tick-stock-panel/docs/strategy.md

策略指南

策略是策略引擎、回测、监控的基础。本文介绍策略体系与三种扩展方式。

完整策略开发规范(AI 生成与手写)见 backend/app/strategy/prompts/strategy-guide.md。

---

示例策略

策略全部是用户自定义文件,每个策略一个独立 Python 文件,基于 Polars 表达式向量化实现,存放在 data/strategies/custom/(可编辑、可删除);原 25 个示例策略已随数据目录一次性迁移为普通自定义策略。按类型概览:

类型	代表策略
趋势 / 形态	趋势突破 · 均线多头 · MA 金叉 · MACD 金叉放量 · 布林突破 · 均线粘合突破 · 平台整理突破 · 放量创60日新高
量价 / 涨停	量价齐升 · 高换手强势 · 连板股 · 断板反包 · 涨停动量 · 接近涨停 · 涨停基因活跃股
反转 / 波动	超跌反弹 · 超卖反转 · 新低反转 · 低波动龙头 · 回踩 MA20 · 回踩支撑 · 强势开盘 · MACD 零下回升 · 长下影反击 · RSI 中轴回踩

backend/app/strategy/research/ 保留一个仅供挖掘 worker 使用的受控因子排名研究模板(research_only)。它不出现在普通策略列表，也不能通过普通策略 API 直接运行或删除；挖掘结果发布时会生成独立策略。详见 因子与策略挖掘。

策略引擎只加载用户数据目录(data/strategies/custom|ai|composite)与研究模板目录,不再有内置策略目录;新装环境策略库为空。旧版本升级用户首次启动时自动把 25 个原内置策略补回为自定义文件(按 ID 补缺、不覆盖已有,删除后重启不复活)。AI 生成的策略只落入 data/strategies/ai/。

「策略池」窗口按策略库和已选列表组织。可搜索名称、ID 或描述，组合来源和周期筛选；勾选后条目仍保留在策略库中并显示“已加入”。已选列表可拖动或用上下按钮排序，清空后可“撤销清空”，也可“还原”打开窗口时的选择；只有点击“保存策略池”才应用选择。失效项须显式移除，列表加载失败时禁止保存并提供重试。窄屏在策略库和已选列表间切换。AI 草稿需先发布；发布立即生效，加入池仍须另行保存。

---

扩展策略的三种方式

🎛️ 方式一:自定义信号(不写代码)

在策略页 UI 上用 字段 + 操作符 + 阈值 组合,编译成 Polars 表达式热加载。适合:

• 快速验证一个简单的筛选思路(如 RSI < 30 AND 量比 > 2)
• 不熟悉 Python 但想自定义筛选条件

底层实现在 backend/app/strategy/custom_signals.py。

🤖 方式二:AI 生成

一句话描述思路,LLM 读取精简运行时指南生成完整策略文件:

1. 配置 AI 接口(留空即关闭,见 configuration.md → AI):

   AI_PROVIDER=openai_compat
   AI_BASE_URL=https://api.deepseek.com/v1
   AI_API_KEY=sk-...
   AI_MODEL=deepseek-chat
   

2. 在策略页打开「AI 策略生成器」,用自然语言描述你的策略思路
3. 前端流式接收生成代码,后端经 ast 安全校验(import 白名单 + 危险内建引用/dunder 遍历/模块命名空间句柄/文件读写原语拦截,实现见 ai_generator._validate_safety)后返回结果
4. 保存后落入 data/strategies/ai/,文件名/ID 用 ai_ 前缀

生成策略相关提示词位于 backend/app/strategy/prompts/:

• strategy-guide-compact.md — AI 运行时精简指南(用于降低长请求超时概率)
• strategy-guide.md — 完整策略开发规范(供人工开发和详细参考)
• strategy-builder-step2.md — 步骤 2 提示词模板(修改已有策略)
• strategy-example.md — 从零创建强势反包策略的三步演示

💡 文件与范围铁律:AI 生成的策略只生成一个 .py 文件,只 import polars as pl,绝不修改 backend/、docs/、frontend/ 等现有文件。

生成之后的持续改进(假设—验证—判定闭环),见 AI 策略迭代指南。

📝 方式三:自定义编写 / 代码迁移

可以在策略页「自定义编写」中直接编辑策略代码并保存,新建自定义策略会落入 data/strategies/custom/,文件名/ID 用 custom_ 前缀。也可以手动把已有策略改写为 Polars 文件后放入该目录,引擎会自动发现;或用策略页顶部的导入与导出图标打开「导入策略」，上传 .py 文件。

手写策略需遵循 strategy-guide.md 的文件结构(META / basic_filter / scoring / ENTRY_SIGNALS / filter 等),完整规范见该文档。

资源导入与批量导出

策略、因子和信号页顶部各有一个小盒子图标，进入「设置 → 导入与备份」并保留资源类型上下文；策略页入口位于右侧基础配置按钮左边。统一页展示资源与关联依赖，自动携带所需依赖；批量导出使用同页的资源导出入口。

单个策略的下载入口位于策略配置对话框顶部，导出的 ZIP 包包含策略源码、已保存调参、相关自定义因子和信号（及其递归依赖）；未保存修改须先保存后再导出。页面顶部的小盒子弹窗内可批量导出多项策略、因子或信号，完成后关闭窗口继续使用当前页面。

• 批量导出：按名称或 ID 搜索，可多选、全选当前筛选结果；选择不改变运行策略池。先预览包内清单，再下载一个 ZIP。策略源码、已保存调参、引用的信号、因子、叠加子策略与同目录辅助模块随依赖携带，共享依赖只保存一份。也可单独导出信号、自定义/组合因子或用户 AI 草稿，内置因子无需打包。
• 统一导入：支持新资源包、旧策略包、含字面量 META.id 的策略 .py、信号/因子 .json，也支持直接将这些文件压成的普通 ZIP（可有外层文件夹，无需 manifest.json）；自动忽略说明文档与 macOS 附加文件。可一次混合选择多个 ZIP、策略和定义文件，一起补齐依赖。文件先识别预览，尚不写入；优先选择包内属于当前页面类型的原始导出项；若没有此类原始项，则列出并选择包内该类型的定义（例如在因子页从策略包提取因子）。也可只选其中一部分，所需依赖自动关联。
• 重复与冲突：同 ID 且内容相同自动复用；内容不同须逐项确认替换，可展开比较两份内容并查看本机引用方。不自动改 ID，也不静默替换已有定义。同一策略 ID 位于不同来源目录时拒绝导入。
• 一致性：校验所选资源与本机已有依赖的合并快照；缺少依赖或存在循环时阻止相关选择导入。预览后本机资源发生变化须重新预览。写入、因子注册或策略重载失败时回滚本次所选批次，成功后刷新运行缓存与页面查询。导入不改变策略池配置，也不自动发布草稿。

AI 策略 .py 未声明发布状态时默认导入为草稿；资源包中明确的草稿/发布状态则原样保留。AI 草稿可在策略池的「AI」分组发布后使用。

因子排名等 matrix_native 策略的进出场信号由策略计算，signal_factor_rank_entry / signal_factor_rank_exit 是输出标签，无需在信号库创建同名定义。打包和预检不把这些输出标签作为外部依赖；显式输入列、评分因子以及普通策略引用的自定义信号仍需完整。新生成的因子排名策略引用 app.strategy.research.factor_rank_research，旧 app.strategy.builtin.factor_rank_research 转发路径继续兼容。

资源包只包含策略/调参/信号/因子及策略辅助代码，不包含行情、计算缓存、账号或密钥；全量设备迁移仍使用「配置备份」。依赖识别覆盖评分、进出场信号、叠加条件、组合成员和源码中明确的自定义列引用；动态拼接的列名应通过 META.required_features 或 REQUIRED_FEATURES 显式声明。

新包使用 tick-resource-bundle v1，条目路径沿用配置备份白名单。统一接口位于 /api/definitions/resources：GET 查询目录；POST /export/preview 预览导出、/export 下载、/inspect 预览导入、/apply 提交导入。旧 /api/strategies/{id}/bundle 与旧策略包格式继续兼容；旧接口保留默认跳过同名文件、逐文件报告导入结果的行为。

清单由应用在导出 ZIP 时自动生成，用于保存原始选择、版本和依赖信息，不是手工导入的前置条件。无清单 ZIP 按文件内容识别资源；保留标准资源目录时也会保留策略来源、辅助模块与已保存调参。有清单的包仍校验其格式和版本，损坏或不兼容的清单会明确报错。

---

策略文件结构(简述)

一个策略 .py 文件通常包含:

部分	作用
META	策略元信息(名称、参数、方向等),用户可在 UI 调整阈值
basic_filter(df, params)	模式 A:单日过滤,返回 pl.Expr
filter_history(df, params)	模式 B:历史窗口过滤,返回 pl.DataFrame(配 LOOKBACK_DAYS)
scoring	策略权重,总和 = 1.0
ENTRY_SIGNALS / EXIT_SIGNALS	进出场信号列(回测用)

完整字段说明与示例见 strategy-guide.md。

---

新增示例策略(贡献者)

如果你想随项目分发一个示例策略:在 backend/tests/fixtures/strategies/ 维护参考实现(仅测试用);面向用户的策略分发请直接提供 .py 文件由用户导入 data/strategies/custom/,引擎会自动发现并加载。