一個交易策略在測試中虧損。它沒有被刪除，而是閱讀自己的解剖報告，找出自己失血的確切位置，重新改寫自己的程式碼，然後再次執行測試。全程沒有人碰過鍵盤。
這項功能今天已經正式上線。它不是躺在論文裡等待 2028 年。
當你閱讀這篇文章時，2 億美元正運行在一個平台上——52,000 人中的大多數，都只是在一旁看著機器工作。一位採用 AI 原生工作流程的獨立量化交易員，剛剛躋身 WorldQuant 的前 0.04%。
Citadel 的掌門人今年站上舞台，說：「agentic AI 用幾個小時就能完成他的博士們過去要花幾個月才能做完的事」，而且他當天回家時對此感到相當沮喪。
他們都在圍繞同一件事。一個由六個環節組成的迴圈。
其中五個已經被解決了。
第六個，正是能把交易機器人變成能持續複利成長的機器的那一個。
閱讀之前：
-> 把這篇存起來。 下面的內容很多，你明天會忘掉其中一半。
-> 追蹤我以獲得更多 AI 交易深度解析： 我會把這個領域拆解成一個個部分，只分享經得起考驗的內容 - @antpalkin
-> 測試 AI 交易 Agent 需要用你賠得起的資金。 Kalshi 剛上線了永續合約交易所，送美國用戶 $25 免費起步 -> kalshi.com/p/fjvsjr
每個量化交易部門都在運行的迴圈
把薪資、Bloomberg 終端機和格林威治辦公室拿掉之後，對沖基金本質上就是一個不斷重複的循環：
> 研究 - 找到值得測試的東西
> 撰寫程式 - 把想法變成可執行的策略
> 回測 - 用歷史資料反覆攻擊它，直到它證明自己或陣亡
> 上線 - 推送到券商並讓它實際交易
> 事後檢討 - 檢視實際發生的事，以及背後的原因
> 微調 - 把教訓收斂回系統中，讓下一版變得更銳利
格林威治的一名初級量化交易員大概每個月跑一次這個循環。他一年要花 65 萬美元，換算成薪資時間，每個假設大約要花 87,500 美元，而且他做出的大部分策略在第六週就會死掉。
Man Group 的 AlphaGPT 每週透過同一個循環處理數百個訊號。而一組人類團隊一季只能做二十個。
這個循環從來都不是祕密。能不能參與其中才是。
四個工作，一個聊天框
以下這部分已經徹底崩塌了。
Horizon AI 交易 Agent 把第二、三、四個環節濃縮成一句話。 你用簡單的英文描述一個交易想法。AI Agent 會把它解析成進場邏輯、出場規則、倉位規模和風險限制，編譯成帶有券商介接的可執行程式碼，然後在約 12 秒內跑完五年回測。
前進式分析、跨越數千條路徑的蒙地卡羅模擬、修正夏普比率——讓一個在 4,000 種組合中只是運氣好的策略，無法偽裝成真正的優勢。
然後一鍵就能讓它上線到券商。Alpaca、IBKR、Schwab 或 Hyperliquid——如果你想要免許可、不需 KYC、只要一個錢包的途徑。
從提示詞到實際交易：大約 90 秒。 每個假設的成本：現在透過這個連結試用，費用為零 - [join.horizon.trade/explore](https://join.horizon.trade/explore)
0:00 / 0:27
而第五個環節最近也上線了，這正是我真正在意的部分。當回測結果顯示虧損時，Agent 會指出策略失血的部位，重建一個更強的版本，並當場重新測試。 測試、失敗、改進、重複，直到曲線翻正。
這就是一個運行在聊天框裡的自我改進迴圈。兩年前，這還需要一整個房間的量化交易員和六週的循環週期。
如何自己搭建這套系統
這五個已經被解決的環節值得好好理解，因為第六個正是建立在它們之上。
-> 研究。 當你睡覺時，一群 Agent 正在閱讀資料。不是三份文件，而是兩百份。包含申報文件、電話會議紀錄、期權流動、鏈上數據、以及發布當下的新聞。有效的模式是讓專業 Agent 平行運作，在推理過程中互不交流，這樣它們就不會互相定錨。PolySwarm 就是用這種方式運行五十種不同的人設，並且刻意對它們隱藏當前市場價格，讓它們也不會跟著群眾定錨。
-> 撰寫程式。 這是第一個被攻破、也被攻破得最徹底的環節。Claude Code 風格的 agentic 迴圈會不斷撰寫、執行、除錯、重寫，直到程式能跑起來。策略程式碼通常很小、規格明確且容易測試，這讓它幾乎是編碼 Agent 的完美任務。
-> 回測。 引擎本身不如圍繞它的紀律重要。封存的樣本外區間，開發者永遠不會碰觸。修正夏普比率。前進式驗證。另外還有一個獨立的破解者 Agent，它的唯一任務就是找出策略會失效的條件，在雙倍交易成本以及該資產類別最糟糕的十個歷史市場環境下進行測試。
-> 上線。 券商 API、緊急停止開關、持倉狀態。這裡有一條規則，跳過它會讓你付出真實金錢代價：緊急停止開關必須寫在程式碼裡，絕不能放在系統提示詞中。寫在提示詞裡的風險限制只是一個建議，一個動機足夠強烈的推理鏈會想辦法繞過它。
-> 事後檢討。 每個決策都會連同產生它的推理軌跡一起被記錄下來。一個評論者 Agent 會閱讀這份日誌，並指出你一直重複的模式。同時也借用臨床試驗的技巧：在測試執行前先寫下預期結果，以不可竄改的方式儲存，然後再進行比對。對於一個預先註冊了自己假設的策略，你無法事後隨意更改標準。
那個還沒有人建造的環節
微調。就是那個讓迴圈閉合的環節。
目前，虧損交易帶來的教訓只會留在日誌檔裡，從此無人問津。Agent 接下來撰寫的新策略完全不知道這些教訓的存在。每個循環都從大致相同的地方重新開始。
補上這個缺口，就會出現一個很不一樣的東西：屬於你自己交易的持久世界模型。
一個假設圖譜，記錄著哪些已經測試過並失敗了、哪些被證實有效但只在多頭行情下、哪些從未被嘗試過。
負面結果是量化研究中最被低估的資產，而目前沒有任何系統會保留它們。
一個帶著這張圖譜前進的 Agent 不會重複你的錯誤，因為它擁有每一個錯誤的明確紀錄，包括每個錯誤發生的確切市場環境。
實現這一切的每個元件今天都已經存在。向量記憶、情節記憶儲存、每月 3,800 萬次下載的 LangGraph 編排、能在每次運行之間持久化狀態的 agentic 圖譜。
還沒有任何人用真實資金和誠實的成本核算，把這些元件端到端地組裝起來。
一定會有人做到。而且很可能是在幾個月內，而不是幾年後。
當它開始複利成長的那一刻
Devin Ryan 在七月說得很直白：實際上每個人都會擁有自己的家族辦公室，全天候 24/7 為自己工作。
Shaw Walters 預期今年底就會出現純 Agent 組成的做市商公會，這些 Agent 群體會因為數量更多、專業化程度超越任何薪資水準所能支撐的規模，而擊敗單一的高頻交易公司。
閉環迴圈才是讓這一切成真的關鍵。不是某個聰明的策略。而是一台每週都能產出稍微更好策略的機器，永遠持續下去，同時由你決定它能承擔多少風險。
市場用了一世紀的時間，獎勵那些能把研究循環跑得最快的人。Renaissance 之所以勝出，是因為它比任何人都更嚴謹地運行這個循環。
Jane Street 雇用 3,500 人來運行這個循環，並藉此賺取了 396 億美元。
這個循環就是整個遊戲的核心。而它的成本剛剛才變得不再昂貴。
五個環節，距離你只有一個聊天框的距離。第六個，正在被那些閱讀這類文章的人們建造中。
如果你讀到了這裡：
-> 儲存這篇文章 否則三個月後你就要從頭重建這張地圖。
-> 想讓前面四個環節直接幫你搞定？ 免費試用，只需兩次點擊，不需要寫程式。輸入一句話，輸出已測試的系統 -> join.horizon.trade/cvxv666
-> 送你 $25 用來測試你的 Agent，僅限美國用戶，Kalshi 全新永續合約交易所 -> kalshi.com/p/fjvsjr
-> 記住：99% 的人會儲存這篇文章，然後永遠不會再回來看。 這不需要任何成本，只要兩次點擊。你因為測試而失去的唯一東西，就是藉口。
