技能越火越该泼冷水:代理做日内交易的收益是「放大器」还是「放大器式的风险」

原创2026-10-25 15:27:071,607 阅读

技能越火越该泼冷水:代理做日内交易的收益是「放大器」还是「放大器式的风险」

2026 年下半年,"给 Claude 装一套技能就能做日内交易"成了开源社区的热门话题。以 day-trader-skill 为代表的技能包传播最广:11 个技能、MIT 协议、免注册、免 API key,README 的第一句话就是卖点本身——"scan thousands of charts, track breaking news, time every entry and exit, and replay every outcome before you risk a dollar"(扫描数千张图表、跟踪突发新闻、掐准每一次进出场、在你冒一分钱风险之前重放每一种结果)。

热度很高,但争议同样明确:代理并不会预测价格。那么当它介入日内交易时,被放大的到底是什么?是既有策略的正期望,还是执行错误的速度与一致性?换句话说,收益是「放大器」,还是「放大器式的风险」?

本文做三件事:源码级拆解这个技能包"代理到底做了什么决策、没做什么决策";引入 2026 年 8 月一篇受控实验论文(RetailAgent,arXiv 2608.28399)中"带记忆的 LLM 交易代理出现结构化不利择时、且记忆机制加剧该现象"的实证证据;最后给出一个可执行的立场——把它定位成策略验证工具,而不是决策替代品。

一、争议核心:代理不预测价格,只是把既有策略执行得更快更狠

先看这个仓库里"决策"的真实归属。整个交易链路是一条流水线:

scanner -> news -> entry -> exit -> timemachine -> budget -> risk -> broker   (一笔交易)
alerts: stop, target, flat by the close                                        (持仓期间)
news / analyst / pelosi                                                        (定时)

每个节点都是一个纯标准库 Python 脚本,读免费公共数据(Yahoo Finance v8 chart、Nasdaq Trader 代码目录、SEC EDGAR、众议院书记员办公室)。大模型的角色是编排者:调工具、读 JSON、把结果说成人话。真正决定"进不进场"的是写死的确定性规则,trader-entry/entry.py 的 docstring 把这一点写得毫不含糊:

orb    opening-range breakout. ... It triggers on the first COMPLETED bar after
the range that CLOSES above the range high. A wick above the high is not a trigger.

入场信号不是模型"觉得该买",而是"开盘区间(默认前 15 分钟)高点之上第一根收盘价站上区间的已完成 5 分钟 K 线",影线刺破不算。trader-scanner/SKILL.md 同样直白:"A scan is a list of charts that match a rule, not a list of stocks to buy, and a setup on a chart is not a prediction."(扫描结果是"匹配规则的图表列表",不是"该买的股票列表",图上的形态不是预测。)

社区里围绕 AI 交易代理的架构讨论,与这套代码的设计取向高度一致:近期多篇拆解文都强调,平台的核心是"语义解析驱动的状态机编排,而非 LLM 生成代码";有文章直接总结为"大语言模型在情境推理与策略编排中起核心作用,而非价格预测;代理是策略放大器而非替代者,需以明确策略骨架为前提"。

所以"放大器"这个说法本身是成立的,而且可以从工程上精确化。代理相对人类交易员放大了三样东西:

  • 速度:扫描器一轮覆盖约 5,900 只美股(scan.py universe),人类盯盘一天看不了这么多图表;
  • 一致性:规则是纯函数,同一份数据、同一时刻,check 的输出永远相同;
  • 无情绪:止损位写进计划后,"怕了移动止损"这种事在流程里无处发生。

但放大的对象是规则本身。规则若真有正期望,这套流水线比人更快更狠地兑现它;规则若是错的,这套流水线也比人更快更狠地犯同样的错。后一种情况,才是本文要泼的冷水。

二、证据侧:带记忆的 LLM 交易代理,「不利择时」反而加剧

如果"代理决策"是绕不开的路线(很多交易代理框架让 LLM 直接输出 long/flat,而不是走写死的规则),最新一轮受控实验给出了相当不利的数据。

2026 年 8 月 28 日,University of Wisconsin–Madison 等机构发表 RetailAgent(arXiv 2608.28399):让 LLM 观察匿名化的股票日内价格历史(CSI-500 成分股、239 分钟日内网格,屏蔽股票身份、日期、绝对价格、新闻、基本面),在每个区间只做二选一——long(持有)或 flat(空仓),之后再揭示该区间真实收益。论文用一个"暴露匹配"的指标衡量择时质量:在剔除多头仓位占比后,比较同一只股票同一交易日内、多头区间与空仓区间的收益差异(timing alpha)。

14 套标准配置,全部为负。 主实验(Qwen3.5-9B,10 分钟粒度):

条件 样本(stock-days) timing alpha (bps)
纯文本价格序列 13,710 −45.7 [−49.4, −41.8]
仅图表输入 14,937 −29.9 [−33.7, −26.2]
文本+图表多模态 14,438 −48.9 [−52.7, −45.0]
文本,5 分钟粒度 9,937 −38.8 [−42.9, −34.6]
文本,20 分钟粒度 23,594 −56.7 [−59.8, −53.6]
Claude Haiku 4.5,5 分钟 827 −38.8 [−52.9, −22.5]

跨模型符号检查(Claude Haiku 4.5、IBM Granite-4.0-H-Small 四个状态提示下的点估计 −8.2 到 −36.3)也全部为负。负号在不同模态、不同决策周期、不同账户状态、不同模型家族下重复出现——这不是某一次实验的噪声。

更关键的是两组对照实验。

第一组:洗牌对照。 把保存下来的动作序列随机重排(保持多头占比不变),timing alpha 从完整的 −45.7 塌缩到全局洗牌 −3.5、同日洗牌 −8.7。也就是说,负向择时主要来自动作与后续收益的时序对齐,而非随机噪声:代理的系统性动作模式落在了"错了方向"的区间上。再把动作序列倒过来做线性投影(对比 GRU 价格模型、GBDT-38、单期反转三类传统价格信号),残差仍保留 +43.9 / +40.4 / +38.9 bps 的择时——这不是任何简单价格信号能解释掉的,是决策策略本身的方向性结构。

第二组:自条件记忆。 这是"放大器式的风险"最直接的证据。论文让代理把写给未来自己的记忆(memory)喂回下一轮决策:从 w=0(只看当前记忆)到 w=1(多看到一条历史记忆),

  • 每个交易日动作切换次数从 2.5 次降到 1.7 次——策略变得更"坚持";
  • 择时 alpha 从 −62.8 bps 恶化到 −74.1 bps——坚持得越久,错得越狠;
  • 后期时间段(28 个更晚日期)复评,w=1 条件仍是 −85.6 bps,没有修复。

论文还存档了一条具体轨迹:代理在第 8 次决策切换为 long 并一路持有到收盘,持仓区间收益 +359.4 bps(表面是赚的),但空仓区间吃到了 +1,404.0 bps,该股票当日的择时 alpha 是 −867.3 bps。触发这次一路持有的记忆原文是:"My bullish thesis remains fully intact. The decisive breakout above 108.71 is confirmed, and the recent pullback to 114.39 served only as healthy consolidation."(我的多头论点完好无损,突破已确认,回调只是健康盘整。)

这组实验的结论对任何交易代理开发者都是警讯:"记忆""一致性""反思"是几乎所有 Agent 框架的宣传卖点,但它们同时也在放大策略的持续性——而持续性正是让一个系统性错误策略变得可预测、可被市场收割的原因。 放大纪律与放大"死拿错仓"是同一个旋钮。

三、技能形态的特殊风险:规则被写死之后,错误也会被写死并稳定复现

回到 day-trader-skill。它在设计上是 RetailAgent 那条路的镜像:决策不经过任何语言模型,没有自条件记忆,每一步都是可审计的纯函数。这个形态有真实好处——比如 trader-timemachine/timemachine.py 的蒙特卡洛重放是逐位可复现的,tests/test_timemachine.py 直接断言扇形图的 SHA 指纹与独立实现的 bit-for-bit 一致性:

# fingerprints of the reel's refs/sim-out.json (sim.py mid 1, seed 19): proves bit-for-bit equality
SIM_BANDS = "b9b7c006a733c68b"
SIM_PATHS = "90f313ef40c576a0"
SIM_TRADES = "0058bef72b0dcdee"

同一个计划、同一份数据、同一个 seed,在任何机器上跑出同样的数字。规则可以被逐行读懂、被测试钉死、被第三方复现——这是"LLM 在场决策"做不到的。

但写死是双刃剑。规则错了,错的也是确定性的:不是偶尔犯错,而是每个交易日、每一只股票、以完全相同的方式犯错。 扫描器每天早晨对约 5,900 只股票执行同一套规则,入场计时器逐 K 线执行同一套触发逻辑——错误的执行频次被流水线放大到人类手动操作永远达不到的水平。这正是标题里"放大器式的风险"在技能形态下的具体含义:它消灭了代理的任性,代价是把策略变成了一条产线。

而这条产线的旗舰演示,恰好就是仓库自己浇的最冷静的一盆冷水。README 的示例交易:TSLA,2026-10-19 周一,真实数据。10:15 ET,开盘区间 354.47–362.18,10:10 那根 5 分钟 K 线收于 364.18(高出区间 0.55%)触发入场;trader-exit/exit.py 在入场前算好计划:止损 358.32(区间中点),目标 370.04(1R,每股风险 5.86)。然后 trader-timemachine 用这只股票自己过去 60 天里 59 个完整交易日的 5 分钟 K 线,把当天剩下的时段重放了 10,000 次:

  • 目标先到:29.4%,止损先到:25.5%,收盘仍开着:45.1%;
  • 同一条规则放回这 59 个真实交易日:触发 33 次,13 次打目标,15 次打止损,5 次都碰到不了,平均 R 为 −0.062。

verdict 一行,被测试逐字断言:

self.assertEqual(self.doc["verdict"], "Close to a coin flip: target first 29.4 % vs stop first 25.5 %.")

"接近抛硬币。"注意这个 verdict 不是人话生成出来的,是 timemachine.py 里的阈值逻辑:它只看重放中碰到某一侧的路径,问"目标先到的占比"与"盈亏平衡所需占比"(1R 是 50%,2R 是 33%,即 1/(1+R))差多少;差值不足 5 个百分点就判 coin flip(COIN_FLIP = 0.05)。仓库把"诚实读数"做进了代码,连"另一边被 neither 拉走了"这种不利于结论的说明(verdict_notes)都会自动打印。

再看 docstring 自己承认的模型边界:重放池只来自该股票自己最近 60 天的 5 分钟 K 线;"A gap through the stop still counts -1R here; a real fill can be worse"(跳空穿过止损在模拟里只按 −1R 计,真实成交可能更糟);"A simulation built from the stock's own recent bars is not a prediction: earnings, news and halts can do what the last 60 days never did."(用这只股票自己最近 K 线搭的模拟不是预测:财报、新闻和停牌都能做出最近 60 天从没做过的事。)数据源本身也是"免费且非官方"的:Yahoo 的 chart 端点会延迟、会变、会限流,读的是 1/5 分钟 K 线而不是逐笔。

结论很清楚:技能形态把"代理的不可预测性"换成了"规则的不可修改性"。放大是对称的,所以规则本身的质量——以及"规则是否真的有优势"这个问题——必须放在下钱之前解决,而不是事后找补。

四、我们的立场:把它定位成策略验证工具,而不是决策替代品

基于源码和证据,我们对这套技能(以及同类代理)的定位是明确的:它是策略验证与风控执行工具,不是决策替代品。仓库里真正做得好的三件事,恰好都落在"验证"与"闸门"上,而不是"预测"上。

第一,钱下去之前的概率验证。 timemachine 的 verdict 回答的是"如果今天像这只股票自己的最近 60 天,这个计划的胜率是多少"。它给出诚实的 coin flip,而不是包装好的信心。README 的 fine print 原话:"The Time Machine is a simulation, not a prediction. ... Treat its odds as a reality check, never as a promise."

第二,硬风控不靠自觉。 trader-risk/check.py 的默认配置把约束写死成代码:

"max_loss_per_trade_usd": 50, "max_daily_loss_usd": 150, "max_trades_per_day": 3,
"max_orders_per_day": 10, "min_reward_risk": 1.0, "require_stop": True,
"no_entries_before": "09:45", "no_entries_after": "15:30", "flat_by": "15:55",
"paper": True, "allow_options": False, "allow_margin": False, "allow_short": False,

每笔订单按"前面每笔都已成交"的顺序模拟累积,单笔超限、当日亏损超限、重复下单、入场窗口外、盈亏比不足、require_stop 下无止损,一律 PASS/BLOCK 并给出原因;pdt_guard 还能按旧模式交易员规则数日内交易次数。风控的"狠"是被放大的,这是放大器用对方向的样子。

第三,人类否决权在下单链路里是三重闸门。 trader-broker/ticket.py 自己从不对接券商,只围绕"你的 yes"做事:订单只有在 risk 指纹 PASS、用户在聊天里对这一单明确回复 yes(approve 会逐字记录回复,并拒绝 "yes to all"、"sure"、"ok"、答非所问的 yes)、以及 Claude 自身的 "Allow once / Deny" 权限卡片放行之后才可能成交。SKILL.md 的总结是:"Two yeses from the user, one PASS from the rules. No yes, no order." 且 "paper": true 是默认值。

据此,可执行的边界清单:

  1. 把它当体检仪用:先问"这条策略的诚实胜率是多少",coin flip 就是 coin flip,据此决定是否值得下钱,而不是因为流程跑通了就下钱;
  2. Paper first 不要动:paper: true 与模拟盘券商端保持默认,实盘是配置项而不是起点;
  3. 警惕 verdict 调参:反复改参数直到 verdict 变好看,就是社区回测陷阱讨论里反复点名的"阿尔法幻觉"三根源之一——数据窥探与过拟合、成本与市场冲击建模缺失、静态回测与动态市场错配;
  4. 认清数据与成交的边界:"A stop is a plan, not a guarantee"(止损是计划,不是保证),快速行情或跳空下止损单可以成交在远差的价格;Yahoo 免费 K 线不是逐笔,要紧的数字要以券商为准;
  5. 人保留否决权:入场计时器输出的是 "This is the moment to get in, if you take the trade. Nothing was placed."——它说"该进场了",但永远不替你下单。

回到标题的问题:收益是放大器,还是放大器式的风险?答案是两者都是,取决于里面装的是什么。放大器只放大里面的东西:策略若真有利可图,它放大的是执行优势;策略若是零期望,它放大的是摩擦、成本与确定性复现的错误。技能形态的净价值,不在于让代理替你做交易决策,而在于把"策略真实胜率"变成一个可测量、可复现的数字,并在订单到达市场之前放了一道人类否决——把它当成策略验证工具与风控执行层来用,才配得上"技能越火"这四个字。

登录后查看全文
day-trader-skill