数据比模型更早决定上限
很多 AI 交易产品喜欢展示模型、收益曲线和酷炫界面，但很少解释数据从哪里来。问题是，交易模型不可能比它吃进去的数据更可靠。价格是否延迟？新闻是否重复？成交量是否异常？回测数据是否包含未来信息？这些问题比“模型是不是 GPT-5”更重要。
像 OpenBB、FinGPT 这类项目值得参考的地方，是它们把金融数据、文本、模型和研究流程拆开，而不是只讲“AI 很聪明”。
一条最小数据管线
Data source
→ cleaning
→ feature building
→ model / rule
→ risk gate
→ order decision
→ execution log
→ post-trade review
每一层都要能追踪。交易时间戳、数据来源、模型输入、模型输出、风控拒绝原因、订单结果、滑点和最终盈亏，都应该写入日志。没有日志，就没有复盘；没有复盘，AI 只是在制造故事。
数据检查表
| 问题 | 为什么重要 |
|---|---|
| 数据源是否可靠 | 错价会直接导致错单 |
| 是否有延迟 | 高频或事件交易尤其敏感 |
| 是否清洗重复新闻 | 重复新闻会放大假信号 |
| 是否有未来函数 | 回测会虚高 |
| 是否记录失败订单 | 只看成功订单会美化结果 |
| 是否可导出日志 | 方便审计和复盘 |
答题
为什么评估 AI 交易产品时，要先问数据来源，而不是先看收益截图？
参考答案：收益截图可能被筛选或美化；数据来源、清洗、延迟和日志决定策略是否可验证。
延伸阅读：OpenBB GitHub · FinGPT GitHub · Machine Learning for Trading · NIST AI RMF
早期体验
拿一份下单前检查表。
我们正在把这些指南做成可搜索的检查工具：查术语、看规则、算风险，先看懂再交易。
加入早期体验 会打开一个简短的 Google 表单。