乐于分享
好东西不私藏

基金套利笔记:用AI搭建轮动交易小工具

基金套利笔记:用AI搭建轮动交易小工具

这几天,我的“半自动套利程序”进入了一个边用边修、边修边想的阶段。群里的小伙伴们眼尖手快,每天都能帮我揪出几个Bug,这让我深刻体会到,程序这东西,真得用起来才能知道哪里是坑。在此,特别感谢那些积极参与测试、发现问题的小伙伴们。
我发现,很多加入“全家桶计划”的朋友,可能多少有点被我“举重若轻”的文章“忽悠”进来了。在“半自动交易小组”里,我发现大家背景各异:
编程大佬:自己能看懂逻辑,能让AI改代码,基本不用我操心;
动手能手:不太懂编程,但有点基础,能在AI辅助下把环境搭好、程序跑起来;
纯小白用户:完全不懂技术,以为拿到手就是个成熟产品,结果一上来面对我的“半成品”可能会有点懵;
观望派:太忙了,程序都没下载。
我开发这个工具的初心很简单:就想在一个清爽的电脑界面上,集中看到所有我关注的LOF基金的折溢价情况,实现“半自动”操作,免得老在手机上切换N个微信群,盯着飞速滚动的消息,看得眼花缭乱还跟不上节奏。
我的“三步走”计划进展如下:

第一步:搞定静态估值,夯实基础

万事开头难,我首先得把“静态估值”做得和业内参考标准(比如“无敌”的网页估值)一模一样,这是所有套利操作的基石。跟踪磨合了一个多星期,现在基本能对齐了。不过,程序的健壮性还得打磨,比如前两天就因为没有读取到“人民币中间价”这个数据,整个程序就“趴窝”了,逼得我赶紧优化。
现在,我已经把“全家桶”里规划的七大类基金(原油、黄金、QDII-ETF、QDII-指数等)全部接入了监控。下面是我今天上午的监控界面截图,可以说和参考标准基本吻合了。
原油与黄金类基金监控:
商品代码
类别
名称
仓位
净值
静态官方估值
501018
原油
南方原油
68.00%
1.7055 (04-15)
1.7261 (04-16)
160723
原油
嘉实原油
77.00%
1.9594 (04-15)
1.9885 (04-16)
160216
黄金
国泰大宗商品
67.00%
0.7510 (04-15)
0.7561 (04-16)
161815
黄金
银华抗通胀
73.00%
1.1780 (04-15)
1.1823 (04-16)
华宝油气、美国消费、标普生物等QDII-ETF监控:
纯ETF代码
类别
名称
仓位
净值
静态官方估值
513350
纯ETF
富国标普石油
100.00%
1.1737 (04-15)
1.1997 (04-16)
162411
纯ETF
华宝油气
95.00%
0.8784 (04-15)
0.8969 (04-16)
162415
纯ETF
美国消费
94.00%
2.9370 (04-15)
2.9255 (04-16)
159502
纯ETF
嘉实标普生物
100.00%
1.3756 (04-14)
1.3734 (04-16)
标普500、纳斯达克100等QDII-指数基金监控:
指数代码
类别
名称
仓位
净值
静态官方估值
161125
指数
易方达标普500
95.00%
2.9293 (04-15)
2.9375 (04-16)
161130
指数
易方达纳斯达克100
95.00%
4.0044 (04-15)
4.0246 (04-16)
同时,程序也提供了历史净值和估值的对比图表。一旦估值出现偏差,我能快速定位是哪个底层数据(比如汇率、美股价格)出了问题。技术上其实没有多高深,我就是把别人验证过的算法,从Excel搬到了Python里而已。

第二步:优化“实时交易”的便利性

以前我用手机操作,在盈透、银河、华宝、同花顺几个APP间来回切换,手忙脚乱。最关键的是,美股夜盘流动性一般,调试群的消息等我看到再操作,价格早跑没影了。
所以,我做了个“沙盘”界面,能实时显示LOF的现价和对应美股的盘前/盘中价格。我可以根据自己的“心理价位”预先设置订单参数,页面会自动计算出这个挂单对应的实时估值和溢价率。这样操作更灵活,不用死盯着群消息,避免“羊群效应”下的拥挤交易。
ETF实时估值沙盘测试界面:
XOP测试价: 167.21
估值: 0.8939
预测溢价: -0.88%

第三步:探索“轮动交易”新边疆

上个月底,我看到“无敌”发了一篇关于在A股几只跟踪纳斯达克100指数的QDII基金间进行轮动交易的文章。我的行动总是比他慢半拍,需要时间研读、消化,才有可能给我的程序“锦上添花”。我不是“卷王”,只是相信逆水行舟,不进则退,得天天学习才能跟上节奏。
这几天,我一边继续Debug,一边开始尝试给程序增加“轮动策略”的模块。“无敌”在群里说他也没实际测试过,那我就先试着把理论落地,看看交易上是否可行。

下一步:拥抱AI编程,与小白共成长

基于这个想法,再考虑到“半自动交易小组”里有很多编程小白或像我一样的“半瓶醋”,我打算带着有兴趣的朋友,一起学习用AI来迭代优化这套“基金套利”程序,特别是实现“轮动交易”功能。
我上午已经动手,开始安装Gemini CLI(命令行工具)。听说它完全免费,使用Gemini 3 Flash模型,每分钟60次、每天1000次的调用额度,对学习来说绰绰有余。
过程记录如下,网上资料很多,我也是照着做:
安装Node.js:这是基础运行环境。
安装Gemini CLI:在命令行执行 npm install -g @google/gemini-cli。
初始化:运行 gemini init,会进入一个交互界面,询问是否信任当前文件夹以加载配置。
认证:这一步遇到了国内常见的网络问题。系统尝试连接Google的鉴权服务器(oauth2.googleapis.com)时超时失败。
解决方案:在VS Code中设置代理。打开设置(Ctrl + ,),搜索proxy,在Http: Proxy中填入你的本地代理地址(如http://127.0.0.1:7890),然后重启VS Code即可。
安装VS Code插件:搜索并安装“Gemini CLI Companion”插件,这样就能在IDE里直接使用命令行工具了。
配置成功后,就可以在VS Code终端里使用Gemini CLI了。最让我惊讶的是,当我首次在项目目录下启动它时,它竟然自动读取了我项目里的说明文档(SKILL.md, z00_请先读这个说明.txt等),并开始为我生成一个专属的“技能(SKILL)”!
Gemini CLI 初始化技能过程:
I will read the SKILL.md file… √
I will read z00_请先读这个说明.txt… √
I will read docs\001_系统架构与模块说明.md…
技能初始化完成提示:

Task Complete: my-ai skill Initialized

– Skill Name: codex-lofarb-helper
– Location: .gemini/skills/codex-lofarb-helper

Capabilities:

– 系统架构与模块映射说明
– 核心估值算法讲解
– 资金添加与故障排查工作流指南
– 诊断脚本: my-ai/scripts/check_services.py

Next Steps:

1. Run /skills reload to enable the skill.
2. Run /skills list to confirm it’s active.
3. You can now ask me things like “How does the futures calibration work?”
用豆包翻译了一下,大意是:它已经为我的CodexLOFarb项目创建并安装了一个名为codex-lofarb-helper的技能,保存在.gemini/skills/目录下。这个技能能理解我的项目架构、解释核心算法、指导如何添加新基金或排查故障,甚至还生成了一个服务检查脚本。只需再运行两个指令激活它,我就可以直接用自然语言向它询问项目相关的问题了。
这看起来非常强大!接下来,我准备好好摸索一下这个新工具,看看它能否真的帮助我们这些非专业程序员,更高效地实现“轮动策略”这个想法。路要一步一步走,工具要一样一样学,与大家共勉。
以上活动仅是一个起点。Web3领域充满机会,但需深入学习和资源支持。如果你想系统了解区块链、空投策略和更多实战技巧,欢迎加入我们的社区:添加闲云微信:请扫描下方二维码(备注“进群”获取专属链接),解锁更多Web3干货。