AI量化文档｜小石谈AI技

AI量化Agent新手训练最终手册

2026.5.17更新，由于大家对于港/A的数据来源数据库需求很大，于是我做了一个数据库带更新脚本和使用说明，你们自取：

通过网盘分享的文件：A+港数据库带说明带更新脚本

链接: https://pan.baidu.com/s/1PrHODcCqryaRjFGdBt6QbQ?pwd=6666 提取码: 6666

AI量化 Agent 新手训练最终手册

从数据接入、回测、新闻监控、评分决策到模拟交易报告

整合版本：案例库 + 加密流水线 + A股流水线 + 专业评分系统 + Prompt系统

|文档定位|说明|

|—|—|

|适用对象|零基础或初级开发者、AI Agent 调教者、量化交易内容创作者|

|最终目标|训练一个能读取行情、执行回测、监控新闻、输出结构化交易建议和报告的基础 Agent|

|推荐落地顺序|先做 BTC/ETH 加密市场 MVP，再扩展到 A股政策与公告研究系统|

|默认安全边界|先只读分析和模拟交易；真实交易必须关闭，除非完成长期测试和人工确认|

重要声明：本文档用于技术研究、系统训练和演示，不构成任何投资建议。回测盈利不代表未来盈利，模拟交易不代表实盘可行。任何真实交易都需要独立判断、合规审查、权限隔离和风险自担。

—

一、最终目标：新手要训练出什么 Agent

这个 Agent 不是“预测涨跌机器”，而是一个“信息处理 + 回测验证 + 风险控制 + 结构化报告”的交易研究助手。新手最容易犯的错，是一开始就让 AI 直接喊买卖。本手册的核心原则是：先让 Agent 学会看见市场，再学会验证策略，最后才输出模拟交易计划。

|—|—|—|—|

二、建议先做哪个市场

|市场|适合新手程度|优点|难点|建议阶段|

|—|—|—|—|—|

本手册建议：新手先用 BTC/ETH 做最小可用系统，因为可以更快完成“数据 → 回测 → 报告 → 模拟交易建议”的闭环。A股部分作为进阶版本，重点做政策理解、公告解读和信号报告，不建议新手一开始接真实券商交易。

三、MVP 版本：30天内做出可演示系统

|阶段|时间|目标|交付物|

|—|—|—|—|

|第1阶段|第1-3天|创建项目结构、配置 .env、日志系统|main.py、config.py、logs/|

|第2阶段|第4-7天|接入 Binance K线与基础行情|klines_BTCUSDT_1h.parquet、market_snapshot.json|

|第3阶段|第8-12天|搭建回测层，支持均线策略和固定条件策略|backtest_report.json、equity_curve.csv|

|第4阶段|第13-16天|接新闻与情绪数据，先支持手动粘贴新闻 + 简单 API|event_stream.json|

|第5阶段|第17-21天|搭建评分系统和决策输出 JSON|score_card.json、decision.json|

|第6阶段|第22-25天|加入风控复核模型和仓位规则|risk_report.json|

|第7阶段|第26-30天|生成日报/周报和模拟交易记录|AI交易Agent日报.docx、paper_trade_log.csv|

四、项目结构建议

ai_quant_agent/

.env.example

README.md

requirements.txt

main.py

config.py

scheduler.py

data/

raw/

processed/

backtest/

connectors/

binance_rest.py

coingecko.py

news_source.py

x_watchlist.py

backtest/

engine.py

metrics.py

anti_lookahead.py

analysis/

indicators.py

event_scoring.py

sentiment_scoring.py

decision_schema.py

llm/

prompts.py

main_decision_agent.py

validator_agent.py

risk/

risk_control.py

truth_check.py

position_sizing.py

execution/

paper_trade.py

binance_testnet.py

kill_switch.py

reports/

daily_report.py

templates/

logs/

data.log

decision.log

risk.log

execution.log

五、数据层：先让 Agent 看见市场

|—|—|—|—|

数据层 Agent 提示词：

你是数据接入工程 Agent。请先实现只读数据层，不允许下单。

目标：读取 BTC/ETH K线、市场概览和新闻事件，并统一输出 JSON。

要求：

1. 所有 API Key 从 .env 读取，禁止写死。

2. K线字段统一为 timestamp, open, high, low, close, volume, source, symbol, interval。

3. 每个接口必须有 timeout、retry、error log。

4. 输出 market_snapshot.json，供回测层和决策层使用。

5. 如果数据缺失，必须标记 missing，不允许编造。

六、回测层：让策略先接受历史检验

回测层是新手系统里最重要的一层。没有回测，Agent 只是会说话；有了回测，Agent 才开始变成可验证的研究工具。

|回测要求|说明|

|—|—|

|禁止未来函数|任何交易信号只能使用当前 K线及之前的数据，不能偷看未来价格|

|扣除成本|必须包含手续费 fee_rate、滑点 slippage，A股还要考虑印花税和最低佣金|

|记录每笔交易|entry_time、entry_price、exit_time、exit_price、pnl、reason 必须完整|

|指标完整|累计收益、最大回撤、胜率、盈亏比、交易次数、平均持仓时间|

|样本数量检查|少于 30 笔交易只能标记“样本不足”，不能得出强结论|

|A股特殊规则|T+1、涨跌停、停牌、ST、退市风险必须额外处理|

回测层 Agent 提示词：

你是回测工程 Agent。请基于历史 K线实现一个安全回测框架。

策略 MVP：5日均线上穿20日均线买入，5日均线下穿20日均线卖出。

要求：

1. 支持 fee_rate 和 slippage。

2. 信号计算不能使用未来数据。

3. 每笔交易必须记录 entry_time, entry_price, exit_time, exit_price, pnl, reason。

4. 输出 total_return, max_drawdown, win_rate, profit_factor, trade_count。

5. 如果 trade_count \< 30，结论必须写“样本不足”。

6. 回测结果只能用于研究，不能当成收益承诺。

|—|—|—|—|

七、新闻监控层：识别事件，而不是看到新闻就交易

|等级|含义|例子|处理方式|

|—|—|—|—|

新闻监控 Agent 提示词：

你是新闻监控 Agent。请对输入的新闻、公告、X 动态或宏观事件进行去重、摘要和分级。

要求：

1. 不允许把“标题利好”直接等同于上涨。

2. 每条新闻输出：summary, related_symbols, direction, impact_level, credibility, already_priced, risk_note。

3. 传言、二手消息、KOL喊单必须标记 truth_status = unverified。

4. S级事件必须触发 risk_pause = true。

5. 重大新闻至少需要两个来源，或者官方原文。

八、评分系统：把主观判断变成可回测变量

评分系统的作用，是让 Agent 每次用同一把尺子判断市场。所有模块独立评分，最后汇总。不要让 Agent 用“感觉不错”“可能上涨”这种模糊语言。

|—|—|—|—|

|事件/政策|25%|25%-40%|来源级别、影响范围、是否已被市场反应|

|情绪|20%|10%|FOMO 扣分，恐慌不等于无脑买入，需要结构确认|

|K线结构|20%|15%|趋势、突破、成交量、关键位|

|技术指标|15%|10%|RSI、MACD、均线，多指标共振才有效|

|资金/盘口|20%|20%-25%|资金流入、订单簿、北向/主力资金、板块强度|

|风险扣分|-0到-30|-0到-30|流动性、黑天鹅、停牌、ST、减持、财报雷|

基础决策阈值：总分 ≥ 80 为强候选；70-80 为候选；60-70 为观察；低于 60 禁止交易。副模型或风控层否决时，即使总分高也不能执行。

评分汇总 JSON：

“market”: “crypto/a_stock”,

“symbol”: “BTCUSDT”,

“timeframe”: “1h”,

“scores”: \{

“event_score”: 0,

“sentiment_score”: 0,

“kline_score”: 0,

“technical_score”: 0,

“fund_flow_score”: 0,

“backtest_score”: 0,

“risk_deduction”: 0

\},

“final_score”: 0,

“decision”: “avoid/watch/candidate/strong_candidate”,

“confidence”: 0,

“need_human_confirm”: true

九、决策层：输出可执行建议，而不是喊单

综合决策 Agent 提示词：

你是 AI 量化交易综合决策 Agent。你必须基于行情、新闻、评分、回测和风控信息输出结构化建议。

禁止输出“必涨”“梭哈”“稳赚”等表达。

固定输出：

“symbol”: “”,

“market_state”: “trend/range/panic/fomo”,

“direction”: “long/short/wait”,

“final_score”: 0,

“confidence”: 0,

“entry_condition”: “”,

“invalid_condition”: “”,

“stop_loss”: “”,

“take_profit”: “”,

“position_suggestion”: “”,

“reason_summary”: \[\],

“conflict_signals”: \[\],

“need_human_confirm”: true

|字段|新手必须理解的含义|

|—|—|

|entry_condition|不是立刻买，而是满足什么条件才允许进入|

|invalid_condition|什么情况说明原逻辑失效，必须撤销计划|

|position_suggestion|仓位建议，不是收益承诺；新系统默认低仓位|

|conflict_signals|相互矛盾的信号必须写出来，例如新闻利好但资金流出|

|need_human_confirm|默认 true，新手阶段所有交易都需要人工确认|

十、风控层：最高权限，一票否决

风控层不是补充说明，而是系统的刹车。新手训练 Agent 时，必须让副模型只负责挑错，不允许副模型重新生成更激进的交易计划。

|风控条件|通过|降级|拒绝|

|—|—|—|—|

|总评分|\>=75|60-75|\<60|

|仓位|\<=5%|\<=2%|超过上限|

风控复核 Agent 提示词：

你是风控审查 Agent。你的任务不是提出新交易，而是反驳主模型。

请检查：

1. 是否过度乐观？

2. 是否忽略重大风险？

3. 新闻来源是否可靠？

4. 评分是否与证据匹配？

5. 回测是否样本不足或存在未来函数？

6. 仓位是否超限？

7. 是否需要人工确认？

输出 JSON：

“approved”: false,

“risk_level”: “low/medium/high”,

“veto_reason”: “”,

“position_limit”: “”,

“required_checks”: \[\]

十一、执行层：只做模拟交易和订单计划

新手最终可以实现“基本交易或呈现基本策略”的 Agent，但推荐先实现模拟交易和订单计划。真实交易必须有开关、权限隔离、测试网、小资金、人工确认。

|阶段|权限|动作|上线要求|

|—|—|—|—|

执行前检查 Agent 提示词：

你是执行前检查 Agent。只有风控层通过时，你才能输出订单计划。

必须检查：

1. ENABLE_REAL_TRADING 是否为 true。

2. 是否处于 Testnet 或 Paper Trading。

3. API 是否禁止提现。

4. 是否设置 IP 白名单。

5. 是否有止损和失效条件。

6. 仓位是否超限。

7. 主模型和复核模型是否一致。

如果任何一项不满足，输出“不执行”。

十二、A股进阶：政策理解优先

A股 Agent 的第一优先级不是盘口高频，而是政策、公告、资金风格和交易规则。新手做 A股时，建议先做“研究与信号系统”，不要一开始做自动交易。

|A股特殊点|Agent 必须处理|

|—|—|

|T+1|当天买入不能当天卖出，回测不能按加密日内逻辑写|

|涨跌停|涨停可能买不到，跌停可能卖不出，回测要模拟不可成交|

|停牌/ST/退市|必须作为风险扣分或直接禁入|

|政策驱动|需要识别来源、级别、影响行业、是否已被市场反应|

|公告风险|减持、业绩雷、诉讼、审计非标、监管问询必须排雷|

A股政策理解 Agent 提示词：

你是 A股政策理解 Agent。你的任务不是简单判断利好利空，而是拆解政策影响路径。

必须按以下步骤分析：

1. 判断政策来源：国务院/证监会/央行/发改委/工信部/财政部/交易所/地方政府/媒体转载。

2. 判断政策级别：国家级、部委级、地方级、交易所规则、行业协会倡议。

3. 判断政策类型：宏观流动性、财政刺激、产业扶持、监管收紧、资本市场制度、行业准入等。

4. 判断受益方向和受损方向。

5. 判断时间周期：当天、1-5个交易日、1-3个月、长期产业趋势。

6. 判断市场是否已反应：未反应、部分反应、充分反应、过度反应。

7. 输出政策交易价值评分，低于60不得进入交易候选。

8. 来源不可靠或信息不完整时，必须输出“需要验证，不可交易”。

十三、案例触发库：让 Agent 主动发现机会

|案例|目标|触发条件|核心输出|

|—|—|—|—|

十四、最终报告模板

Agent 每次运行后都应生成报告。报告不是为了好看，而是为了复盘、审计和后续优化。

AI量化Agent日报模板：

1. 今日市场状态

– BTC/ETH 或 A股指数状态

– 波动率、成交量、情绪变化

2. 重要事件摘要

– 事件1：来源、可信度、影响等级、相关标的

– 事件2：来源、可信度、影响等级、相关标的

3. 策略回测结果

– 策略名称

– 回测区间

– 交易次数

– 总收益

– 最大回撤

– 胜率

– 盈亏比

– 样本是否充足

4. 今日评分卡

– 事件评分

– 情绪评分

– K线评分

– 技术评分

– 资金评分

– 风险扣分

– 综合评分

5. 模拟交易建议

– 方向：long/short/wait

– 入场条件

– 止损/止盈

– 失效条件

– 仓位建议

– 是否需要人工确认

6. 风控复核结论

– 通过/不通过/需要更多数据

– 最大风险

– 降级建议

7. 复盘备注

– 本次信号是否执行

– 执行后结果

– 下次需要优化的规则

十五、最小可用 Prompt 总包

下面这段可以直接交给开发型 AI，让它按模块开发一个最小可用版本。

你现在要帮我开发一个新手版 AI 量化 Agent。

目标：先实现 BTC/ETH 的数据接入、回测、新闻监控、评分决策、风控复核和报告生成。

要求：

1. 默认只做研究、回测、报告和模拟交易，不允许真实下单。

2. 所有 API Key 从 .env 读取，禁止写死。

3. 数据层先接 Binance K线，字段统一。

4. 回测层先实现 MA5/MA20 均线策略，必须扣手续费和滑点，禁止未来函数。

5. 新闻层先支持手动输入新闻 + RSS/API 扩展接口，输出事件等级和可信度。

6. 评分层使用事件、情绪、K线、技术、资金、风险扣分。

7. 决策层必须输出固定 JSON，不允许自由发挥。

8. 风控层拥有一票否决权，副模型只负责挑错。

9. 报告层输出 backtest_report.json 和 daily_report.docx。

10. 项目必须包含 README、.env.example、日志和测试样例。

十六、验收清单

|验收项|通过标准|

|—|—|

|能读取数据|能下载 BTC/ETH 历史 K线，字段完整，无 API Key 泄露|

|能回测|输出收益、最大回撤、胜率、交易次数、每笔交易记录|

|能防未来函数|信号计算只使用当前及历史数据|

|能接新闻|能输入或抓取新闻，并输出事件等级和可信度|

|能评分|每个模块都有 0-100 分，并能解释依据|

|能风控|副模型能否决交易，仓位规则能生效|

|能报告|生成日报/回测报告，结构固定，可复盘|

|能模拟交易|只记录虚拟成交，不触发真实订单|

|能长期运行|至少连续运行 7 天，无明显崩溃和数据缺失|

十七、常见新手错误

一开始就接真实交易接口，而不是先做回测和模拟盘。

只看回测收益，不看最大回撤、交易次数和样本数量。

让 AI 自由发挥，不要求固定 JSON 输出。

把新闻利好直接等于上涨，忽略“市场是否已反应”。

没有副模型复核，没有风控一票否决。

把 API Key 写死在代码里，或者给交易所 API 开提现权限。

A股回测忘记 T+1、涨跌停、停牌和 ST。

用过拟合参数优化出漂亮曲线，然后误以为可以实盘。

十八、最终建议

新手的第一目标不是赚钱，而是让系统完成一个严谨闭环：数据真实、规则明确、回测可复现、报告可审计、风控能拒绝。只要这个闭环跑通，Agent 就已经从“聊天机器人”变成了一个基础交易研究系统。

推荐最终演示路径：先展示 BTC/ETH K线读取，再展示一个 MA5/MA20 回测报告，然后输入一条新闻让 Agent 做事件评分，最后输出“模拟交易计划”。