春节期间，deepseek非常火爆，1月初我也开始使用了（如下图右半部分），同时从2023年开始也一直在使用chatgpt（如下图左半部分），前前后后至少进行了上千次的沟通。
其他的AI模型，比如通义千问、kimi、文心一言等，在量化投资和编程方面，还有提升的空间，可以暂且不用。
今天试着以量化投资的角度，对两者进行一下使用体验分享，是否有必要本地部署deepseek？如何借助这些优秀的模型构建自己的量化交易策略，希望对大家有所帮助。
很多网友在网上评论“试试能否把幻方的老底问出来”，有人回答“已经问了，但是deepseek不告诉我”，今天我们就试试，看能否问到不错的策略。
我的问题如下：
“我是一个做国内商品期货的散户，想要一个高胜率，高盈亏比的日内趋势型策略，资金在 10 万左右，请帮我设计一下”
如果稍微有些量化基础的朋友，应该能发现上面问题的存在矛盾的地方，我们看看deepseek如何回答
单单从上面两张截图的回答来看，对量化交易涉及的几个重要环节都有所提及，如果你是一个量化小白，看看这段文字也能有所收获。
回答还没结束，后面内容截图的话比较长，我以文字形式放到下文中
针对您的需求，我为您设计一个以高流动性和高波动性品种为核心的日内趋势策略。以下是经过优化的方案框架：
一、品种选择（关键要素）
- 日均成交量＞50万手（确保流动性）
- 波动率＞1.5%（保证日内空间）
- 保证金＜3万/手（10万资金可操作3手）
- 手续费率＜0.1‰（降低成本）
二、核心交易逻辑（三重过滤体系）
趋势判定层（30分钟周期）
- EMA12上穿EMA26且价格＞EMA60 → 多头市场
- EMA12下穿EMA26且价格＜EMA60 → 空头市场
入场信号层（5分钟周期）
- 多头信号：MACD(12,26,9)金叉 + 价格突破布林带中轨
- 空头信号：MACD死叉 + 价格跌破布林带中轨
- 附加条件：成交量较前3根K线均值放大20%
风险过滤层
- 开盘30分钟内不交易（09:00-09:30）
- 价格处于前日结算价±1.5%区间外不交易
- 持仓量骤减＞15%时放弃交易
三、资金管理系统
# 以螺纹钢为例（保证金约4000元/手）
account = 100000
risk_per_trade = 0.02 # 单笔风险2%
stoploss = 10 # 10个点止损
point_value = 10 # 每点价值
position_size = (account * risk_per_trade) / (stoploss * point_value)
# 计算结果：3手（实际交易2手留安全边际）
四、动态止盈止损机制
- 盈利达15点后，止损移至成本+2点
- 盈利达30点后，止损移至盈利20点
- 价格突破日内极值后，启动3倍ATR跟踪止盈
五、特殊时段处理
| 09:00-09:30 | 仅观察不交易 |
| 10:15-10:30 | 减仓50% |
| 14:30后 | 只平仓不开新仓 |
| 交割日前3天 | 切换至次主力合约 |
六、风险控制
七、实战注意事项
- 入场依据（哪三个条件同时触发）
- 持仓时间（最长不超过2小时）
- 实际滑点（超过2个点需调整品种）
- 胜率（目标55%-60%）
- 盈亏比（目标1.8:1以上）
- 日均交易次数（控制3次以内）
八、辅助工具推荐
该策略经过2020-2023年螺纹钢主力合约回测，年化收益率约80-120%，最大回撤15%。建议先用模拟盘验证1个月，熟悉信号识别和止损执行后再实盘操作。注意不同品种参数需微调（如化工品止损可放大至15点）。保持策略一致性是获得正期望值的关键。
看到这里，你觉得deepseek给出的这个策略如何？回答的是否专业？接下来我们看看同样的问题，ChatGPT如何回答。
大家可以对比下两者的回答，很明显deepseek的回答会更专业一些，不愧是出自量化巨头幻方，因为deepseek有历史数据，也给出了历史回测结果，但是ChatGPT没有。
到这里还没有结束，deepseek虽然给出了具体的策略，也给出来回测结果，看似是个不错的策略，但对于一般的量化爱好者，没有编程经验，对该策略进行验证及应用还是比较困难的。
有个比较简单的方式，就是将上述的入场点标记在第三方商业行情终端上，因为该策略用到的技术指标也比较简单：EMA/MACD/BOLL，都是比较常见的指标，可以借助通达信公式进行BS点标记。
不会写通达信公式？没关系，我们接着问，后面就只以deepseek的回答进行分享了，因为chatgpt给出的公式运行会出错。
为了方便起见，我们将上面的策略进行简化，同时我们只关注一个级别的行情k线，标记做多或者做空的入场点，也就是常说的BS点。
我们直接把deepsek给出通达信公式放到第三方软件的指标公式中，新建一个指标
看看效果，下图的“S”点标记的还是很准确的，满足上面的要求
到这一步，如果你认可该策略，结合BS点的提示，可以跟踪观察一段时间看看效果。
如果需要完整的实现上面的策略，对编程能力就有一定的要求了，大家可以自行与AI模型进行交流沟通，比如让deepseek将上述完成策略，转化成聚宽平台代码，或者通达信公式代码，然后再不同平台进行回测验证。
下一个问题，是否有必要本地部署deepseek？
我的回答是不需要，因为本地安装的回答比较拉胯，请看下图。
还有一些更无厘头的回答，甚至违背常识，这里就不举例了，避免误导大伙。
最后的结论就是，可以把这些AI模型当成是高智商的婴幼儿，如果你在某个领域有一定的经验和专业度，那么你会将它训练的越来越专业，就比如幻化在量化界的专业度，训练出来的deepseek模型，如果你有一定的量化基础，那么你会慢慢发现它的优势所在。
