|
核心思想
传统AI学的是“怎么做能赚钱”；这个AI学的是“成功交易员在加仓时脑子里隐含的风险偏好曲线”。
方法：逆强化学习——不直接模仿动作，而是反推出交易行为背后的奖励逻辑。
一、训练数据我们从多家经纪商脱敏日志中，提取了2000多个长期盈利的黄金手工交易员的匿名加仓记录（总样本量超50万笔订单）。重点不是他们赚了多少，而是：在浮亏X%时，他们选择加仓还是等待；在浮盈Y%时，他们选择平仓还是持有。 同时，用变分自编码器将这50万笔动作压缩成一个低维的“风险偏好潜码”。这么做的好处是：即使不同交易员风格迥异，VAE能找到他们共通的、适合加仓的底层行为模式。
二、逆强化学习训练步骤1：用VAE从数据中提取行为特征，生成一个“专家奖励函数”的初始猜测。 步骤2：让一个策略网络在模拟黄金行情中不断试错，同时不断调整奖励函数，直到策略网络的输出分布与VAE提取的专家特征分布无法区分。 结果：AI没有学死规则，而是学到了人类高手那种“浮亏时冷静评估、浮盈时不过度贪婪”的隐性权衡。
三、加仓行为特征没有固定间距、手数倍数。AI会输出一个0到1的加仓冲动指数和-1到1的手数调节因子。 浮亏扩大时，冲动指数会先升后降——前三层加仓信心较强，第四层开始迅速衰减。训练显示模型对“超过4层加仓”有天然排斥。 行情宽幅震荡时，模型倾向于更小的加仓间距和更温和的手数增量，窄幅震荡时则更谨慎出手。
四、平仓与风控
五、实测表现（黄金XAUUSD，样本外2024-2025）
| 
