我做了一款新时代的量化策略研究助手，写策略、回测、选股全搞定

📌 太长不看：https://beta.quantflare.cn

内测阶段注册享 14 天全功能体验。

序言

作为一个喜欢折腾、愿意尝试新鲜事物的程序员，我一直在业余时间探索各种工具和玩法。早在上学那会，我就发现 GitHub Copilot 能极大提升开发效率，甚至带来新的认知视角。可以说，有了 Copilot ，我在职场上能更快跟上经验丰富的工程师。

从 2022 年 4 月到 2024 年底，我一直是 GitHub Copilot 的忠实用户。后来因为工作涉及 AI 应用开发，亲身感受到 AI 技术的迅猛迭代，特别是 Claude 爆火后带动的 Cursor 编辑器，我当时试用了一下，简直被惊艳到。本来我是个非常排斥写前端的人，总觉得排版、布局、交互太耗费时间，可 Cursor 生成的前端代码不仅结构清晰，页面也好看、现代化，直接改变了我的固有偏见。

这让我更深刻意识到：AI 确实在潜移默化中改变了程序员的工作方式，也许是危机，但也可能是契机。

危机在于，老板知道你有了这种提升效率的利器，只会让你“工作加量不加价”，而你原本引以为傲的“代码能力”也可能变得廉价，早晚面临被取代的风险。

契机则是，你可以选择不与 AI 在同一赛道内内卷，而是站在它的肩膀上，成为那个会用、敢用、用得巧的人。这样，你不一定要 996 才能拿到满意的工资，也不必非得把键盘敲烂才能拼出价值。

我的看法是：既然 AI 能帮程序员写好业务代码，也一定能写好量化策略的代码。

早在 2021 年，我就开始接触量化交易。那时候研究得还比较浅，主要是通过爬虫抓取数据，结合 K 线指标和深度学习模型做一些尝试。也正因为这个契机，我做了一个开源项目，到现在在 GitHub 上已经收获了 2.4k star 。

转眼到了 2025 ，我完成了从学生到职场人的身份转变。工作中参与过 C 端产品开发，也在优秀老板的影响下，逐渐不满足于只用技术完成本职工作，而是开始主动思考、发现痛点和需求，尝试去打造真正让用户爽、能解决实际问题的产品。如今，我也算是交出了一份自己的答卷。

理念

投资市场从来没有放之四海而皆准的万能策略，但在成千上万的标的和交易机会中，总能找到某些策略在某些标的上具备极高的胜率。只要这份盈利预期与你的风险承受能力相匹配，那你就可以坚定执行。

我自己拿真金白银去践行这个理念，也经历过高额盈利和惨痛亏损，最终靠策略修复慢慢恢复了收益。从下图可以看到我今年以来收益率最高从 16% 左右，跌到接近-30%，最后慢慢在慢慢修复中。

如果你认同这个逻辑，可以继续往下看。如果不认同，可能继续看下去只是浪费时间。

📖 工具理念

新时代的量化研究助手，应该具备这些特性：

✅ 一套简洁易懂的编程语法，能用极短的代码描述买卖逻辑
✅ 一个 AI 助手，能根据用户的自然语言描述自动生成策略代码
✅ 多维度回测系统，结合仓位管理方法验证策略收益与风险情况
✅ AI 辅助优化，帮你改进已有策略、修复缺陷
✅ 批量选股系统，自动筛选多标的买卖信号，便于实盘执行

而这样一款工具，我已经做出来了。它叫：量云启智。

功能亮点

📌 AI 策略助手：自然语言描述 → 策略代码

之前我感受到 AI 能显著提升我写复杂代码的效率，便开始设想：如果它能写业务逻辑，也肯定能写量化策略。

现有量化框架像 backtrader 、zipline 虽然成熟，但回测速度与灵活性远不及我预期，语法也不够简洁。我理想中的量化策略开发流程应该是这样的：

通过简洁的 DSL（领域专用语言）来描述买卖逻辑
支持 and 、or 布尔逻辑组合信号
基于 K 线数据进行向量化计算，迅速得出交易信号
配合高性能回测系统验证收益

例如，一个基于 RSI 指标的简单策略，只需 3 行代码：

rsi = ta.RSI(close, 14)
buy = rsi > 30
sell = rsi < 70

简单直观。

但我更清楚，不是所有用户都愿意学 DSL ，更别说去写代码。大多数人只想直接说：“我想做个 RSI 超卖反弹策略”，然后 AI 就能帮他生成好代码。

于是，我做了 AI 策略助手，你只需要用中文描述你的想法，它就能自动转化成标准化的策略代码，哪怕你自己完全不懂策略体系，也能跑出策略来试试看。

功能展示

📌 多维度回测系统：策略效果一眼看透

策略写好了，接下来就是验证它在实盘中的表现。

我设计了一个多维度回测系统，用户只需：

选择感兴趣的股票或标的
设定回测时间区间
选择仓位管理方法

点击开始回测，即可查看策略发出的交易信号、收益曲线、资金回撤、胜率、盈亏比等多维度数据。

无论是跑单品种，还是全市场轮测，都能轻松搞定。

功能展示

📌 AI 策略优化助手：不会优化？它来教你

回测之后，策略往往存在缺陷。这时候，大多数人要么停在这里，要么自己慢慢调参，费时费力。

所以我直接做了个 AI 策略优化助手。

你可以把策略保存后，进到策略优化页面，选择想改进的方向，或者直接跟 AI 聊你的困惑，它会分析问题、帮你修改策略，甚至给出优化后的版本，供你直接测试，极大提升策略迭代效率。

功能展示

📌 批量策略选股：开超市的必备利器

只在一只股票上跑策略风险太高，尤其是小市值品种操控空间大，信号失真严重。

因此我做了一个策略批量选股功能：

你设定好策略条件，系统就能在多只股票中自动筛选出符合买卖条件的标的，方便批量监控和实盘执行，免去一个个手动跑回测的繁琐。

功能展示

📖 总结

量云启智 是我在 AI+量化赛道上交出的第一份作品，目标就是降低量化门槛、提升策略研发效率，让每个投资者都有能力探索属于自己的策略体系。

如果你对量化感兴趣，或者在用 AI 辅助开发量化策略，欢迎来试试看：https://beta.quantflare.cn 内测阶段注册享 14 天全功能体验。

希望它也能像当年的 GitHub Copilot 于我在编程方面的帮助一样，成为你量化投资路上的好助手！