AI时代量化交易指南 4：Harness
AI时代一个月一个新概念，而当前最火的是 Harness。
Harness（马鞍）——人工智能像一匹脱缰的野马，安上马鞍才能好好地干活。
用人类社会类比，就是行为手册、法律。
这个东西在诸子百家中，法家最熟悉。韩非子给出”人不用会做饭，但是知道厨子做饭好不好吃”的比喻，就深刻地体现了这一点。
原文：《韩非子·八说》
“酸甘咸淡不以口断而决于宰尹，则厨人轻君而重于宰尹矣。”
释义：食物的酸、甜、咸、淡，如果不由君主亲自用嘴品尝来判定，而是由宰尹（主管膳食的官员）来决定，那么厨人就会轻视君主而重视宰尹了。
Harness 就是中国的法家思想——给你的 AI 立规矩，并且监督它执行规矩。
三窗口工作流
我现在使用 AI 就是三个窗口：
- 干活窗口——通常是提一个很复杂的要求，让它不断地尝试来实现
- 监督窗口——根据 1 的干活过程，监督优化流程，告诉它哪里干得不对、哪里干得好
- 待命窗口——有一些小的想法或者下一版本的方案，需要与我频繁讨论，执行 AI 下次执行的命令
PowerQuant AI 的进化
回到 PowerQuant AI 的流程上。
第一次我的 AI 给我制定了自动进化的流程是 9 个，经过不断的迭代，它自己发现了两个重大问题：
- 流程太复杂，并且做了过多无用的尝试
- 没有知识库，很多经验它没有保存
所以昨天晚上在我睡觉的时候，它完成了自己的知识库系统，然后把流程精简成 7 个，并且给了自己很多约束条件。
在今天的工作过程中，我们反复讨论关于什么是好策略的问题。现在它发现好策略不是综合回测效果更好，而是要能在多品种上均衡地表现，并且对样本内外表现进行评估。
当前架构
所以现在我的架构是：
- Skill（进化策略的主流程）——它有自己的回测组件套装，可以回测生成报告进行初步的分析
- 监督——监督整个进化的流程，并且优化 Skill
- 记忆——Skill 执行过程中的经验，储存成记忆或者模板，方便未来的生成学习
这是个真正的越用越聪明的 AI 量化策略生成系统。
比如我希望品种能均衡，并且使用自适应的均线，它会自动挖掘波动率相关的规律，来重新生成策略。
聪明如斯，恐怖如斯！！！
实践效果
在经过了 12 轮进化后，策略终于找到了合适的结果：
中间其实夏普已经到了 1，但是由于在不同品种上表现不均衡，我更改了目标，让它继续进化。最终的效果是单品种表现与综合表现都好的结果：
最终策略：STConfirm
我让 AI 总结了它的逻辑：
● STConfirm 策略逻辑
将1分钟K线合成为5分钟K线，用5周期ATR构建SuperTrend通道（中线±2.5倍ATR）。
收盘价突破上轨翻多，跌破下轨翻空。
核心机制：1根K线确认延迟。翻转时只平仓、不开仓，等下一根K线
阳线（做多）或阴线（做空）确认后再入场。
强趋势品种翻转后价格继续走，确认成功正常入场；
噪音品种翻转后价格回落，确认失败自动过滤。
同一套参数，无需硬编码品种配置，自动适配RB88和EG88
不同趋势质量，实现品种均衡。