同一個策略。
四個代際。
看看差距。

移動平均線交叉策略,含停損和倉位管理。同一邏輯實作了四次,從 1990 年代的腳本訊號工具到 AI 生成的 StratCraft 策略。邏輯從未改變,但實作成本天差地別。

Gen 3.5AI 原生時代
StratCraft 自然語言 → AI我們在這裡
使用者輸入給 StratCraft 的提示:

"為 SPY 日線創建一個移動平均線交叉策略。
當 20 週期 SMA 上穿 50 週期 SMA 時買進。
反之賣出。每筆交易使用 1% 停損。
每個倉位承擔組合 2% 的風險。從 2020 年開始完整回測。"
StratCraft 產出:
# Generated by StratCraft AI. Do not edit manually
# Strategy: MA Crossover SPY Daily | Generated: [timestamp]

from stratcraft.core import Strategy, Signal, RiskModel

class MACrossover(Strategy):
    fast_period: int = 20
    slow_period: int = 50
    stop_loss_pct: float = 0.01
    risk_per_trade: float = 0.02

    def on_bar(self, ctx):
        fast = ctx.sma(self.fast_period)
        slow = ctx.sma(self.slow_period)

        if ctx.cross_above(fast, slow):
            size = ctx.risk_size(self.risk_per_trade, self.stop_loss_pct)
            ctx.buy(size, stop=ctx.price * (1 - self.stop_loss_pct))

        elif ctx.cross_below(fast, slow):
            ctx.close_all()
代碼行數(人工)
6 行
回測耗時
< 5 分鐘
所需專業知識
本地執行
是。僅在你的機器上

你描述了邏輯。StratCraft 寫了代碼、驗證了它,並完成了回測。策略從未離開過你的機器。

數字對比,一目了然

Gen 1Gen 2Gen 3Gen 3.5
人工編寫行數~30~55~506(自然語言)
設定時間1–2 小時4–8 小時1–3 週< 5 分鐘
動態倉位管理手動平台 API自動生成
本地執行否(雲端)
智慧財產留在你的機器
需要專家級編碼

代碼告訴你什麼

1

邏輯從未改變。 帶停損和倉位管理的移動平均線交叉策略,在四個代際裡都是同一個策略。改變的是表達它所需的工程量。

2

第 3 代解決了錯誤的問題。 它消除了運營複雜度(多資產、風險框架、雲基礎設施)。它沒有消除手寫每個策略的要求。那個瓶頸依然存在。

3

第 3.5 代消除了這個瓶頸。 當 AI 寫代碼時,約束從工程小時數轉移到你的想法的品質。這就是拐點。

Gen 4:範式轉移

準備好甩開代碼瓶頸了嗎?