如果你喂给 LLM 干净的数据，它回测交易想法的效果会出奇地好。最方便的一点是：模型可以针对你正在验证的具体假设，直接写一个“刚好够用”的回测脚本。
但坑也在这里：LLM 偶尔会犯很小的实现错误。而一个小 bug，就可能把一个靠谱想法变成一堆垃圾，或者反过来，把一堆垃圾包装成所谓“圣杯策略”。
我现在用这套流程来防止自己被骗：
Step 1： 先让 LLM 在自己的脚本里做原型和回测（我用 Claude Code）。
Step 2： 如果结果看起来像真的，我的工作流会强制它用一个正式框架重新实现同一套逻辑（我用 NautilusTrader）。
Step 3： 对比两边输出：权益曲线和交易列表必须一致，或者非常接近。
Step 4： 如果 NautilusTrader 里的结果也能对上，那么这个回测大概率才是真的正确。
最爽的是：哪怕策略逻辑比较复杂，LLM 也能毫不犹豫地把它移植到 NautilusTrader 里。
截图里的上下文：
左边 = LLM 写的“快速回测器”报告
右边 = LLM 在 NautilusTrader 里重写同一策略后的结果
你现在有类似的验证步骤吗？还是看到第一版回测结果不错，就直接相信了？
评论区作者自回复：
@xtyche1 是的，我觉得这一步必不可少，因为你必须确认自己是在高质量数据上做回测。
@TradeWithABear 通常会快很多。
@DenisVodchyts 我不会让它写完整策略。我是用它来回测我自己提出、并且至少认可过的假设。
@sceeto 我现在只把 Nautilus 用于回测。
@wgzhu1 那你建议怎么做？拿纸手工回测吗？
@BK18699178 当然，我不用 Yahoo 数据。我只用自己购买的高质量数据，数据是最关键的部分。垃圾进，垃圾出。
@RicePaddyTrader 没什么特别的。我喜欢它的一点是，它和 LLM 配合得很好。