只用 AI 做 PPT?我让它给我写了三本教材
- 2026-11-08 03:03:18
只用 AI 做 PPT?我让它给我写了三本教材我电脑里有个文件，七点六兆，叫《威科夫实盘练习册》。打开要等两秒，里面一百二十一个案例。这本书没有作者，是我让 Workbuddy 写的。我一度怀疑自己装的是个游戏。 有人问我，能不能教他用 AI 做 PPT。能，提纲给它，版式、配色、图表、目录全出来，比人快，也比人稳。但这件事在它替我干过的活里，排最后一名。 改写我的是另一类东西。它给我一个人写教材。我不做技术。
威科夫那本，是从一句难听的话开始的。 那时候我已经会用 B1、B2 两套量价选股，跑得出分数，也敢下单。但我心里清楚我不懂它。我只是记住了一堆形状，然后往里套。 我跟它说，我会用工具，想懂原理。 它先给我的是一份学习路径。开头就写着一句话，你已经有 B1/B2 的招式，威科夫补的是心法。 后面这句更狠。B1 底部反转，本质是在捕捉吸筹末端。B2 强势回调，本质是抓上升趋势里的最后一次低吸。 我盯了这句话很久。搞了半天，我用了大半年的两套打分，是同一个故事的两种截法。 然后教材才进来。它没跟我讲什么是 K 线什么是成交量，直接从十五个事件开始。PS 初步支撑、SC 卖出高潮、AR 自动反弹、ST 二次测试、Spring 弹簧、SOS 强势征兆、LPS 最后支撑点。九个在底部，八个在顶部。 它还给了我一个检验标准，写得很硬。不看工具，能对任意一只票说出它处在哪个阶段、关键事件是什么、接下来该等什么信号。 这条我到现在还过不了。 踩过的坑它提前写了三条。 第一条，别把事件当指标。Spring 不是跌破又收回就买，得看 ST 的时候量能是不是真的衰竭了。 第二条，周线为主，日线为辅。我当时不服。后来在一只票上栽了，周线的 UTAD 比日线的 BC 重要得多。栽完我翻回去看，它写在第二条。 第三条，没有 Spring 的吸筹很常见。阶段图是标准剧本，现实经常缺页。 以前我看盘，是把图往模式里套，套不上就骂庄家狡猾。现在我至少知道自己手里拿的是一本缺页的剧本。 一百二十一个案例就是这么来的。它把每只票的事件栈、日周月三个周期的评分、当时的量价确认，一个一个排好，我一张一张看。 看到四十几张，我开始能在它标出来之前，自己先说出这是吸筹还是派发。 四十几张，一个下午。 招式可以背，心法只能磨。
三论那本，风格完全不一样。 那是一份三十 K 的 HTML，八节，从知识地图、系统论、控制论、信息论，一直讲到三者关系、业务接口、书单、下一步。页面上标着阅读时长，十五分钟。 我用了三个晚上。 系统论看结构，控制论看调节，信息论看传输。 别问零件是什么，问零件怎么连。没有反馈，就没有控制。信息等于消除不确定性。 我看到最后那一句的时候停了一下。信息不是数据，信息是消除不确定性的那个量。一条消息如果什么都没消除，它携带的信息就是零。 这句话把我以前那点「多看点总没错」的迷信拆了。读得多不算本事。消掉的问号才算。 这三句我背了一个礼拜。背完之后，我看什么都像回路。空调是回路，体重是回路，我账户里的钱也是回路。 空调靠温度计，体重靠秤，账户靠回测。 三个回路。三个测量端。 三者不是一个层次的东西。它写得清楚，信息是血液，反馈是回路，系统是身体。没有信息，回路空转。没有回路，身体僵死。 它还专门提醒了一句，别把三个词当同义词用。说系统性思维，指的是系统论。说闭环管理，借的是控制论。说降低信息熵，才是信息论。混着说，讨论就散了。 这一句提醒，比前面所有概念都值钱。我见过太多把「数字」叫成「信息」、把「信息」叫成「智慧」的人，一场会开完，谁也不比谁多知道一点东西。
学完控制论那一节，我回去看自己的策略，看完冷汗出来了。 一个策略就是一个回路。信号进，下单，盈亏回到账户，账户的数字再回去修信号。 我的回路搭得挺齐。回测、模拟盘、每日结算、失败就重训，全套都有。 问题是反馈信号是假的。 风格轮动那个策略，回测告诉我年化 99.8%，夏普 4.61。我拿这个数当负反馈用，它好就加仓，回撤就调参，一整套自我调节都围着这个 4.61 转。 9 月 28 日查完那四万三千行，成交口径一改，年化变成 5.0%，夏普 0.12。 我盯着一屏幕数字，脑子里冒出来三个字。 传感器。 回路没错。是传感器坏了。 一个回路，如果测量端是坏的，那么它越稳定，错得越深。它会把噪音当成反馈，把过拟合当成进步，一路自我优化到一个不存在的世界里去。而且优化得非常勤快。 坏的还不止一个传感器。 单票 40% 上限，代码写完 clip(0.03, 0.40) 就紧跟一句按权重和归一化，归一化把刚压下去的 40% 又顶了回去。五百七十个调仓日，五百五十一天超限。 这条风控我写了一年多，一次都没生效过。我一直以为它在保命。它只是个装饰。 还有 ln_mv，全表恒等于 18.4207，唯一值一个。这个因子在模型里站了几个月的位置，什么也没干，但每次投票都有它。 取数的 token 硬编码在三十五个文件里，账户轮换之后全失效。失效的地方套了一个裸的 except: pass，把「您的 token 不对」这句吞了，返回一张空表。更新脚本看见空表就跳过。 退出码 0。cron 报 ok。数据六天没动。 整套系统对外表示，一切正常。我这两年调的都是参数。 我一直在给一只坏掉的表盘调针。
量化那本教材，是 hermes 给我写的。 那也是唯一一本我读完前言就知道该信它多少的。 它开篇就把假设摊开。你懂金融，不熟代码。手上有一块 3060，和约六年、千万行级的 A 股日线。目标是把机器学习用在自己的策略研究上，不必成为算法工程师。 后面三个事实，一个比一个不客气。 第一，你的数据是表格。表格这条赛道上，梯度提升树至今压着深度网络。所以立场是，LightGBM 是主菜，神经网络是必修的修养，不是首选的武器。 它紧跟着补了一句，学神经网络最大的价值之一，是知道什么时候不该用它。 第二，金融的信噪比是所有机器学习里最低的一档。图像分类能做到九十九，金融方向胜率做到五十一到五十三就值得认真对待。日频截面的 RankIC 稳定在 0.03 到 0.05 就算可用，0.05 以上算优秀。 这三行把我以前的预期直接按回地面。我原来以为 IC 到 0.1 才算能看。0.1 是一个不存在的世界。 第三，3060 的主战场是神经网络训练，不是数据处理，也不是 GBDT。千万行表格用 polars 在 CPU 上跑就够快，GBDT 训练是分钟级。别把钱花错地方。 全书十一章，四个附录，配一份十二周计划，每周六到八小时。 前言里还有一句，我抄在了笔记第一页。全书只教三件值钱的事，不泄漏的验证，决定你不会被自己骗。特征与标签工程，决定模型上限。工具链熟练，决定想法能多快变成实验。模型理论排最后。 为什么排最后，它也给了理由。因为边际收益最低。 整条流水线画在一页图上，最后一格是那句最管用的话。验证不通过，回去改特征，不要改模型参数。 我现在每次手痒想调参，都会想起这一句。手痒的次数一点没少，但至少知道自己在干什么。 还有那个负对照。用随机数据跑一遍，IC 应该接近零。要是随机数据都能跑出漂亮的 IC，说明你的管线在撒谎，不是在预测。 这条我后来当成了所有管线的开机自检。开一次机先喂它一堆假数据，看它会不会一本正经地算出收益。 现在这些活我在 DSH 里做。当初从 hermes 那边搬过来五十六个 skill，一个个改路径、改解释器，改完才跑得起来。
学完这些，能力边界确实往外挪了一截。 三套因子库，我自己攒的六十五个，国泰君安 2017 年那套一百八十九个，WorldQuant 2015 年那套八十二个，加起来三百三十六个。 我一直怀疑里面很多是同一个东西。这个怀疑我有了两年，两年没去验，因为验它要取数、要定距离、要选阈值、要一张张表去看哪几个是一家人。 后来我把话说完就交给它了。全 A 两千只票，2021 到 2026，抽一百一十个交易日，横截面先转百分位，两两算相关，绝对值过 0.8 的算一个家族，层次聚类。 我一句都没说哪些是动量、哪些是均线、哪些是通道。 分类是人编的。相关系数是数据说的。 回来说，六十八个家族，加一百四十五个孤因子，二百一十三。 三百三十六个想法，两百一十三个是真的。剩下一百二十三个，是同一件事的一百二十三种说法。 我自己的库最不干净，库内平均绝对相关 0.271，另外两套是 0.166 和 0.114。原因很丢人，我那六十五个里光动量就六个周期，mom_5d 到 mom_120d，一条曲线上的六个截断。 扩军和扩写，在我这儿一直是同一个动作。 按家族归并之后，我把八十个因子砍到四十三，Calmar 反而涨了 56%。 扔掉一半，指标更好。 这件事长在教材上。没有那三本东西垫底，我不知道该问什么，也不知道它给的答案哪一句能信。
三本教材摆在一起，我看出了同一个东西。 它们都不是通识课。 威科夫那本，开篇就假定我会 B1/B2。三论那份笔记，业务接口那节直接对着我手上的活写。机器学习那本，前言第一段是「你懂金融、不熟代码、有一块 3060」。 没有一本是从「什么是股票」讲起的。 以前这种教材不存在，卡在成本上。为一个人写一本书，成本高到没有意义。出版社要卖给一万个人，才有理由开工。 我在那「一万个人」里，属于最不重要的那一档。 现在这个成本塌到了几乎为零。我提出我的困惑，它去查、去拆、去排序、去标注我哪里会栽跟头。 而它给我的最重要的东西，不是那些知识点。 是它敢在第一页就写，你已经有招式，缺的是心法。 是它敢在整本书里只教三件事，然后把模型理论排到最后。 是它敢告诉我，学神经网络最大的价值，是知道什么时候不该用它。 这几份文件加起来八点五兆，比手机里一张照片大一点。 我到现在才明白，成年人学不进去，多数时候卡在材料上。给他那份东西的人，不认识他。 现在有人认识了。
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
