基于大模型（LLM）的A股量化策略辅助开发与回测系统产品系统Vibe Coding

个人对量化交易和AI应用技术有浓厚兴趣，希望探索「自然语言驱动交易策略开发」的可能性。利用大模型作为“编程副驾驶”，快速验证策略想法，并形成一套可复用的开发流程。

策略需求表达：用日常语言描述交易逻辑（例如“20日均线上穿60日均线买入，跌破止损5%卖出”），交给大模型生成初始Python策略代码。
代码调试与优化：通过WorkBuddy工具反复与模型交互，修复逻辑错误、优化回测性能，累计迭代30余版。
回测验证：在聚宽平台导入策略，对沪深300、中证500进行2018-2025年历史数据回测，观察夏普比率、最大回撤、年化收益等指标。
结果记录：整理回测日志，分析失败案例（如震荡市中频繁止损），调整参数并重新测试。

已完成一个双均线+ATR动态止损策略的基本框架，回测年化收益约9-12%，最大回撤控制在15%以内。
形成一套“人机协作”的开发模式：人类负责需求定义与结果评判，AI负责代码生成与局部优化。
项目代码已托管至GitHub（链接待补充），作为AI应用能力的实战案例。