可或缺的一环。注意数据源的可靠性。免费公开的数据源可能存在延迟、错误或格式变化。在生产级系统中这不可接受但对于一个以过程透明和研究为核心的开源实验使用这些广为人知的免费源反而是优势——它降低了任何人复现实验的门槛。在代码中需要对数据获取进行异常处理并记录任何数据问题。3.2 核心代码模块深度拆解整个项目的运行引擎围绕experiments/chatgpt_micro_cap/trading_script.py这个主脚本展开。我们来拆解它的典型工作流程和关键模块。3.2.1 数据准备与预处理 (processing/ProcessPortfolio.py)在调用AI之前脚本首先需要获取并格式化当日的市场数据。这个过程大致如下读取当前组合从csv_files/Daily_Updates.csv加载上一交易日的投资组合持仓、现金余额。获取行情数据根据关注列表微市值股票池使用yfinance批量获取最新股价、成交量、涨跌幅等。计算关键指标可能会计算一些简单的技术指标如移动平均线、相对强弱指数RSI或基本面比率如市盈率这些指标将作为后续提示词的一部分喂给AI。ProcessPortfolio.py模块很可能封装了这些数据清洗和组合状态更新的逻辑。检查止损遍历当前持仓检查是否有任何头寸触发了预设的止损线。如果触发生成“强制平仓”指令这个指令的优先级高于AI的新决策。3.2.2 构造AI提示词与交互这是整个系统的“大脑”接口。提示词的设计质量直接决定了AI决策的合理性。我的提示词模板通常包含以下几个部分系统角色设定明确告知AI它的角色是一名遵守特定规则的量化分析师。当前组合状态以清晰格式列出当前持有的股票、数量、成本价、当前价、浮动盈亏。可用资金明确告知可以用于购买新头寸的现金数额。市场数据摘要以表格形式提供候选股票列表及其关键指标股价、日内变化、市值、近期趋势等。决策规则重申再次强调交易规则仓位限制、止损位、只交易微市值股等。决策任务要求AI输出一个明确的行动列表例如“卖出X股A公司因为...买入Y股B公司因为...持有C公司因为...”。输出格式要求严格要求AI以指定的JSON或结构化文本格式输出以便脚本能自动解析。这个精心构造的提示词是将开放域的大语言模型“约束”到特定专业任务上的关键。在collected_artifacts/chats.md中你可以看到每一天具体的提示词和AI的完整回复。3.2.3 交易指令解析与执行模拟收到AI的回复后trading_script.py需要解析其输出。由于是模拟实盘或小额实盘这里的“执行”可能分为两种情况完全模拟根据解析出的指令在内存中更新投资组合状态计算新的持仓、现金和总资产并记录到CSV文件中。不涉及真实的券商API。半自动实盘如果连接了券商API如Alpaca、Interactive Brokers等脚本可以将解析后的指令转化为API订单并发送。在本实验中考虑到风险和复杂性我采用的是第一种完全模拟的方式但框架设计上为第二种留下了可能性。3.2.4 日志记录与归档这是保证透明度的最后一步也是最重要的一步。每一步都必须记录交易日志(Trade_Log.csv)记录每一笔交易的日期、股票代码、买卖方向、数量、价格、手续费如适用。组合更新日志(Daily_Updates.csv)记录每日收盘后的总资产、现金、持仓明细和市值。AI对话日志(chats.md)完整保存当天的提示词和AI回复。每周深度研究(Weekly_Deep_Research_MD/)每周我会让AI对当前组合和市场进行更深入的分析形成一份总结报告并保存。所有这些文件共同构成了一个不可篡改的实验记录链。4. 绩效评估体系超越简单的盈亏评判一个交易策略尤其是AI策略绝不能只看最终是赚是赔。一个运气好但风险极高的策略长期来看注定失败。因此我建立了一套多维度的量化评估体系这些评估逻辑大多实现在metrics/目录下的脚本中。4.1 核心绩效指标计算累计收益率与年化收益率最直观的指标反映策略的整体盈利能力。计算时需考虑资金的时间价值。波动率年化衡量收益的波动程度是风险的基础度量。AI的决策是否导致了净值的剧烈波动夏普比率衡量风险调整后收益的黄金标准。计算公式为(组合收益率 - 无风险利率) / 组合波动率。它回答了“每承担一单位风险能获得多少超额回报”的问题。夏普比率越高说明策略的单位风险收益越好。在计算中通常用国债利率近似作为无风险利率。索提诺比率夏普比率的改进版它只考虑下行波动率即亏损的波动。因为投资者通常只讨厌下跌的风险不讨厌上涨的波动。索提诺比率能更好地衡量策略对下行风险的控制能力。最大回撤从任意一个历史高点到后续最低点之间的最大跌幅。这是衡量策略“抗揍”能力的关键指标反映了投资者可能承受的最大心理压力。graphing/drawdown.py脚本专门用于可视化这一指标。阿尔法与贝塔基于资本资产定价模型。贝塔衡量策略相对于市场基准如罗素2000指数的波动性阿尔法则衡量扣除市场波动影响后的超额收益。正的阿尔法意味着AI确实具备了超越市场平均的选股或择时能力。4.2 基准对比分析孤立的数字没有意义。因此我将AI组合的绩效与两个关键基准进行了对比标普500指数代表美国大盘股整体市场表现。罗素2000指数代表美国小盘股表现。由于实验聚焦微市值股可视为更小盘与罗素2000对比比与标普500对比更具参考价值。通过graphing/daily_returns.py等脚本可以生成叠加的资金曲线对比图直观地看出AI组合是跑赢了市场还是仅仅跟随了市场趋势。4.3 行为分析与决策质量评估这是本项目超越传统量化回测的地方。我们不仅看结果还通过日志分析AI的“行为模式”换手率AI是频繁交易还是长期持有高换手率可能带来高交易成本并暗示决策缺乏耐心。持仓集中度AI是分散投资还是重仓少数几只股票这反映了它的风险分散意识。决策一致性在相似的市场环境下AI的决策逻辑是否一致还是充满了随机性归因分析盈利主要是来自少数几只牛股的贡献还是普遍盈利亏损是因为系统性判断错误还是个别“黑天鹅”事件这些分析部分体现在evaluation/paper.pdf这份综合评估报告中它不仅仅是一份绩效报表更是一份AI决策行为的“心理学”报告。5. 实操复现指南与避坑要点如果你对这个实验感兴趣想在自己的环境下复现或基于此框架开展新的研究以下是具体的操作步骤和必须注意的陷阱。5.1 环境搭建与初始化克隆仓库git clone https://github.com/LuckyOne7777/LLM-Trading-Lab.git cd LLM-Trading-Lab创建并激活虚拟环境强烈推荐避免包冲突python -m venv venv # On Windows venv\Scripts\activate # On macOS/Linux source venv/bin/activate安装依赖pip install -r requirements.txt如果requirements.txt未指定精确版本你可能需要手动安装核心库pip install pandas yfinance matplotlib requests5.2 配置与运行实验研究项目结构首先仔细阅读README.md并浏览experiments/chatgpt_micro_cap/目录下的文件结构理解数据流向。配置实验参数你需要修改或创建自己的配置文件或直接修改脚本中的常量设定INITIAL_CAPITAL初始资金。STOCK_UNIVERSE你的股票池列表可以从微市值ETF的成分股中筛选或自行定义。MAX_POSITION_SIZE单只股票最大仓位比例如0.2。STOP_LOSS_PCT止损百分比如0.07。最重要的你的OpenAI API密钥如果使用ChatGPT。务必通过环境变量管理密钥不要硬编码在脚本中export OPENAI_API_KEYyour-api-key-here # Linux/macOS set OPENAI_API_KEYyour-api-key-here # Windows CMD $env:OPENAI_API_KEYyour-api-key-here # Windows PowerShell运行每日脚本理论上你可以手动运行主交易脚本。cd experiments/chatgpt_micro_cap python trading_script.py脚本会执行数据获取、调用AI、生成决策、更新组合CSV和日志这一完整流程。生成报告在实验运行一段时间后使用metrics/和graphing/下的脚本来计算绩效和生成图表。python metrics/load_dataV3.py # 可能用于加载和整理数据 python graphing/daily_returns.py # 生成收益曲线图5.3 关键避坑指南与实操心得坑一数据源的时区与延迟。yfinance获取的数据默认是美东时间且免费数据有15分钟延迟。如果你的脚本在美股开盘期间运行获取的可能是前一日收盘价。解决方案明确你的实验设计。如果是“收盘价交易”基于当日收盘价做决策次日开盘执行那么使用收盘价是合理的。如果是模拟盘中交易则需要考虑延迟或使用付费的实时数据源。在日志中必须明确注明所用数据的性质。坑二API调用成本与速率限制。频繁调用OpenAI API会产生费用并且有速率限制。在提示词设计上要力求简洁高效避免不必要的上下文。可以考虑对历史对话进行摘要而不是每次都发送全部聊天历史。实操心得在本地先使用便宜的模型如GPT-3.5-Turbo进行逻辑测试和调试待流程稳定后再换用更强大的模型如GPT-4进行正式实验。坑三AI输出的解析失败。大语言模型的输出具有一定随机性即使要求结构化输出偶尔也可能格式错误或包含额外解释文本。解决方案在解析逻辑中必须加入健壮的异常处理。尝试用正则表达式匹配关键信息而不仅仅是依赖完美的JSON解析。在chats.md中记录原始输出以便人工复核和调试解析器。坑四过拟合与“幸运”的决策。一个运行6个月的实验其统计显著性有限。AI可能因为一两次幸运的押注而表现良好但这不代表其策略具有普适性。解决方案这正是项目未来方向“LLM Investor Behavior Benchmark (LIBB)”要解决的问题——通过大量、多样的模拟市场环境对LLM的投资行为进行压力测试和基准评估从而得到更具统计意义的结论。最重要的心得过程重于结果。这个项目的核心价值不在于证明AI炒股一定能赚钱而在于展示了一种透明、可审计、可复现的研究方法。当你复现时结果可能与原实验截然不同这完全正常甚至更有价值。请把你的关注点放在分析AI的决策逻辑、它在不同市场环境下的行为变化、以及整个实验框架的稳健性上。6. 从实验到框架LIBB与未来展望最初的微市值实验已经结束并产出了一份详细的评估报告。但故事远未结束。这个项目的真正遗产是它沉淀下来的方法论和代码框架为系统性地研究LLM的投资行为铺平了道路。6.1 LLM投资者行为基准我目前正在全力开发一个更通用、更强大的框架LLM Investor Behavior Benchmark。LIBB的目标是成为一个标准化的测试平台它的设计思路包括多样化的市场环境模拟不仅限于历史数据回测还可以生成具有不同特征牛市、熊市、震荡市、黑天鹅事件的模拟市场测试LLM在不同压力下的表现。标准化的任务与评估定义一系列明确的投资任务如行业轮动、风险平价、事件驱动套利等并配套统一的评估指标集使不同LLM或不同提示词策略的结果可以公平比较。剥离交易能力LIBB可能更侧重于评估LLM的“决策质量”而非最终盈亏。例如给定相同的市场信息比较不同LLM构建的投资组合在风险收益特征上的差异。开源与协作希望LIBB能成为一个社区项目汇集更多研究者和开发者的智慧共同探索LLM在金融决策中的能力边界与潜在风险。6.2 新实验方向IPO市场分析基于现有框架我计划启动一个新的实验方向聚焦于新上市公司的IPO后表现。这个想法源于微市值实验中的一个观察——LLM对于挖掘未被充分研究的小公司似乎有一些独特的视角。IPO市场充满了信息不对称和短期情绪波动这是一个检验LLM信息整合与价值判断能力的绝佳场景。实验设计可能包括月度调仓降低交易频率更侧重于基本面和中长期趋势分析。深度研究提示要求LLM综合招股说明书、首日股价表现、早期财务数据、行业新闻等多源信息。对比基准与IPO指数或类似策略的ETF进行对比。这个实验的进展和深度分析我计划通过我的Substack进行持续分享将开源代码与深度解读结合起来。6.3 对社区与贡献者的邀请“LLM Trading Lab”始终保持开放。无论是你发现了代码中的一个bug对实验设计有尖锐的批评还是有一个绝妙的想法想要扩展这个框架都非常欢迎参与进来。高质量的贡献者未来可能会被邀请共同维护像LIBB这样更大的项目。在金融与AI交叉的这个新兴领域需要的是更多严谨的探索和开放的讨论而非夸大的营销。这个项目就是我提交的一份“开源实验报告”它或许不完美但足够真实。希望它能为你自己的探索点燃第一盏灯。