mirror of https://github.com/shy3130/tick-stock-panel.git synced 2026-11-02 10:26:13 +00:00

Files

T

shy3130 918c7ade7e refactor(core): 策略与信号全面去内置化, 转为用户自定义定义

- 策略: 引擎只加载 data/strategies/{custom,ai,composite} 与研究模板目录,
  原 25 个内置策略一次性迁移为用户自定义文件(ID 不变, 引用零迁移);
  研究模板移至 app/strategy/research, 打包 spec 同步; 新装环境策略库为空
- 信号: 管线不再硬编码任何信号表达式; 涨跌停判定价成为运行时列
  limit_up_price/limit_down_price(生效价∓0.005 容差), 20 个信号转为
  data/user_data/custom_signals 定义(显式 column 沿用 signal_* 原列名);
  依赖解析/注入顺序/当日路径 prev-join 全部定义驱动; 语义统一为历史路径
  口径(顺带修正当日路径 BOLL 比较符与翘板/炸板空值两处既有偏差)
- 前端: 信号库单列表(全部可编辑), SignalPicker/监控选项/信号标签全走
  定义接口; 回测页新增免责声明(模拟性质/数据源准确性不作保证/不构成
  投资建议)
- 测试: 25 个策略夹具与 20 个信号种子入库 tests/fixtures, 受影响测试
  全部自包含化(不依赖运行目录用户数据); 77 万行 MA 死叉新旧表达式对拍
  逐行一致; 回测实跑 45 笔卖点信号出场验证矩阵链路
- 同批包含工作区既有进度: 策略结果 ext 列同日投影修复(含测试)、数据源插件、fuyao/auth/api_gateway/data_integrity 调整、README 信号库
  描述与 strategy.md 导入路径补充

验证: 后端 2592 passed(空数据目录 CI 模拟 2588 passed, 4 例为模拟环境
伪影复验排除); 前端 vitest 125 passed + tsc 0 错 + vite build 通过

2026-10-10 21:10:44 +08:00

4.9 KiB

Raw Blame History

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,需要手动导入或重建。AI 生成的策略只落入 data/strategies/ai/。

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:

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

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
前端流式接收生成代码,后端经 ast 安全校验(禁止 import os/sys/subprocess 等危险模块)后返回结果
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;或用策略池对话框右上角的**「导入策略」**按钮直接上传 .py 文件(新装空库上手的最快路径)。

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。

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。

4.9 KiB Raw Blame History