如何烧 Token？—— 用 Claude Code 从零搭建一个量化交易回测系统

当你开通了 Plus、Pro，却没想法、没地方烧 Token？看过来。

起因

手握 Claude Code，脑中一片空白。打开终端，随手敲下了一句：

“帮我写个量化交易模型，或者去 GitHub 上抓个好的模型改造下，本地要有界面，没有的话自己写个界面”

就这么一句——没有需求文档，没有架构设计，没有技术选型，甚至连"量化交易"具体做什么都没定义。

然后 Claude Code 就开工了。

结果

从上面那句话到最终交付，全程 人类只负责"说"和"点确认"，其余全由 Claude Code 完成：

交付物	说明
📊 数据层	yfinance + AKShare 双源自动切换，带本地 pickle 缓存
🧠 三套策略	多因子动量、LightGBM 机器学习、统计套利配对
⚙️ 回测引擎	目标仓位驱动，支持做空、手续费、滑点
🔍 参数寻优	网格搜索 + Sharpe 热力图，上限 2000 组合
📡 标的扫描	94 只 A 股 + 港股池，多头排列筛选
🖥️ Streamlit 界面	三 Tab 交互式 Web UI，暗色金融主题

一套能跑的量化回测系统，从一句话到落地，中间没有写一行代码。

全程实录

第一轮：模型 + 界面，一步到位

提示词只有那一句。Claude Code 直接：

1. 分析需求 → 确定做本地回测系统（不是实盘交易）
2. 选技术栈 → Python + Streamlit（最适合本地交互式数据应用）
3. 搭骨架 → core/ 数据层、strategies/ 策略层、app.py 入口
4. 实现全部模块 → 数据获取、回测引擎、动量策略、Streamlit 界面
5. 写 README + requirements.txt

一轮对话，项目成型。

第二轮：加策略、加功能

后续追加需求，Claude Code 按需扩展：

• “加个机器学习策略” → strategies/ml.py（LightGBM 分类器）
• “加个配对交易” → strategies/pairs.py（协整 + z-score 均值回归）
• “加个参数优化” → core/optimizer.py（网格搜索）
• “加个标的扫描” → core/scanner.py（94 只股票池多头排列过滤）

每个需求，Claude Code 都是 读懂意图 → 补全架构 → 写代码 → 验证依赖，我只做最终确认。

第三轮：修 Bug

遇到 Streamlit 新版 API 不兼容：

TypeError: SliderMixin.slider() got an unexpected keyword argument 'format_func'

把报错贴给 Claude Code，它直接定位代码、修复参数、重启即通。零手动调试。

Token 烧在哪了？

不是烧在"写代码"上——代码本身不值多少 Token。真正烧 Token 的是：

真正消耗 Token 的环节	占比
🧭 需求理解与架构决策	~40%
🔧 多模块协调与接口设计	~30%
📝 代码生成（6 个文件 ~1200 行）	~20%
🐛 Bug 定位与修复	~10%

Claude Code 的核心价值不是"替你打字"，而是"替你思考"。

从一句模糊的需求到一套可运行的系统，中间需要做的大量决策——用什么数据源、回测架构怎么设计、策略接口怎么统一、手续费怎么算、未来函数怎么防、UI 布局怎么排——这些全由 Claude Code 自行完成。

这才是 Token 该烧的地方。

项目最终架构

quan_trading/
├── app.py                    # Streamlit 主入口
├── requirements.txt          # 8 个依赖
├── .streamlit/config.toml    # 暗色金融主题
├── core/
│   ├── data.py               # 双源数据获取 + 缓存
│   ├── backtest.py           # 目标仓位驱动回测引擎
│   ├── optimizer.py          # 参数网格搜索
│   └── scanner.py            # 94 只股票多头排列扫描
├── strategies/
│   ├── momentum.py           # 多因子动量（MA + MACD + RSI）
│   ├── ml.py                 # LightGBM 次日涨跌预测
│   └── pairs.py              # 协整配对 + z-score 均值回归
└── .cache/                   # 价格数据缓存

启动方式

pip install -r requirements.txt
streamlit run app.py

浏览器打开 http://localhost:8501，左侧栏选策略、输代码、调参数，点击即可回测。

写在最后

很多人开了 Claude Plus / Pro，不知道拿它干什么。问它写散文、聊哲学、做翻译——Token 烧了，产出为零。

真正的高性价比用法：把模糊的想法变成可运行的系统。

一句"帮我写个量化交易模型"，最终产出了一套完整项目——数据层、策略层、回测引擎、优化器、扫描器、Web 界面，全链路闭环。

这不是"用 AI 写代码"，这是 “用 AI 做产品”。

Token 烧在决策上，不烧在打字上。这就是正确答案。

---

项目地址：[GitHub 链接待补充]

技术栈：Python · Streamlit · LightGBM · yfinance · AKShare · statsmodels · Plotly