不会写量化代码？把 QuantDash 数据源告诉 Codex，让它帮你写策略

过去学量化，路径通常很长：

先学 Python，再学 pandas，再学金融市场基础，再学技术指标，再学回测，再学调参，再学实盘接口。每一步都没错，但对普通人来说，门槛确实高。很多人不是没有想法，而是卡在“我不知道怎么把想法写成代码”。

现在有了 Codex 这类编程智能体，学习路径可以换一种方式。

你不需要先把所有语法背完，也不需要先掌握完整的回测框架。你可以先做一件事：把数据源接好，然后让 Codex 根据你的研究问题写代码、运行、报错、修复、优化。

QuantDash在这里很适合做量化入门的数据底座。它的 Python SDK 足够直接：安装、初始化、拿 K 线、拿实时行情、拿五档盘口、拿标的信息。Codex 只要知道这套接口怎么用，就可以围绕它生成策略研究代码。

这篇文章讲一个实战流程：如何把 QuantDash 接入 Codex，然后让 Codex 帮你完成一个从想法到回测结果的量化研究。

1. 先告诉 Codex：数据源怎么接

你可以把下面这段提示词直接发给 Codex：

我正在做量化研究，数据源使用 QuantDash。 请记住 QuantDash Python SDK 的基本用法： 安装： pip install quantdash 初始化：fromquantdashimportQuantDash qd=QuantDash(api_key="your-api-key")也可以从环境变量读取： export QUANTDASH_API_KEY="your-api-key"qd=QuantDash()常用标的代码：-A 股上交所：600519.SH-A 股深交所：000001.SZ-美股：AAPL.US-港股：00700.HK 获取 K 线： df=qd.klines.get("600519.SH",period="1d",count=300,adjust="forward",to_dataframe=True)批量获取 K 线： dfs=qd.klines.batch(["600519.SH","000001.SZ"],period="1d",count=300,adjust="forward",to_dataframe=True)获取日内分时： df=qd.klines.intraday("600519.SH",period="1m",to_dataframe=True)获取实时行情： quotes=qd.quotes.get(symbols=["600519.SH","000001.SZ"],to_dataframe=True)获取全量 A 股行情： all_cn=qd.quotes.get(universes="CN_Stock",to_dataframe=True)获取五档盘口： depth=qd.depth.get("600519.SH")常见 DataFrame 字段：-trade_date-trade_time-open-high-low-close-volume-amount-symbol-name 请用这些接口帮我写策略研究代码，并在每次写回测时注意：1.不要使用未来函数。2.信号必须 shift 后再计算收益。3.输出累计收益、年化收益、最大回撤、夏普比率。4.尽量把代码拆成函数，便于我复用。

如果你想让 Codex 读取官方文档，可以补一句：

QuantDash Python SDK 官方文档在这里： https://docs.quantdash.net/请优先按这个文档里的接口写代码。

这个动作很关键。很多人使用 AI 写量化代码，失败不是因为 AI 不会写策略，而是因为它不知道你实际的数据源长什么样。你把 QuantDash 的接口、字段、标的格式交代清楚，后面的生成质量会明显提高。

2. 让 Codex 先写一个最小可运行回测

不要一上来就让 Codex 写“年化 30%、回撤 5% 的策略”。这类目标容易把研究带偏。

你可以先给一个明确、简单的技术逻辑，比如双均线交叉：

提示词示例：

请用 QuantDash 获取贵州茅台（600519.SH）过去300个交易日的日 K 线，写一个双均线策略（MA5 和 MA20）。 规则：1.MA5 上穿 MA20 买入（持仓设为1）。2.MA5 下穿 MA20 卖出（持仓设为0）。3.计算交易信号时必须对信号执行.shift(1)，避免未来函数。4.计算策略每日收益率，并画出策略净值与基准净值的对比图。5.给出累计收益率、年化收益率、最大回撤、夏普比率。

从这里开始，你就可以让 Codex 继续迭代，而不是自己在语法里打转。

3. 让 Codex 给回测加上“真实世界规则”

裸回测一般看起来都很美，但如果不算成本，回测结果往往是“纸上富贵”。

下一步，直接命令 Codex 加上交易成本和滑点：

提示词示例：

请在上面的双均线回测代码中增加以下规则：1.每次买入和卖出计入双边千分之一（0.001）的手续费。2.考虑成交滑点（设为0.05%）。3.计算并对比“不含成本”和“包含成本”后的策略净值曲线。4.输出加入成本前后的指标对比。

这一步不仅能帮你剔除假策略，还能让 Codex 帮你写出符合工程规范的计算逻辑。

4. 让 Codex 帮你排查逻辑避坑

在量化研究中，最容易让人踩坑的是未来函数、信号对齐错误和过拟合。

你可以把代码丢给 Codex，让它当你的“代码审计师”：

提示词示例：

请检查整个回测代码是否有未来函数。 重点检查 signal、position、ret 的日期关系。 如果发现问题，请解释原因并直接修复代码。

检查的几个核心点：

1. 信号计算是否用到了当日收盘价，但当日就以收盘价成交？（应该用次日开盘价或次日收盘价计入收益）。
2. 是否用了全样本的最高价/最低价来做买卖决策？
3. 数据频率和执行频率是否匹配？

5. 换标的和多标的验证

当单只股票跑通后，你可以让 Codex 把代码改成多标的通用函数，并测试美股、港股或不同板块。

提示词示例：

请把上面的回测逻辑重构成一个函数 run_ma_strategy(symbol,ma_short=5,ma_long=20)。 然后分别对以下标的运行并打印结果：-600519.SH（贵州茅台）-000001.SZ（平安银行）-AAPL.US（苹果）-00700.HK（腾讯控股）

因为 QuantDash SDK 原生统一了 A 股、美股、港股的标的代码与数据格式，Codex 生成的代码不需要为不同市场单独写兼容逻辑，一份代码即可跨市场运行。

6. 用 QuantDash 实时行情做盘中监控

历史回测之外，你还可以让 Codex 写一个轻量的盘中监控脚本。

提示词示例：

请写一个 Python 脚本，使用 QuantDash 的实时行情接口（qd.quotes.get）：1.传入一个监控列表：["600519.SH","000001.SZ","AAPL.US","00700.HK"]。2.获取最新的实时价格、涨跌幅、成交量。3.当标的涨跌幅超过3%时，在控制台输出预警提示。

这不仅展示了 QuantDash 从历史回测到实时盘中的无缝衔接，也让 Codex 帮你从“研究回测”延伸到了“盘中监控”。

7. 一套适合普通人的 Codex 量化提示词模板

总结一下，想要高效让 Codex 帮你写量化策略，可以使用这个标准 Prompt 结构：

1. 【背景与数据源】：告知使用 QuantDash SDK，提供基础代码与字段说明。
2. 【策略逻辑】：用自然语言描述明确的入场、出场规则。
3. 【工程与合规约束】：强调无未来函数（shift(1)）、包含手续费/滑点。
4. 【输出要求】：要求标准函数封装，输出核心绩效指标与画图代码。

这个模板的好处是，它把“我要一个策略”拆成了 Codex 可以执行的工程任务。

结语

普通人做量化，过去最难的是入门链条太长：数据、代码、回测、调试，每一步都可能让人放弃。

QuantDash + Codex提供了一条更短的路径：QuantDash 负责把市场数据变成清晰可用的 Python 接口，Codex 负责把你的研究想法快速转成可运行代码。

你要做的，是提出问题、检查逻辑、理解结果，并持续迭代。

这并不会让量化变成“一键赚钱”。但它会让量化学习从“先学半年再动手”，变成“今天就能跑出第一条净值曲线”。

相关链接：

• QuantDash 官网：https://quantdash.net/
• QuantDash 技术文档：https://docs.quantdash.net/