當目標是自我拒絕時,Claude Code 的交易研究簡直瘋狂到不行。 從 $10,000 開始, 將一個動量想法轉化為 27 種策略配置, 然後對每一個結果進行以下攻擊: 成本 走勢前測試 參數檢查 樣本外驗證 數字很快就變得難看: 27 種測試 6 種歷史上為正 2 種通過初步樣本外檢查 0 種獲准實盤部署 甚至「最佳」回報也不一定是最優策略: 24% 回報 → 0.75 夏普比率 14% 回報 → 1.17 夏普比率 再加上成本可能將: $1,200 毛利 → $200 淨利 這正是關鍵所在: AI 應該快速生成想法, 而研究系統應更快地淘汰它們。



