引言
本指南演示如何使用Codex进行量化策略研究和回测，覆盖从安装到验证的完整流程。我们将使用Codex作为主要工具，khQuant作为底层命令行量化研究工具。
1. 安装Codex
首先完成Codex的安装。网上有多种安装方式，包括官方订阅和镜像站点。建议尽量使用官方订阅。
2. 验证khQuant安装
继续之前，确认你已在本地安装了V3版本的khQuant。
3. 用Codex测试配置
让Codex检查配置并运行内置测试用例：
这台电脑上我已经安装了khQuant的CLI命令集和相应技能。请帮我检查配置是否完整，使用CLI运行内置示例，并为我生成回测报告。执行完成后，你将看到回测报告，包含关键指标：
- 盈亏（PnL）
- 回撤（DD）
- 交易统计（TRD）
4. 通过Codex下载数据
你也可以用Codex命令khQuant下载和管理数据。例如，下载上证50指数近5年的日线数据，包含未复权、前复权和后复权版本：
帮我下载上证50指数近5年的日线数据，包含未复权、前复权和后复权数据。下载完成后，可以让Codex汇总下载的数据：
请汇总我刚下载的数据。5. 在khQuant GUI中查看数据
你也可以打开khQuant的图形界面，找到数据库管理模块查看下载的数据。
6. 批量策略研究
你可以用Codex对策略参数进行批量研究。例如，研究某只股票的金叉死叉策略，找出最优的长期和短期均线参数：
我想研究某只股票的金叉死叉策略，但需要找到最优的长短期均线参数。请帮我调用khQuant技能生成批量金叉死叉策略，进行批量回测，找出近一年的最优参数。自动策略编写和回测完成后，你将获得批量策略研究的结果。
总结
以上是用Codex调用khQuant进行配置和策略研究的入门教程。掌握这个流程后，你可以将任何策略想法提交给大模型来实现和验证。注意：本教程以Codex为演示示例。如果你使用Claude Code或其他强大的Agent，也可以用类似方法调用工具链完成研究。
常见问题
能用Claude Code替代Codex做这个工作流吗？
可以。文章明确提到这一点。关键是工具链（khQuant CLI + Skills），不是特定Agent。Claude Code的Harness工程能力可能更适合这类多步骤研究工作流——它更稳健地处理长时间运行任务、状态恢复和批量操作。本指南中的提示词适用于任何能执行CLI命令的Agent。如果使用Claude Code，流程完全相同：安装khQuant、配置技能、使用相同的提示词。批量策略研究部分（金叉优化）最能受益于Claude Code更强的规划和多步执行能力。
khQuant是什么？在哪获取？
khQuant是一个命令行量化研究工具，提供数据下载、回测和策略分析功能。它是Codex控制的"引擎"——Codex处理自然语言界面和编排，khQuant做实际的金融计算。文章假设你已安装khQuant V3。查看文章末尾注明的原作者Kanhai先生的视频获取安装和设置说明。工具链模式（AI Agent + CLI量化工具）比具体工具更重要——你可以用任何CLI兼容的量化库替换khQuant。
什么是金叉策略，为什么要批量测试？
金叉指短期均线（如50日）上穿长期均线（如200日）——传统上被视为看涨信号。死叉则相反（看跌）。问题在于：哪些均线周期效果最好？50/200是经典配对，但对特定股票，20/100或30/150可能表现更好。批量测试意味着AI生成并回测几十种参数组合（短期MA从5到60，长期MA从20到250），找到你特定股票和时间框架的最优配对。这正是AI Agent擅长的繁琐优化工作——人类需要数天手动测试的工作，Codex在几分钟内完成。
使用这个工作流需要懂量化金融吗？
你需要理解概念（均线、金叉/死叉、回测、盈亏、回撤），但不需要懂实现细节。AI处理编码和参数优化。就像开车：你需要知道去哪和基本交通规则，但不需要是机械师。从简单策略开始（单一指标、单只股票）建立直觉，然后逐步增加复杂度。最大风险是不理解回测结果的实际含义——1笔交易90%胜率毫无意义，1000笔交易55%胜率在统计上显著。实盘之前学会批判性地阅读回测报告。