【大麦小米学量化】使用文心一言AI编写股票量化交易策略代码（含演示代码和进阶演示）

---

AI是个宝

小米听说百度开放了文心一言AI，好奇的跑去问大麦：“文心一言都放开了，什么代码都可以写，你还学Python干嘛呀？”
大麦：“怎么不学？不学你知道代码怎么回事儿！”
“你学了这么久，你敢说有我的AI写得快么？”，小米一脸鄙夷地斜视着大麦，似乎在等着大麦哥哥洋相出尽。
“我不信，AI能写出我的策略”，大麦反驳道，小米心里有些失望，但更有些高兴。
“量化交易，不是一个AI就可以搞定的，AI对通用的算法也许很强，但涉及到个性的API调用，还是需要调试吧！”
小米一听，立马挑战道：“是骡子是马，拉出来溜溜！”
“这谁怕谁啊？！”大麦不甘示弱，不服气的反驳道。
“我让文心一言给你写段代码”，小麦认真起来，也是巾帼不让须眉。
“来，来，来，写写就写写！”，大麦也来劲了。
只见小米打开Mac，就给文心写了一段话，最后一个优雅的回车。AI一字一句斟酌着，很快，代码就如蹦豆子一般，潇潇洒洒地写出来了。
“来，拿去试试”，小米大方将代码送给大麦哥哥，迫不及待地想得到结果。
“这个只是个片段，但是可以参考，等下我给它改改，运行试试”，大麦并不在意，而是认真的修改起来，就好像策略代码是自己写的。
“快快，咋样啊？”，小米迫不及待的盯着大麦哥哥的电脑屏幕，恨不得立马看见结果。
“好了，还不赖啊！百度不负等待啊！这代码可以运行，不错不错！”，大麦哥哥再也不吝啬夸赞之词，同时对这小米微微一笑，频频点头示意，好似在说：“妹妹带来了宝贝啊！”
“这以后你不用愁了吧”，小米也为能帮到大麦哥哥心生欢喜。
大麦看着妹妹，眼中透漏着光：“嗯嗯，妹妹眼睛是真亮啊！”

前言

AI已经发到到可以写代码了，那是不是也可以写写量化交易代码呢？
带着这个问题，我们试试文心一言。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、文心一言是什么？

文心一言：有用、有趣、有温度，既能写文案、读文档，又能脑洞大开、答疑解惑，还能倾听你的故事、感受你的心声。快来和我对话吧！

这是百度AI的介绍，为了试一试AI的代码书写能力，我们准备让其根据给出的文字策略，编写python代码。

二、让AI根据策略写出代码

1. 策略提示词

根据以下内容用python写出策略代码：
上破boll中轨买入，上破boll上轨0.5%卖出，下破boll中轨卖出

2. AI给出的策略代码及说明

以下是根据您提供的内容写出的策略代码：

import pandas as pd  
import numpy as np  
import talib  
  
def run_strategy(df):  
    # 计算boll指标  
    df['upper'], df['middle'], df['lower'] = talib.BBANDS(df['Close'], timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)  
      
    # 检查是否上穿boll中轨  
    buy_signal = np.where((df['Close'].shift(1) < df['middle'].shift(1)) & (df['Close'] > df['middle']), 1, 0)  
      
    # 检查是否超过boll上轨0.5%  
    sell_signal1 = np.where((df['Close'].shift(1) < df['upper'].shift(1)) & (df['Close'] > df['upper'] * 1.005), 1, 0)  
      
    # 检查是否下穿布林中轨  
    sell_signal2 = np.where(df['Close'] < df['middle'], 1, 0)  
      
    df['Buy'] = buy_signal.astype(int)  
    df['Sell1'] = sell_signal1.astype(int)  
    df['Sell2'] = sell_signal2.astype(int)  
      
    return df
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

这段代码同样使用了TA-Lib库中的BBANDS函数来计算布林线指标。首先计算出上轨、中轨和下轨，然后检查前一天的收盘价是否在中轨之下，当天的收盘价是否在中轨之上，如果是，则为买入信号。接着检查前一天的收盘价是否在上轨之下，当天的收盘价是否在上轨的0.5%之上，如果是，则为卖出信号。最后检查当天的收盘价是否在中轨之下，如果是，则为卖出信号。最后将买入和卖出信号添加到数据框中并返回。请注意，这里同样假设输入数据框df已经包含了收盘价数据，并且使用了np.where函数来实现条件判断。

三、进阶调试

由于AI代码并不包含数据提取和展示过程，我们这里增加一些代码，验证一下策略是否可执行，以及是否按要求执行策略。

'''
根据以下内容用python写出策略代码：
上破boll中轨买入，上破boll上轨0.5%卖出，下破boll中轨卖出
'''

import pandas as pd  
import numpy as np  
import talib  
  
def run_strategy(df):  
    # 计算boll指标  
    df['upper'], df['middle'], df['lower'] = talib.BBANDS(df['Close'], timeperiod=20, nbdevup=2, nbdevdn=2, matype=0)  
      
    # 检查是否上穿boll中轨  
    buy_signal = np.where((df['Close'].shift(1) < df['middle'].shift(1)) & (df['Close'] > df['middle']), 1, 0)  
      
    # 检查是否超过boll上轨0.5%  
    sell_signal1 = np.where((df['Close'].shift(1) < df['upper'].shift(1)) & (df['Close'] > df['upper'] * 1.005), 1, 0)  
      
    # 检查是否下穿布林中轨  
    sell_signal2 = np.where(df['Close'] < df['middle'], 1, 0)  
      
    df['Buy'] = buy_signal.astype(int)  
    df['Sell1'] = sell_signal1.astype(int)  
    df['Sell2'] = sell_signal2.astype(int)  
      
    return df
    
# ===============表格美化输出===============
def df_table(df,index):
    import prettytable as pt
    #利用prettytable对输出结果进行美化,index为索引列名:df_table(df,'market')
    tb = pt.PrettyTable()
    # 如果为trade_time为index转换为日期类型，其它不用管。
    if index == "trade_time":
        df = df.set_index(index)
        df.index = pd.DatetimeIndex(df.index)
    # df.reset_index(level=None, drop=True, inplace=True, col_level=0, col_fill='')
    df = df.reset_index(drop = True)
    tb.add_column(index,df.index)#按date排序
    for col in df.columns.values:#df.columns.values的意思是获取列的名称
        # print('col',col)
        # print('df[col]',df[col])
        tb.add_column(col, df[col])
    print(tb)


if __name__=='__main__':
    # 使用pip install prettytable 先安装这个库
    import prettytable as pt
	# 下载Ashare放到和本文件一个目录即可引用
    from Ashare import *
    df=get_price('sz300750',frequency='1d',count=500)
    print(df)
    # df.columns = [l.lower() for l in df.columns] # 将所有列名小写
    df.columns = [l.capitalize() for l in df.columns] # 将所有列名首字母改为大写
    print(df)
    ret = run_strategy(df)
    print(ret)
    df_table(ret.round(3),'AI')
    
    
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62

运行结果如下，Buy为1表示买入，Sell1为止盈卖出，Sell2为止损卖出：

+----+--------+--------+--------+--------+------------+---------+---------+---------+-----+-------+-------+
| AI |  Open  |  High  |  Low   | Close  |   Volume   |  upper  |  middle |  lower  | Buy | Sell1 | Sell2 |
+----+--------+--------+--------+--------+------------+---------+---------+---------+-----+-------+-------+
| 0  | 225.8  | 234.25 | 221.21 | 232.52 | 28956810.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 1  | 232.55 | 242.98 | 231.2  | 240.4  | 34747371.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 2  | 241.99 | 244.56 | 237.98 | 237.98 | 22309979.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 3  | 241.01 | 244.0  | 235.1  | 238.29 | 26706471.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 4  | 238.4  | 240.97 | 236.77 | 239.0  | 13973953.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 5  | 239.0  | 241.68 | 236.06 | 240.0  | 18246432.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 6  | 241.3  | 241.37 | 231.04 | 232.4  | 24123880.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 7  | 231.75 | 234.18 | 230.0  | 230.0  | 19472168.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 8  | 229.0  | 232.5  | 227.0  | 230.3  | 14679114.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 9  | 230.88 | 231.71 | 225.15 | 225.42 | 19613196.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 10 | 224.8  | 228.51 | 223.72 | 225.25 | 14785735.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 11 | 224.85 | 227.68 | 222.49 | 224.09 | 13753272.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 12 | 224.2  | 224.5  | 217.5  | 220.0  | 18211695.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 13 | 222.2  | 222.22 | 215.6  | 217.06 | 16537161.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 14 | 217.0  | 224.99 | 216.01 | 224.99 | 26467083.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 15 | 225.05 | 226.89 | 220.16 | 221.17 | 18869744.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 16 | 222.64 | 228.0  | 221.51 | 222.9  | 15941049.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 17 | 224.9  | 229.99 | 224.0  | 228.44 | 23181483.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 18 | 225.9  | 225.9  | 216.39 | 219.8  | 33595114.0 |   nan   |   nan   |   nan   |  0  |   0   |   0   |
| 19 | 218.01 | 222.3  | 216.98 | 219.28 | 17242526.0 | 243.347 | 228.465 | 213.582 |  0  |   0   |   1   |
| 20 | 216.38 | 216.5  | 204.45 | 207.3  | 50093939.0 | 244.565 | 227.204 | 209.842 |  0  |   0   |   1   |
| 21 | 212.75 | 213.3  | 207.0  | 208.01 | 23857940.0 | 243.744 | 225.584 | 207.424 |  0  |   0   |   1   |
| 22 | 208.55 | 213.13 | 208.55 | 212.04 | 24261728.0 | 242.425 | 224.287 | 206.149 |  0  |   0   |   1   |
| 23 | 211.95 | 214.0  | 208.9  | 211.95 | 18131632.0 |  240.67 |  222.97 |  205.27 |  0  |   0   |   1   |
| 24 | 211.01 | 213.93 | 210.68 | 213.1  | 13243699.0 | 238.248 | 221.675 | 205.102 |  0  |   0   |   1   |
| 25 | 217.15 | 217.63 | 213.0  | 213.4  | 16362927.0 | 234.978 | 220.345 | 205.712 |  0  |   0   |   1   |
| 26 | 214.99 | 230.88 | 214.89 | 230.88 | 50495682.0 | 234.665 | 220.269 | 205.873 |  1  |   0   |   0   |
| 27 | 232.0  | 234.17 | 228.3  | 231.1  | 29639828.0 | 234.876 | 220.324 | 205.772 |  0  |   0   |   0   |
| 28 | 232.99 | 232.99 | 226.0  | 227.88 | 18707081.0 | 234.458 | 220.203 | 205.948 |  0  |   0   |   0   |
| 29 | 227.87 | 231.31 | 225.77 | 228.0  | 17960501.0 | 234.818 | 220.332 | 205.846 |  0  |   0   |   0   |
| 30 | 228.81 | 230.5  | 224.9  | 224.91 | 17118438.0 | 234.779 | 220.315 | 205.851 |  0  |   0   |   0   |
| 31 | 219.91 | 226.95 | 219.68 | 225.17 | 15910609.0 | 234.897 | 220.369 | 205.841 |  0  |   0   |   0   |
| 32 | 223.98 | 226.3  | 221.18 | 223.47 | 13420648.0 | 235.131 | 220.543 | 205.954 |  0  |   0   |   0   |
| 33 | 222.22 | 226.5  | 222.0  | 224.5  | 13558644.0 | 235.509 | 220.915 |  206.32 |  0  |   0   |   0   |
| 34 | 223.51 | 226.91 | 222.5  | 222.5  | 9930233.0  | 235.285 |  220.79 | 206.295 |  0  |   0   |   0   |
| 35 | 223.99 | 229.99 | 220.35 | 228.79 | 21551522.0 | 236.081 | 221.171 | 206.261 |  0  |   0   |   0   |
| 36 | 231.95 | 233.95 | 228.55 | 229.88 | 15554352.0 | 236.895 |  221.52 | 206.145 |  0  |   0   |   0   |
| 37 | 228.5  | 230.05 | 227.68 | 229.25 | 10155673.0 | 237.012 | 221.561 | 206.109 |  0  |   0   |   0   |
| 38 | 229.26 | 230.41 | 225.5  | 227.51 | 8636414.0  | 237.586 | 221.946 | 206.306 |  0  |   0   |   0   |
| 39 | 227.0  | 228.48 | 223.97 | 224.85 | 10283568.0 | 237.863 | 222.225 | 206.586 |  0  |   0   |   0   |
| 40 | 224.8  | 224.85 | 221.6  | 222.25 | 9808377.0  | 237.036 | 222.972 | 208.908 |  0  |   0   |   1   |
| 41 | 223.0  | 230.0  | 223.0  | 228.8  | 16093831.0 | 236.481 | 224.012 | 211.542 |  1  |   0   |   0   |
| 42 | 229.65 | 229.99 | 226.58 | 229.09 | 9158787.0  | 236.225 | 224.864 | 213.503 |  0  |   0   |   0   |
| 43 | 228.5  | 229.4  | 226.5  | 226.99 | 8693260.0  |  235.33 | 225.616 | 215.902 |  0  |   0   |   0   |
| 44 | 228.21 | 235.0  | 228.21 | 230.0  | 22257672.0 | 234.462 | 226.461 |  218.46 |  0  |   0   |   0   |
| 45 | 230.15 | 230.93 | 226.55 | 228.28 | 13004091.0 | 232.529 | 227.205 | 221.881 |  0  |   0   |   0   |
| 46 | 227.01 | 228.0  | 223.6  | 225.65 | 10452522.0 | 232.028 | 226.944 | 221.859 |  0  |   0   |   1   |
| 47 | 227.8  | 227.88 | 224.5  | 225.5  | 8575776.0  | 231.407 | 226.664 |  221.92 |  0  |   0   |   1   |
| 48 | 224.0  | 224.95 | 218.58 | 219.5  | 17600182.0 | 231.881 | 226.245 | 220.608 |  0  |   0   |   1   |
| 49 | 219.0  | 226.69 | 219.0  | 221.05 | 14441648.0 | 231.902 | 225.897 | 219.892 |  0  |   0   |   1   |
| 50 | 220.85 | 222.98 | 219.76 | 221.59 | 8393526.0  | 232.013 | 225.731 | 219.449 |  0  |   0   |   1   |
| 51 | 217.15 | 220.88 | 214.14 | 218.98 | 13719339.0 |  232.36 | 225.422 | 218.483 |  0  |   0   |   1   |
| 52 | 224.9  | 227.64 | 221.02 | 226.35 | 19286245.0 | 232.455 | 225.566 | 218.676 |  1  |   0   |   0   |
| 53 | 225.12 | 227.0  | 223.66 | 226.66 | 15456786.0 | 232.561 | 225.674 | 218.786 |  0  |   0   |   0   |
| 54 | 231.0  | 232.88 | 226.88 | 226.98 | 20859235.0 | 232.647 | 225.898 | 219.148 |  0  |   0   |   0   |
| 55 | 226.98 | 231.0  | 225.05 | 230.05 | 18803095.0 | 232.839 | 225.961 | 219.082 |  0  |   0   |   0   |
| 56 | 234.0  | 239.5  | 233.1  | 237.75 | 29902754.0 | 234.805 | 226.354 | 217.903 |  0  |   1   |   0   |
| 57 | 237.4  | 239.1  | 234.5  | 235.5  | 15615168.0 | 235.945 | 226.667 | 217.388 |  0  |   0   |   0   |
| 58 | 237.0  | 239.49 | 235.5  | 236.5  | 14147185.0 | 237.337 | 227.116 | 216.895 |  0  |   0   |   0   |
| 59 | 236.0  | 239.97 | 235.53 | 239.14 | 16180526.0 | 239.246 | 227.831 | 216.415 |  0  |   0   |   0   |
| 60 | 245.0  | 249.96 | 241.11 | 245.51 | 31569675.0 | 242.454 | 228.994 | 215.533 |  0  |   1   |   0   |
| 61 | 244.5  | 246.94 | 243.31 | 246.49 | 14927749.0 | 245.347 | 229.878 | 214.409 |  0  |   0   |   0   |
| 62 | 245.98 | 249.33 | 244.88 | 247.14 | 15066676.0 | 247.971 | 230.781 |  213.59 |  0  |   0   |   0   |
| 63 | 245.5  | 247.68 | 243.14 | 247.0  | 11684661.0 | 250.254 | 231.781 | 213.308 |  0  |   0   |   0   |
| 64 | 247.9  | 251.33 | 244.12 | 246.5  | 14040964.0 | 252.131 | 232.606 | 213.081 |  0  |   0   |   0   |
| 65 | 248.95 | 248.95 | 241.5  | 241.5  | 17204064.0 | 253.054 | 233.267 |  213.48 |  0  |   0   |   0   |
| 66 | 239.2  | 239.98 | 230.21 | 232.9  | 25693218.0 | 253.109 |  233.63 |  214.15 |  0  |   0   |   1   |
| 67 | 232.88 | 234.6  | 229.4  | 231.3  | 14610073.0 | 253.076 |  233.92 | 214.763 |  0  |   0   |   1   |
| 68 | 231.52 | 234.38 | 230.11 | 232.6  | 14009045.0 | 252.575 | 234.575 | 216.574 |  0  |   0   |   1   |
| 69 | 234.99 | 236.5  | 228.88 | 235.25 | 20442773.0 | 252.181 | 235.285 | 218.388 |  0  |   0   |   1   |
| 70 | 235.29 | 239.12 | 234.42 | 235.87 | 16769998.0 | 251.684 | 235.999 | 220.313 |  0  |   0   |   1   |
| 71 | 233.99 | 235.87 | 232.2  | 232.96 | 10780439.0 | 250.409 | 236.698 | 222.986 |  0  |   0   |   1   |
| 72 | 234.8  | 235.18 | 227.51 | 230.75 | 15188941.0 | 250.088 | 236.918 | 223.747 |  0  |   0   |   1   |
| 73 | 230.7  | 231.9  | 227.0  | 227.5  | 11874911.0 | 250.004 |  236.96 | 223.915 |  0  |   0   |   1   |
| 74 | 228.88 | 231.54 | 226.5  | 228.95 | 14157716.0 | 249.826 | 237.058 |  224.29 |  0  |   0   |   1   |
| 75 | 227.93 | 229.97 | 225.81 | 228.34 | 11185129.0 | 249.948 | 236.973 | 223.997 |  0  |   0   |   1   |
| 76 | 241.5  | 243.96 | 229.5  | 230.5  | 22311515.0 |  249.88 |  236.61 |  223.34 |  0  |   0   |   1   |
| 77 | 231.2  | 243.0  | 230.92 | 238.5  | 29174995.0 | 250.045 |  236.76 | 223.475 |  1  |   0   |   0   |
| 78 | 239.4  | 242.0  | 237.5  | 237.5  | 14591637.0 | 250.098 |  236.81 | 223.522 |  0  |   0   |   0   |
| 79 | 237.1  | 238.5  | 236.13 | 236.55 | 9671527.0  | 249.925 | 236.681 | 223.436 |  0  |   0   |   1   |
| 80 | 236.6  | 239.51 | 234.6  | 236.4  | 9101132.0  | 248.835 | 236.225 | 223.615 |  1  |   0   |   0   |
| 81 | 238.21 | 238.76 | 233.4  | 237.65 | 14052387.0 | 247.512 | 235.783 | 224.054 |  0  |   0   |   0   |
| 82 | 237.0  | 239.5  | 236.16 | 236.82 | 11581665.0 | 245.799 | 235.267 | 224.735 |  0  |   0   |   0   |
| 83 | 236.05 | 237.17 | 232.8  | 234.42 | 12474783.0 | 243.691 | 234.638 | 225.585 |  0  |   0   |   1   |
| 84 | 233.0  | 233.75 | 226.51 | 226.51 | 19266090.0 | 241.578 | 233.639 | 225.699 |  0  |   0   |   1   |
| 85 | 225.0  | 227.2  | 220.5  | 222.94 | 16499443.0 | 241.084 | 232.711 | 224.337 |  0  |   0   |   1   |
| 86 | 222.9  | 223.55 | 219.68 | 221.53 | 17060897.0 | 241.828 | 232.142 | 222.456 |  0  |   0   |   1   |
| 87 | 222.0  | 222.41 | 217.54 | 217.93 | 18231209.0 | 242.975 | 231.474 | 219.972 |  0  |   0   |   1   |
| 88 | 217.0  | 219.15 | 215.03 | 216.6  | 15135693.0 | 243.854 | 230.674 | 217.493 |  0  |   0   |   1   |
| 89 | 213.68 | 216.3  | 213.03 | 214.93 | 18294104.0 | 244.319 | 229.658 | 214.996 |  0  |   0   |   1   |
| 90 | 212.0  | 214.0  | 206.6  | 207.76 | 33679992.0 | 245.435 | 228.252 | 211.069 |  0  |   0   |   1   |
| 91 | 206.0  | 214.69 | 206.0  | 213.06 | 26593485.0 | 245.506 | 227.257 | 209.008 |  0  |   0   |   1   |
| 92 | 213.06 | 213.48 | 210.6  | 212.32 | 15024395.0 | 245.618 | 226.336 | 207.053 |  0  |   0   |   1   |
| 93 | 213.0  | 213.33 | 208.68 | 209.9  | 13087485.0 | 246.009 | 225.456 | 204.902 |  0  |   0   |   1   |
| 94 | 210.01 | 210.95 | 206.67 | 206.73 | 16214929.0 | 246.372 | 224.345 | 202.317 |  0  |   0   |   1   |
| 95 | 205.5  | 211.45 | 205.5  | 210.93 | 22509065.0 | 246.167 | 223.474 | 200.781 |  0  |   0   |   1   |
| 96 | 213.02 | 213.62 | 208.71 | 209.28 | 13605355.0 |  245.67 | 222.413 | 199.156 |  0  |   0   |   1   |
| 97 | 206.67 | 207.35 | 203.5  | 204.5  | 20253782.0 | 243.988 | 220.713 | 197.438 |  0  |   0   |   1   |
| 98 | 206.3  | 208.49 | 202.45 | 203.66 | 21848959.0 | 242.088 | 219.021 | 195.954 |  0  |   0   |   1   |
| 99 | 204.0  | 206.5  | 202.58 | 203.03 | 15809524.0 |  239.94 | 217.345 |  194.75 |  0  |   0   |   1   |
+----+--------+--------+--------+--------+------------+---------+---------+---------+-----+-------+-------+
请按任意键继续. . .
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105

通过运行结果可以看出，确实可以生成买卖信号，而且也可以及时止损。当然这也还只是个片段。量化交易还需要结合资金和持仓情况才可以进行买卖操作。

---

总结

通过演示和运行测试，可以看出，使用AI已可以辅助我们书写策略代码，但代码仍有优化的空间。之前还测试过一些AI写出的代码，还需要进行debug。不过至少AI给我们提供了一些将文字策略转变为代码的思路，再结合各种量化交易API就可以进行模拟测试了。

如果要进行实盘，大家还是要谨慎再谨慎，毕竟真金白银可不是闹着玩的额，AI可不承担损失！

还是那句话：入市有风险，交易需谨慎！