大模型做量化回测：从理论到实践 • halo 的技术博客

量化回测是量化投资的生命线。一个策略好不好、逻辑对不对、因子有没有效，全得在回测里见真章。传统的回测开发是一个重体力活：写数据管线、写策略逻辑、写绩效归因、写报告生成。一套下来，光是搭积木就要花两三天。

进入 2026 年，大模型的能力已经到了一个临界点——它能不能帮忙做回测？或者说，大模型应该在回测的哪个环节介入？这篇文章基于我近半年的实践，聊聊大模型在量化回测中的实际应用和边界。

大模型与量化回测

大模型能做什么？#

先说结论：大模型可以显著加速回测开发，但不能替代回测本身。 它在以下几个环节特别有用：

这是最直接的用法。给定一个清晰的策略描述，大模型可以生成完整的回测代码框架。比如：

“写一个基于布林带的日内反转策略，用分钟级数据，做沪深300成分股，包含滑点和手续费模型，输出夏普比率、最大回撤、胜率。”

Claude 或 GPT-4o 级别的模型可以在 30 秒内生成 200-300 行的 Python 代码，包括数据加载、信号生成、仓位管理、绩效计算。质量大概在初级量化分析师写了两小时的水平。

但重点是你得会审阅。大模型生成的代码经常有这些坑：

这是我认为目前大模型在量化里最有价值的应用场景。一个研究员脑子里有一个因子想法，以前要做：写代码→跑数据→看结果→调参数→看结果→写报告。现在可以：

把因子逻辑用自然语言描述给大模型 → 它生成代码 → 你跑 → 把结果喂回去 → 它分析并给出改进建议。

这个迭代速度比以前快 3-5 倍。特别是对于那些对编程不太熟练的研究员，大模型大大降低了”想法到代码”的门槛。

回测跑完之后的那堆数字，大模型解读得又快又好。把日度收益率序列、月度统计、因子暴露数据直接丢给它，它能在 30 秒内生成一份结构化的绩效归因报告，包括：

同样重要的是承认它的边界。以下几件事，现在的大模型还做不好：

大模型能帮你实现一个”基于 RSI 和 MACD 的趋势跟踪策略”，但它想不出你来没想过的策略。它的输出本质上是训练数据中见过的模式的重组——而好的量化策略，往往是反共识的，是训练数据中极少出现的模式。

单次回测的代码生成很厉害，但设计一个能支撑上百个策略并行回测的分布式系统、设计一套数据版本管理的方案、设计生产环境和回测环境的数据一致性保证——这些系统性工程问题，大模型只能给建议，不能给答案。

这是量化回测里最隐蔽也最重要的问题。大模型可以帮你跑一个滚动窗口的回测来判断样本外表现，但它不能替代你对过拟合的理解。一个在训练数据上夏普 3.0 的策略，可能是因为你的因子里隐含了太多自由参数——这个问题，只有人才能诊断。

我目前实践的框架是大模型做辅助，人不离场。具体来说：

LLM回测协作流程

你有一个策略想法，先用自然语言写清楚。不是一句”做均值回归”，而是写出完整的逻辑链：

这个”写清楚”的过程本身，就是最好的策略审查。很多时候你写一半就发现逻辑漏洞了。

把写好的描述给大模型，让它生成回测代码。然后逐行审阅，重点检查：

跑出结果后，把数据丢给大模型做初步分析。自己再做一次独立判断，交叉验证。

根据分析结果调整策略参数或逻辑，回到 Layer 1 重新开始。大模型的优势在于加速这个循环的每一环。

做了半年多的实践，有几个心得：

第一，不要用大模型生成你不理解的代码。 如果你看不懂模型生成的向量化回测逻辑，就不要把它直接上实盘。理解每一行代码的业务含义，是最基本的安全底线。

第二，大模型对金融数据的理解还是浅层的。 比如它”知道”什么是市盈率，但不”理解”为什么某个行业在特定时期会出现系统性 PE 压缩。这种深度理解，仍然需要人来做。

第三，最好的用法不是替代，而是放大。 一个优秀的量化研究员用大模型，效率可以翻倍。一个不会做量化的人用大模型，大概率生成出看起来很漂亮但逻辑不通的策略。大模型放大的是人的能力，不提供你本不具备的能力。

量化回测的终极目标不是跑出一个漂亮的回测曲线，而是真正理解你的策略在赚什么钱、冒什么风险、什么时候会失效。大模型可以帮助你更快地走向这个目标——但走到目标之后，站在那里做判断的，还是你自己。