之前聊过一个在微信群跟chatGPT互动的活动：分享个好玩的活动。

除了娱乐消遣逗逗AI，我在日常工作和投资中也逐渐使用chatGPT替代搜索引擎了，比如查询概念，生成算法等等，效率杠杠的。

为了考验GPT4的进化程度，我想尝试让它搞定一个完整的量化策略：先从最简单的大小盘股债ETF动量轮动开始吧。这个策略的逻辑是这样的：

从上证50、创业板指、10年国债这3个指数的ETF中，每天选出近1个月（22个交易日）涨幅最大的那只，如果已经持有该基金则继续持仓，如果未持有，则清仓持有的基金全仓买入该基金，如果这3只基金近1个月都下跌就清仓。

之前我在聚宽上实现了这个策略：https://www.joinquant.com/view/community/detail/ae9678b0e2153acb907ef5b0e60f71b0，2018-2022这5年的回测结果如下：

5年总收益152.98%，年化收益率21.04%，最大回撤-17.25%，而对标的基准沪深300指数这5年还下跌了3.95%，策略远远跑赢基准。

这是个典型的追涨杀跌策略，但看起来回测结果还不错，有什么底层逻辑支撑呢？

注释和代码一应俱全，非常贴心了属于是。唯一不足是没有给出数据源，好在我本来存有一份基金历史数据，引入数据运行后，果然可以看到每日持仓的结果了：

这一关AI表现不错，不过策略本身逻辑比较简单，接着还需要验证策略的历史表现，下一关提高挑战难度——让AI生成回测程序，要求回测出策略的区间收益率、年化收益率、最大回撤，并可以自定义滑点大小：

对比一下聚宽上的同时段回测：

净值曲线几乎一模一样，只是由于交易结算价格不同等细节原因，收益率结果有一定偏差。

不得不感叹，chatGPT真是超乎想象地能干啊。

继续欢迎大伙使用阿牛数据，加入微信群一起聊聊低风险投资那些事。

请用您发财的小手点个赞和“在看”

↓↓↓↓↓