自chatGPT火遍大江南北之后，感觉AI领域就跟娱乐圈一个样，每天都有重磅大瓜可以吃。这不，最近几天又吃到一个蜜水直流的甜瓜，玩得停不下来，麻麻再也不用担心我的编程。
它就是如今AI界逐渐火出圈的智能编程神器——Cursor，多人反馈比GitHub Copilot还好用，是咱量化编程新手的福音，很多初级的编程任务都可以挥一挥衣袖轻松搞定，官网地址请撩：www.cursor.so
![]()
登录官网后就看到一句大大的slogan『Build Software. Fast.』，其下带有一行小字：Write, edit, and chat about your code with GPT-4 in a new type of editor。一目了然，从中就可以看出，Cursor是基于GPT-4模型的编程工具，可以通过它生成、编辑以及和AI讨论分析代码。
我这几天使用下来，它更多扮演的是一种助手的角色，你给它描述编程任务，它给你生成代码，如果你看不懂，它会给你一句一句翻译，如果代码运行出错，你把错误放在聊天框里面，它会回复是什么原因、怎么解决。
最最关键的是，它目前所用功能的使用都是免费的，其次是不需要爬梯子翻墙，国人直接就可以使用，全程没有任何套路，甚至连注册都不需要！
Cursor不是像chatGPT那样是在网页端直接使用的，而是要在官网上下载客户端，目前是支持Windows、MacOS和Linux三大操作系统，安装软件本体不大，只有80几兆。选择对应版本下载安装完成后，打开软件，来到暗黑色风格的类VS Code开发界面，整体非常简洁，菜单栏和图标也非常少，一股北欧极简风扑面而来。
![]()
Cursor的使用非常简单，只需要记住两个快捷键就行了，一个是Ctrl+K，另一个是Ctrl+L。
Ctrl+K(生成代码)：负责代码的生成和编辑，也就是在这里给它描述和布置编程任务以及后续的修改。
Ctrl+L(聊代码)：负责代码的说明、注释和理解，对于代码不理解和错误的地方，让它给你进行说明和改进。
打开Cursor后，默认情况下是已经打开PY的main.py文件和JS的main.js文件（如果没有，请从左侧文件列表手动打开），PY就是Python，JS是JavaScript，此外还支持C、C#和HTML等多种编程语言。
![]()
在量化交易领域，使用Python的人比较多，在此就以Python的自动化编程举例，咱先给它安排一个小任务看看效果如何，选中PY的main.py文件（或者自己新建一个py文件，此处我是新建了一个“MACD计算并展示.py”文件），让光标进入，按下快捷键Ctrl+K后，会在界面综上部弹出一个输入框，咱往里面敲入“使用tushare库获取贵州茅台从2018年元旦至2023年3月20日的行情数据，并计算MACD指标，最后要画图展示”。
![]()
输入完成后就点回车键Enter，然后编辑窗口就不断有代码生成，完整代码如下所示，要注意的是，每次输出的代码都是不同的，即使输入相同的prompt（提示词/关键，坊间俗称“咒语”）。
![]()
生成后记得点击保存，py文件默认会存储在路径“C:\Users\{你的用户名}\cursor-tutor”对应的文件夹下（也许不同电脑不同操作系统不一样），你可以在终端执行这个py文件，或者直接将代码拷贝到你的IDE里面执行，例如Spyder、PyCharm等。
我在终端直接运行这个py文件，很幸运，除了提示我要升级tushare到Pro版之外，并没有其他错误，直接就把最终的行情和MACD图给画出来了。虽然横坐标看起来很“奇怪”，因为里面用了date2num函数将日期转化为天数，也就是距离1900-01-01有多少天。
![]()
如果萌新看代码不是十分理解，要添加注释，那可以全部选中代码，接着Ctrl+K，在输入框里输入“请给每一行代码添加注释”。
![]()
然后敲击回车键Enter完成，就会出现修改前后的代码对比。
![]()
接着点左上角的绿色“Accept”表示接受修改，这样就能给代码都添加上注释了，这样代码的可读性就更高了。
![]()
如果在看代码的过程中，觉得有哪里不懂的，可以开启“聊代码”功能，只需要使用快捷键Ctrl+L，在弹出的输入框里面输入你想问的问题，例如自己不清楚画图展示中第26行candlestick_ochl函数，可以这样问。
![]()
敲击回车后，就会在界面右侧开启一个聊天小框，对你的问题进行回复，如果想继续了解，还可以继续提问，这就跟使用chatGPT是类似的了。
![]()
我当时发现可以这样聊天的时候，心想这不就可以同时白嫖chatGPT了吗？谁知道Cursor还是太油腻太鸡贼了，除了编程相关的问题，其他问题都是一律漠视的。
![]()
刚才咱不是说行情和MACD指标的画图里面横轴是数字吗，看起来怪怪的，咱来问一下Cursor该怎么修改，先选中画图的那部分代码，然后Ctrl+L，在弹出的输入框当中输入“我想让这段代码展示的图片里面，横轴是日期，请问我该如何修改？”。
![]()
Enter之后，开启聊天小框回答模式，详细回答了原因，以及如何进行修改，“虽然已经用date2num函数转换为数字，但最后可以用ax.xaxis_date函数再转回为日期显示”。
![]()
将原来的代码注释掉，然后把回答当中的代码copy进来，一运行，发现真的可以，数字变回日期了，虽然只把年份显示出来，Cursor你真666~
import tushare as ts # 导入tushare库
import pandas as pd # 导入pandas库
import matplotlib.pyplot as plt # 导入matplotlib库
from mpl_finance import candlestick_ochl # 导入candlestick_ochl函数
from matplotlib.pylab import date2num # 导入date2num函数
import datetime # 导入datetime库
import talib # 导入talib库
# 获取贵州茅台从2018年元旦至2023年3月20日的行情数据
start_date = '2018-01-01' # 起始日期
end_date = '2023-03-20' # 结束日期
df = ts.get_k_data('600519', start=start_date, end=end_date) # 获取贵州茅台的K线数据
# 计算MACD指标
df['EMA12'] = talib.EMA(df['close'], timeperiod=12) # 计算12日指数移动平均线
df['EMA26'] = talib.EMA(df['close'], timeperiod=26) # 计算26日指数移动平均线
df['DIF'] = df['EMA12'] - df['EMA26'] # 计算DIF
df['DEA'] = talib.EMA(df['DIF'], timeperiod=9) # 计算DEA
df['MACD'] = 2 * (df['DIF'] - df['DEA']) # 计算MACD
# 画图展示
df['date'] = pd.to_datetime(df['date']) # 将日期转换为datetime格式
df['date'] = df['date'].apply(date2num) # 将日期转换为数字
df_values = [tuple(vals) for vals in df[['date', 'open', 'close', 'high', 'low']].values] # 将数据转换为元组
# fig, ax = plt.subplots(figsize=(20, 10)) # 创建画布
# candlestick_ochl(ax, df_values, width=0.6, colorup='red', colordown='green', alpha=0.8) # 绘制K线图
# plt.plot(df['date'], df['DIF'], label='DIF') # 绘制DIF曲线
# plt.plot(df['date'], df['DEA'], label='DEA') # 绘制DEA曲线
# plt.bar(df['date'], df['MACD'], label='MACD', width=0.03 * len(df)) # 绘制MACD柱状图
# plt.legend() # 显示图例
# plt.show() # 显示图形
# plt.legend()
# plt.show()
fig, ax = plt.subplots(figsize=(20, 10)) # 创建画布
candlestick_ochl(ax, df_values, width=0.6, colorup='red', colordown='green', alpha=0.8) # 绘制K线图
plt.plot(df['date'], df['DIF'], label='DIF') # 绘制DIF曲线
plt.plot(df['date'], df['DEA'], label='DEA') # 绘制DEA曲线
plt.bar(df['date'], df['MACD'], label='MACD', width=0.03 * len(df)) # 绘制MACD柱状图
plt.legend() # 显示图例
plt.xticks(rotation=30) # 旋转横轴刻度标签
ax.xaxis_date() # 将横轴刻度设为日期格式
plt.show() # 显示图形
![]()
上面只是一个量化分析小任务，咱还可以让它编写量化策略，例如让它基于backtrader编写一个双均线策略，prompt：基于backtrader，写一个贵州茅台的双均线策略，数据获取要基于tushare，并进行回测，本金是一百万，时间范围是2018-01-01至2023-03-20。
代码如下，原始代码结构和形式上都是完整的，但是tushare的数据与导入Backtrader的数据格式不对应，将日期列转为index后和设置格式后便可以正常运行。
![]()
import backtrader as bt
import tushare as ts
import pandas as pd
class MyStrategy(bt.Strategy):
params = (
('fast', 5), # 快速移动平均线的周期
('slow', 20), # 慢速移动平均线的周期
)
def __init__(self):
self.fast_moving_average = bt.indicators.SMA(
self.data.close, period=self.params.fast, plotname='5 day moving average' # 计算快速移动平均线
)
self.slow_moving_average = bt.indicators.SMA(
self.data.close, period=self.params.slow, plotname='20 day moving average' # 计算慢速移动平均线
)
self.crossover = bt.indicators.CrossOver(self.fast_moving_average, self.slow_moving_average) # 计算交叉点
def next(self):
if not self.position:
if self.crossover > 0: # 如果快速移动平均线上穿慢速移动平均线
amount_to_invest = (0.95 * self.broker.cash) # 计算可投资金额
self.size = int(amount_to_invest / self.data.close) # 计算可购买股票数量
print("Buy {} shares of {} at {}".format(self.size, '600519', self.data.close[0])) # 输出购买信息
self.buy(size=self.size) # 买入股票
else:
if self.crossover < 0: # 如果快速移动平均线下穿慢速移动平均线
print(&#34;Sell {} shares of {} at {}&#34;.format(self.size, &#39;600519&#39;, self.data.close[0])) # 输出卖出信息
self.close() # 卖出股票
if __name__ == &#39;__main__&#39;:
cerebro = bt.Cerebro() # 创建Cerebro引擎
cerebro.addstrategy(MyStrategy) # 添加策略
symbol = &#39;600519&#39; # 股票代码
df = ts.get_k_data(symbol, start=&#39;2018-01-01&#39;, end=&#39;2023-03-20&#39;) # 获取股票数据
df[&#39;date&#39;] = pd.to_datetime(df[&#39;date&#39;]) # 将日期转换为datetime格式
df = df.set_index(&#39;date&#39;, drop=True) # 将日期设置为索引
data = bt.feeds.PandasData(dataname=df, datetime=None,
open=0, high=1, low=2, close=3, volume=4, openinterest=-1) # 创建数据源
cerebro.adddata(data) # 添加数据源
cerebro.broker.setcash(1000000.0) # 设置初始资金
cerebro.broker.setcommission(commission=0.001) # 设置佣金
print(&#39;Starting Portfolio Value: %.2f&#39; % cerebro.broker.getvalue()) # 输出初始资金
cerebro.run() # 运行策略
print(&#39;Final Portfolio Value: %.2f&#39; % cerebro.broker.getvalue()) # 输出最终资金
cerebro.plot() # 绘制图表
![]()
相信看到这里，大伙儿应该明白了Cursor的用途和能力，从今往后，就可以把它当做是自己的编程助理，自己可以像领导那样，Ctrl+K给它布置任务，遇到不符合预期的地方，Ctrl+L让它解释和修正。
虽然我已经觉得Cursor的编程能力已经不错了，但是多次的撩骚中发现它只使用了GPT-3模型，那官网首页说好的GPT-4呢？
![]()
我是 @quantkoala，一枚大写的量化/程序化策略源码捕手，喜欢全方位收集分享市面上主流的策略源码（股票+期货+外汇），在『量化藏经阁』和『量化藏经阁Max』社群（入口）中，持续分享量化策略源码和量化知识等干货（目前已分享200+套精品策略），欢迎关注点赞&联系沟通，探讨共赢&成果共享，相互交流&共同进步！！！
常在线，多交流，多沟通！！！
更多相关资料请见下方文章卡片，另外还有一个周更的公Z号『量化君也』，专注于量化策略分享/交流/社群，欢迎来玩~ |
|
转播
