在 AI 技术飞速发展的今天，利用大模型辅助开发量化交易策略已成为一种新趋势。本文就通过实例测试来对比一下 DeepSeek 和豆包在量化策略开发上的表现。

测试方法，选 2 个不同难度的例子测试，给 AI 相同学习文档和提示词，各自写策略，然后回测运行，看谁的准确度更高。

测试用的回测平台用AIQT，一是它没有什么限制，不用登录也能回测，二是 AIQT 的策略是用自然语言编写的，不会编程也能判定 AI 写的逻辑是否正确，并且 AIQT 有现成的规范文档给 AI 学习使用。

测试 1：双均线策略（基础能力）

AIQT 其实已经内置了 Deepseek，可以直接在界面中写提示词设计策略。但为了对比公平，我们都采用外置 AI 的方式。

将 AIQT 的策略开发规范文档（可从 https://c.raqsoft.com.cn/article/1769061759627#toc_h2_3 下载）传给 AI，输入提示词：

DeepSeek 表现：

Deepseek 生成的策略逻辑完全准确，输出格式也符合规范文档中的要求。

将策略复制到回测系统，应用，回测

回测成功。

再看一下豆包的表现：

豆包的解释内容比较多，可读性更好，输出的策略逻辑也正确，并且通过学习文档还找到了更简洁的指标组合。但是在输出格式上就差点意思，首先缺少了配置定义的内容，并且输出格式也没按照规范文档的要求来。

我们将豆包的策略复制到 AIQT 系统里

然后手动做一下配置

回测：

得到了同样的回测结果。

测试 2：量价突破策略（中等复杂度）

这是一个融合了价格、成交量和多时间周期的复合策略，对 AI 的综合理解能力和代码组织能力提出了更高要求。

输入提示词：

DeepSeek 表现：

同样 DeepSeek 给出了完整的策略内容，并且在收盘价突破 20 日高点这个要求上正确的使用了不包含当日的过去 20 个交易日的最高价，避免了掉入逻辑陷阱。

将策略内容复制到回测系统，成功回测！

豆包表现：

豆包还是没有输出配置定义的内容，好吧我们先忽略，看下它的指标定义如何。

直接将豆包的策略复制到回测系统，配置定义借用一下 DeepSeek 写的：

应用后出现报错，看起来豆包使用了系统中不存在的指标，将系统的报错复制给豆包进行纠正，豆包输出如下：

豆包看似对错误进行了纠正，但实际上划红线的几个指标，规范文档里根本没有，豆包的输出存在幻觉，回测失败。

在有严格语法规范要求的策略编写上

DeepSeeK 就像是一个优秀的工程师，能够遵守规则写出符合要求的策略。

而豆包对于简单策略还可以处理，但是稍微复杂些的就会出错，会发散出一些文档里没有的东西，导致回测失败。