系统化策略指南

用 Python 编写策略 → 历史回测 → 参数调优 → 实盘 Profile：Desic Terminal 的系统化研究把策略从想法带到可审计的自动化执行，且免安装 Python。

1. 核心概念#

工作流六个标签页：

策略（编写/版本）→ 回测 → 调优 → 回顾（结果库）→ Profile（实盘）→ 信号（历史）

2. 运行环境#

• 免安装 Python：安装包内置经校验的 CPython 运行时；首次打开系统化研究时自动创建本地环境并安装固定依赖（numpy、pandas、scikit-learn 等），标题栏底部显示准备进度。
• 环境是依赖隔离：策略只能 import 白名单内的库，无法访问网络、文件系统与子进程。
• 环境失败会给出明确指引；开发环境没有内置运行时时会回退到系统 Python 3.12-3.13。

3. 创建策略#

策略 → 新建，从四个模板开始：

编辑体验

• 内置 CodeMirror 编辑器，保存即生成新版本。
• AI 策略助手：右侧面板可以多轮讨论策略思路、让 AI 修改代码并在受控环境中有界测试；会话在"AI 策略"分类下独立保存。
• 每次保存都有版本号；回测、调优与 Profile 都引用具体版本，旧版本结果不受新修改影响。

4. 策略编程模型#

策略是一个实现了 on_bar 函数的 Python 模块：

def on_bar(ctx):
    # ctx: 当前决策点（1m 收线后）的只读上下文
    close = ctx.market_series("1m").close(-1)          # 最新收盘
    ema_fast = ctx.indicator("ema", period=13).value(-1)
    ema_slow = ctx.indicator("ema", period=26).value(-1)

    fast = float(ctx.params.get("fastPeriod", "13"))
    slow = float(ctx.params.get("slowPeriod", "26"))

    if ema_fast > ema_slow and ctx.flat():
        return ctx.open_long(reason="快线金叉慢线")
    if ema_fast < ema_slow and ctx.position("long"):
        return ctx.close(reason="快线死叉慢线")
    return ctx.no_action(reason="等待交叉")

可用能力

硬性约束

• 每个 bar 只能返回一个动作；动作只是意图，成交与数量由主机决定。
• 策略看不到未来数据：任何 bar 的收盘时间不得晚于决策点（主机与运行时双重校验）。
• 不允许 import 白名单以外的库、不允许文件/网络/子进程访问。

完整协议见 策略协议规范。

5. 历史回测#

回测 → 配置 → 运行回测

回测完成后进入回顾标签：

• 权益曲线、最大回撤、胜率、盈亏比等指标
• 成交明细与已平仓交易
• 逐根回放：拖动进度条查看任意时刻的权益、持仓、动作与信号原因

6. 回放与复盘#

回顾页的回放是排查策略行为的关键工具：

1. 拖动时间轴到目标区间（按需加载，超时自动提示重试）。
2. 查看该时点的持仓、挂单、权益与策略动作原因。
3. 结合右侧参数与成交记录，验证策略在具体 bar 上"为什么这么决策"。

7. 参数调优#

调优 → 配置参数空间 → 运行调优

调优完成后：

• 工作台展示候选结果、训练/验证指标与预计剩余时间，可随时取消。
• 采用最佳参数：一键把最佳参数写入当前草稿并保存为新版本（保存后建议再跑一次独立回测确认）。
• 调优只在草稿上工作，不会悄悄修改已保存的版本。

8. Strategy Profile 实盘#

Profile 把策略版本变成实盘信号执行器：

绑定内容（创建时固定，运行中不可静默修改）

• 策略与具体版本、交易对
• 账户与环境（模拟盘 / 实盘）
• 全仓/逐仓、目标杠杆、方向权限
• 每笔入场保证金预算与同向总预算
• 单日已实现亏损限额、入场冷却时间
• 保护单：策略源码静态声明的止盈止损方向（市价或触发后限价）

运行方式

• 复用已订阅的 1 分钟 K 线：每根确认收线后执行一次 on_bar。
• 主机在评估前等待刚收盘的 K 线落库并核验确认截止时间；修复失败会跳过本周期并记录诊断，绝不基于残缺窗口评估。
• 策略只返回开平仓意图；主机按最新权益、执行价、合约面值与张数规则换算合约张数，再走风控与幂等下单链路。

激活要求

• 该策略版本与合约已完成回测
• 本地 Python 环境就绪
• 账户具有读取与交易权限
• 与同账户启用的 AI 自动化完成冲突审查
• 实盘账户每次启用需显式确认

9. 信号历史#

信号标签按 Profile 过滤展示每次评估：

单周期错误不会立即停止 Profile（正常风控仍可拦截后续动作）；连续故障会触发自动停用保护。策略信号与阻止动作可按通知设置推送飞书。

10. 最佳实践#

1. 先回测后实盘：任何策略版本都必须先完成回测才能绑定 Profile。
2. 参数从少到多：先固定大部分参数，只调优 2-3 个关键参数，避免维度爆炸。
3. 样本外验证：调优参数在验证段的表现与历史段差异过大时，警惕过拟合。
4. 保护单写进源码：止盈止损方向由策略源码静态声明，主机不会替策略"发明"缺失的保护单。
5. 小预算起步：实盘先以最小保证金预算与严格日亏损限额运行，积累信号历史后再放大。
6. 定期看信号历史：被阻止的动作和错误记录比成交更重要——它们显示风控是否按预期工作。

11. 常见问题#

Q：需要自己安装 Python 吗？ 不需要。安装包内置运行时；首次打开系统化研究会自动准备环境（需要联网安装依赖）。

Q：回测为什么和实盘有差异？ 回测基于 1m 已确认 K 线与成交假设（滑点、手续费、盯市方式）；实盘撮合、挂单队列与资金费率都会带来差异。

Q：策略能同时持多单和空单吗？ 不能。运行时维护单一持仓状态；策略在同一决策点只能返回一个动作。

Q：调优结果可以直接实盘吗？ 建议先"采用最佳参数"保存为新版本 → 独立回测确认 → 再用该版本创建 Profile。

Q：Profile 会修改我的策略版本吗？ 不会。Profile 绑定不可变版本快照；修改源码会生成新版本，已启用 Profile 继续用旧版本。