如何调教ChatGPT成为你的策略助手
量化策略开发，高质量社群，交易思路分享等相关内容
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<Numeric> MidLine(0);
Numeric Band(0);
Series<Numeric> upBand(0);
Series<Numeric> rocCalc(0);
Series<Numeric> liqDays(50);
Series<Numeric> liqPoint(0);
// ---------------------------------------------------------------------------------
// 策略事件
Events
OnBar(ArrayRef<integer> 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<Numeric> FastMA(0);
Series<Numeric> SlowMA(0);
Events
OnBar(ArrayRef<Integer> 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:
//------------------------------------------------------------------------
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<Numeric> FastMA(0); // 短期均线
Series<Numeric> SlowMA(0); // 长期均线
Events
OnBar(ArrayRef<Integer> 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<Numeric> MACD(0); // MACD 线
Series<Numeric> Signal(0); // 信号线
Series<Numeric> Histogram(0); // MACD 柱状图
Events
OnBar(ArrayRef<Integer> 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:
//------------------------------------------------------------------------
Params
Numeric RSI_Length(14); // RSI指标长度
Numeric Lots(1); // 交易手数
Vars
Series<Numeric> RSI(0); // RSI指标
Events
OnBar(ArrayRef<Integer> 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。