一周改一次操作手册：交易智能体在暴跌前夜把仓位从 10.7% 调到 2.9%

2025 年 1 月，一个由 GPT-5-mini 驱动的交易智能体开始上班。它的工作流程看起来很现代：查价格，搜新闻，跑代码，算指标，最后给出一份资产配置方案。问题出在一份谁都不会去看的文件里，那是它的系统提示词。在整整二十个交易日里，这个智能体每天计算的指标就五样：夏普比率，20 天收益，60 天收益，年化波动率，最大回撤。一个不多，一个不少。4 月市场出现近 10% 的大幅回撤，它还是这五个；9 月走出一波稳定上涨，它还是这五个，像素级复制。

风险价值这种专门度量极端下跌的指标，整个观察期一次都没被调用过。均线、指数移动平均与相对强弱指数这些趋势跟踪工具，同样是零。这是 KAIST 与 DeepAuto.ai 的研究者在论文 EvolveTrade 里记录的现象：智能体的操作手册，在市场数据到来之前就写死了，此后再没被改过一个字。

🔒 被锁死的分析能力

现在的 LLM 交易智能体大致分两类。一类给固定观察窗口，把过去几天的价格和新闻直接塞进提示词，让模型在这个范围内决策，LiveTradeBench 这类基准测的就是它，像开卷考试，材料给多少就是多少。另一类允许智能体主动调用外部工具：价格接口、新闻搜索与代码解释器，论文里叫静态工具调用智能体。听起来已经够聪明，直到研究者扒开它的代码执行记录。

那张工具调用热力图把问题摆得很清楚：横盘、暴跌与上涨三种截然不同的市场环境里，被调用的分析工具几乎一模一样。夏普比率，20 天收益，60 天收益，年化波动率，最大回撤，这五个指标在 90% 到 100% 的交易日里都会出现；相关系数、平均真实波幅与动量偶尔露个面；均线、指数移动平均与相对强弱指数这些趋势工具，以及风险价值和信号归一化，一次都没有。就像一个厨师，不管客人点清蒸鱼还是红烧肉，永远只用一口锅、一套调料，连火候都不变。

研究者把病因归结成一句话：初始系统提示词决定了模型的哪部分分析能力会被激活，而这份提示词在市场数据还没被观察到之前就写定了。智能体无法从自己的交易经历里学到任何东西。上个月因为忽略信号验证亏了钱，这个教训不会写进下个月的行为准则，因为压根不存在这样一个反馈闭环。

🔄 解法：让操作手册自己改字

EvolveTrade 的做法说起来很简单：把系统提示词本身变成一个可以被修改的对象。论文设计了两角分工。交易智能体负责每天干活，查价格，搜新闻，跑代码，最后给出配置方案。策略智能体不参与交易，它每隔 5 个交易日回望一次，复盘交易智能体这段时间的表现，然后动手改写对方的系统提示词。这个过程叫策略自我进化，每一次具体的文本修改叫一次精炼步骤。

改写依据是两类材料。一类是决策轨迹：每天决策的完整记录，包括最终给出的资产权重和针对每个资产的推理，比如"因为 20 天收益率 3.18%、夏普 0.91，所以看多"。另一类是交易后反馈：执行之后市场给出的真实结果，每日组合收益、各资产实际涨跌与组合状态变化。两类材料合成一条精炼记录，策略智能体拿着它分析：哪些判断逻辑站得住，哪些工具调用方式效果差，然后改提示词里的具体条款。

为什么不直接看盈亏改策略？因为收益是个又慢又吵的信号。一次亏损可能是分析方法有问题，也可能纯粹是突发利空；一次盈利可能是运气蒙对，不是分析框架靠谱。只看分数没法区分是没复习到重点，还是考题出偏了，必须把答题过程和最终得分放在一起对照，才能归因。这就是决策轨迹必须和交易反馈打包出现的原因。

📈 效果：暴跌前夜的两种仓位

实验铺了 2 个模型底座（GPT-5-mini 与 Gemini-2.5-Flash），6 个市场时段从横盘到暴跌再到上涨和熊市，交易标的为 15 只美国蓝筹股加现金。多数模型与市场组合下，EvolveTrade 的夏普比率和累计收益都超过固定策略的基线；6 个组合里有 3 个，它拿到了 LLM 方法中最好的夏普与累计收益。

行为层面的变化更有意思。4 月暴跌行情里，风险价值和信号归一化被启用了；9 月上涨行情里，均线、指数移动平均与相对强弱指数这些趋势工具也用起来了。代码执行工具的调用频率从大约每天 1 次涨到 2.6 至 4.5 次，价格查询和新闻搜索的次数基本没变。精力没有花在"多查资料"上，而是转向了执行性的代码分析，代码从辅助说明的工具变成了驱动配置决策的计算引擎。

论文里有个具体案例。2025 年 1 月 24 日，英伟达股价即将出现 17% 的暴跌。当天，静态工具调用智能体给英伟达配了 10.7% 的仓位，理由是 20 天收益率 +2.1%、夏普约 1.1，还有正面的 AI 新闻。经过策略进化的 EvolveTrade 同一天只给 2.9%，它的进化后策略要求优先看 60 天这种更长周期的风险调整后收益，把短期指标和新闻降为辅助确认信号，配置波动大的资产时还要做换手率检查。第二天英伟达跌 17%，静态智能体当天组合收益 -1.11%，EvolveTrade 是 -0.03%，相差 1.08 个百分点。

工具箱的激活情况，是这次进化最直观的产物：

⏱️ 节奏：五天最好，每天最糟

更新频率这道题，论文的答案反直觉。研究者测了四档更新间隔，最短 1 天，最长 7 天，中间是 3 天与 5 天；5 天的中等频率效果最好，夏普和累计收益都是几种设置里最高的，每天更新反而最差。反馈越及时越好是错觉，只看一天结果就急着下判断，容易被单日噪音带偏，做出过拟合式的调整。开车时每秒打一次方向盘，车只会七扭八歪。

另一个自然担心是提示词越改越乱。论文做了 50 个交易日的长周期测试，EvolveTrade 依然稳定跑赢所有基线；策略文本的长度确实会随经验积累变长，但会周期性收缩。策略智能体懂得在某些时刻把冗余重复的指令合并精简，像定期断舍离。

反面案例论文也报了。两次 4 月行情测试（2025 年 4 月和 2026 年 4 月），EvolveTrade 反而不如某些固定策略基线，复盘发现这两个时间段它的平均现金持仓比基线高出 10 到 36 个百分点。进化让智能体更懂避险，也可能矫枉过正，在本该进攻的时候选了保守。

🧭 放在拼图里看

这篇论文的意义，在于它换了一个层面对待老问题。9 月底我们聊回测验证失效和《The Price of Thought》时，结论是成本与噪声是分母，推理算力换不来净收益。EvolveTrade 讲的是同一片海域的另一层：不动模型权重，把"操作手册"当成可持续优化的对象，用执行反馈驱动提示词迭代。它和 10 月中旬那批"脚手架自我进化"的讨论是同一条河里的水，都被归到不改权重、只改外围的一类。

要留的清醒也在这里：6 个组合只赢下 3 个，两个 4 月还跑输过固定基线；15 只蓝筹加现金的市场广度有限；报道没有给出论文编号和具体夏普数值，收益幅度无法独立核算。它能证明的是"学习闭环对工具有激活作用、对结果有改善迹象"，还不能证明"进化后的交易智能体可以替人管钱"。

信源与限定：本文全部内容依据科技行者（腾讯新闻）2026-10-16 对 EvolveTrade 论文的解读报道撰写，未核到论文原文，论文 arXiv 编号未在该报道中给出；夏普与累计收益的具体数值报道未披露，"6 组合 3 胜"为报道口径；1.08 个百分点为报道给出的当日收益差；现金持仓高出 10 至 36 个百分点为论文自述的反面案例分析；机构信息（KAIST 与 DeepAuto.ai）来自该报道。