[TOC]

Dengan pesatnya perkembangan teknologi kecerdasan buatan (AI), telah menunjukkan efisiensi dan kreativitas yang sangat tinggi di banyak bidang. Sebagai bidang yang sangat teknis, perdagangan kuantitatif secara alami juga secara aktif mengeksplorasi penerapan AI. Namun, dalam praktiknya, kita akan menemukan bahwa masih ada tantangan besar dalam mengandalkan AI semata-mata untuk secara langsung menghasilkan strategi perdagangan yang lengkap, stabil, dan menguntungkan secara berkelanjutan.

Khususnya bagi pengguna baru di platform, karena kemampuan pemrograman mereka yang lemah, sulit untuk menerapkan ide perdagangan mereka ke dalam kode strategi. Meskipun saat ini kita dapat memberi tahu AI ide-ide kita dan membiarkannya mengeluarkan strategi. Akan tetapi, efek implementasinya tidak sepenuhnya memenuhi harapan. Saya sering menjumpai pengguna yang datang untuk mengajukan pertanyaan dengan kode yang dihasilkan AI, dan terkadang saya dapat melihat strategi yang dihasilkan AI secara sekilas. Karena masih banyaknya masalah pada kode-kode strategi yang dihasilkan oleh AI pada tahap ini, penggunaan AI dengan cara ini bukan saja tidak akan menyelesaikan masalah apa pun, tetapi juga mendatangkan lebih banyak kebingungan dan masalah bagi para pemula. Semakin banyak yang saya pelajari, semakin bingung saya, dan akhirnya saya “menyerah untuk memulai”.

Saya pribadi berpendapat bahwa ada dua alasan utama untuk masalah saat ini dengan strategi keluaran langsung AI:

• Logika, akurasi, dan kejelasan proses deskripsi persyaratan strategis setiap orang sangat bervariasi, dan pemahaman model AI tentang bahasa alami ini akan bias.
• Model besar AI memiliki pemahaman terbatas tentang fungsi platform, API, dll., karena model umum tidak dilatih pada informasi platform, dan keakuratan informasi yang dihasilkan terbatas.

Jadi, apakah ada metode aplikasi lain yang lebih efisien? Artikel ini ingin berbagi cara berpikir baru: biarkan AI membantu kita mempelajari strategi yang ada, memahami desain strategi, mengekstrak detail dan teknik utama, serta menganalisis lebih lanjut efektivitasnya dan ruang untuk perbaikan. Metode ini tidak hanya membantu kita memahami esensi desain strategi lebih cepat, tetapi juga secara sistematis meningkatkan tingkat perdagangan kuantitatif kita.

Dengan memanfaatkan AI, AI dapat memiliki pemahaman yang relatif akurat tentang analisis kode tertentu, karena bagi AI, data kode adalah “1 adalah 1, 2 adalah 2” dan tidak akan ada kebingungan logis, ambiguitas, atau masalah lain yang disebabkan oleh persyaratan deskripsi bahasa alami. Jadi mengapa tidak memanfaatkan keunggulan AI untuk mengurangi beban kerja manual dan memanfaatkan sepenuhnya keunggulan pekerjaan manual.

Bagaimana cara menggunakan AI untuk membalikkan strategi pembelajaran?

Hal ini dapat dibagi menjadi beberapa langkah berikut:

• Pilih strategi yang ada Ini dapat ditulis sendiri, sumber terbuka, atau contoh strategi yang sangat bagus pada platform kuantitatif penemu.

• Biarkan AI membantu kami menjelaskan strateginya

Memahami ide keseluruhan

Urutkan modul fungsional setiap bagian

Memperjelas indikator, parameter, dan logika perdagangan yang digunakan

• Ajukan pertanyaan lebih lanjut untuk memandu AI menganalisis pro dan kontra dari strategi tersebut

Dalam kondisi pasar apa strategi tersebut berkinerja lebih baik?

Apa saja titik risiko yang mungkin terjadi?

Area mana yang dapat dioptimalkan dan ditingkatkan?

• Verifikasi dan sesuaikan berdasarkan pemikiran Anda sendiri

Pengujian ulang pada produk yang berbeda dan periode yang berbeda

Tambahkan filter tambahan atau tindakan pengendalian risiko

Amati perubahan kinerja dan bentuk wawasan Anda sendiri

Praktik

Mari kita biarkan AI mempelajari suatu strategi dan menjelaskannya kepada kita untuk melihat apakah itu memenuhi harapan kita. Ini dapat membantu kita mempelajari kuantifikasi.

Contoh Kebijakan

Desain dan implementasi strategi perdagangan peningkatan posisi langkah demi langkah berdasarkan penyaringan tren EMA Alamat strategi: https://www.fmz.com/strategy/492116

/*backtest
start: 2024-10-01 00:00:00
end: 2025-04-23 00:00:00
period: 1h
basePeriod: 1m
exchanges: [{"eid":"Futures_Binance","currency":"ETH_USDT"}]
args: [["targetProfit",20],["amount",20],["amountPrecision",3],["isAmountForUSDT",true]]
*/

function getTotalEquity_OKEX_V5() {
    var totalEquity = null 
    var ret = exchange.IO("api", "GET", "/api/v5/account/balance", "ccy=USDT")
    if (ret) {
        try {
            totalEquity = parseFloat(ret.data[0].details[0].eq)
        } catch(e) {
            Log("获取账户总权益失败！")
            return null
        }
    }
    return totalEquity
}

function getTotalEquity_Binance() {
    var totalEquity = null 
    var ret = exchange.GetAccount()
    if (ret) {
        try {
            totalEquity = parseFloat(ret.Info.totalWalletBalance)
        } catch(e) {
            Log("获取账户总权益失败！")
            return null
        }
    }
    return totalEquity
}

function getTotalEquity() {
    var exName = exchange.GetName()
    if (exName == "Futures_OKCoin") {
        return getTotalEquity_OKEX_V5()
    } else if (exName == "Futures_Binance") {
        return getTotalEquity_Binance()
    } else {
        throw "不支持该交易所"
    }
}

function ceilToDecimals(value, decimals) {
    const factor = Math.pow(10, decimals);
    return Math.ceil(value * factor) / factor;
}

function cancelAll() {
    while (1) {
        var orders = _C(exchange.GetOrders)
        if (orders.length == 0) {
            break
        }
        for (var i = 0 ; i < orders.length ; i++) {
            exchange.CancelOrder(orders[i].Id, orders[i])
            Sleep(interval)
        }
        Sleep(interval)
    }
}

function trade(distance, price, amount) {
    var tradeFunc = null 
    if (distance == "buy") {
        tradeFunc = exchange.Buy
    } else if (distance == "sell") {
        tradeFunc = exchange.Sell
    } else if (distance == "closebuy") {
        tradeFunc = exchange.Sell
    } else {
        tradeFunc = exchange.Buy
    }
    exchange.SetDirection(distance)
    return tradeFunc(price, amount)
}

function openLong(price, amount) {
    return trade("buy", price, amount)
}

function openShort(price, amount) {
    return trade("sell", price, amount)
}

function coverLong(price, amount) {
    return trade("closebuy", price, amount)
}

function coverShort(price, amount) {
    return trade("closesell", price, amount)
}

function plotRecords(c, buyOrder, sellOrder, pos) {
    var bars = _C(exchange.GetRecords)
    if (bars.length == 0) {
        return  
    }

    bars.forEach(function(bar, index) {
        c.begin(bar)
        if (index == bars.length - 1) {
            if (buyOrder) {
                c.hline(buyOrder.Price, "buy", "rgba(255, 0, 0, 0.2)", "dotted")
            }
            if (sellOrder) {
                c.hline(sellOrder.Price, "sell", "rgba(0, 255, 0, 0.2)", "dotted")
            }
            if (pos && pos.length == 1) {
                c.hline(pos[0].Price, "pos", "rgba(0, 0, 255, 0.2)", "dashed")
            }
        }
        c.close()
    })
}

var buyOrderId = null
var sellOrderId = null
var logStatusMsgBuff = ""

function main() {
    var exName = exchange.GetName()    
    if (isSimulate && exName == "Futures_OKCoin") {
        exchange.IO("simulate", true)
    }

    if (isReset) {
        _G(null)
        LogReset(1)
        LogProfitReset()
        LogVacuum()
        Log("重置所有数据", "#FF0000")
    }

    exchange.SetContractType(contractType)
    exchange.SetPrecision(pricePrecision, amountPrecision)
    Log("设置精度", pricePrecision, amountPrecision)
    exchange.SetMarginLevel(marginLevel)

    if (totalEq == -1 && !IsVirtual()) {
        var recoverTotalEq = _G("totalEq")
        if (!recoverTotalEq) {
            var currTotalEq = getTotalEquity()
            if (currTotalEq) {
                totalEq = currTotalEq
                _G("totalEq", currTotalEq)
            } else {
                throw "获取初始权益失败"
            }
        } else {
            totalEq = recoverTotalEq
        }
    }

    var addCounter = _G("addCounter")
    if (!addCounter) {
        addCounter = 1
        if (setAddCounter != -1) {
            addCounter = setAddCounter
        }
        _G("addCounter", addCounter)
    } else {
        addCounter -= 1
    }

    let c = KLineChart({
        overlay: true
    })
    
    var isLock = false 
    while (true) {
        var ticker = _C(exchange.GetTicker)        
        var pos = _C(exchange.GetPosition)
        if (pos.length > 1) {
            Log(pos)
            throw "同时有多空持仓"
        }

        var r = _C(exchange.GetRecords, 60 * 60)
        var ema = TA.EMA(r, 60)
        if (Math.abs(ticker.Last - ema[ema.length - 2]) / ema[ema.length - 2] > 0.03) {
            cancelAll()
            isLock = true 
        }
        if (Math.abs(ticker.Last - ema[ema.length - 2]) / ema[ema.length - 2] < 0.02) {
            isLock = false 
        }
        if (isLock) {
            LogStatus(_D(), "暂停, 检测阈值：", _N(Math.abs(ticker.Last - ema[ema.length - 2]) / ema[ema.length - 2], 3), logStatusMsgBuff)
            plotRecords(c, null, null, pos)
            Sleep(interval)
            continue 
        }

        var currentAcc = _C(exchange.GetAccount)
        if (currentAcc.Balance < totalEq * reserve) {
            throw "no money, stop"
        }

        if (addCounter > maxAddCounter) {
            LogStatus(_D(), "加仓已达到上限", logStatusMsgBuff)
            if (isMaxAddCounterClear && pos.length >= 1) {
                Log("加仓已达到上限，撤单，清仓")
                cancelAll()
                if (pos[0].Type == PD_LONG) {
                    var coverId = coverLong(-1, pos[0].Amount)
                } else if (pos[0].Type == PD_SHORT) {
                    var coverId = coverShort(-1, pos[0].Amount)
                }
                addCounter = 1
            }
            continue
        }

        if (pos.length == 0) {
            if (!IsVirtual()) {
                var currTotalEq = getTotalEquity()
                if (currTotalEq) {
                    LogProfit(currTotalEq - totalEq, "当前总权益：", currTotalEq)
                }
            }

            var tradeAmountLong = amount
            var tradeAmountShort = amount
            if (isAmountForUSDT) {
                tradeAmountLong = ceilToDecimals(tradeAmountLong * 1.01 / (ticker.Last - targetProfit / 5) / oneCtValue, amountPrecision)
                tradeAmountShort = ceilToDecimals(tradeAmountShort * 1.01 / (ticker.Last + targetProfit / 5) / oneCtValue, amountPrecision)
            }

            buyOrderId = openLong(ticker.Last - targetProfit / 5, tradeAmountLong)
            sellOrderId = openShort(ticker.Last + targetProfit / 5, tradeAmountShort)

            addCounter = 1
            _G("addCounter", addCounter)
        } else if (pos[0].Type == PD_LONG) {
            var n = ratio
            var price = ticker.Last
            var addAmount = isDoubling ? pos[0].Amount : (isAmountForUSDT ? (ceilToDecimals(amount * 1.01 / (price - targetProfit * n) / oneCtValue, amountPrecision)) : amount)
            buyOrderId = openLong(price - targetProfit * n, addAmount)
            sellOrderId = coverLong(pos[0].Price + targetProfit, pos[0].Amount)

            addCounter++
            _G("addCounter", addCounter)
        } else if (pos[0].Type == PD_SHORT) {
            var n = ratio
            var price = ticker.Last
            var addAmount = isDoubling ? pos[0].Amount : (isAmountForUSDT ? (ceilToDecimals(amount * 1.01 / (price + targetProfit * n) / oneCtValue, amountPrecision)) : amount)
            buyOrderId = coverShort(pos[0].Price - targetProfit, pos[0].Amount)
            sellOrderId = openShort(price + targetProfit * n, addAmount)

            addCounter++
            _G("addCounter", addCounter)
        }

        if (!sellOrderId || !buyOrderId) {
            cancelAll()
            buyOrderId = null 
            sellOrderId = null
            continue
        } 

        while (1) { 
            var isFindBuyId = false 
            var isFindSellId = false
            var orders = _C(exchange.GetOrders)
            var buyOrder = null 
            var sellOrder = null 
            for (var i = 0 ; i < orders.length ; i++) {
                if (buyOrderId == orders[i].Id) {
                    isFindBuyId = true 
                    buyOrder = orders[i]
                }
                if (sellOrderId == orders[i].Id) {
                    isFindSellId = true 
                    sellOrder = orders[i]
                }               
            }
            if (!isFindSellId && !isFindBuyId) {    
                cancelAll()
                break
            } else if (!isFindBuyId) {   
                Log("买单成交")
                cancelAll()
                break
            } else if (!isFindSellId) {  
                Log("卖单成交")
                cancelAll()
                break
            }

            var acc = _C(exchange.GetAccount)
            var tbl = {"type": "table", "title": "data", "cols": ["data", "symbol", "type", "price", "amount"], "rows": []}
            if (buyOrder) {
                tbl.rows.push(["订单", buyOrder.Symbol, buyOrder.Type == ORDER_TYPE_BUY ? "买入" : "卖出", buyOrder.Price, buyOrder.Amount])
            }
            if (sellOrder) {
                tbl.rows.push(["订单", sellOrder.Symbol, sellOrder.Type == ORDER_TYPE_BUY ? "买入" : "卖出", sellOrder.Price, sellOrder.Amount])
            }
            if (pos && pos.length == 1) {
                tbl.rows.push(["持仓", pos[0].Symbol, pos[0].Type == PD_LONG ? "多" : "空", pos[0].Price, pos[0].Amount])
            }

            logStatusMsgBuff = "当前权益：" + acc.Equity + ", 初始权益：" + totalEq + (!IsVirtual() ? ", 浮动盈亏：" + (acc.Equity - totalEq) : "") + ", 加仓次数：" + addCounter + "\n`" + JSON.stringify(tbl) + "`"
            LogStatus(_D(), "当前权益：", acc.Equity, ", 初始权益：", totalEq, !IsVirtual() ? ", 浮动盈亏：" + (acc.Equity - totalEq) : "", ", 加仓次数：" + addCounter, "\n`" + JSON.stringify(tbl) + "`")

            plotRecords(c, buyOrder, sellOrder, pos)            
            Sleep(interval)
        }
        Sleep(interval)
    }
}

function onexit() {
    Log("扫尾，撤销所有挂单")
    cancelAll()
}

Bagi siswa baru platform FMZ, melihat tumpukan kode seperti itu mungkin membuat Anda merasa bingung. Daripada mempelajari kode baris demi baris, kita mungkin juga (menjadi malas) dan menyerahkannya kepada AI, biarkan AI menjelaskannya kepada kita, dan meningkatkan efisiensi pembelajaran.

Penjelasan AI

Saya menggunakan GPT di sini, dan konten berikut dijelaskan oleh AI:

• I. Ringkasan Artikel ini akan memperkenalkan strategi perdagangan peningkatan posisi langkah demi langkah berdasarkan penyaringan tren EMA (rata-rata pergerakan eksponensial). Strategi ini terutama digunakan pada Binance Futures (Futures_Binance), mendukung pengujian ulang 1 jam, dan didasarkan pada agregasi data K-line 1 menit. Dengan memantau deviasi antara harga dan EMA secara real-time, strategi ini secara dinamis mengganti mode perdagangan (perdagangan normal/perdagangan ditangguhkan), secara bertahap meningkatkan posisi di pasar yang stabil, dan secara otomatis menangguhkan posisi dalam fluktuasi abnormal untuk menghindari risiko.

• 1. Logika Strategi
  • 1. Penyaringan tren (kontrol posisi kunci) Hitung EMA 60 periode dari data kandil jam terkini. Jika harga saat ini menyimpang dari EMA lebih dari 3%, tunda penempatan pesanan dan batalkan pesanan yang tertunda. Jika penyimpangannya turun hingga 2%, perdagangan normal akan dilanjutkan. Melalui penyaringan tren, Anda dapat menghindari risiko likuidasi yang disebabkan oleh peningkatan posisi yang sering terjadi dalam kondisi pasar yang bergejolak.
  • 1. Logika penambahan posisi (penambahan posisi secara bertahap) Bila pada awalnya tidak ada posisi, dua perintah tertunda, yaitu perintah beli harga rendah dan perintah jual harga tinggi, ditempatkan pada saat yang bersamaan. Harga pesanan: Pesanan beli ditempatkan di bawah harga saat ini (jarak targetProfit/5) Order jual ditempatkan di atas harga saat ini (jarak targetProfit/5) Jika order tertunda dieksekusi, peningkatan posisi akan dilakukan secara bertahap: Jika perintah beli dieksekusi, lanjutkan dengan menempatkan perintah beli berikutnya pada harga yang lebih rendah dan tetapkan perintah stop-profit jual untuk posisi yang ada. Jika perintah jual dieksekusi, lanjutkan dengan menempatkan perintah jual berikutnya pada harga yang lebih tinggi dan tetapkan perintah beli stop-profit untuk posisi yang ada. Jumlah posisi yang ditambahkan dapat ditetapkan dua kali lipat atau jumlah tetap. Ketika jumlah penambahan posisi mencapai maxAddCounter, strategi dapat memilih untuk memaksa likuidasi.
  • 1. Kontrol posisi dan perlindungan modal Tetapkan jumlah setiap posisi yang dibuka berdasarkan total ekuitas awal (totalEq). Mendukung estimasi jumlah kontrak berdasarkan jumlah USDT (secara otomatis menghitung jumlah pesanan berdasarkan harga dasar). Pastikan saldo yang tersisa di akun lebih besar dari proporsi tertentu (cadangan). Jika saldo tidak mencukupi, hentikan perdagangan.
• 1. Pengenalan fungsi dan modul inti
  • 1. Dapatkan total ekuitas akun Fungsi getTotalEquity dienkapsulasi untuk Binance Futures (Futures_Binance) dan OKEX V5 (Futures_OKCoin). Kompatibel dengan perbedaan API di berbagai bursa, secara seragam mengembalikan total aset akun saat ini (dalam mata uang USDT).
  • 1. Modul penempatan dan pembatalan pesanan perdagangan(arah, harga, jumlah): merangkum antarmuka pesanan terpadu. cancelAll(): Batalkan semua pesanan yang tertunda untuk mencegah akumulasi risiko karena terlalu banyak pesanan yang tertunda.
  • 1. Pembukaan posisi panjang, pembukaan posisi pendek dan penutupan posisi openLong(harga, jumlah): buka panjang. openShort(harga, jumlah): buka posisi pendek. coverLong(harga, jumlah): mendekati panjang. coverShort(harga, jumlah): kosong.
  • 1. Jumlah posisi yang ditambahkan dan catatan status Penggunaan_G() secara terus-menerus mencatat jumlah penambahan posisi addCounter untuk menghindari hilangnya status penambahan posisi setelah pemutusan dan pengaktifan ulang. Gunakan LogStatus untuk secara dinamis menampilkan informasi akun waktu nyata, status pesanan tertunda, dan informasi posisi.
  • 1. Gambar grafik Gunakan KLineChart untuk menggambar garis-garis utama seperti harga pesanan beli, harga pesanan jual, harga posisi rata-rata, dsb. untuk membantu dalam pengujian ulang visual dan pemantauan waktu nyata.
• 1. Diagram Alir Strategi

  flowchart TD
      开始 --> 初始化参数
      初始化参数 --> 账户余额检查
      账户余额检查 --> 计算EMA
      计算EMA --> 判断是否锁仓
      判断是否锁仓 -->|是| 暂停交易
      判断是否锁仓 -->|否| 正常交易
      正常交易 --> 是否有持仓
      是否有持仓 -->|无| 首次挂单
      是否有持仓 -->|有| 按持仓方向加仓与止盈挂单
      首次挂单 --> 等待成交
      按持仓方向加仓与止盈挂单 --> 等待成交
      等待成交 --> 挂单成交检测
      挂单成交检测 --> 成交后调整
      成交后调整 --> 更新加仓次数
      更新加仓次数 --> 是否超出最大加仓次数
      是否超出最大加仓次数 -->|是| 平仓
      是否超出最大加仓次数 -->|否| 继续交易

• Kelima, Kesimpulan Strategi peningkatan posisi langkah demi langkah berdasarkan penyaringan EMA ini memperhitungkan pengembalian dan pengendalian risiko, dan cocok untuk beroperasi di pasar yang fluktuatif dan berfluktuasi lemah. Melalui metode penambahan posisi yang fleksibel dan mekanisme jeda tren, kemungkinan likuidasi dapat dikurangi secara efektif dan efisiensi penggunaan modal dapat ditingkatkan. Mendukung pengujian ulang dan perdagangan nyata, dan desain modularnya memudahkan perluasan. Misalnya, dapat lebih lanjut memperkenalkan penyesuaian dinamis targetProfit dan jumlah, atau menambahkan indikator teknis lainnya untuk meningkatkan efek penyaringan.

  • Apakah Anda ingin saya memberi Anda saran tingkat lanjut? Misalnya: Cara meningkatkan posisi dua arah (two-way position) Cara menyesuaikan rasio peningkatan posisi secara dinamis Bagaimana cara menanamkan logika stop-loss pengendalian risiko?

Pertanyaan/penjelasan lokal

Mengenai pertanyaan GPT:

Konten berikut dijelaskan oleh AI:

Dalam strategi ini, penyaringan tren dicapai dengan:

var ema = TA.EMA(r, 60)
if (Math.abs(ticker.Last - ema[ema.length - 2]) / ema[ema.length - 2] > 0.03) {
    cancelAll()
    isLock = true 
}
if (Math.abs(ticker.Last - ema[ema.length - 2]) / ema[ema.length - 2] < 0.02) {
    isLock = false 
}
if (isLock) {
    LogStatus(_D(), "暂停, 检测阈值：", _N(Math.abs(ticker.Last - ema[ema.length - 2]) / ema[ema.length - 2], 3), logStatusMsgBuff)
    plotRecords(c, null, null, pos)
    Sleep(interval)
    continue 
}

• Analisis Kode Filter Tren EMA: TA.EMA(r, 60) digunakan untuk menghitung rata-rata pergerakan eksponensial (EMA) selama 60 jam terakhir. r adalah data K-line historis yang diperoleh oleh exchange.GetRecords, dan setiap titik data mewakili satu jam informasi harga. Susunan EMA menyimpan nilai EMA untuk setiap jam.[ema.length - 2] mewakili nilai EMA jam sebelumnya pada titik waktu saat ini.

Mengunci dan melepaskan tren: Dengan membandingkan perbedaan antara harga saat ini (ticker.Last) dan nilai EMA pada jam sebelumnya, persentase penyimpangan harga dari EMA dihitung. Math.abs(ticker.Last - ema[ema.length - 2]) / ema[ema.length - 2] menghitung persentase deviasi harga saat ini dari EMA jam sebelumnya. Jika deviasi melebihi 3% (> 0,03), tren pasar dianggap telah berubah secara signifikan, dan fungsi cancelAll() dipanggil untuk membatalkan semua pesanan yang tertunda, dan isLock ditetapkan ke true, yaitu posisi terkunci, mencegah perdagangan lebih lanjut. Jika harga menyimpang dari EMA kurang dari 2% (< 0,02), status kunci dilepaskan dan isLock ditetapkan ke salah.

Penghentian perdagangan: Jika isLock bernilai true (menunjukkan bahwa posisi saat ini terkunci), tidak akan ada lagi operasi perdagangan yang dilakukan. Program akan mengeluarkan catatan log dan memanggil plotRecords() untuk menggambar grafik guna menunjukkan tren terkini dan status posisi. Gunakan Tidur(interval) untuk berhenti selama periode waktu tertentu dan kemudian melanjutkan putaran.

• Pengujian ulang

Tampaknya beberapa tren dapat disaring. Dengan membaca sendiri kodenya, saya menemukan bahwa penjelasan AI sangat jelas, bahkan lebih jelas daripada jika saya menjelaskannya sendiri.

Meringkaskan

Dengan membiarkan AI menganalisis dan menjelaskan strategi keseluruhan, dan kemudian berdasarkan penjelasan AI tentang strategi keseluruhan, secara bertahap menganalisis, membongkar, dan menjelaskan detail lokal dari strategi tersebut dan menjelaskan ide-ide desain. Penjelasan yang kami terima relatif akurat. AI mencantumkan hampir semua rincian yang dirancang dalam strategi tanpa ada yang terlewat, dan melakukan analisis terperinci melalui pertanyaan lebih lanjut. Cara mempelajari keseluruhan pemikiran strategi, detail desain kode, dan meningkatkan pengalaman desain strategi semuanya sangat membantu.

Di jalan perdagangan kuantitatif, AI dapat menjadi mitra pembelajaran dan pertumbuhan yang sangat kuat bagi kita. Daripada mengandalkan AI untuk menghasilkan strategi yang sudah selesai dengan satu klik, AI dapat:

• Strategi Pembelajaran Mendalam yang Ada
• Memahami logika yang kompleks dengan cepat
• Pengalaman desain sistematis
• Optimalisasi dan inovasi berkelanjutan

Hanya jalur ini yang benar-benar dapat meningkatkan kemampuan perdagangan kuantitatif kita dan membangun sistem perdagangan sistematis kita sendiri. Pada Platform Perdagangan Kuantitatif Inventor, kita dapat memanfaatkan sepenuhnya kekuatan AI dan menggabungkannya dengan praktik kita sendiri untuk melangkah lebih jauh dan terbang lebih tinggi.