用 FiClaw 开始第一次 AI 量化回测：从策略想法到复核材料
第一次使用 FiClaw 做 AI 量化回测，如何准备策略说明、确认股票池与数据时点、检查生成代码，并保留可复核的实验材料。
FiClaw 内容团队 · 发布于 · 更新于
Read in English先看结论
用 FiClaw 做第一次量化回测，可以从一个规则明确的策略问题开始：写清股票池、信号、调仓频率和交易成本，先确认策略规格，再让 AI 生成 Python 代码并调用历史回测。首轮目标是核对规则有没有被正确实现，而不是选出收益最高的参数。
适合刚开始使用 FiClaw 的量化研究员，以及需要把策略想法整理为可检查实验的小团队。
策略说明示例：用于检查流程，不是投资建议
请把以下想法整理为策略规格，列出缺失条件，确认后再生成代码：以沪深 300 为候选股票池，每月调仓；按过去 60 个交易日的涨幅排序，选择前 20 只等权持有。请明确指数成分股采用哪个历史时点、信号何时可用、交易何时发生、停牌和涨跌停如何处理、手续费与滑点如何计入。缺少数据时列出限制，不用当前成分股冒充历史股票池。
先准备一份能被检查的策略说明
策略说明至少包含研究目的、候选股票池、入场和退出规则、持仓数量、调仓频率、回测区间与基准。像“低风险高收益”这样的目标不能直接作为交易规则，需要先转化为可计算、可检查的约束。
FiClaw 通过 QuantAPI 接入 A 股历史数据。具体可用区间取决于标的上市时间和数据覆盖；需要历史指数成分、财务披露时点或退市数据时，应先确认是否可用，再决定实验是否成立。
确认策略规格，再检查生成代码
策略 spec 是自然语言与代码之间的确认稿。让 AI 先列出假设与待确认条件，检查信号使用的是当时已知的信息，交易时间没有早于信号可用时间，再进入代码生成。
保留 prompt、spec 和代码版本，逐项检查股票池筛选、信号计算、调仓和成本处理是否一致。若生成代码报错，先区分接口、数据和策略逻辑问题，修正后保存新的版本。
首轮看实现与证据，再讨论参数
先核对数据区间、成交记录、持仓变化和费用，再读年化收益、最大回撤、Sharpe 与换手率。没有成交、交易次数过少或成本未计入的结果，需要先解释，不能直接用于比较。
FiClaw 可辅助诊断和参数比较。每次只改变少量条件，记录修改原因，并保留未用于调参的验证区间。历史回测用于研究评估；策略上线、权限审批和资金操作仍需要授权人员确认。
第一次实验要留下哪些材料
| 阶段 | 保留材料 | 复核重点 |
|---|---|---|
| 输入 | 原始 prompt 与策略 spec | 规则是否完整，假设是否经过确认 |
| 生成 | 代码版本与运行配置 | 代码是否忠实实现 spec |
| 回测 | 数据区间、交易记录、费用与指标 | 数据时点、成交约束和成本是否一致 |
| 复核 | 异常、修改原因与下一轮计划 | 能否复现，是否需要独立验证 |
常见问题
不会写 Python，也能开始用 FiClaw 吗？
可以从自然语言策略说明开始，让 FiClaw 辅助生成代码。生成代码仍需检查；缺少代码复核能力时，可请具备量化或工程经验的人员检查后再使用结果。
第一次回测需要多长时间？
耗时取决于数据区间、股票池、策略复杂度、模型响应和服务状态。先以能够完成和复核一次实验为目标，不把固定分钟数当作所有任务的承诺。
在哪里下载，哪些系统有公开安装包？
从 FiClaw 官方下载页选择当前公开的安装包。平台和版本以下载页实时清单为准；安装和登录步骤可继续查看快速开始。