购课后，欢迎加入袁老师的 AI 量化交流群
> 戳此加入群聊 <

• Codex、LLM、量化方法与人之间的分工和安全边界
• 掌握 AI 赋能量化系统的核心方法论与稳定工作流建立
• 配套完整代码，7 阶段搭建可回测的 AI 量化交易系统
• 实现系统扩展，1 套可迁移、可独立验证策略的判断方法

AI 生成的交易信号看起来逻辑严密，但如何判断它是否值得信任？这门课聚焦于构建一个可验证、可追溯、具备“停止线”的 AI 量化研究系统。你将理解 Codex 与 LLM 在量化流程中的合理分工与安全边界，掌握从交易想法到结构化假设、再到回测验证的完整工作流。课程围绕同一项目逐步推进，覆盖数据溯源、信号评分、回测多维评估（收益、回撤、过拟合风险等）及系统自动终止机制，帮助你建立一套可迁移、可独立复现的策略验证方法，避免被“流畅却错误”的 AI 输出误导。

当下 AI 已经深度介入量化交易领域，因为有了 LLM 以及 Codex 这类智能编码工具，事情突然变得顺手很多。LLM 可以帮你整理上下文、解释市场状态、把一堆信息压成结构化结论；Codex 可以进入代码仓库，读文件、改代码、跑测试、修失败、生成图表和页面。一个过去需要几个人配合的小型研究系统，现在一个人也能搭出雏形。

这当然让人兴奋，但也正因为太顺手，才更容易踩坑。

AI 给你一段“看起来很专业”的交易解释，不代表它真的知道市场会怎么走；Codex 帮你跑出一条漂亮的回测曲线，也不代表这条策略可以拿真钱试。量化研究里最要命的误会，往往不是程序报错，而是程序没报错、图也很好看、解释也很流畅，然后你就信了。

但是，这些问题你是否真正思考过：

• 一个想法怎样写成可以被验证的假设
• 一份数据怎样留下来源、时间、缺失和回退记录
• 一个 LLM 信号怎样被结构化、评分、拒绝和复查
• 一条策略怎样进入回测，而不是直接变成订单
• 一次回测怎样同时看收益、回撤、成本、窗口稳定性和过拟合风险
• 一个研究系统怎样在自动化之前先学会停下来
• 别人能不能接手你的材料，复跑同样的命令，看见同样的证据，等等……

本专栏要完善的，正是这条从“做出来”到“证明它值不值得相信”的路。我们将使用 Codex 建立一套可验证、可追溯、有停止线的量化研究系统——让结果可复算、过程可追溯、结论可在未见数据上重复，以及失败时系统可及时终止、减少损失。

更加值得一提的是，整门课程始终围绕同一个可运行项目推进：每一讲都把新的数据、规则、代码或验收记录接到上一讲的成果上。

配套代码地址：https://github.com/congde/web3-quant-sandbox.git

因此，你学到的不只是“这套 AI 量化系统怎么做”“用 Codex 怎么做”，而是下一次换一个市场、策略、模型或者智能编码工具时，仍然知道应该先问什么、留下什么证据、在哪里停下来、全链路如何开发。这也是本专栏与“让 AI 直接给一段策略代码”最大的区别。

面向开发工程师、量化新人、金融从业者（需有 1 年以上编程基础）：

• 有交易灵感但不懂量化
• 想用 LLM 做量化系统
• 回测好看、实盘亏损
• 想要标准化投研流程

1. 订阅成功后，推荐通过“极客时间”App 端、Web 端学习。
2. 本专栏为虚拟商品，交付形式为图文 + 音频，一经订阅，概不退款。
3. 订阅后分享海报，每邀一位好友订阅有现金返现。
4. 戳此查看最新课表、 极客时间 VIP 超值福利，掌握前沿趋势。
5. 企业采购推荐使用“极客时间企业版”便捷安排员工学习计划，掌握团队学习仪表盘。
6. 戳此申请学生认证，订阅课程享受原价 5 折优惠。
7. 价格说明：划线价、订阅价为商品或服务的参考价，并非原价，该价格仅供参考。未划线价格为商品或服务的实时标价，具体成交价格根据商品或服务参加优惠活动，或使用优惠券、礼券、赠币等不同情形发生变化，最终实际成交价格以订单结算页价格为准。