夜雨聆风📌 30秒速览
用 AI Agent 跑了 200 个交易策略、10000 次模拟、50 代遗传进化，得出了一个反直觉结论： 纯现货 + 只做多 + 长线持有 = 唯一稳定盈利的策略。
做空？亏。杠杆？亏更快。复杂策略？扔硬币。
以下是完整实验过程和数据。
一、故事的开始
我在硅谷做工业视觉和电商，算是个动手能力还行的非技术创始人。2025 年初，我开始接触加密货币和预测市场。
一开始是手动操作——打开 Coinbase，买点 BTC，然后去 Kalshi 压几注。两周后，我发现一个问题：
我根本记不住自己买了什么、在什么价格买的、什么时候该卖。
"这很简单，"我想，"让 AI 帮我管不就行了？"
于是我在 Mac mini 上装了一个叫 Jarvis 的 AI Agent 平台。想法很朴素：让 Jarvis 盯着市场，自动帮我下单。
但这里面藏了一个我花了两个月才弄明白的陷阱——不是技术问题，是数学问题。
二、200 个策略的进化实验
我让 Jarvis 跑了一个大规模实验：
两个月后，结果让我傻眼了：
❌ 所有包含做空操作的策略 → 亏损 ❌ 所有加了杠杆的策略 → 亏损更快 ✅ 唯一稳定盈利的 → 纯现货、只做多、长线持有
不是"大部分"亏损。是 200 个策略里，所有有做空或杠杆的最终都亏了。
💡 核心发现：在零和博弈中加入"无限风险"这个变量，任何策略的长期期望值都会趋近于零——甚至负数。
三、做空和杠杆的数学陷阱
我用 Jarvis 写了个脚本来验证。以下是核心逻辑：
# Jarvis 量化验证：做多 vs 做空 vs 杠杆import randomdefsimulate(price_changes, initial=1000, leverage=1, can_short=False): balance = initialfor change in price_changes:if can_short and random.random() < 0.3: position = balance * leverage * -1# 做空else: position = balance * leverage # 做多 balance += position * changeif balance <= 0:return0# 爆仓return balance# 10000 次随机价格序列模拟spot_results = [simulate(prices) for _ inrange(10000)]leveraged_3x = [simulate(prices, leverage=3) for _ inrange(10000)]leveraged_5x = [simulate(prices, leverage=5) for _ inrange(10000)]# 结果输出print(f"现货存活率: {sum(1for r in spot_results if r > 0)/10000:.1%}")print(f"3x杠杆存活率: {sum(1for r in leveraged_3x if r > 0)/10000:.1%}")print(f"5x杠杆存活率: {sum(1for r in leveraged_5x if r > 0)/10000:.1%}")
Jarvis 跑完 10000 次模拟后，在 Obsidian 里写了这样一句话：
持仓时间越长，方向判断正确的概率越接近 50%。但在杠杆市场里，50% 的正确率不够——你需要持续正确，因为一次大错就足以清零。
用数学语言讲：
做多现货： 最大亏损 = 100%（本金归零） 最大收益 = ∞（价格可以无限涨） 风险收益比 = 有限风险 : 无限收益 ✅做空杠杆： 最大亏损 = ∞（价格可以无限涨） 最大收益 = 100%（价格归零） 风险收益比 = 无限风险 : 有限收益 ❌
🎯 一句话：做多是"有限风险博无限收益"，做空是"无限风险博有限收益"。前者是投资，后者是赌博。
四、最简单的策略跑出了最好的结果
用 Jarvis 的遗传算法模块跑了 50 代进化后，活下来的策略出奇简单：
具体表现：
累计收益大幅跑赢持有不动 交易频率在合理范围 最大回撤控制在可接受水平
最让我惊讶的不是收益。是心态。
Jarvis 在 Telegram 上每天发一条消息：
"今日无事，持仓不变。"
没有一次需要半夜爬起来看盘。没有爆仓焦虑。
💡 真正的 alpha 不在策略里，在你对策略的信念里。
五、删掉"高级"数据，收益反而好了
最初，我让 Jarvis 吃进全套数据：
📊 原始数据维度（13个）：├── K线：1分/5分/15分/30分/1小时/日线（6维）├── 技术指标：MACD/RSI/布林带/EMA/ATR/OBV/CCI（7维）├── 成交量、资金流向├── 链上数据└── 社交媒体情绪Jarvis 跑了 3 天，结果和扔硬币差不多。
然后我做了一个大胆的实验：
把 13 个维度全部删掉，只保留 3 个：价格、成交量、波动率。
Jarvis 重新跑。收益立刻提升。
为什么？因为技术指标只是价格的导数——它们不创造新信息，只创造噪音的复本。
💡 超过某个临界点，每多一个数据维度 = 多一层噪音。如果你不能解释一个指标为什么能预测未来，它就是噪音。
六、Jarvis 教我的三条铁律
铁律一：让数据说话，不让指标替你做决定
OpenClaw cron 每 5 分钟拉一次 BTC 价格，存到 Jarvis 的 PostgreSQL。我只用三个信号：
defshould_buy(price, volume, volatility):# 只用价格、量、波动率三个信号 vol_spike = volume > volume.rolling(20).mean() * 1.5 price_trend = price > price.rolling(50).mean() low_noise = volatility < volatility.rolling(100).mean()return vol_spike and price_trend and low_noise铁律二：数学驱动，不信故事
Jarvis 的回测引擎（Claude Code 写的），任何策略丢进去自动跑 5 年历史数据，输出夏普比率、最大回撤、胜率。
🚫 不通过回测的策略，绝对不能上实盘。
铁律三：避免信息过载，让 AI 做减法
Jarvis 的核心设计哲学：
不是"加更多功能"而是"去掉不需要的东西"每增加一个指标前，先问自己：它增加了新信息？还是增加了新噪音？七、三种视角的复盘
实验结束后，我让 Claude Code 分别用三种角色复盘：
八、真相是残酷的，但也是解放的
残酷在哪里？
花了两个月和大量算力，只为证明一个简单的道理：不赌不会输，少即是多。
解放在哪里？
你不需要：
❌ 盯 20 个指标 ❌ 半夜看盘 ❌ 预测明天涨跌 ❌ 比华尔街聪明
你只需要：
✅ 现货，只做多 ✅ 长线，不碰杠杆 ✅ 三个数据：价格、量、波动率 ✅ 一个 AI Agent（Jarvis）帮你盯盘、执行、记录
🎯 市场永远在交易不确定性。而真正的 alpha，藏在确定性里面。
🔜 下期预告
第 2 期：装环境劝退了 90% 的人，我用 OpenClaw 一句话搞定
OpenClaw 一键部署 Docker + Python 回测框架 Jarvis 实时行情数据接入（Kraken 免费 API） Claude Code 写第一个能跑的策略引擎 全部代码开源，数据真实，逻辑透明
系列导航
✅ 第1期（本文）：我让 AI 帮我炒股，结果发现一个残酷真相 🔜 第2期：装环境劝退了 90% 的人 🔜 第3期：免费 API + AI = 你的私人彭博终端 🔜 第4期：交易策略不是拍脑袋想出来的 🔜 第5期：回测猛如虎，实盘亏成狗 🔜 第6期：Vibe Coding 写止盈止损的 5 个巨坑 🔜 第7期：抄袭 DeepSeek 底层逻辑，用进化论重写策略 🔜 第8期：睡觉时它也在赚钱 🔜 第9期：每天醒来先看 AI 写的交易日报 🔜 第10期：Jarvis 不只是交易工具
Jarvis 是 小麦穗 团队开发的 AI Agent 平台。本文所有实验数据来自 Jarvis 的真实运行日志。
⚠️ 投资有风险，本文不构成任何投资建议。
