如何调教ChatGPT成为你的策略助手

去年12月的时候我们初次体验ChatGPT,《ChatGPT生成量化交易策略》.

当时还是很惊喜的，可以辅助写代码，写注释，给出一些示例。使用的时间长了发现写一些基础的东西还行，太复杂的内容BUG会比较多吧，有时候也是答非所问。学习了github，给出的很多示例都可以在github找到。当然了，你不能对现阶段的公开版Ai要求太苛刻了。这几个月白嫖下来，我个人是非常满意的，帮我解决了不少问题，真的是一个非常不错的效率工具。

经过几个月的时间Chat也出了付费的版本，一个月20刀的价格我觉的相当良心了，更快的响应速度，更长的字数。这要是国内的厂商，路子就比较广泛了，分模块付费，SVIP，免费版植入广告等等，老生常谈了。

OK，言归正传。Chat新增了多个线程保存的功能，这样我们逐步训练自己的Ai助手，这个功能免费太良心了确实方便了很多。我的目的是让它帮我写一个基于国内Tbquant平台的代码，Chat并不了解它。因此，我们需要喂一些源码让它学习。需要不断校正Chat的回答，费了很多时间重新来过，总之就像教育子女一样，要有耐心，每天教育一点，有问题就纠错。不要暴躁，不要生气。。。。

这是一个Tbquant自带的布林策略，我们先让它学习。

Chat:

以下是您提供的布林强盗_多策略的TBQUANT代码：

• scss
• Copy code
• // 策略参数
• Params
• Numeric bollingerLengths(50);
• Numeric Offset(1.25);
• Numeric rocCalcLength(30);
• Numeric liqLength(50);
• Numeric Lots(1);
• 
  
• // 策略变量
• Vars
• Series;
• MidLine(0)
  
• Numeric Band(0);
• Series;
• upBand(0)
  
• Series;
• rocCalc(0)
  
• Series;
• liqDays(50)
  
• Series;
• liqPoint(0)
  
• 
  
• // 策略事件
• Events
• OnBar(ArrayRef)
• const& indexes
  
• MidLine = AverageFC(Close,bollingerLengths);
• Band = StandardDev(Close,bollingerLengths,2);
• upBand = MidLine + Offset*Band;
• rocCalc = Close - Close[rocCalcLength - 1];
• 
  
• If (MarketPosition != 1 And rocCalc[1] > 0 And High >= upBand[1]) Buy(Lots, Max(Open,upBand[1]));
• 
  
• If (MarketPosition == 0)
• liqDays = liqLength;
• Else
• liqDays = liqDays - 1;
• liqDays = Max(liqDays,10);
• liqPoint = Average(Close, liqDays);
• 
  
• If (MarketPosition == 1 And BarsSinceEntry >= 1 And liqPoint[1] < upBand[1] And Low <= liqPoint[1]) Sell(0, Min(Open,liqPoint[1]));

这是符合TBQUANT格式的代码，可以在TBQUANT平台上运行。

Chat:

好的，以下是一个简单的双均线策略代码，使用15分钟周期，在中国期货市场：

• scssCopy code
• // 双均线策略
• // 时间周期: 15分钟
• // 市场: 中国期货市场
• Params
• Numeric FastLength(5);
• Numeric SlowLength(20);
• Numeric Lots(1);
• Vars
• Series
• FastMA(0);
  
• Series
• SlowMA(0);
  
• Events
• OnBar(ArrayRef
• const &inIndexes)
  
• // 计算均线
• FastMA = SMA(Close, FastLength);
• SlowMA = SMA(Close, SlowLength);
• 
  
• // 没有仓位，金叉买入
• if (MarketPosition == 0 and FastMA[1] < SlowMA[1] and FastMA[0] > SlowMA[0]) {
• Buy(Lots, Open);
• // 有多头仓位，死叉平仓
• else if (MarketPosition == 1 and FastMA[1] > SlowMA[1] and FastMA[0] < SlowMA[0]) {
• Sell(0, Open);

该策略使用两个简单移动平均线 (SMA)，一个较短的均线 FastMA 和一个较长的均线 SlowMA。在每个15分钟周期结束时，计算两个均线的值，当短期均线上穿长期均线时，说明市场上涨势头强劲，会买入开多头仓位；反之，当短期均线下穿长期均线时，说明市场下跌势头强劲，会卖出平多头仓位。

需要注意的是，这只是一个简单的双均线策略，仅供参考和学习。在实际应用中，还需要根据市场情况、风险偏好等因素进行调整和优化。

它帮我写一个双均线的tbquant源码，代码里有一个地方偷价了。这个我需要手动修改一下，这是第一次训练，后面会逐步训练它修正细节。这里有一个细节需要注意，需要命名你们的代码格式，我和Chat约定这种代码格式是TB，以后我让它写代码，就只要说TB即可。如果不约定，它可能就去github或者pypi里找Python包了，而Tbquant是有python包的。情况如下：

你看，这就不是Tbquant的C++格式了，所以要再次和Chat明确代码格式，同时命名你们的之间的代码交流的格式。

Chat:

好的，这是一个基于tbquant实现的双均线策略的代码，你可以根据需要进行调整和优化：

• scss
• Copy code
• // 简称: DualMA
• // 名称: 双均线策略
• // 类别: 公式应用
• // 类型: 内建应用
• // 输出:
• 策略说明：
• 该策略基于两条均线（短期均线和长期均线）进行交易决策。
• 当短期均线上穿长期均线时，开多单。
• 当短期均线下穿长期均线时，平多单。
• 当短期均线下穿长期均线时，开空单。
• 当短期均线上穿长期均线时，平空单。
• 系统要素：
• 1、短期均线长度
• 2、长期均线长度
• 3、交易手数
• 入场条件：
• 1、短期均线上穿长期均线时，开多单。
• 2、短期均线下穿长期均线时，开空单。
• 出场条件：
• 1、持有多单时，短期均线下穿长期均线时，平多单。
• 2、持有空单时，短期均线上穿长期均线时，平空单。
• 
  
• Params
• Numeric FastMA_Length(20); // 短期均线长度
• Numeric SlowMA_Length(50); // 长期均线长度
• Numeric Lots(1); // 交易手数
• Vars
• Series; // 短期均线
• FastMA(0)
  
• Series; // 长期均线
• SlowMA(0)
  
• Events
• OnBar(ArrayRef)
• const& bars
  
• // 计算短期均线和长期均线
• FastMA = MA(Close, FastMA_Length);
• SlowMA = MA(Close, SlowMA_Length);
• // 当短期均线上穿长期均线时，开多单
• if (MarketPosition != 1 && CrossOver(FastMA, SlowMA))
• Buy(Lots, Open);
• // 当短期均线下穿长期均线时，平多单
• if (MarketPosition == 1 && CrossUnder(FastMA, SlowMA))
• Sell(0, Open);
• // 当短期均线下穿长期均线时，开空单
• if (MarketPosition != -1 && CrossUnder(SlowMA, FastMA))
• SellShort(Lots, Open);
• // 当短期均线上穿长期均线时，平空单
• if (MarketPosition == -1 && CrossOver(SlowMA, FastMA))
• BuyToCover(0, Open);

你看，Chat的学习速度很快，经过多次错误，修正调教后。它的回答越来越贴近我的目标了。

Chat:

• // 简称: MACD
• // 名称: 移动平均线散点图
• // 类别: 公式应用
• // 类型: 内建应用
• // 输出:
• 
  
• Params
• Numeric FastLength(12); // 快线周期
• Numeric SlowLength(26); // 慢线周期
• Numeric SignalLength(9); // 信号线周期
• Numeric Lots(1); // 交易手数
• Vars
• Series; // MACD 线
• MACD(0)
  
• Series; // 信号线
• Signal(0)
  
• Series; // MACD 柱状图
• Histogram(0)
  
• Events
• OnBar(ArrayRef)
• const& bars
  
• // 计算 MACD 线和信号线
• MACD = MACD(Close, FastLength, SlowLength);
• Signal = SMA(MACD, SignalLength);
• Histogram = MACD - Signal;
• // 当 MACD 线上穿信号线时，开多单
• if (MarketPosition != 1 && CrossOver(MACD, Signal))
• Buy(Lots, Open);
• // 当 MACD 线下穿信号线时，平多单
• if (MarketPosition == 1 && CrossUnder(MACD, Signal))
• Sell(0, Open);
• // 当 MACD 线下穿信号线时，开空单
• if (MarketPosition != -1 && CrossUnder(Signal, MACD))
• SellShort(Lots, Open);
• // 当 MACD 线上穿信号线时，平空单
• if (MarketPosition == -1 && CrossOver(Signal, MACD))
• BuyToCover(0, Open);

//这段代码使用 TB 语言编写了一个 MACD 策略。

我：对就是这样的格式，请帮我用TB编写一个RSI交易策略

Chat:好的，以下是基于TB的RSI交易策略的代码：

• // 简称: RSI
• // 名称: 相对强弱指标交易策略
• // 类别: 公式应用
• // 类型: 内建应用
• // 输出:
• 策略说明：
• 该策略基于相对强弱指标（RSI）进行交易决策。
• 当RSI指标上穿20时，开多单。
• 当RSI指标下穿80时，开空单。
• 系统要素：
• 1、RSI长度
• 2、交易手数
• 入场条件：
• 1、RSI指标上穿20时，开多单。
• 2、RSI指标下穿80时，开空单。
• 出场条件：
• 1、持有多单时，RSI指标下穿70时，平多单。
• 2、持有空单时，RSI指标上穿30时，平空单。
• 
  
• Params
• Numeric RSI_Length(14); // RSI指标长度
• Numeric Lots(1); // 交易手数
• Vars
• Series; // RSI指标
• RSI(0)
  
• Events
• OnBar(ArrayRef)
• const& bars
  
• // 计算RSI指标
• RSI = RSI(Close, RSI_Length);
• // 当RSI指标上穿20时，开多单
• if (MarketPosition != 1 && CrossOver(RSI, 20))
• Buy(Lots, Open);
• // 当RSI指标下穿80时，开空单
• if (MarketPosition != -1 && CrossUnder(RSI, 80))
• SellShort(Lots, Open);
• // 当持有多单且RSI指标下穿70时，平多单
• if (MarketPosition == 1 && CrossUnder(RSI, 70))
• Sell(Lots, Open);
• // 当持有空单且RSI指标上穿30时，平空单
• if (MarketPosition == -1 && CrossOver(RSI, 30))
• BuyToCover(Lots, Open);

总结：

总之，我现在坚持每天喂它一些源码让它去学习。我试试一年下来它会达到什么水平。有兴趣的朋友可以去试试，就当养孩子了，chatgpt是一个养成类游戏，哈哈哈哈。