首页 › 指南

在冻结的市场上测试 LLM 交易智能体

问一个 LLM「去年春天你会买什么」，这样的测试意义不大：它可能记得后来发生了什么，粗心的设置还会把第二天的价格或新闻交给它。风险感知交易智能体让任何模型一个收盘一个收盘地交易 2026 年美股，用的数据只包含当天已知的信息，每一笔订单都和结果一起保存下来。

为什么 LLM 交易的结果很难让人信服

• 记忆。用测试期间的文本训练过的模型，可能记得某只股票或大盘后来怎么走。
• 提示词里的未来函数。决策之后的价格、指标或新闻混进了上下文。
• 不可能的成交。按模型刚刚读到的那个收盘价成交。
• 没有记录。没有确切的数据、提示词和订单，别人无法检查，也无法重跑。
• 不可信的文本。新闻标题是别人写的，模型应当把它当成引用的资料，而不是指令。

一次会话是怎么进行的

每个决策日，模型会拿到一份观察：市场状态和 VIX、恐慌贪婪、板块广度和临近的宏观事件；它自己的持仓；以及每只股票的主要指标和最多三条收盘前发布的标题，每条都标明核实状态。它用订单回答，订单在下一个交易日开盘成交：

{"orders": [
  {"symbol": "AAPL", "action": "buy",    "weight": 0.10, "reason": "上升趋势中回踩 EMA50"},
  {"symbol": "TSLA", "action": "sell",   "fraction": 1.0, "reason": "新闻里有风险信号"},
  {"symbol": "MSFT", "action": "target", "weight": 0.05, "reason": "减仓"}
], "note": "其余持有"}

只做多，同时持股数有上限。模型可以每天决策，也可以每周决策一次来节省 token。整次运行和别的实验一样保存下来：数据哈希、设置、每一步的订单、相对 SPY 和等权组合的净值曲线，以及带置信区间的统计量。

盲测模式

打开盲测模式后，股票代码变成 S01、S02……，日期变成「第几天」，价格从第一天起换算成 100，标题里的公司名和代码也换成同样的化名，比如「S01 Stock Moves Lower As Investors Assess Its AI Edge Against S03」。它能降低模型回忆起结果的可能，但排除不了：一条不寻常的标题、所属行业和价格走势放在一起，仍然可能暴露是哪只股票。

用任意模型来跑

riskaware research trade --llm ollama:qwen2.5:3b --universe core --decide-every 5 --blind
riskaware research trade --llm openai:gpt-5.6-luna --universe megacap --decide-every 1
riskaware research trade --llm claude-cli --universe core --decide-every 5

本地模型通过 Ollama 运行；OpenAI 兼容的服务、Anthropic，以及 Claude Code、Codex 和 Gemini 的命令行工具也都可以用。在 Python 里，任何「观察 → 订单」的函数都可以当作一个策略：

from riskaware.research import Experiment
from riskaware.research.agent import llm_policy, run_policy

result = run_policy(llm_policy("ollama:qwen2.5:3b"),
                    Experiment(universe="core", max_positions=5), decide_every=5, blind=True)
print(result.summary()["metrics"], result.folder)

让 Claude 通过 MCP 来交易，或者测试你的策略

先连一次项目的 MCP 服务器（riskaware mcp-setup claude-desktop --apply，或者 claude mcp add riskaware -- riskaware mcp）。之后 Claude 可以用 trading_session_start 和 trading_session_step 自己把这一年交易一遍，用 market_day 查任意一天，也可以把你描述的策略写成代码，用 run_experiment 测试：

Claude 写的代码会先检查有没有写日期、股票代码和副作用，再在单独的进程里运行，最后返回指标、置信区间和防偷看检查的结论：每次实验都会把三个切点之后的数据换成随机的再跑一遍，切点之前的决定都不能变。

写论文时

• 写清楚用的哪个模型、多久决策一次、是否盲测，并给出运行记录的文件夹。
• 先定好时间段和设置再看结果；用前半段调参，在后半段只测一次（split="2026-07-01"）。
• 报告置信区间：十个月的样本很短。
• 和五个波段基准策略以及等权组合比，不要只和 SPY 比。

更多指南