羅天奇

前言
很多人會有一個疑問：為什麼大模型DeepSeek 是一個量化交易團隊開發的？
其實，這背後有一個很簡單的原因——量化交易與大模型在本質上是相似的。量化交易的核心目標是預測下一根K 線的走勢，而大模型的任務是預測下一個字元或字串。無論是資料分析還是模型預測，背後都離不開巨量的資料、精妙的演算法和強大的算力。因此，量化交易者與大模型研究者的工作內容在本質上是相同的——他們都在利用先進的技術去解碼複雜的資料模式。
說到大模型與量化交易的結合，就不得不提世界知名的量化投資公司WorldQuant（世坤）。2015 年，WorldQuant 透過公開101 個阿爾法因子的方式，推動了全球量化交易的發展。更重要的是，他們是最早將大模型應用於量化研究和全球量化競賽的公司之一。2024 年，在WorldQuant 主辦的全球量化大賽中，我們團隊拿下了中國區前8 名中的4 個席位，這不僅是團隊的榮耀，也是我們在大模型與量化交易結合方面不斷探索的成果。
在這段歷程中，我們不斷借助大模型的強大能力，完成了對全球市場中近3000 萬個因子組合的測試和挖掘。正是因為大模型賦予了我們如此強悍的資料處理和預測能力，我們才能在巨量資料中快速挖掘出有價值的資訊。與以往的手工挖掘因子相比，我們的工作效率提升了近10000 倍！
大模型時代為我們提供了一次智力平權的機會。時至今日，我們已經可以利用大模型高效且高品質地完成很多工作。舉例來說，1 分鐘，實現從研報到因子建構，再到資料回測；10 分鐘，撰寫100 萬字的高品質文章；1 小時，翻譯20 萬字的可達出版水平的內容。效率的大幅提升徹底改變了量化交易的工作方式，甚至可以說，這是一次革命性的突破。
作為最早一批的量化研究者和大模型使用者，我深知大模型為投資者帶來的變革。在本書中，我將帶你走進人工智慧（AI）與量化交易的未來，探索如何利用大模型提高投資效率、發掘市場潛力，並在投資回報上取得更大的突破。
無論你是經驗豐富的投資者，還是剛剛涉足量化交易的新人，本書都能為你提供全新的視野和啟發，幫助你搭上AI 時代的列車。
所以，準備好了嗎？讓我們一起走進AI 時代的量化交易世界！

羅勇
2025 年4 月

前言
很多人會有一個疑問：為什麼大模型DeepSeek 是一個量化交易團隊開發的？
其實，這背後有一個很簡單的原因——量化交易與大模型在本質上是相似的。量化交易的核心目標是預測下一根K 線的走勢，而大模型的任務是預測下一個字元或字串。無論是資料分析還是模型預測，背後都離不開巨量的資料、精妙的演算法和強大的算力。因此，量化交易者與大模型研究者的工作內容在本質上是相同的——他們都在利用先進的技術去解碼複雜的資料模式。
說到大模型與量化交易的結合，就不得不提世界知名的量化投資公司WorldQuant（世坤）。2015 年，Worl...

▍第 1 章 量化交易基礎入門
1.1 什麼是量化交易
1.2 量化交易的研究物件與應用領域
1.3 發展簡史與行業現狀
1.3.1 量化交易的萌芽
1.3.2 量化交易的發展歷程
1.3.3 中國量化交易發展歷程
1.3.4 AI 時代的量化交易現狀
1.4 量化交易策略的五大分類
1.4.1 基本面量化交易策略
1.4.2 資產配置量化交易策略
1.4.3 阿爾法量化交易策略
1.4.4 貝塔量化交易策略
1.4.5 另類量化交易策略
1.5 未來趨勢與挑戰
1.6 本章小結

▍第 2 章 生成式 AI 入門簡介
2.1 初識大模型：常見誤區與能力分級
2.1.1 傳統誤區：關於生成式AI 的十大誤區
2.1.2 核心區別：推理模型和非推理模型的區別
2.1.3 能力分級：大模型使用者的九大段位
2.2 提示詞工程：與大模型有效溝通的藝術
2.2.1 主要框架：如何高效建構提示詞
2.2.2 突破技巧：利用搜尋引擎的高級技巧，提升使用精度
2.2.3 能力進階：系統提示詞與使用者提示詞的使用指南
2.3 工具與平臺推薦
2.3.1 國外平臺：ChatGPT，大模型的世界起源
2.3.2 中國之光：DeepSeek，中國大模型的驕傲
2.3.3 開放原始碼模型：那些靈活可控的AI 引擎
2.3.4 量化AI：大模型與量化交易的資料外掛程式與輔助平臺
2.3.5 中國生態：中國量化平臺生態與未來發展
2.3.6 選型建議：從簡單到複雜
2.4 大模型時代的學習與研究新模式
2.4.1 學習模式：大模型時代下的量化交易學習
2.4.2 報告撰寫：利用大模型撰寫量化交易研究報告的通用路徑
2.4.3 研究幫手：ChatGPT 的Deep Research 使用指南
2.4.4 思研差異：深度思考和深度研究的區別
2.5 大模型訂製與智慧體入門
2.5.1 微調與蒸餾：將DeepSeek-R1 微調/ 蒸餾為某領域的專家
2.5.2 智慧體原理：Manus 的底層技術原理
2.5.3 智慧體工具：MCP 深度解讀與使用研究
2.5.4 智慧體橋樑：深度解讀Agent2Agent 協定
2.6 本章小結

▍第 3 章 量化交易基礎入門
3.1 量化交易的資料基石
3.1.1 資料型態詳解
3.1.2 資料來源獲取與主流工具
3.1.3 資料前置處理的核心環節
3.1.4 實戰案例：資料獲取與前置處理流程
3.1.5 資料儲存與管理
3.1.6 練習建議與反思問題
3.2 財務指標的深度解析與業績預測（基本面量化）
3.2.1 策略邏輯與來源
3.2.2 資料需求與獲取方法
3.2.3 流程圖、模型與程式講解
3.2.4 適用場景與實戰應用
3.2.5 常見錯誤與最佳化建議
3.2.6 提示詞範本設計
3.2.7 練習建議與反思問題
3.3 研報因子的自動化解析與建模（基本面量化）
3.3.1 策略邏輯與來源
3.3.2 資料需求與獲取方法
3.3.3 流程圖與程式講解
3.3.4 適用場景與實戰應用
3.3.5 常見錯誤與最佳化建議
3.3.6 提示詞範本設計
3.3.7 練習建議與反思問題
3.4 多因子動態加權模型（資產配置量化）
3.4.1 策略邏輯與來源
3.4.2 資料需求與獲取方法
3.4.3 模型、流程圖與程式講解
3.4.4 適用場景與實戰應用
3.4.5 常見錯誤與最佳化建議
3.4.6 提示詞範本設計
3.4.7 練習建議與反思問題
3.5 資金流向與板塊輪動複盤（資產配置量化）
3.5.1 策略邏輯與來源
3.5.2 資料需求與獲取方法
3.5.3 程式講解
3.5.4 適用場景與實戰應用
3.5.5 常見錯誤與最佳化建議
3.5.6 提示詞範本設計
3.5.7 練習建議與反思問題
3.6 LV2 訂單簿不平衡因子的挖掘（阿爾法量化）
3.6.1 策略邏輯與來源
3.6.2 資料需求與獲取方法
3.6.3 模型、流程圖與程式講解
3.6.4 適用場景與實戰應用
3.6.5 常見錯誤與最佳化建議
3.6.6 提示詞範本設計
3.6.7 練習建議與反思問題
3.7 機器學習量價特徵工程（阿爾法量化）
3.7.1 策略邏輯與來源
3.7.2 資料需求與獲取方法
3.7.3 流程圖與程式講解
3.7.4 適用場景與實戰應用
3.7.5 常見錯誤與最佳化建議
3.7.6 提示詞範本設計
3.7.7 練習建議與反思問題
3.8 市場情緒量化評分系統（阿爾法量化）
3.8.1 策略邏輯與來源
3.8.2 資料需求與獲取方法
3.8.3 流程圖與程式講解
3.8.4 適用場景與實戰應用
3.8.5 常見錯誤與最佳化建議
3.8.6 提示詞範本設計
3.8.7 練習建議與反思問題
3.9 競價階段量價因子的挖掘（貝塔量化）
3.9.1 策略邏輯與來源
3.9.2 資料需求與獲取方法
3.9.3 流程圖、模型與程式講解
3.9.4 適用場景與實戰應用
3.9.5 常見錯誤與最佳化建議
3.9.6 提示詞範本設計
3.9.7 練習建議與反思問題
3.10 複盤連板梯隊結構與晉級率分析（ 貝塔量化）
3.10.1 策略邏輯與來源
3.10.2 資料需求與獲取方法
3.10.3 流程圖與程式講解
3.10.4 適用場景與實戰應用
3.10.5 常見錯誤與最佳化建議
3.10.6 提示詞範本設計
3.10.7 練習建議與反思問題
3.11 高頻量價資料策略開發（貝塔量化）
3.11.1 策略邏輯與來源
3.11.2 資料需求與獲取方法
3.11.3 流程圖與程式講解
3.11.4 適用場景與實戰應用
3.11.5 常見錯誤與最佳化建議
3.11.6 提示詞範本設計
3.11.7 練習建議與反思問題
3.12 高頻動量衰減因子開發（貝塔量化）
3.12.1 策略邏輯與來源
3.12.2 資料需求與獲取方法
3.12.3 流程圖與程式講解
3.12.4 適用場景與實戰應用
3.12.5 常見錯誤與最佳化建議
3.12.6 提示詞範本設計
3.12.7 練習建議與反思問題
3.13 龍頭股特徵提取與模仿策略（貝塔量化）
3.13.1 策略邏輯與來源
3.13.2 資料需求與獲取方法
3.13.3 流程圖與程式講解
3.13.4 適用場景與實戰應用
3.13.5 常見錯誤與最佳化建議
3.13.6 提示詞範本設計
3.13.7 練習建議與反思問題
3.14 輿情監控與事件驅動分析（另類量化）
3.14.1 策略邏輯與來源
3.14.2 資料需求與獲取方法
3.14.3 流程圖與程式講解
3.14.4 適用場景與實戰應用
3.14.5 常見錯誤與最佳化建議
3.14.6 提示詞範本設計
3.14.7 練習建議與反思問題
3.15 游資席位行為模式解析（另類量化）
3.15.1 策略邏輯與來源
3.15.2 資料需求與獲取方法
3.15.3 流程圖與程式講解
3.15.4 適用場景與實戰應用
3.15.5 常見錯誤與最佳化建議
3.15.6 提示詞範本設計
3.15.7 練習建議與反思問題
3.16 漲停原因歸類與題材持續性評估（另類量化）
3.16.1 策略邏輯與來源
3.16.2 資料需求與獲取方法
3.16.3 流程圖與程式講解
3.16.4 適用場景與實戰應用
3.16.5 常見錯誤與最佳化建議
3.16.6 提示詞範本設計
3.16.7 練習建議與反思問題
3.17 本章小結

▍附錄 A 量化交易基礎入門術語表
▍附錄 B 生成式 AI 入門術語表
▍附錄 C AI 量化交易策略及實戰案例

▍第 1 章 量化交易基礎入門
1.1 什麼是量化交易
1.2 量化交易的研究物件與應用領域
1.3 發展簡史與行業現狀
1.3.1 量化交易的萌芽
1.3.2 量化交易的發展歷程
1.3.3 中國量化交易發展歷程
1.3.4 AI 時代的量化交易現狀
1.4 量化交易策略的五大分類
1.4.1 基本面量化交易策略
1.4.2 資產配置量化交易策略
1.4.3 阿爾法量化交易策略
1.4.4 貝塔量化交易策略
1.4.5 另類量化交易策略
1.5 未來趨勢與挑戰
1.6 本章小結

▍第 2 章 生成式 AI 入門簡介
2.1 初識大模型：常見誤區與能力分級
2.1.1 傳統誤區：關於生成式AI 的...