你不必会写代码，只要对 AI 说：“油价上涨时买能源股，期权赚到某个幅度就卖出。”它就能替你写出规则，甚至持续盯盘和执行。据《华尔街日报》报道，一些美国散户正在这样搭建自动交易策略，并让 AI agents——能连续拆解任务、调用工具的智能体——参与管理投资组合。值得关注的不是 AI 突然学会了赚钱，而是普通人开始获得过去更像量化基金才有的自动化能力。
用聊天框搭一套交易系统
这种做法常被称为 vibe coding：用户用自然语言描述需求，AI 负责生成和修改代码。在交易场景里，一个人即使不完全理解底层程序，也可能做出一套量化策略——把买卖条件写成可重复执行的规则，再根据数据产生信号。
《华尔街日报》举出的提示词已经相当具体：根据油价信号买入能源股，或在期权达到指定收益后卖出。报道还提到，一名19岁投资者让 Codex 代理筛选期权资金流、给交易打分，并自动跟随高置信度信号。不过，其账户表现只是个人自述，不能当作普遍效果。
平台也在把这种能力做成产品。Moomoo 美国 CEO Neil McDonald 称，平台已于4月开放 agentic trading，并估计到年底约20%的平台交易量可能由代理执行。这是公司高管的预测，不是已经发生的交易占比。Robinhood 则把 AI 管理的组合放进独立账户，并为每笔交易发送通知，试图给自动化加一道护栏。
门槛降了，验证没有变简单
AI 最直接的变化，是缩短了“想到一个策略”和“把它跑起来”之间的距离。但运行得起来，不等于策略有效。
投资者通常会先做回测，也就是拿历史数据模拟策略表现。问题在于，程序可能不小心偷看了未来数据，也可能为了贴合旧行情而过度拟合，像是背熟了答案却不会做新题。若再漏算手续费等交易成本，一条漂亮的收益曲线很容易在真实市场里失效。
自动执行还会放大错误。代码理解错一句提示、模型误判一个信号，或者风险限制没有写清楚，都可能让建议迅速变成订单。自然语言让规则更容易创建，却不会自动补上投资者没有想到的约束。
AI 也可能把大家带到同一边
《华尔街日报》援引一篇 NBER 工作论文称，当 AI 模型受托构建通用投资策略时，它们倾向于推荐持仓更集中、估值更高、媒体曝光更频繁的股票。换句话说，不同用户即使分别提问，也可能得到相似答案。
这会带来拥挤交易：大量策略依据相似公开数据，同时买入同一批资产；信号反转时，它们又可能一起退出。报道提到2007年的“quant meltdown”作为警示，当时多个量化基金同步卖出并遭遇重大损失。历史事件不能证明今天一定重演，但它说明，自动化策略彼此相似时，风险不只留在单个账户里。
一个模拟实验更能说明便利与风险为何同时出现。据 Los Angeles Times／Bloomberg 报道，软件工程师 Nesler 花两个半星期教 Claude 自己的风险、入场和仓位规则，再给它一个装有10万美元虚拟资金的 Alpaca 模拟账户。机器人起初只愿买蓝筹股和标普成分股，反而需要主人诱导它冒险。30天后，账户收益约7%，但一度回撤22%。Nesler 因此仍不建议别人投入真金白银。
局限与未知
- 目前核心报道来自《华尔街日报》单一信源，未披露用户数量、实际资产规模、普遍收益率或风险指标，无法判断这种做法是否已经形成规模。
- “把账户交给 AI”可能说得太满。现有材料没有统一说明各产品究竟拥有自主交易权限，还是主要提供建议、生成代码与辅助执行。
- 现有案例能证明门槛正在下降，不能证明 AI 已有稳定投资优势。真正难的部分仍是验证策略、限定权限，并在模型犯错时及时停手。