DeepSeek 量化交易实战：用标准化提示词模板实现 AI 辅助交易决策

前言

随着大模型技术的快速发展，AI 辅助交易已经从概念走向实战。但绝大多数投资者都面临同一个问题：不知道怎么写提示词才能让大模型给出专业、可执行的交易决策。要么得到的建议空泛无用，要么不符合 A 股市场的交易规则，甚至出现逻辑错误。

本文将分享一套经过实战验证的 DeepSeek 量化交易提示词体系，从流程设计、模板构建、数据填充、实战验证四个维度，教你用标准化的方式让 DeepSeek 成为你的交易助手。文章提供可直接复用的提示词模板和 Python 数据填充代码，覆盖激进型趋势交易场景，帮你快速搭建 AI 辅助交易框架。

一、DeepSeek AI 辅助交易完整工作流程

整个 AI 辅助交易流程分为 4 个核心步骤，支持网页版手动操作 和Python API 自动化执行两种模式，新手推荐先从网页版开始上手。

两种实现模式对比

表格

模式	优点	缺点	适用人群
网页版手动	免费、无需代码、操作简单	效率低、无法批量处理	新手投资者、散户
Python API 自动	高效、可批量选股、支持定时执行	需要付费 tokens、有代码门槛	量化爱好者、职业交易者

二、核心：激进型趋势交易提示词模板

这是本文的核心内容，专为A 股强趋势龙头战法设计，风险偏好为激进型，追求高收益的同时通过严格风控控制回撤。模板采用结构化格式，明确大模型的角色、任务、输入数据和输出要求，确保生成的决策专业、可执行。

完整可复用提示词模板

# Role: A股顶级游资量化策略员(专攻10万->1000万复合增长)
# Strategy Philosophy:
- 核心逻辑: 专注"强趋势龙头"与"量价共振突破"。利用A股T+1特性，强调早盘确认性与尾盘确定性。
- 风险偏好: 激进型。单票重仓，止损果断，追求复利断层式增长。
- 交易原则: 只做主升浪，不做震荡市；只做龙头，不做跟风股。

# 交易标的: {stock_code}
# Market Context: 实时行情快照
- 价格行为: 收盘价{close}元 | 涨跌幅{pct_chg}%
- 活跃度: 换手率{turnover_ratio}% | 量比{volume_ratio}
- 均线状态: {ma_state} | 乖离率(BIAS): {bias}
- 技术指标: MACD {macd_signal} | RSI {rsi_signal} | KDJ {kdj_signal}
- 关键价位: 上方压力位{key_pressure}元 | 下方支撑位{strong_support}元

# Task: 执行【A股主升浪】交易决策指令
## 1. 市场情绪与地位判别
- 板块效应: 当前标的是否属于核心领涨题材？是否存在板块共振效应？
- 多空博弈: 当前阶段属于[缩量回调确认/高位放量分歧/平台放量突破/弱势下跌]中的哪一种？
- 趋势强度: 结合量能和指标，判断主升浪启动的概率（0-100%）。

## 2. 盘中执行计划
- 操作指令: 明确给出[竞价抢筹/分时回踩买入/突破追涨/减仓观望/空仓等待]
- 首仓执行: 建议买入价格{price}元，仓位比例[具体百分比]
- 特殊策略: 若封板概率>70%，是否执行打板策略？若回踩MA5不破，是否执行低吸策略？

## 3. T+1动态仓位管理
- 加仓条件: 次日若跳空高开[x]%或放量突破[具体价位]，计划加仓比例[具体百分比]
- 减仓条件: 若冲高至[具体价位]遇阻回落，计划减仓比例[具体百分比]
- T+0机会: 预判日内波动区间，给出高抛低吸的价差建议（如11.20元低吸，11.80元高抛）

## 4. 硬性风控与退出机制
- 止损位: 精确数值（逻辑：跌破MA10或关键支撑位）
- 止盈位: 第一目标位[精确数值]，达到后减仓50%锁定利润；第二目标位[精确数值]
- 极端情况: 若遭遇跌停板/放量大阴线，明确次日竞价清仓的触发条件

# Output Constraints:
1. 严格符合A股交易规则: 必须考虑T+1制度，不建议日内高频调仓
2. 数据精确性: 所有价格、比例建议必须保留小数点后2位
3. 拒绝中庸建议: 强势市场必须给出60%以上的重仓建议；弱势市场必须给出明确的空仓警示
4. 逻辑清晰: 每个决策都必须有对应的技术面或基本面依据
5. 输出格式: 严格按照上述4个模块的结构输出，不要添加无关内容

模板设计核心思路

1. 角色锚定：明确大模型的身份是 "A 股顶级游资量化策略员"，而非通用分析师，确保输出风格符合实战交易需求
2. 结构化输入：将所有行情数据和技术指标标准化，避免大模型理解偏差
3. 任务拆解：将交易决策拆分为情绪判别、执行计划、仓位管理、风控退出 4 个可执行步骤
4. 输出约束：强制要求输出符合 A 股规则、数据精确、立场明确，杜绝模棱两可的建议

三、实时数据填充规范与 Python 实现

提示词模板中的{}占位符需要替换为实时行情数据，以下是标准的数据字典格式和 Python 获取数据的示例代码。

标准输入数据字典

input_data = {
    "stock_code": "000001.SZ",
    "close": 12.45,
    "pct_chg": 3.52,
    "turnover_ratio": 5.80,
    "volume_ratio": 2.15,
    "ma_state": "多头排列，站稳5日线",
    "bias": 2.10,
    "macd_signal": "0轴上方金叉，红柱持续增长",
    "rsi_signal": "62.35，未超买",
    "kdj_signal": "J线向上突破80，多头强势",
    "price": 12.45,  # 首仓买入基准价
    "key_pressure": 13.20,  # 上方关键压力位
    "strong_support": 12.00  # 下方强支撑位
}

Python 自动填充提示词代码

def generate_prompt(template_path, input_data):
    """
    从模板文件读取提示词并填充实时数据
    参数：
        template_path: 提示词模板文件路径
        input_data: 包含实时数据的字典
    返回：
        填充完成的提示词字符串
    """
    with open(template_path, 'r', encoding='utf-8') as f:
        template = f.read()
    
    # 填充占位符
    prompt = template.format(**input_data)
    return prompt

# 使用示例
if __name__ == "__main__":
    prompt = generate_prompt("deepseek_trade_template.txt", input_data)
    print(prompt)
    # 接下来调用DeepSeek API发送请求即可

数据获取建议：使用 Akshare、Tushare 等免费财经数据接口，自动获取股票的实时行情和技术指标数据。

四、实战效果展示：平安银行 (000001.SZ) 决策案例

我们将 2025 年某一交易日的平安银行实时数据填充到模板中，发送给 DeepSeek，得到以下结构化交易决策：

---

主升浪交易决策分析 (标的：000001.SZ)

基于您提供的实时行情数据 (收盘价 11.43 元，跌 - 0.35%) 和技术指标 (MACD 死叉、RSI44.13、KDJ 线 - 1.80 超跌、量比 0.64 缩量)，当前标的处于缩量回调震荡阶段，未满足主升浪启动的核心条件。以下决策严格遵循您的风险偏好 (激进重仓、止损果断) 和主升浪战法标准。

1. 市场情绪与地位判别

• 板块效应：000001.SZ (平安银行) 属银行板块，近期换手率仅 0.31%、量比 0.64，表明资金关注度低，缺乏板块共振与热点驱动。主升浪需板块轮动或政策利好催化，当前银行板块未现领涨迹象，整体舆情中性偏弱，不具备主升浪的板块基础。
• 多空博弈：当前属缩量回调确认阶段：价格接近支撑位 11.40 元，但量能萎缩 (量比 < 1) 且 MACD 死叉，反映买盘不足。主升浪需放量突破 (量比 > 1.2、换手率 > 5%)，目前未见多头强势信号。
• 趋势强度：主升浪启动概率：15%

2. 盘中执行计划

• 操作指令：空仓等待
• 首仓执行：暂不建仓
• 特殊策略：当前无打板和低吸机会，若放量突破 11.82 元可考虑轻仓试错

3. T+1 动态仓位管理

• 无持仓，暂不涉及仓位调整

4. 硬性风控与退出机制

• 若后续建仓，止损位设为 11.20 元 (跌破 MA20)
• 第一目标位 12.00 元，第二目标位 12.50 元
• 极端情况：若单日跌幅超过 5% 且放量，次日竞价清仓

最终结论：弱势震荡环境，主升浪概率极低。建议空仓观望，等待放量突破 11.82 元的确认信号。

---

可以看到，DeepSeek 严格按照模板要求输出了结构化的决策，逻辑清晰，数据精确，并且给出了明确的操作建议和风控措施。

五、进阶优化方向

1. 多风险偏好模板：基于本文模板，修改策略理念和仓位建议，衍生出稳健型、保守型等不同风格的提示词模板
2. 多指标融合：在输入数据中加入成交量、筹码分布、龙虎榜等更多维度的数据，提升决策准确性
3. 批量选股：结合 SuperTrend 等趋势指标筛选出潜在龙头股，批量发送给 DeepSeek 进行决策
4. 回测验证：将历史数据输入提示词模板，回测 AI 决策的历史表现，优化模板参数
5. 自动执行：对接券商 API，实现从 AI 决策到自动下单的全流程自动化（需注意合规风险）

六、重要注意事项与风险提示

1. AI 只是辅助工具：大模型的决策基于历史数据和技术分析，无法预测黑天鹅事件，所有交易决策必须经过人工复核
2. 严格执行风控：无论 AI 给出多么看好的建议，都必须严格按照预设的止损位执行止损
3. 避免过度依赖：不要将所有资金都投入到 AI 推荐的股票中，建议分散投资
4. 合规风险：目前我国禁止未经许可的自动交易行为，请勿将本方法用于非法证券活动

总结

本文分享的 DeepSeek 量化交易提示词体系，通过标准化的模板设计和数据填充，解决了大模型交易决策不专业、不可执行的问题。对于普通投资者来说，这是一种低成本、高效率的 AI 辅助交易方式。

记住：AI 不能替你赚钱，但能帮你更高效地执行你的交易体系。建议大家先从模拟盘开始测试，验证模板的有效性后再投入实盘交易。

---

版权声明：本文为原创文章，首发于 CSDN，转载请注明出处。风险提示：本文仅为技术分享，不构成任何投资建议，股市有风险，入市需谨慎。