我见过不少刚开始做交易练习的人下载一个模拟交易软件里面躺着 100 万虚拟资金第一周就频繁买卖看到亏损就换标的最后账户几乎归零。然后他们得出一个结论模拟盘没用。但在我看问题并不在于模拟盘而在于他们把模拟盘当成了一个验证运气的地方而不是一个暴露决策问题的实验场。“Show HN: A Free Paper Trading Platform with AI Coaching for Global Markets” 这个标题里其实藏着三个值得拆开看的关键词Paper Trading 是模拟交易AI Coaching 是 AI 教练Global Markets 是全球市场。它不是普通的行情应用而更像是一个把“练习”和“反馈”组合起来的产品。这篇文章想聊的不是某个具体平台怎么用而是这类平台背后真正要解决的问题以及如果你要用它或者你想自己搭一个需要理解哪些关键点。1. 先想清楚模拟交易平台真正解决的是哪一类问题1.1 模拟交易不是游戏而是一个练习闭环很多人对模拟盘的误解来自于把它当成一个“虚拟造富游戏”。给一笔虚拟资金然后可以买可以卖赚钱了觉得自己眼光很准亏钱了就怪市场。但真实的交易练习不是这样的。交易练习的核心目标是在零风险或低风险的环境里验证自己的交易逻辑、熟悉规则、训练纪律并且积累可复盘的数据。你有没有提前写交易计划买入的理由是什么止损位设在哪里情绪波动时能不能按计划执行当模拟盘只是给你行情和下单按钮却没有记录这些信息时你做完一轮交易后实际上什么都没留下。所以一个真正有意义的模拟交易平台不应该只提供一个虚拟账户它至少应该包含三块交易执行下单、撤单、持仓、成交这是基本动作。交易记录完整记录你每次开仓平仓的时间、价格、数量、当时基于什么判断。交易反馈把记录变成统计指标告诉你哪里偏离了计划。只有这三块加起来才能形成练习闭环。标题里的 AI Coaching本质上是想补上第三块。1.2 免费的定位决定了漏斗和用户预期标题中特别强调 Free这会直接影响产品的设计方式。免费的模拟交易平台通常通过两种方式维持运转一种是在平台内引导用户去真实经纪商开户靠返佣或导流赚钱另一种是免费版提供基础模拟功能进阶的 AI 教练、更丰富的指标、多账户管理做成订阅制。无论是哪一种对用户来说免费意味着门槛很低注册就能用。但对平台来说这也意味着它无法像人工交易教练那样一对一服务用户必须把大量的反馈工作自动化。这里的 AI 教练更多是一个产品功能而不是新闻里那种无所不能的 AI。它本质上是一个“自动化反馈引擎”用规则和统计模型替代一部分人工陪练的角色。用户在试用这类平台时也要调整预期免费版不太可能给你做到完全贴身指导。它更可能先帮你把交易记录整理清晰然后给你一些可执行的改进建议。如果你需要更细颗粒度的反馈很可能要升级付费档位。这不算坑而是免费产品的正常逻辑。1.3 AI 教练在这里扮演什么角色一个人做模拟交易时最大的问题是“没有人提问”。你买入后行情下跌你会想要不要止损如果没人问你当初为什么买入你可能就凭感觉决定。AI 教练能做的一件事是通过规则提醒你你之前设定止损价是 1.28现在价格已经到 1.30距离止损只有一步你现在的选择是什么然后它会把你的回应记录下来方便事后复盘。这种“提问—记录—反馈”的循环比单纯做一个盈利曲线图有用得多。它把交易练习从“无人反馈”变成了“有反馈且反馈可追溯”。这也是我认为这类模拟平台真正的主判断它的价值不在于虚拟资金有多少而在于把交易练习从“无人反馈”变成“有反馈且反馈可追溯”。AI 教练并不是用来预测行情的它是用来帮你看见自己的行为偏差。注意模拟盘的价值不是证明你多厉害而是让你在投入真实资金之前先把最容易犯的错暴露出来。2. 全球市场意味着什么数据、时区、多资产与合规边界2.1 全球市场不是“多个股票代码”那么简单如果平台面向全球市场这意味着它不能只做一个美股或 A 股的小应用。它需要面对多个市场在交易规则、交易时段、计价方式上的差异。以常见的几类市场为例模拟平台至少需要在下面这些地方做差异化处理。市场类型典型模拟难点A 股涨跌幅限制、T1 交易制度、特定交易时段美股夏令时和冬令时、盘前盘后时段、T0 有资金门槛港股交易时间与 A 股不完全重叠、最小变动价位不同、部分标的流动性较低外汇24 小时连续交易、杠杆机制、点差和隔夜利息处理加密货币7×24 小时交易、极端波动、不同交易对的深度差异如果一个平台把所有这些市场都放进同一个页面但后台没有针对不同市场做规则模拟那么用户在模拟盘里得出的经验可能和实盘不一致。比如你练的是 A 股却用 T0 的方式频繁交易到了实盘就会发现问题。2.2 行情源、延迟与撮合逻辑的设计取舍模拟交易平台的技术难点之一是撮合逻辑。真实交易系统连接到交易所按订单簿撮合有价格优先、时间优先的概念。但模拟平台通常不需要真的连接交易所它只需要按一个模拟价格来成交。这里就出现了几个选择。第一个选择是行情源。免费平台一般会接第三方行情源或者使用延迟行情。实时行情成本高尤其面向全球多个市场时每个市场可能都要单独购买数据授权。延迟行情虽然便宜但对练习短线交易的人不够真实。第二个选择是成交模型。最简单的做法是用户下单时以当前最新价格或盘口价格成交不模拟滑点。稍微复杂一点的做法是模拟买卖价差、随机滑点和部分成交。真实市场中如果你下了一个很大的买单可能会推动价格上涨导致无法全部按同一个价格成交。模拟盘如果忽略这一点就会高估用户的利润。第三个选择是交易时段处理。全球市场处于不同时区模拟平台不能只在太平洋时间早上 9 点到下午 5 点更新行情。它需要设计一个“市场状态”模块让每个市场根据本地交易时段自动切换开盘、收盘、午休等状态。这虽然不难但要做得细致需要不少工程投入。2.3 多资产模拟盘的通用处理思路从工程角度如果让我来处理多资产模拟盘我会采用一个统一资产模型。也就是说账户、订单、成交、持仓这些核心结构不区分资产类别只在资产本身增加一个“市场类型”字段。然后不同市场的规则通过适配器层去实现。举个例子订单结构可以统一成一个模型但 A 股的订单状态机可能包含“待报”“已报”“部成”“全成”“已撤”等状态而加密市场可能更简单。不同市场只是状态机不同而不是整个系统不同。class Order: id: str account_id: str symbol: str side: buy | sell order_type: market | limit quantity: Decimal price: Optional[Decimal] status: str market: str # a-share, us-stock, hk-stock, forex, crypto这种统一模型的好处是新增一个市场时不需要重写账户和订单系统只需要为这个市场写一个适配器处理它的交易时段、报价精度和状态转换。这也是一个相对稳妥的工程化路线。3. AI 教练应该怎么设计从“评分卡”走向“可执行反馈”3.1 新手需要的是计划、记录、对比、归因我给模拟盘用户做反馈时经常发现大家最缺的不是行情分析能力而是“复盘能力”。他们做完一笔交易只记得赚了还是亏了但不记得当初为什么进场、为什么设定这个止损、为什么提前平仓。所以AI 教练首先应该帮助用户建立交易计划。这个计划不需要很复杂只要包含几个要素交易标的方向做多还是做空进场触发条件止损位置目标位置仓位大小当用户提交一笔订单时系统可以弹出一个小框要求填写进场理由。如果用户跳过AI 教练可以提醒一句你没有写计划这笔交易会被标记为“无计划交易”。这个动作本身比 AI 生成长篇分析更有价值因为它迫使用户养成记录习惯。3.2 基于规则的提醒比“AI 玄学”更可靠现在很多 AI 产品喜欢生成一大段自然语言建议听上去很有道理但实际不可验证。在交易练习场景里这类建议反而可能造成误导。比如“市场情绪可能正在转变你需要更加谨慎”这句话没有错但也无法执行。我更愿意把 AI 教练设计成一个基于规则的反馈系统。系统先用硬指标计算用户行为再把这些指标翻译成人话。比如你的总交易次数是 45 次但其中 31 次没有提前设置止损。你最近 10 笔交易中有 6 笔是亏损后加仓而不是按计划止损。你的平均持仓时间是 2 小时但你设定的目标是持有 2 天。这些指标不需要 AI 推理直接用 SQL 或者统计脚本就能算出来。AI 生成文本的角色只是把“你的止损偏差率是 60%”翻译成“你有超过一半的交易没有按原定止损执行”。这样的反馈可解释、可核对也不会给出越界建议。在免费模拟平台里AI 教练最忌讳的是给出模棱两可的建议。宁可说“你本周期待的最大回撤是 3%但账户回撤到了 8%”也不要说“你可能需要更谨慎”。3.3 一个最小可用的 AI 教练反馈框架如果你也想在项目里实现类似的教练功能可以尝试一个四步框架。第一步统计画像。根据用户过去一段时间的交易记录算出胜率、盈亏比、最大回撤、单笔亏损分布、持仓时间分布等指标。第二步计划对比。把用户预设的交易计划拆成多个可检查项比如“每笔交易是否写理由”“止损价是否在开仓前设置”“实际止损价是否偏离计划”。第三步规则生成。用一组可配置的规则库生成反馈。比如如果用户计划的单笔最大亏损是账户资金的 2%而实际有 3 笔亏损超过了 4%就触发一条风险提醒。第四步任务下发。反馈不能只停留在文字最好能够变成一个可执行任务例如“下一次开仓前请填写买入理由并设置止损价。” 这个任务可以出现在通知中心里也可以作为下一次下单的拦截条件。这个框架的好处是每一层的输出都是可验证的。AI 只负责制造“人话”不负责制造“事实”。事实来自统计和规则。4. 如果让我来实现这个平台我会怎么搭4.1 最小闭环账户、订单、持仓、成交、日终如果让我从零开始做这样一个免费模拟交易平台我不会一开始就去追求大而全。我会先做一个最小闭环让用户能够走完一遍“开户—入金—下单—成交—持仓—出金”的完整流程。这里的入金和出金都是虚拟金额。最小闭环里的核心模块可以分成几块账户服务管理虚拟账户余额、冻结资金、可用资金。订单服务接收用户下单请求校验账户资金生成订单。撮合服务根据行情和规则将订单变为成交。持仓服务管理当前持仓、摊薄成本、浮动盈亏。日终服务每天收盘后计算账户净值、生成资金曲线和绩效统计。AI 教练可以放在这套体系之上把它当作一个分析引擎读取交易记录生成反馈。不要一开始就把 AI 教练和交易执行耦合在一起否则会拖慢整个平台迭代。4.2 关键数据模型和接口在真实工程中订单表是最核心的表之一。它至少需要包含下面这些字段。这里给出一个常见的 SQL 模型示例具体实现可以结合你的技术栈调整。CREATE TABLE orders ( id BIGINT PRIMARY KEY, account_id BIGINT NOT NULL, symbol VARCHAR(32) NOT NULL, side VARCHAR(4) NOT NULL, order_type VARCHAR(8) NOT NULL, price DECIMAL(20, 8), quantity DECIMAL(20, 8), filled_quantity DECIMAL(20, 8) DEFAULT 0, status VARCHAR(16), market VARCHAR(16), created_at TIMESTAMP, updated_at TIMESTAMP );订单服务的接口设计建议尽量贴近真实交易系统的语义创建订单、取消订单、查询订单、查询成交、查询持仓。不要随便造一个模糊的“交易接口”否则后续扩展会很难受。撮合服务可以做成异步任务。用户下单后订单服务先设置状态为“待撮合”然后投递到撮合队列。撮合结果通过 WebSocket 推送给前端同时更新账户和持仓。要注意的是异步化处理会引入一致性问题尤其当用户快速连续下单时可能遇到资金被重复使用的情况。常用的做法是加锁或用数据库事务保证账户余额的修改是原子操作。4.3 风险与成本免费模式下最容易被忽略的资源瓶颈免费平台最容易忽略的资源瓶颈有三个。第一个是行情数据成本。面向全球市场时实时行情源通常按市场或按标的收费。如果放开所有交易对成本会迅速上升。早期可以用延迟行情、轮询缓存的方式降低压力只对高频用户提供更实时的数据。第二个是计算资源。模拟撮合虽然不需要像真实交易所那样高并发但当用户量上来时撮合队列、WebSocket 推送、账户统计都会消耗大量计算资源。尤其是大量用户同时交易同一个热门标的撮合模块会变成热点。这时候需要做一些缓存和削峰比如短时间内合并相同订单、限制单用户下单频次。第三个是恶意使用。免费的模拟盘很容易被脚本批量注册、刷单、或者用机器人频繁调用 API。如果不做速率限制和风控一天就能被打满请求量。不要觉得免费产品就不需要风控面向 C 端的工具第一课就是限制异常流量。免费平台如果没有速率限制和风控很快会被脚本刷垮。这不是假设而是很多面向 C 端工具的第一课。5. 从免费到可持续这类平台会遇到的现实问题5.1 免费用户的行为特征与风控免费模式会吸引大量的浅度用户他们会注册、试用、尝试几笔交易然后很久不回来。真正高频使用模拟盘的人往往是刚开始学习交易的新手或者正在测试策略的交易者。这两类人的需求差异很大。新手需要引导最好每步都有提示策略测试者需要数据和回测单纯给一个模拟盘可能不够。平台如果只做一套界面很难同时满足两类人。更现实的做法是先用免费模拟盘吸引新手同时提供可导出的交易记录和 API 接口让策略测试者能把数据带走。从风控角度免费注册如果不需要任何门槛就容易被批量刷号。至少需要加邮箱验证、注册频率限制、单 IP 注册上限。对 API 请求也需要设置 QPS 限制和 Token 过期机制。这些不是高级功能而是基础工程。5.2 AI 教练内容的合规边界交易练习本身合法但一旦平台开始给用户生成指导性内容就需要注意边界。如果 AI 教练说“你应该买入某只股票”这很可能构成投资建议面向全球用户时还会遇到不同国家的合规问题。所以严谨的 AI 教练应当把定位放在“过程反馈”和“风险提醒”上而不是“方向预测”。比如AI 教练可以说“你没有按计划止损”但它不应该说“现在应该做空”。前者是行为反馈后者是投资建议。这两者的合规风险完全不同。在实际产品设计里最好在文案层就做一层限制所有包含“买入”“卖出”“加仓”“减仓”字样的 AI 生成内容都需要经过规则过滤或者只允许在用户已选定的持仓标的范围内提醒而不是推荐新标的。5.3 如何判断一个模拟交易平台是否值得长期用作为一个使用者判断一个模拟交易平台是否值得长期用可以从几个维度下手。是否真实模拟你关注市场的交易规则包括 T1、涨跌幅、交易时段。是否提供完整的交易记录和统计报告而不是只有盈利曲线。AI 教练的反馈是否可解释是告诉你“为什么”还是只给一句模糊口号。是否支持数据导出方便你用自己的工具做进一步分析。是否明确提示模拟盘与实盘的差异而不是让用户误以为模拟盘收益等于实盘收益。如果这些维度都满足即使平台功能朴素也值得继续用。反过来如果一款模拟盘只是界面好看但无法导出交易记录也不能告诉你为什么亏钱那它更像一个游戏而不是训练工具。6. 给投资者的使用建议别把模拟盘结果当预测能力6.1 模拟盘和实盘的差异模拟盘有一个天然的限制没有真实资金压力。这会导致用户在实际执行时更激进风险偏好可能被放大。在模拟盘里你可能愿意买入一支波动很大的股票并持有到回本但在实盘里你可能早就止损了。反过来也有可能模拟盘里亏了 2000 虚拟资金不在意但实盘亏 2000 块就会焦虑到影响判断。所以模拟盘的结果不能用来证明你具备预测市场的能力。它只能用来证明两件事你是否理解了交易规则以及你是否能在预设的计划框架内行动。这两件事非常重要但它们不是“赚钱能力”。6.2 一个好用的练习流程如果你想认真通过模拟盘提升交易能力我建议按下面的流程来设定练习周期比如连续 4 周每周只做 3 到 5 笔模拟交易。只选择自己熟悉且交易规则清楚的市场不要一开始就七个市场同时练。每笔交易开仓前用一句话写下进场理由并设定止损和目标价。记录每笔交易的结果同时记录自己对这笔交易的感受比如焦虑、犹豫、冲动。每周末做一次复盘对比实际执行和计划的偏差找出最常犯的一个问题。这个流程不需要 AI 也能做但 AI 教练能帮你自动生成统计指标节省时间。它真正有价值的点是让你无法回避偏差。6.3 最终判断标准你是否建立了一套自己的决策系统回到一开始的判断模拟交易平台的价值不在于虚拟账户里有多少钱也不在于 AI 教练生成了一段多漂亮的报告而在于你是否通过反复练习建立了一套可记录、可统计、可优化的决策系统。如果有一天你能清楚地解释每一笔亏损知道自己是在哪一个环节偏离了计划并且能在下一次模拟交易中刻意修正那么你就真正用上了模拟盘。AI 教练在这里只是一个加速器它替你承担了一部分统计和提醒工作但不会替你建立纪律。这也是为什么我建议不要沉迷于“找一个厉害的模拟盘”而是把更多的精力放在“是否愿意记录和复盘”上。工具可以换流程可以改但记录和复盘的能力才是长期可以积累的东西。如果今天你刚看到这个平台我的建议很简单别急着注册后乱操作先给自己定一个为期两周的练习计划把每一笔模拟交易的理由写下来。等你能清楚地解释每一次亏损你才算真正用上了模拟盘。