用 ChatGPT Codex、Claude AI 回测任何交易策略教程：不用写代码，适用于加密货币、期货、美股

你有没有认真想过一个问题：自己每天都在用的交易策略，到底是真的有效，还是只是看起来有效？

很多交易者都有自己的一套交易方法，比如均线交叉、突破交易、RSI 回调、趋势跟随、开盘区间突破，甚至是自己研究很多年的价格行为策略。但真正用几年甚至十几年的历史数据做过完整回测的人，其实并没有想象中那么多。

原因也很简单。

以前想做交易策略回测，要么得会写 TradingView 的 Pine Script，要么得学 Python，要么就得花钱购买专业的回测软件。对于普通交易者来说，光是看到“写代码”这三个字，可能就已经不想继续折腾了。

但现在有了 ChatGPT Codex 和 Claude AI，这件事情已经简单很多。

你只需要用普通中文或者英文，把自己的交易规则告诉 AI，比如什么时候买入、什么时候卖出、什么条件进场、什么条件离场，然后让 AI 帮你把策略整理成明确规则，再自动编写 Python 回测程序、下载历史数据，最后生成一份完整的回测报告。

整个过程中，你自己甚至可以一行代码都不用写。

这篇文章就根据我的实际演示流程，带大家从头做一遍：如何使用 ChatGPT Codex 和 Claude AI 回测交易策略，同时比较策略交易和“买入并长期持有”到底哪一种效果更好。

本文内容仅用于技术学习和研究，不构成任何投资建议。所有回测数据都是历史模拟结果，历史表现不代表未来收益。

如果你主要做加密货币交易，下面几个平台是我平时视频里经常提到的：

Binance 币安：
https://bit.ly/3PF8egr
邀请码：BFCYEW71
通过邀请链接注册，可按平台当前活动规则获得相应交易手续费优惠。

OKX 欧易：
https://bit.ly/4gjq2d1
邀请码：88576911

Bybit：
https://bit.ly/3EnpvbB
邀请码：95292

Bitget：
https://bit.ly/4w9asXU
邀请码：bit6688

具体手续费优惠和活动规则可能随平台调整，请以注册页面实际显示为准。

 

---

---

提示词1

请把我的交易策略整理成一份通俗易懂的文字规则说明，暂时不要写代码。

策略规则：

当日线K线收盘价高于之前20个交易日的最高价时，买入。

当日线K线收盘价低于之前10个交易日的最低价时，卖出离场。

策略只允许两种状态：做多或空仓，绝不做空。

交易标的：

• 美国：QQQ
• 中国：长江电力
• 周期：日线
• 数据：使用 Yahoo Finance（雅虎财经）能够获取的全部历史数据

对于策略中我没有明确说明、但你在制定完整规则时必须自行确定的内容，请全部列出来，并单独放在一个名为 “ASSUMPTIONS（假设条件）” 的章节中。

在我确认并批准这套规则之前，不要编写任何代码。

---

---

提示词2

批准，但需要做以下修改：

每笔交易的仓位大小为账户总权益的 10%。

同时生成两个版本：

• 版本一：无交易摩擦成本，也就是不计算手续费和滑点。
• 版本二：计算交易成本，每次交易收取 0.05% 手续费，并且买入和卖出每一侧都计算 1 个 Tick 的滑点。

请根据这些修改，重新生成完整的策略规则说明（Spec）。

生成完成后先等待我的下一步指示。

---

---

提示词3

现在使用 Python 编写这个回测程序，使用 yfinance 和 pandas。

不要使用任何现成的回测框架或回测库，回测循环需要你自己编写，这样我可以直接阅读和理解代码。

之前定义的两个版本都要运行。

回测结果需要报告以下指标：

• 交易次数
• 胜率
• 平均盈利
• 平均亏损
• 净收益率
• CAGR（复合年增长率）
• 最大回撤
• 最长水下时间，也就是账户净值从创出新高后，到再次恢复到原来高点所经历的最长时间
• 盈利最大的前 5 笔交易，对总利润的贡献比例

输出要求

所有结果必须生成到一个完整、独立的 .html 文件中。

使用 Tailwind CSS Play CDN。

所有数据都要直接嵌入到 HTML 中，保存为 JavaScript 对象，使这个 HTML 文件可以直接打开查看，不需要运行任何服务器。

图表需要由你自己生成 内嵌 SVG：

• 不允许使用图表库
• 不允许使用外部图片

页面设计

页面按 1920 × 1080 分辨率设计。

颜色方案：

• 主背景：#08171E
• 面板背景：#0F2630
• 面板边框：#1E3A45
• 正面/盈利颜色：#37F083
• 假设条件颜色：#F2B03C
• 负面/亏损颜色：#F2643C
• 正文文字：#E6EDF0

页面结构：

首先是顶部标题栏。

然后是一排显示核心数据的大号 KPI 指标卡片。

下面再放置详细数据面板，并使用不同颜色的状态标签来区分不同结果。

使用通俗易懂的语言

所有内容都要使用普通人容易理解的英语。

每个技术术语第一次出现的时候，都必须用一行颜色较淡的文字，对这个术语进行简单解释。

每一个数据面板开头，都需要先用一句话说明：

WHAT THIS SHOWS（这里展示的是什么）

然后再展示具体数据。

真实性规则

以下规则的优先级高于页面视觉设计要求。

每一个数据或数字旁边，都必须标明它的数据来源。

所有属于估算、推测或自行确定的内容，都必须添加一个黄色的：

ASSUMPTION（假设）

标签。

页面中必须包含一个：

LIMITATIONS（局限性）

面板，而且这个面板不能是空的，必须明确说明本次回测存在的限制。

所有图表的坐标轴原则上都必须从 0 开始。

如果某个图表坐标轴没有从 0 开始，就必须在图表上明确注明这个坐标轴进行了截断处理。

禁止通过视觉设计，把一个表现不好的回测结果包装成看起来很优秀的结果。

最终文件保存为：

01_backtest.html

 

---

---

提示词4

---

---

在同一个交易标的上，加入一个**买入并长期持有（Buy and Hold）**的基准策略进行对比。

要求：

• 使用相同的交易标的
• 使用相同的回测开始日期
• 使用相同的初始资金

将原策略与买入持有策略的以下指标进行并排对比：

• 净收益率（Net Return）
• CAGR（年复合增长率）
• 最大回撤（Max Drawdown）
• 最长水下时间（Longest Time Underwater），即账户净值从历史高点回撤后，直到重新回到之前高点所经历的最长时间

页面继续按照之前规定的 OUTPUT CONTRACT（输出规范） 进行生成。

最终文件保存为：

02_benchmark.html

 

 

---

一、为什么要回测自己的交易策略？

很多交易者做交易的方法其实很简单。

翻几张历史 K 线，看一下这个方法过去好像挺准，然后就直接拿真钱去测试。

结果就是，赚钱的时候不知道到底为什么赚，亏钱的时候也不知道自己的策略到底错在哪里。

更麻烦的是，人看历史图表的时候很容易产生“马后炮”。

你已经知道后面的走势，再回头看前面的 K 线，会觉得很多入场机会特别明显。

但真正交易的时候，你是不知道下一根 K 线会怎么走的。

所以一套策略到底有没有用，最好的办法之一，就是先把规则写清楚，再用大量历史数据进行回测。

现在借助 ChatGPT Codex、Claude AI、Python 和历史行情数据，普通交易者也可以把这套流程做出来。

---

二、需要准备哪些工具？

整个回测流程最核心的工具就是 AI。

我这次主要演示两个：

ChatGPT Codex

ChatGPT 下载地址：
https://chatgpt.com/zh-Hans-CN/download/

Codex 比较适合处理编程、文件以及项目类任务，所以我们可以直接让它帮我们创建 Python 回测程序，并把最终结果保存成 HTML 网页报告。

如果你的 ChatGPT 官方订阅支付不方便，也可以自行了解第三方 AI 服务平台。但第三方充值或账号服务存在平台规则、账号安全等风险，使用前请自行判断。

ChatGPT 会员代充、AI会员服务平台：银河录像局
https://nf.video/C1dxn

第二个工具就是：

Claude AI / Claude Code

Claude 同样非常适合处理代码和复杂任务。我的实际测试中，ChatGPT Codex 和 Claude 都能够完成这套回测流程。

所以大家不用太纠结到底哪个一定更好。

你平时习惯用 ChatGPT，就用 ChatGPT Codex。

习惯用 Claude，就用 Claude。

整个思路基本是一样的。

---

三、不要一上来就让 AI 直接回测

这是非常重要的一步。

很多人第一次使用 AI 做策略回测，会直接输入：

“帮我回测一下这个策略。”

然后 AI 很快给你生成两三百行 Python 代码，下载历史数据，再直接给你一个结果。

看起来非常方便。

但这里有一个很大的问题：

你根本不知道 AI 在背后替你做了哪些决定。

比如你的策略只说：

“突破最近 20 天最高价买入。”

那到底是：

当天最高价突破就买？

还是当天收盘价突破以后买？

是在当天收盘价成交？

还是第二天开盘成交？

“最近20天”包不包括今天？

如果没有明确说明，AI 就必须自己替你做决定。

这样最后回测出来的，很可能根本不是你的策略，而是 AI 猜出来的一套策略。

所以正确顺序应该是：

先让 AI 整理策略规则 → 检查假设条件 → 人工确认 → 最后才写代码回测。

---

四、先用普通语言把交易策略说清楚

为了演示，我使用了一套非常简单的趋势突破策略。

规则大概是：

当日线收盘价突破前面 20 个交易日的最高价时买入。

当日线收盘价跌破前面 10 个交易日的最低价时卖出。

这类策略属于比较经典的 Donchian Channel（唐奇安通道）20/10 突破思路，主要目的就是跟随趋势。

这里一定要强调：

这个策略只是为了演示 AI 回测流程，并不是我推荐大家使用的交易策略，也不代表一定可以赚钱。

你完全可以换成自己的策略。

比如：

均线交叉、EMA 回踩、RSI 超卖反弹、MACD 金叉、趋势突破、开盘区间突破、跳空回补、价格行为、支撑阻力，甚至是你自己研究出来的一整套交易规则。

原理都是一样的。

---

五、先让 AI 把策略变成明确规则

把交易策略发送给 ChatGPT Codex 或 Claude 以后，不要马上让它写程序。

先要求 AI：

把这套策略整理成一份完整的交易规则说明，并列出它在理解策略过程中做出的所有假设。

同时告诉它：

在我确认规则之前，不要开始写代码。

这样 AI 会把你的策略拆开。

包括：

买入条件、卖出条件、持仓规则、历史数据周期、交易标的、成交价格、仓位大小，以及其他默认假设。

这一步非常重要。

因为你很可能会发现：

原来 AI 理解的策略，和你脑子里想的策略并不完全一样。

先把这些问题解决，再进入下一步。

---

六、加入仓位、手续费和滑点

确认基础规则以后，我们还需要补充真实交易环境。

比如我在演示里面要求：

每笔交易使用账户总权益的 10%。

同时生成两个版本。

第一个版本不计算手续费和滑点，也就是理想情况下的回测结果。

第二个版本加入真实交易成本。

比如手续费，以及买入和卖出分别计算一定的滑点。

这里的 Slippage（滑点），简单理解就是：

你想在 100 美元成交，但真正下单以后，可能成交在 100.01 美元或者 100.02 美元。

实际交易不可能每一次都刚好成交在最理想的价格。

所以如果你希望回测更加接近真实交易，就不能完全忽略手续费和滑点。

---

七、正式让 AI 编写 Python 回测程序

等交易规则全部确认以后，再让 AI 开始编写程序。

我这里使用的是 Python。

历史行情数据则通过 yfinance 获取 Yahoo Finance 的市场数据。

AI 会自动：

下载历史数据、计算交易信号、模拟买卖、计算手续费和滑点、统计交易结果，最后生成完整的回测报告。

你自己并不需要真的会写 Python。

如果程序运行过程中报错，也不用自己研究半天。

直接把错误信息发给 ChatGPT Codex 或 Claude，让 AI 自己检查并修改就可以。

这也是现在使用 AI 做量化交易研究最大的优势之一。

---

八、一份真正有用的回测报告应该看什么？

我要求 AI 最后把回测结果生成一份 HTML 网页报告。

这样直接使用浏览器打开，就能够看到图表和数据，比看一大堆代码方便很多。

一份比较完整的策略回测报告，我认为至少应该关注这些数据：

总交易次数、胜率、平均盈利、平均亏损、净收益率、CAGR、最大回撤、最长水下时间，以及盈利最大的几笔交易对总利润的贡献。

这里有几个专业术语需要解释一下。

CAGR 是什么？

CAGR（Compound Annual Growth Rate），中文一般叫做 复合年增长率。

简单理解就是：

如果把整个回测期间的收益平均折算成年化增长，你的账户每年大约增长多少。

和单纯看总收益相比，CAGR 更方便比较不同时间跨度的策略。

最大回撤是什么？

Maximum Drawdown，最大回撤，指的是账户从一个高点跌到后面低点，最大跌了多少。

比如账户从 10 万美元涨到 15 万美元，后来又跌到 10 万美元，那么这个过程就出现了非常明显的回撤。

很多新手只看收益，却不看回撤。

实际上，一个策略就算历史收益很好，如果中间出现 50%、60% 甚至更大的回撤，你到底能不能真正扛住，是完全另外一回事。

最长水下时间是什么？

Longest Time Underwater，可以理解为账户从前期高点跌下来以后，花了多长时间才重新回到原来的高点。

有些策略最终赚钱，但可能连续几年都没有创新高。

这种策略在真实交易过程中，对心理承受能力要求非常高。

---

九、不要只看胜率

很多交易新手最喜欢问：

“这个策略胜率多少？”

其实胜率只是其中一个数据。

一个策略胜率只有 40%，也不一定不能赚钱。

只要每次赚钱的时候赚得多，每次亏钱的时候亏得少，最终仍然可能盈利。

相反，一个胜率 80% 的策略，也不代表一定好。

如果前面连续赚很多次，最后一次大亏把之前所有利润全部亏回去，同样没有意义。

所以看回测的时候，一定要结合：

胜率、盈亏比、最大回撤、CAGR、Profit Factor、Sharpe Ratio 等数据一起判断。

如果你平时喜欢自己在图表上研究交易策略，我比较推荐配合 TradingView 使用。

你可以先在 TradingView 上看图、整理交易逻辑，再把规则交给 ChatGPT Codex 或 Claude 做更长周期的历史回测。

TradingView：交易投资分析和看盘工具
https://bit.ly/3QApgwJ

---

十、为什么要统计“利润最大的前5笔交易”？

这一项很多人会忽略，但其实非常重要。

假如一套策略回测了 100 笔交易，最后总体是盈利的。

看起来好像不错。

但是继续分析发现：

最终利润里面有 80% 都来自其中 5 笔交易。

那你就需要警惕。

因为这说明策略的收益可能高度依赖少数几次非常幸运的大行情。

如果把这几笔交易拿掉，整个策略可能马上变得非常普通，甚至开始亏钱。

所以我会要求 AI 统计：

总利润中，有多少比例是由盈利最大的前5笔交易贡献的。

这样更容易判断一套策略是真的长期具有一定优势，还是只是刚好碰到了几次大行情。

---

十一、一定要加入“买入并长期持有”作为基准

做到这里，其实回测还没有结束。

还有一个非常重要的问题：

假如我从一开始就直接买入这个资产，然后一直拿到现在，什么都不操作，结果会怎么样？

这就是 Buy and Hold Benchmark（买入并持有基准）。

比如你拿 QQQ 做策略回测。

策略可能不断买入、卖出，看起来非常专业。

但如果最后发现：

你辛辛苦苦交易了二十多年，最终收益还不如 1999 年直接买入 QQQ 一直拿着，那就需要重新思考这套策略的意义。

因为你付出了：

更多盯盘时间、更多交易次数、更多手续费、更多滑点，以及更多心理压力。

如果最终还跑不过一个什么都不操作的人，这套策略就需要重新评估。

所以我非常建议：

以后做任何长期策略回测，都加入一个 Buy and Hold 基准。

---

十二、收益高不一定代表策略更好

这里还有一个很有意思的问题。

有时候买入并长期持有的收益确实非常高，但它的最大回撤同样可能非常夸张。

而主动交易策略虽然最终收益低一些，但是最大回撤可能明显更小。

这时候就不能只比较谁赚得更多。

还需要比较：

为了获得这些收益，你到底承担了多大的风险。

这就涉及另外一个非常重要的指标：

Sharpe Ratio（夏普比率）。

简单来说，夏普比率就是：

你承担这些风险以后，到底换回了多少收益。

一般来说，夏普比率越高，代表单位风险获得的收益越好。

所以以后看交易策略，建议养成一个习惯：

不要第一眼先看赚了多少钱，先看看它为了赚这些钱，中间到底跌了多少。

---

十三、ChatGPT Codex 和 Claude 到底哪个更适合做回测？

我这次同时使用 ChatGPT Codex 和 Claude 做了相同的测试。

实际跑出来的核心数据比较接近。

这说明只要你的交易规则、历史数据、费用模型以及成交逻辑定义得一致，两边最终得到的结果理论上也不应该相差特别大。

所以没有必要太纠结到底必须使用哪个 AI。

ChatGPT Codex 的优势是项目和编程任务整合比较方便。

Claude 在处理长文本、规则整理以及代码任务方面同样非常适合。

大家完全可以两个都测试一下。

最重要的不是 AI 到底有多强。

而是：

你的策略本身到底有没有逻辑。

AI 可以帮你写代码、跑数据、生成报告。

但 AI 不会自动把一套没有优势的策略变成赚钱策略。

---

十四、哪些交易策略可以这样测试？

这套方法最大的优势，就是它并不局限于某一种交易策略。

不管你做的是：

均线策略、EMA 交叉、RSI 回调、MACD、趋势突破、Donchian Channel、开盘区间突破、跳空回补、加密货币策略、美股策略、期货策略，或者其他自己研究出来的方法，都可以使用类似流程进行测试。

真正需要改变的，主要就是最开始描述交易策略的那部分规则。

后面的：

确认规则 → 编写程序 → 下载数据 → 运行回测 → 生成报告 → 对比 Buy and Hold

整个流程基本都可以继续复用。

---

十五、适合加密货币、期货和美股吗？

可以。

如果你做加密货币，可以测试 BTC、ETH 等具有长期历史数据的标的。

如果你做美股，可以测试 QQQ、SPY 或具体股票。

如果做期货，则需要准备相应的历史期货数据，并特别注意连续合约、换月、手续费、点值以及滑点这些问题。

真正进入实盘之前，一定不要因为某一次历史回测赚钱，就直接认为未来也一定赚钱。

历史回测更多是帮助我们发现：

策略过去有没有统计上的优势、风险有多大、最坏的时候可能出现什么情况，以及这套规则到底值不值得继续研究。

---

我常用的交易和金融市场工具

如果你平时也在做加密货币、期货、美股或者量化交易，下面是我视频里经常使用和介绍的一些工具。

Binance 币安：全球主流加密货币交易平台
https://bit.ly/3PF8egr
邀请码：BFCYEW71
按当前活动规则可获得相应手续费优惠。

OKX 欧易：支持中文的加密货币交易平台
https://bit.ly/4gjq2d1
邀请码：88576911

Bybit：加密货币及合约交易平台
https://bit.ly/3EnpvbB
邀请码：95292

Bitget：支持跟单等功能的加密货币交易平台
https://bit.ly/4w9asXU
邀请码：bit6688

TradingView：看盘、技术分析和策略研究工具
https://bit.ly/3QApgwJ

ATAS：订单流与成交量分析软件
https://bit.ly/3PnQhWU

Bookmap：订单簿、流动性和热力图分析工具
https://bit.ly/4w9aoaC

NinjaTrader：期货交易和分析平台
https://bit.ly/4fnGQ3U

Trade Ideas：AI 美股选股和市场扫描工具
https://bit.ly/4vDwbYF

SignalStack：交易信号自动化连接工具
https://bit.ly/4q8gxkr

ChatGPT 官方下载：
https://chatgpt.com/zh-Hans-CN/download/

ChatGPT 会员及AI服务第三方平台：银河录像局
https://nf.video/C1dxn

第三方服务并非 OpenAI 官方服务，使用前请自行了解账号安全、付款方式及平台规则。

---

总结：以后不要靠感觉判断策略，用数据说话

以前普通交易者想认真回测一套交易策略，最大的障碍可能就是不会写代码。

但现在有了 ChatGPT Codex 和 Claude AI，我们完全可以先用普通语言描述自己的交易规则，再让 AI 帮我们整理逻辑、编写 Python 程序、调用历史行情数据，最后生成一份完整的回测报告。

整个过程中，最重要的其实不是代码。

而是把交易规则写清楚。

什么时候进场？

什么时候离场？

成交价格怎么算？

仓位是多少？

手续费是多少？

滑点怎么计算？

有没有未来数据泄漏？

最大回撤是多少？

最长多久没有创新高？

收益是不是主要来自少数几笔交易？

最重要的是：

这套策略到底有没有跑赢简单的买入并长期持有？

把这些问题全部搞清楚以后，你再去判断一套策略到底值不值得继续研究，会比单纯翻几张历史 K 线靠谱得多。

如果你后面准备把测试好的策略应用到加密货币市场，可以根据自己的需求选择下面的平台：

Binance 币安
https://bit.ly/3PF8egr
邀请码：BFCYEW71

OKX 欧易
https://bit.ly/4gjq2d1
邀请码：88576911

Bybit
https://bit.ly/3EnpvbB
邀请码：95292

Bitget
https://bit.ly/4w9asXU
邀请码：bit6688

如果主要是研究策略和看盘，我个人更建议先把 TradingView 配合 ChatGPT Codex 或 Claude AI 使用：

TradingView：
https://bit.ly/3QApgwJ

先研究、先回测、先看风险，再考虑是否进入真实交易。

本文部分链接属于联盟推广链接。如果你通过这些链接注册或购买服务，我可能会获得一定佣金，通常不会因此增加你的额外费用。交易平台优惠、手续费减免及活动规则可能随时间变化，请以各平台最终显示的规则为准。

风险提示：本文只用于 AI、量化交易和策略回测技术教学，不属于任何投资建议。加密货币、期货和股票交易都存在本金亏损风险，历史回测结果不代表未来表现，请根据自己的风险承受能力独立做出判断。