DeepSeek写量化策略，回测去年至今收益6000%+，但是要警惕

DeepSeek-R1 模型自 1 月 20 日正式发布至今，热度持续飙升，小伙伴们玩得不亦乐乎，虽然得到的回答经常是 “服务器繁忙，请稍后再试”，但都抵不住大伙儿以各种方式想要提高生产力的热情。

有的人让 DeepSeek 为自己规划年入百万的职业生涯，有的人则问从 5w 赚到一个小目标的具体路径，而咱量化行业也有着非常强烈且垂直的需求，其中一个就是让 AI 帮忙想因子写策略。

这段时间，许多博主和个人宽客都让 DeepSeek 为自己构思和编写量化策略，并且把源码都 po 到公开平台与大伙儿分享，其中真的不乏有种有趣有料的 “三有” 策略，今天要唠的这一个策略，是我目前为止所见 DeepSeek 出品中最 “有种” 的。

在聚宽 JoinQuant 量化平台上，有用户上传了一个 DeepSeek 开发的收益非常炸裂的量化策略，2024 年初至今策略总收益 6119.82%，年化收益 4971.22%，但也在贴子里坦言 “好像有未来函数” 和 “AI 还得再加油”。

虽然作者没有在帖子里明说未来函数出现在策略的哪个地方，但我通读完代码后，发现了一个 AI 编写量化策略经常会出现的通病，没有量化经验的小白和 AI 经常看不出来，于是想给大伙儿提醒一下，才有了今天这篇文章。

既然是 AI 写的量化策略，那就先让 AI 解析一下，让大伙儿先看一下这个策略的真容。

Prompt：这是聚宽 JoinQuant 量化平台的一个策略源码，请总结这个策略的交易逻辑

以下是 AI 的完整回复 (已剔除代码引用)：

我来分析这个聚宽策略的交易逻辑。这是一个基于动量的 ETF 轮动策略，主要逻辑如下：

1. 资产池设置

策略选择了多个不同类型的 ETF 作为交易标的，包括：

• 宽基指数 ETF：纳指、创业板、沪深 300、上证 50 等
• 主题 ETF：生物医药、新能源、科技、消费等
• 商品 ETF：黄金 ETF
• 固收类：国债 ETF、可转债
• 海外市场：恒生科技、中概互联、德国 30、日经、印度等

2. 调仓频率

策略设置为每天（rebalance_interval = 1）进行调仓检查。

3. 核心交易逻辑

主要交易规则：

• 计算所有资产过去 2 日的涨跌幅
• 找出涨幅最大的资产作为目标持仓
• 如果所有资产都为负收益，则默认买入国债 ETF（避险资产）

4. 仓位管理

采用激进的仓位管理方式：

• 卖出所有非目标资产的持仓
• 将全部可用资金买入目标资产（全仓操作）

策略特点

• 高换手率：每日都会检查调仓，可能导致较高的交易成本
• 动量驱动：追踪短期（2 日）最强势的资产
• 风险控制：在全市场下跌时会切换到国债 ETF，具有一定的避险功能
• 资产多样化：通过多元化的 ETF 组合，覆盖了境内外多个市场和行业

潜在改进空间

• 2 日的观察周期可能过短，容易受到市场噪音影响
• 全仓操作风险较大，可以考虑引入分散投资
• 可以加入更多的选股指标，而不是仅依赖价格动量
• 可以考虑加入止损机制来控制回撤

====== 回复结束线 ======

看到了吧，这就是一个侯选池固定的 ETF 轮动策略，利用 2 日的动量选择标的，每日调仓。利用 AI 进行总结，并不完全是因为我偷懒 (虽然事实是)，是因为我要确定它已经完全读懂了这个策略，接下来我就要向 AI 问出最关键的问题：这个策略当中存在未来函数吗？会不会在当前时间取到了未来的数据？

AI 经过一通分析后给我的回答是：总的来说，这个策略在时间序列的使用上是合理的，不存在未来函数的问题。

那到底有没有未来函数呢？这很简单，在策略源码当中初始化的部分，加上这行代码 set_option (‘avoid_future_data’, True)，再重跑一下策略就可以了。

看到没有，回测直接失败，报错信息：jqdata. exceptions. FutureDataError: avoid_future_data=True，get_price 取天行情时，盘中不能取当日的 {‘close’} 字段数据。

刚才加的那条语句，就是用来打开平台的防未来函数功能，有未来函数的代码就会报错。报错的原因就是在 get_price 函数当中 end_date = context.current_dt，也就是取数的结束日期设置为今天，相当于早盘就取到了收盘的数据，妥妥的未来函数，而 AI 认为这种使用方式是正常的。

这个 ETF 轮动策略是利用 2 日动量来进行调仓的，现在相当于是开天眼多看了 1 天的涨跌幅，收益率能不炸裂嘛！合理的方法应该是 get_price 的取数日期只到上一个交易日，将 end_date 改为 context.previous_date 后，再重跑一次。

这样就原形毕露了，总收益从狠赚 6119.82% 到狂亏 43.03%，换做是我，肯定是要罚家里的 AI 三天不能吃饭的。

其实，这个策略或许还有另外一处未来函数，这也是 ETF 轮动策略的玄学所在 —— 固定的侯选池，人或 AI 都喜欢把现在涨幅亮眼的品种加到历史当中去。帖子的回测是从 2024 年开始的，侯选池当中有许多去年涨得非常好的标的，开天眼了也要加上好苗子才能效用最大化，比如说把侯选池当中的创业板 ETF 去掉，总收益会下降约 300%，去掉纳指的话大概会下降 800%。

DeepSeek 是一个很强的推理模型，也是国产之光，其实特别胜任编程的任务，咱可以把它当做是自己的牛马程序员下属，但咱作为领导，则需要具备验收任务成果的能力。给网页添加一个按键，行不行，点一下就知道了，但是量化策略，有 bug 看不出来的话，那可能要付出真金白银才能知道。

来源：量化君也