ChatGPT AI帮我开发了一套价值10万美元的交易策略

我尝试使用ChatGPT创建一个AI交易机器人，这是发生的情况。

使用人工智能来开发自动交易策略

交易机器人已经成为交易者自动化策略并消除情绪因素的非常受欢迎的工具。作为一个喜欢测试新技术的人，我无法抗拒与最新的AI聊天机器人ChatGPT进行实验，看看它是否能够真正生成有利可图的交易策略。

在花费了无数小时对ChatGPT进行优化和调整之后，我对其印象深刻又感到失望。虽然AI能够生成基本的策略，但执行适当的风险管理却是一个巨大的挑战。继续阅读来了解我的经历并亲眼看看结果。

我们强烈推荐您查看我们的指南，了解如何在如今的被动收入经济中利用人工智能的方法。

为什么我想尝试一个AI交易机器人

作为一名活跃的交易员和日内交易员，我始终在寻找提高市场优势的方法。我使用一组自由裁量价格行动策略以及算法系统进行交易。最近，围绕ChatGPT的炒作让我思考 - 这种先进的人工智能能够真正创造盈利的交易系统吗？

我对此有些疑虑，但我非常好奇要去测试一下。自动生成交易记录、止损和盈利目标似乎几乎太好以至于难以置信。更不用说它将为我省去手动优化策略的时间了。

即使结果并不完美，我认为这个实验将是推动人工智能所能达到的极限的一种迷人方式。交易是一个不断完善的无止境的旅程，所以我知道即使失败也会提供宝贵的教训。

我的好奇心被激发了，是时候来测试ChatGPT了。

踏入Pine Script编码的世界

我将首先承认，我对编码一窍不通。幸运的是，我不需要成为专家。

交易平台TradingView拥有一种专有的编程语言称为Pine Script。这使得用户可以创建定制化的交易脚本并进行策略回测。

经过一番摸索，我意识到我可以利用TradingView上的Pine Script代码以及ChatGPT提示来生成新的策略。ChatGPT会处理编码部分，然后我只需要将其粘贴到TradingView中即可。

第一步是验证ChatGPT是否能够真正编写Pine Script代码。

我：你会编写松树脚本吗？

ChatGPT：是的，我可以为TradingView平台使用Pine Script语言生成代码。

这给了我信心继续进行我的交易机器人实验。

尝试使用ChatGPT的基本策略

我决定在第一次尝试中保持简单。在TradingView上，我将VWAP指标添加到特斯拉的日线图中。VWAP（成交量加权平均价格）是我用于动态支撑和阻力的常用指标。

接下来，我复制了VWAP指标的源代码，并将其粘贴到ChatGPT提示中：

我：使用提供的代码在Pine Script中创建一个策略，当价格突破VWAP时买入，当价格跌破VWAP时卖空。

ChatGPT分析了VWAP源代码并生成了一个基本策略脚本：

//@version=4
strategy("My VWAP Strategy", overlay=true)

// VWAP Calculation
vwap = vwma(volume, close, 30)

// Long Entry
if close > vwap
    strategy.entry("Long", strategy.long)

// Short Entry 
if close < vwap
    strategy.entry("Short", strategy.short)

我将此内容复制到了TradingView上的新Pine Script编辑器中，将VWAP周期更改为30，并将其添加到了Tesla图表中。

引人注目的是，脚本按照我指定的方式创建了有效的条目。当价格超过成交量加权平均价时，条目会变得很长；当价格低于成交量加权平均价时，条目会变得很短。

现在是时候分析性能了。

回测首个ChatGPT策略

接下来，我通过TradingView的策略测试器对自动生成的策略进行了评估。这个回测功能允许您使用历史数据来查看策略的表现如何。

第一批结果还算可以，但还有改进的空间。

• 净利润：$ 384
• 百分比盈利：28%
• 最大回撤: $114

一个28％的胜率相当低。更不用说测试时使用的10万美元账户规模的最大回测亏损114美元，这对于账户规模而言是相当可观的。

然而，我对ChatGPT在第一次尝试中产生的有效策略感到印象深刻。我知道通过进一步优化，这个概念可以变得更加有利可图。

对性能进行微调

为了提高性能，我要求ChatGPT通过添加条件来关闭长仓，以达到3%的利润目标。

我：将上一个脚本修改一下，当其价值增长了3%时，出售多头仓位。

以下是更新后的代码：

//@version=4
strategy("My VWAP Strategy with Profit Target", overlay=true)

// VWAP Calculation
vwap = vwma(volume, close, 30)

// Long Entry
if close > vwap
    strategy.entry("Long", strategy.long)
    
    if strategy.position_size > 0
        if close > strategy.position_avg_price * 1.03
            strategy.close("Take Profit")

将3%的利润目标加入后，胜率提高至49%，但净利润降至121美元。

显然，新增的退出条件减少了空头交易的盈利能力。更新后的脚本仅包含多头交易，没有空头交易。

对于下一个迭代，我重新添加了简短条件和3%的双方利润目标。这样平衡了绩效，但胜率和盈利能力仍然一般。

风险管理的重要性

经过测试许多不同的变种后，很明显风险管理正在拖累绩效。这些策略缺乏适当的止损和头寸规模逻辑。

我提示ChatGPT修改脚本，以包括1%的止损和3%的盈利目标。然而，它在正确实施止损时遇到了困难。隔夜的跳空导致机器人在不利的水平上停止交易。

没有具体的风险规则，这些策略在现实交易中非常不可靠。这突显了在评估任何交易策略时，适当的风险管理的重要性。

实验的主要收获

总体来说，我的ChatGPT交易机器人实验提供了非常有趣的见解：

• AI能够生成基本的策略，但优化真实世界的表现却变得困难。编写风险管理逻辑是一个挑战。
• 有效的提示是至关重要的。我必须非常具体地提供指示，让机器人能够创建出可用的东西。
• 有了正确的指导方针，ChatGPT可以减少构建策略时涉及的大量手动工作。这个过程帮助我生成和测试了比我独自能做的更多的想法。
• 使用人工智能进行交易系统开发具有令人难以置信的潜力。然而，仍然需要人类监督以创建稳健的策略。

我对结果既感到兴奋又深思熟虑。这项技术显然有巨大的潜力，但它并非“万能药”。过度依赖人工智能而忽视人类专业知识会有局限性。

人工智能在交易领域的未来可能性

基于我的实验，我相信像ChatGPT这样的工具将成为交易员构建策略的重要组成部分。人工智能可以处理将概念性的思想转化为可测试的代码的繁重工作。

但目前来说，最佳方法是将AI辅助与人的谨慎与风险管理相结合。人和机器的优势共同发挥，超过了单独使用任何一方。

我很兴奋地看到像ChatGPT这样的聊天机器人在金融应用中的发展。随着人工智能的进步，我相信自动化策略构建将变得越来越强大。

毋庸置疑，我们只是在探索无限可能性的表面，比如：

• 测试无数种指标和模式的组合，这是任何一个人都无法尝试的。
• 生成新颖的创意，而不仅仅是优化旧的概念。
• 无缝地适应新的市场条件
• 通过系统化的执行来减少情绪和偏见

然而，负责的监督仍然至关重要。人工智能的能力完全取决于它所接收到的数据和遵循的指导方针。

交易者的关键经验

以下是我在交易者寻求利用人工智能方面的经验中得出的几个要点：

• 利用人工智能加速研究和战略开发，而不是完全取代人类分析。最强大的方法是充分发挥人类和机器的优势。
• 认真监控任何人工智能策略的实时情况。没有任何自动化系统是完全可靠的。保持责任制。
• 专注于风险管理胜过一切。没有适当的实施和交易管理，任何战略都无法变得出色。
• 以开放的心态对待人工智能，但不要盲目相信炒作。将像ChatGPT这样的工具视为助手，而不是预言者。
• 保持期望现实。人工智能是令人惊叹的，但仍然有局限性。进步需要时间。保持耐心和坚持。

交易的世界因人工智能而迅速改变。然而，人类的创造力、直觉和智慧仍然不可或缺。通过将技术视为补充而不是替代，我们可以建立比以往更好的策略。

如果正确使用，我相信人工智能将使交易者达到新的高度。但我们必须记住，实践经验和风险管理是必不可少的。人工智能不是万能药。

强烈推荐您阅读我们的指南，了解如何在今天的被动收入经济中利用人工智能。