和 AI 一起做研究，很容易錯過該收工的時候。試完一個想法，又對另一個條件產生興趣；驗證完這個條件，又想換個市場試試。問問 AI，通常就能找到辦法。改改程式碼，就可以再跑一遍。
就這樣，我研究系統化交易已經有一年左右了。
這個過程確實有意思。我喜歡把原本只存在腦中的想法拿來實際測試。如果每次有疑問，都得先琢磨自己有沒有能力實作，大概有不少想法會被擱置。有了 AI，至少能動手試的事情變多了。
不過，能試的事情變多，也有代價。我必須自己決定哪些事情不去試。
比如，回測結果不滿意時，總能找到可以調整的地方。可以改一改進場條件，單獨看看表現特別差的時期，也可以把策略用到另一個市場。每一次嘗試，AI 都能幫忙，通常還能給出一套聽起來挺合理的解釋。
研究到這裡，界線就開始模糊了。修正錯誤的假設，和不斷調整條件直到結果令人滿意，在實際操作中看起來很像。因為兩者都在改程式碼，然後重新執行。
所以，需要記下來的東西越來越多。實驗開始前，要寫清這次想驗證什麼，什麼結果會讓我放棄這個想法。看完結果後，還要記錄自己改了哪些條件。雖然麻煩，但不記下來，過後連修改的理由都可能被我記得比當時更有說服力。
程式碼裡也有類似的問題。程式跑完，數字出來了，人就容易鬆口氣。但有數字，並不保證計算正確。產生訊號的時點和下單時點可能沒有對齊，訂單數量的取整也可能讓原本打算做的交易消失。只看資金曲線，很難發現這些細節。
因此，交給 AI 的任務也得具體。不僅要它實作策略，還要確認某一天為什麼出現這筆訂單，當時讀取了什麼資料，數量是怎麼算出來的。聊著整體結果，最後往往又回到一筆交易、一行計算上。
這樣的工作，從外面看可能沒什麼動靜。忙了一整天，結論也許只是「這個結果還得再檢查」。但要是跳過這一步，做下一個實驗時，我就不知道自己究竟在依賴什麼了。
AI 在這裡幫了不少忙。我可以和它一起重新讀已有的程式碼，比較不同執行的結果，尋找遺漏的假設。但它不能替我負責判斷：我是不是正把問題引向自己想要的答案。這件事始終還是我的責任。
這也是我想開始寫部落格的原因。研究的時候，下一個任務總會冒出來，很少有機會好好解釋一路是怎麼走過來的。寫成文字，應該能更清楚地看出哪些地方我真正理解了，哪些地方只是含糊地帶過去了。
接下來，我想一次談一個實驗、一個問題：最初為什麼覺得值得嘗試，實際做了以後有什麼不同，又因此改了什麼。
看看過去一年累積的記錄，短期內應該不會缺寫作素材。只是整理這件事，稍微落後了一點。