Software 2.0

用O3-Mini创建算法交易策略

admin -

当我第一次尝试新的 o3-mini 模型时，我印象深刻。与其他推理模型（如 DeepSeek R1 或 OpenAI 的 o1）不同，o3-mini 可靠、速度快如闪电，最重要的是极其准确。

而且它的成本低于 GPT-4o。

因此，与其他模型一样，我试图看看如何在我的算法交易平台 NexusTrade 中展示它。

并意外地创建了一个击败市场的策略。在每个单一指标中。

1、回顾：我如何使用 LLM 创建算法交易策略

对于那些刚访问我的页面的人，你可能想知道 LLM 如何创建算法交易策略。

答案并不简单——这是一个复杂的多步骤过程。

“提示路由器”——将请求定向到最相关的提示
  • 首先，请求被发送到“提示路由器”。此路由器是另一个 LLM 提示，它分析并将请求与我的交易平台中的每个单个提示进行比较
  • 然后，从此提示列表中选择听起来最“相关”的提示
  • 最后，我们将此请求转发到最相关的提示。在这种情况下，它将是“创建策略”提示。

然后每个提示都有独特的处理步骤。在创建算法交易策略的情况下，我们创建一个“提示链”，其中一个提示的输入用作另一个提示的输出。

“创建投资组合”提示链

首先是：

  • 创建策略大纲。这包括策略名称、操作（“买入”或“卖出”）、我们想要购买的资产、数量（例如，你的购买力的 10% 或 100 股）以及我们想要执行操作的时间描述。
  • 根据我们想要执行操作的时间描述创建“条件”
  • 创建“指标”，这些指标相互比较并确定条件是否满足

经过这个漫长的过程，我们创建了交易策略的投资组合。

得益于 LLM 的强大功能，我们可以尽可能模糊或具体。对于这次测试，我想看看我是否可以使用 o3 创建一个可以击败市场的交易策略。

剧透警告：我可以。

2、我之前尝试创建超越市场的交易策略

在之前的一篇文章中，我描述了 O1 如何能够创建超越市场的交易策略。

但是，从评论中的讨论中，我注意到该方法有几个缺陷：

  • 缺乏透明度：偶然发现这篇文章的用户无法跟踪投资组合随时间变化的实时交易进度。因此，他们无法确定这些策略是否真的击败了市场。
  • 没有超越基础：虽然该策略的表现优于 SPY，但它并没有击败简单地购买和持有基础 ETF。

因此，我的目标是看看 O3 是否更好。我们知道 O3 更快、更便宜，但它可以用来创建完全自主的交易规则吗？

让我们来一探究竟。

3、本文的主要区别

本文与原文有几个关键区别。首先是能够跟踪这些投资组合的进度。

首先，我公开分享了原始文章中的投资组合。虽然它们已经部署了一段时间，但现在任何人都可以实时跟踪他们的进度，无论这篇文章发布多久。

有了这个新界面，任何人都可以采用我创建的策略并为自己克隆它们。

新的共享投资组合 UI 允许任何人克隆这些策略

你还可以查看投资组合事件的审计。此审计可让你了解在每个时间步骤中做出了哪些交易决策以及原因。

投资组合的审计历史

此外，你还可以克隆和审计我将在本文中创建的投资组合。

最后，本文中的测试将更加强大。我们不仅要尝试击败市场，还要尝试超越该策略所基于的基础。

这要困难得多，这样做可以表明 O3 确实非常有用，可帮助交易者创建自己的投资策略。

为了完全透明，你可以在此处阅读我与 AI 的确切对话。

这允许你重新创建这些策略，进行自己的更改，并通过该过程进一步促进信任和透明度。

事不宜迟，让我们开始吧

开始吧！

4、使用 OpenAI o3-mini 创建投资组合

就像上一篇文章一样，我们将说以下内容来创建我们的交易策略。

我想要一个 TQQQ 上的 SMA 交叉策略。我想要一个获利策略，但没有止损——我对长期技术持乐观态度，不想止损。我还想分散我的购买，而不是一次全押。

几分钟后，该模型在第一次尝试时就做出了惊人的交易策略！

从模型生成的交易策略

如果我们放大这个策略，我们会看到：

  • 放大我们创建的策略
  • 该策略的表现比买入并持有标准普尔 500 指数高出 500%！
  • 夏普比率为 1.38，而基线的夏普比率为 1.17
  • 同样，索提诺比率为 1.96，而基线的索提诺比率为 1.76
  • 最后，最大回撤和平均回撤几乎是持有基线的 3 倍！

因此，虽然投资组合显然更好，风险调整后的回报率更高，但基线的波动性较小，回撤要低得多。

最后，我们可以通过向下滚动查看此策略的确切规则。

  • 当 (20 天 TQQQ SMA > 50 天 TQQQ SMA) 和 (自上次完成 TQQQ 买入订单以来的天数 ≥ 1) 时，购买 TQQQ 股票的 20% 购买力
  • 当 (TQQQ 价格 > 1.1 * 20 天 TQQQ SMA) 和 (自上次完成 TQQQ 卖出订单以来的天数 ≥ 3) 时，卖出 TQQQ 股票的 50% 当前头寸

乍一看，这令人印象深刻。但它经得起时间的考验并胜过其他策略吗？

让我们看看。

5、重新创建 GPT-o1-mini 策略

上传附件选项

通过创建“附件”，我只需单击按钮即可轻松重新创建旧的 GPT-o1 策略。

重新创建原始文章中的投资组合

我们看到这个投资组合仍然优于市场，但程度远低于我们的新策略。事实上，如果我们放大，我们会发现在较低的夏普比率和索提诺比率下，它的回报率只有 2 倍。这意味着原始投资组合比仅仅购买和持有 SPY 的风险要大得多。

放大原始 o1 策略

现在到了真正的考验。如果我们在过去一年测试这些策略，它们的表现是否优于基础资产？

让我们来一探究竟。

为此，我只需输入以下内容：

在过去一年对这两个投资组合进行回测。将它们与 TQQQ 作为基线进行比较

结果如下。

查看这些投资组合的回测结果

如果我们放大，我们会看到以下内容：

放大回测
  • 旧的 GPT-o1-mini 策略在购买和持有基础 TQQQ 基线资产方面表现不佳
  • 新的 GPT o3-mini 模型表现优于基线，具有更高的夏普比率、更高的索提诺比率和更低的回撤

这些结果表明，新的 o3-mini 模型在创建更有利可图、风险更低的算法交易策略方面确实更好。

我很震惊。

并且，正如承诺的那样，我将把这个投资组合部署到市场上。

首先，我要创建一个新的纸质交易投资组合。

创建一个新的纸质交易投资组合

然后，我将部署它，并向世界其他地方公开分享。

与全世界分享投资组合

你可以通过单击此链接来跟踪此投资组合的进展。

现在，任何人都可以查看这些策略，了解它们在 2025 年及以后的表现，复制、修改、审核它们，并在 NexusTrade 平台内轻松部署自己的版本。

6、结束语

每一代语言模型都比上一代好 10 倍。

O3-mini 是最让我印象深刻的飞跃。对于（已经很便宜的）GPT-4o 的成本，o3-mini 的表现明显优于其他。它比我用过的任何语言模型都更快、更便宜、更可靠、更准确。

现在，我已经证明它可以用于算法交易。在本文中，我要求 o3 创建一种算法交易策略。我已经证明，它不仅在百分比变化和风险调整后收益等指标上优于 SPY，而且它的表现也优于标的，在过去一年中以更低的风险实现了更高的回报。

我还部署了这个投资组合进行实时交易。任何人都可以复制它，进行自己的更改，并使用 NexusTrade 平台轻松部署此策略的版本。

这包括“纸上交易”（使用垄断货币进行交易）或通过 Alpaca 进行“真实交易”。

这不仅仅是一个小小的变化——这是一个巨大的转变。人工智能竞赛已经开始，它对金融等许多领域的影响尚待观察。

但我们至少看到了一瞥——OpenAI 开发了一个有可能击败股市的模型。这有多酷？

原文链接：I used OpenAI's brand new O3-mini model to create a trading strategy. It's DESTROYING the market

汇智网翻译整理，转载请标明出处