交易策略基础
Trading Strategy 是 Formal Portfolio 的一部分。它根据可用数据和明确规则产生系统输出；Portfolio Construction / Capital Rules 再决定这些输出如何影响模拟持仓、现金和目标权重。
Universe
+ Trading Strategy
+ Portfolio Construction / Capital Rules
+ Execution assumptions
= Formal Portfolio
Trading Strategy 与 Capital Rules
Trading Strategy
负责表达：
- 需要哪些输入，例如价格、成交量、市场指标或按标的计算的特征；
- 何时产生
BUY/SELL/HOLD/EMPTY等 signal； - 何时退出、保持持仓或等待；
- 是单标的时序图，还是固定候选池的横截面图。
Portfolio Construction / Capital Rules
负责把策略输出解释为模拟资金行为，例如目标权重、现金、再平衡和执行顺序。它不提供用户的个人仓位建议，也不代表真实券商成交。
同一个交易 signal，配合不同资金规则，可能产生不同的 holdings、cash、费用和回撤。阅读结果时不要只看 signal 或终点收益。
常见策略实现形态
代码策略
代码策略可以表达带状态、跨标的比较或复杂执行顺序的规则，例如动量轮动和状态机。阅读代码策略时要关注 Universe、输入数据、状态定义、交易时点和执行假设，而不是只看策略名称。
Primitive Strategy
原语策略用 canonical Strategy DSL 组合受支持的指标、特征、eligibility、rank、signal 和 target-weight primitives。它适合把明确的规则拆成可验证组件：
inputs
-> indicators / features
-> conditions / eligibility
-> signal or target weight
-> capital rule
-> deterministic evidence
详细 syntax 和组合语义见原语策略入门及生成的 LLM quickstart。
AI-model strategy
部分公开组合可能包含实验性的 AI-model strategy。它应当作为可复查的模拟研究样本阅读：查看输入范围、输出、时间点、历史证据和不确定性。AI 输出不等于确定性事实，也不拥有 Formal Portfolio 的自主修改权限。
按机制理解策略
趋势跟踪
趋势跟踪试图在价格趋势形成后表达方向性暴露，而不是预测每一个拐点。常见机制包括短期/长期均线交叉和 ATR 跟踪退出。
它可能在震荡市场中连续试错，也可能在趋势反转后才退出。评估时需要查看亏损交易分布、趋势阶段、交易成本和少数大盈利交易对总结果的贡献。
动量轮动
动量轮动在明确候选范围内比较历史价格动量，并按规则选择相对强势标的。它依赖：
- 固定且可复查的 Universe；
- 排名窗口和再平衡 cadence；
- 并列、缺失数据和资格条件的处理；
- 选择后如何生成 holdings 与 target weight。
当前固定候选池 Cross-sectional contract 使用显式有序 symbols，不自动恢复历史成分，也不等于全市场选股。
均值回归
均值回归假设价格或价差在偏离某个参考均值后可能回归。它在强趋势市场中可能连续承受不利方向，因而需要检查偏离定义、持仓状态、退出条件、交易成本和失败区间。
买入持有与定投
买入持有用简单规则保持资产暴露；定投由 capital rule 描述定期注入模拟资金。二者可以组合，但交易 signal、现金流、目标权重和实际成交仍要分开阅读。详见买入持有策略。
目标权重与再平衡
目标权重策略按预设权重和再平衡条件模拟资产配置。目标权重描述系统规则，不是对用户的个性化配置建议；实际 holdings 也可能因现金、价格缓冲、门槛和费用无法精确回到目标。
固定候选池横截面策略
横截面策略的 public contract 是：
Feature
-> Eligibility
-> RebalanceCadence
-> CrossSectionalRank
-> TopN
-> EqualWeight
-> RebalancingCapitalStrategy
它使用 1–10 个明确的候选 symbols，按日线和低频 cadence 运行。没有 Dynamic Universe、历史 membership reconstruction、做空、杠杆或 intraday ranking。
如何理解 signal
system output != user order != personalized recommendation
BUY / SELL / HOLD / EMPTY 描述策略在历史模拟或当前计算中的规则输出：
BUY：规则在当前节点产生了开仓或增加暴露的输出；SELL：规则在当前节点产生了平仓或减少暴露的输出；HOLD：已有规则状态继续保持，未出现退出条件；EMPTY：当前没有持仓，也没有开仓输出。
具体语义取决于策略和 Portfolio contract。signal 不保证模拟组合一定成交，更不要求用户在真实账户执行。
核心技术概念
移动平均线（Moving Average）
移动平均线是一定窗口内价格的平均值。简单移动平均（SMA）给窗口内每个值相同权重；指数移动平均（EMA）对近期数据赋予更高权重。均线可以用于表达趋势方向、交叉或过滤条件，但不会消除滞后和假信号。
平均真实波幅（ATR）
真实波幅可以写成：
TR = max(
high - low,
abs(high - previous_close),
abs(low - previous_close)
)
ATR 是 TR 的窗口平均，用于描述价格活动幅度。策略可以把它用于退出线、波动过滤或规则内的权重计算；它不是给用户设置止损价位的指令。
相对强弱指数（RSI）
RSI 是基于窗口内上涨和下跌幅度的动量指标，通常缩放在 0–100。30、70 等阈值是常见研究输入，不是普遍有效的买卖边界。使用时应固定窗口、阈值和信号确认方式，并保留震荡与趋势阶段的结果。
风险与回测指标
最大回撤
最大回撤是净值从历史峰值到随后谷值的最大跌幅。它还应与回撤持续时间、是否恢复、现金流和计算口径一起阅读，不能单独代表全部风险。
波动率
波动率通常是收益序列的标准差。高波动不等于必然亏损，低波动也不等于没有尾部风险；频率、样本窗口、现金流和价格口径都会影响它。
CAGR、XIRR 与 Sharpe
- CAGR：单笔起始资金的年化复合增长；
- XIRR：按多次现金流日期计算的年化内部收益率；
- Sharpe：超额收益与收益波动的比值，受无风险利率和样本窗口影响。
不要把不同现金流、市场、日期或费用口径的指标放到同一个排行榜里。
如何验证策略
回测用于理解历史行为，不用于证明未来有效。至少一起查看：
- 最大回撤、回撤持续时间和恢复情况；
- 交易次数、胜率、盈亏比、费用和现金暴露；
- 空仓、持仓集中度、数据缺失和执行限制；
- 不同市场阶段、样本量和样本外反例；
- 成功、失败、异常和仍然未知的证据。
回测的常见限制包括过拟合、幸存者偏差、前视偏差、价格和成交假设过于理想，以及历史相关性变化。高收益或高 Sharpe 的单一变体不自动是“最佳策略”。
如果要比较参数，先写下 hypothesis 和 baseline，一次只改变一个有意义的变量，并保留失败结果。
策略什么时候需要重新研究
日常生命周期是长期观察，不是表现变差后自动优化：
unusual state
-> inspect deterministic facts
-> compare historical evidence and assumptions
-> formulate an explicit research question
-> controlled research
-> human decision
市场背景、AI 解释和用户风险偏好都不会自动授权修改 Portfolio。需要复杂研究时，会员可以使用 Agent Lab；实验结果不会静默修改已有 Formal Portfolio。
相关文档
策略文档和回测结果仅用于学习与研究，不构成投资建议、收益承诺或真实交易指令。