阅读研究雷达投资体系
登录 / 注册
← 返回阅读
资讯实质变化2 分钟阅读DisconfirmAI 编辑部

系统交易作者Robert Carver:量化投研中AI只能参与想法生成和小型代码编写,测试框架必须人写

Carver提出在系统化交易研究中,AI应被限制在想法生成和编写小型可参数化预测代码两个环节,而负责评估这些预测的稳健测试框架必须由人编写和控制,因为AI的不透明性会让三类过拟合变得不可检测。

2026-11-17 01:49

Robert Carver在系统化交易研究中提出了一个明确的AI使用边界:让AI参与想法生成和小型可参数化预测代码的编写,但评估这些预测的稳健测试框架必须由人来写、由人来控制。这个建议的核心逻辑不是AI不可靠这么简单,而是AI的不透明性会让过拟合变得不可检测。

Carver将过拟合分为显式、隐式和隐性三类。显式过拟合是直接在样本内调参数;隐式过拟合是通过反复研究循环间接拟合;隐性过拟合是研究者已经知道什么有效,在设计策略时不自觉地把已知答案编进了代码。他认为这三类过拟合在AI介入后依然存在,但被包裹在一个不透明的块里,我们甚至不知道它是否在发生。

在Carver的框架中,AI被允许参与的环节只有两个。第一是想法生成、数据范围界定和初步研究,这一步的输出必须是直接来自原始来源的可信数据,而不是AI转述的数据,因为AI可能引入幻觉或隐藏的前视偏差。第二是编写一段小型的、可参数化的Python代码,该代码接收数据并输出预测值,其中包含需要校准的参数。这段代码小到其正确性可以被人类验证,但Carver同时指出它很可能包含隐性拟合。

从这一步开始,AI就被完全排除在外。Carver强调,包裹这段预测代码的稳健测试框架——负责参数拟合空间生成、规则组合优化、统计显著性和交易成本检验的那套系统——不能由AI编写,也不能由AI代理运行。他允许的小例外是:框架中某些小部分代码可以由AI辅助编写,AI可以建议改进,测试可以用AI来写,但整体架构和逻辑必须是人类掌控的。

这个框架还有两个具体机制。一是只增不删系统:一旦一条预测规则被测试过,就不能从回测中移除。这直接针对隐式过拟合——如果研究者可以根据回测结果不断删除表现差的规则,那本质上就是在样本内做选择。Carver认为有了这个机制就不需要多重检验校正,也不会因为某条规则的自然盈利水平低于某个任意统计门槛而被错误丢弃。二是同时测试每条策略的正向和反向版本,以对抗隐性过拟合——如果AI或人类已经知道趋势跟踪有效,那么只测试正向版本就是在把已知答案编进设计里。

Carver自己也承认这个框架有一个明显的未完成部分:稳健拟合引擎的具体实现正在开发中,会在未来博客文章和第六本书中详细展开。此外,他指出的一个内在限制是:虽然小型预测代码的正确性可以被验证,但代码本身可能已经携带了隐性拟合,而这一点在代码层面是不可见的——Carver对此没有提供解决方案,只是将其作为框架的已知边界保留。

来源

  • qoppac.blogspot.com↗
带入研究 →
登录 / 注册
阅读研究雷达投资体系