信号原语参考指南

信号原语(Signal Primitives)是用于生成交易信号的组件，它们接收一个或多个时间序列作为输入，并输出布尔型时间序列(true/false)。这些组件可以组合成复杂的交易条件。

信号原语基础

所有信号原语都实现了evaluate方法，该方法接收输入时间序列并返回布尔结果。信号原语可以：

1. 评估单个时间点(返回单个布尔值)
2. 评估整个时间序列(返回布尔型Series)

可用信号原语

比较类信号

⚠️ 重要警告：输入顺序至关重要

对于所有比较类信号（尤其是LessThan和GreaterThan），输入参数的顺序会直接影响比较结果。 当涉及常量与变量的比较时，必须将常量放在左侧，变量放在右侧，以确保执行预期的比较。

错误示例（常见错误！）：

// 本意是 rsi < 70，但实际执行的是 70 < rsi
{
  "type": "LessThan",
  "inputs": [
    { "ref": "rsi" },
    { "type": "Constant", "value": 70 }
  ]
}

正确示例：

// 正确执行 rsi < 70
{
  "type": "LessThan",
  "inputs": [
    { "type": "Constant", "value": 70 },
    { "ref": "rsi" }
  ]
}

GreaterThan 和 LessThan (替代 Comparison)

推荐使用 GreaterThan 和 LessThan 替代通用的 Comparison，它们提供更明确的语义和更好的性能。

{
  "id": "price_above_ma",
  "type": "GreaterThan",
  "epsilon": 0.01,
  "inputs": [
    { "column": "Close" },
    { "ref": "ma_indicator" }
  ]
}

参数:

• epsilon: 用于处理浮点比较精度问题的小值(默认: 0)

注意事项:

• 比较两个时间序列时，会使用epsilon值作为精度缓冲
• 输入顺序至关重要，请参考下面的 GreaterThan 和 LessThan 部分

GreaterThan (大于)

检查第一个输入是否大于第二个输入。输入顺序至关重要！

{
  "id": "price_gt_ma",
  "type": "GreaterThan",
  "epsilon": 0.01,
  "inputs": [
    { "column": "Close" },     // 要检查的值放第一位
    { "ref": "ma_indicator" }  // 与之比较的值放第二位
  ]
}

常量比较的正确写法：

{
  "id": "rsi_overbought",
  "type": "GreaterThan",
  "epsilon": 0.5,
  "inputs": [
    { "ref": "rsi_indicator" },            // 变量放第一位
    { "ref": "upper_threshold" }           // 引用常量指标而不是直接使用value
  ]
}

参数:

• epsilon: 浮点数比较精度参数（可选，默认为0）。当比较 a > b 时，实际比较为 a > (b + epsilon)。
  • 例如：当阈值为70，epsilon为0.01时，只有值大于70.01才会返回true
  • 适用于处理边界条件和浮点数精度问题

注意事项：

• 无论是否使用 epsilon，输入的顺序都是决定性的
• 对于 GreaterThan(a, b)，执行的是 a > (b + epsilon)
• 推荐使用常量指标（如 upper_threshold）而不是直接使用 value 属性

LessThan (小于)

检查第一个输入是否小于第二个输入。输入顺序至关重要！

{
  "id": "price_lt_ma",
  "type": "LessThan",
  "epsilon": 0.01,
  "inputs": [
    { "column": "Close" },     // 要检查的值放第一位
    { "ref": "ma_indicator" }  // 与之比较的值放第二位
  ]
}

常量比较的正确写法：

{
  "id": "rsi_not_overbought",
  "type": "LessThan",
  "epsilon": 0.5,
  "inputs": [
    { "ref": "rsi_indicator" },            // 变量放第一位
    { "ref": "upper_threshold" }           // 引用常量指标而不是直接使用value
  ]
}

参数:

• epsilon: 浮点数比较精度参数（可选，默认为0）。当比较 a < b 时，实际比较为 a < (b - epsilon)。
  • 例如：当阈值为70，epsilon为0.01时，只有值小于69.99才会返回true
  • 适用于处理RSI等指标的边界条件和浮点数精度问题

注意事项：

• 无论是否使用 epsilon，输入的顺序都是决定性的
• 对于 LessThan(a, b)，执行的是 a < (b - epsilon)
• 推荐使用常量指标（如 lower_threshold）而不是直接使用 value 属性

InRange (在范围内)

检查输入值是否在指定范围内。

{
  "id": "rsi_neutral",
  "type": "InRange",
  "params": {
    "lower_inclusive": true,
    "upper_inclusive": true
  },
  "inputs": [
    { "ref": "rsi_indicator" },
    { "ref": "lower_bound" },
    { "ref": "upper_bound" }
  ]
}

参数:

• lower_inclusive: 是否包含下界(默认: true)
• upper_inclusive: 是否包含上界(默认: true)

注意事项:

• 需要三个输入: 评估值, 下界, 上界
• 适合检测指标是否在特定区间内(如RSI在30-70之间)

交叉类信号

Crossover (上穿)

检测第一个输入是否向上穿越第二个输入。

{
  "id": "price_cross_above_ma",
  "type": "Crossover",
  "params": { "mode": "simple" },
  "inputs": [
    { "column": "Close" },
    { "ref": "ma_indicator" }
  ]
}

参数:

• mode: 交叉检测模式，可选值:
  • simple: 简单交叉检测（默认）
  • confirmed: 要求确认（连续两个周期）

注意事项:

• 只在实际发生穿越的那一个时间点返回true
• 穿越后的后续时间点返回false，直到发生新的穿越
• 适合用作买入/卖出触发信号

Crossunder (下穿)

检测第一个输入是否向下穿越第二个输入。

{
  "id": "price_cross_below_ma",
  "type": "Crossunder",
  "params": { "mode": "simple" },
  "inputs": [
    { "column": "Close" },
    { "ref": "ma_indicator" }
  ]
}

参数:

• mode: 交叉检测模式，可选值:
  • simple: 简单交叉检测（默认）
  • confirmed: 要求确认（连续两个周期）

注意事项:

• 只在实际发生穿越的那一个时间点返回true
• 穿越后的后续时间点返回false，直到发生新的穿越
• 适合用作买入/卖出触发信号

逻辑运算符类

And (逻辑与)

要求所有输入信号同时为true。支持嵌套信号和内联常量。

基本用法：

{
  "id": "buy_condition",
  "type": "And",
  "inputs": [
    { "ref": "price_above_ma" },
    { "ref": "rsi_oversold" }
  ]
}

嵌套信号示例：

{
  "id": "buy_condition_core",
  "type": "And",
  "inputs": [
    { "ref": "macd_cross_signal" },
    {
      "type": "GreaterThan",
      "inputs": [
        { "column": "Volume" },
        { "ref": "volume_ma" }
      ],
      "params": {
        "threshold": 1.5
      }
    }
  ]
}

内联常量支持：

{
  "id": "enhanced_buy",
  "type": "And", 
  "inputs": [
    { "ref": "buy_condition_core" },
    {
      "type": "LessThan",
      "inputs": [
        { "ref": "volume_ratio" },
        { "type": "Constant", "value": 3 }
      ]
    }
  ]
}

Or (逻辑或)

当任一输入信号为true时返回true。

{
  "id": "sell_condition",
  "type": "Or",
  "inputs": [
    { "ref": "stop_loss_hit" },
    { "ref": "take_profit_hit" }
  ]
}

Not (逻辑非)

对输入信号取反。

{
  "id": "not_overbought",
  "type": "Not",
  "inputs": [
    { "ref": "rsi_overbought" }
  ]
}

逻辑运算符新特性：

1. 嵌套信号支持: And/Or可以接受嵌套的信号定义作为输入
2. 内联常量: 嵌套信号中支持 {"type": "Constant", "value": N} 格式
3. 灵活组合: 可以混合使用信号引用和嵌套定义

注意事项:

• 增强了NaN处理逻辑
• 适合需要排除特定条件的场景
• 嵌套信号会自动评估，无需预先定义ID

模式识别类

Streak (连续模式)

检测连续满足条件的模式。注意：Streak 使用"回溯标记"语义，即标记整个符合条件的连续序列，而非延迟触发。

{
  "id": "consecutive_up_days",
  "type": "Streak",
  "params": {
    "match_type": "true",
    "min_length": 3,
    "max_length": 5
  },
  "inputs": [
    { "ref": "daily_gain" }
  ]
}

参数:

• match_type: 匹配类型，可选值：
  • "true" (默认): 检测连续的 True 值
  • "false": 检测连续的 False 值
  • "any": 检测任意连续相同的值（不区分 True/False）
• min_length: 最小连续长度（默认: 2，必须大于0）
• max_length: 最大连续长度（可选，如指定则必须大于等于min_length）

行为说明:

Streak 采用"回溯标记"（retrospective marking）语义：

1. 整序列标记: 当检测到符合条件的连续序列时，会标记该序列中的所有位置（从第一天开始），而非仅标记第 N 天
2. max_length 截断: 如果连续序列超过 max_length，只标记前 max_length 个位置
3. 批量处理: 作为无状态原语，Streak 一次性处理整个时间序列

示例:

假设输入序列为 [F, T, T, T, T, F]，配置 min_length=3, max_length=null, match_type="true"：

• 结果: [F, T, T, T, T, F] — 标记所有 4 个连续 True 位置

假设输入序列为 [F, T, T, T, T, T, F]，配置 min_length=3, max_length=3：

• 结果: [F, T, T, T, F, F, F] — 只标记前 3 个位置

注意事项:

• 适合检测连续上涨/下跌或其他持续模式
• 不适合用于"等待 N 天后再触发"的延迟信号场景（因为是回溯标记而非延迟触发）
• 如需延迟触发语义，请使用 Lag 原语组合实现（见下文）

时序类

Lag (时序位移)

将时间序列按指定周期位移，用于实现延迟确认、历史数据引用等场景。这是实现"连续 N 天确认后触发"逻辑的核心原语。

{
  "id": "yesterday_condition",
  "type": "Lag",
  "params": {
    "periods": 1,
    "fill_value": 0
  },
  "inputs": [
    { "ref": "today_condition" }
  ]
}

参数:

• periods: 位移周期数（默认: 1，大于等于0）。正数表示向后看（获取过去的值）
• fill_value: 填充值（可选）。位移产生的空值用此填充。布尔序列建议用 0 (False) 或 1 (True)

典型用法 - 连续 2 天确认:

{
  "signals": [
    {
      "id": "condition_today",
      "type": "LessThan",
      "inputs": [
        { "ref": "some_indicator" },
        { "ref": "threshold" }
      ]
    },
    {
      "id": "condition_yesterday",
      "type": "Lag",
      "params": { "periods": 1, "fill_value": 0 },
      "inputs": [{ "ref": "condition_today" }]
    },
    {
      "id": "confirmed_signal",
      "type": "And",
      "inputs": [
        { "ref": "condition_today" },
        { "ref": "condition_yesterday" }
      ]
    }
  ]
}

执行逻辑:

日期        condition_today  condition_yesterday  confirmed_signal
Day 1       True             False (filled)       False  ← 第1天不触发
Day 2       True             True (from Day1)     True   ← 连续2天，触发！
Day 3       True             True (from Day2)     True
Day 4       False            True (from Day3)     False

注意事项:

• Lag 是无状态原语，符合声明式配置的设计原则
• 与 And 组合可实现任意 N 天确认逻辑
• fill_value 对于布尔信号很重要，建议显式设置为 0

数学运算类

🆕 新功能：纯数学运算模式

数学运算类信号现在支持两种工作模式：

1. 比较模式（默认）：执行数学运算后与阈值比较，返回布尔结果
2. 纯数学模式：设置 return_calculation=true 时，直接返回数学运算结果

PercentChange (百分比变化)

计算时间序列的百分比变化，并与阈值或另一时间序列比较。

{
  "id": "price_up_5percent",
  "type": "PercentChange",
  "params": {
    "period": 5,
    "threshold": 5.0,
    "comparison": "greater"
  },
  "inputs": [
    { "column": "Close" }
  ]
}

参数:

• period: 计算变化的周期(默认: 1)
• threshold: 比较阈值(可选)
• comparison: 比较类型(默认: "greater")

注意事项:

• 可与阈值比较或与另一时间序列比较
• 适合检测价格动量或大幅波动

Add (加法)

将两个或多个时间序列相加。支持比较模式和纯数学运算模式。

比较模式示例（默认行为）：

{
  "id": "combined_gt_threshold",
  "type": "Add",
  "params": {
    "threshold": 100,
    "comparison": "greater"
  },
  "inputs": [
    { "ref": "indicator1" },
    { "ref": "indicator2" }
  ]
}

纯数学运算模式示例：

{
  "id": "combined_indicator",
  "type": "Add",
  "params": {
    "return_calculation": true
  },
  "inputs": [
    { "ref": "indicator1" },
    { "ref": "indicator2" },
    { "ref": "indicator3" }
  ]
}

参数:

• return_calculation: 是否返回计算结果而非比较结果（默认: false）
• threshold: 比较阈值（仅在比较模式下使用）
• comparison: 比较类型（仅在比较模式下使用，默认: "greater"）
• absolute: 是否对结果取绝对值（默认: false） 内联常量支持：

{
  "id": "indicator_plus_constant",
  "type": "Add",
  "params": {
    "return_calculation": true
  },
  "inputs": [
    { "ref": "base_indicator" },
    { "type": "Constant", "value": 10 }
  ]
}

Subtract (减法)

从第一个时间序列中减去第二个及后续时间序列（按从左到右顺序）。

纯数学运算示例：

{
  "id": "indicator_difference",
  "type": "Subtract",
  "params": {
    "return_calculation": true
  },
  "inputs": [
    { "ref": "indicator1" },
    { "ref": "indicator2" }
  ]
}

多操作数示例（左到右计算：(a - b) - c）：

{
  "id": "sequential_subtract",
  "type": "Subtract",
  "params": {
    "return_calculation": true
  },
  "inputs": [
    { "ref": "base_value" },
    { "ref": "adjustment1" },
    { "type": "Constant", "value": 5 }
  ]
}

Multiply (乘法)

将两个或多个时间序列相乘（支持多操作数）。

纯数学运算示例：

{
  "id": "weighted_indicator",
  "type": "Multiply",
  "params": {
    "return_calculation": true
  },
  "inputs": [
    { "ref": "indicator" },
    { "ref": "weight" }
  ]
}

多操作数乘法示例：

{
  "id": "signal_strength",
  "type": "Multiply",
  "params": {
    "return_calculation": true
  },
  "inputs": [
    { "ref": "macd_atr_ratio" },
    { "ref": "ma_close_ratio" },
    { "type": "Constant", "value": 1.0 }
  ]
}

Divide (除法)

将第一个时间序列除以第二个及后续时间序列（按从左到右顺序）。

纯数学运算示例：

{
  "id": "indicator_ratio",
  "type": "Divide",
  "params": {
    "return_calculation": true
  },
  "inputs": [
    { "ref": "indicator1" },
    { "ref": "indicator2" }
  ]
}

多操作数示例（左到右计算：(a / b) / c）：

{
  "id": "normalized_ratio",
  "type": "Divide",
  "params": {
    "return_calculation": true
  },
  "inputs": [
    { "column": "Volume" },
    { "ref": "volume_ma" },
    { "type": "Constant", "value": 1000 }
  ]
}

数学运算类通用参数：

• return_calculation: 是否返回纯数学计算结果（默认: false）
  • true: 返回数值结果，支持多操作数按从左到右计算
  • false: 执行运算后与阈值比较，返回布尔结果
• threshold: 比较阈值（仅在比较模式下生效）
• comparison: 比较类型（"greater", "less", "equal"等，仅在比较模式下生效）
• absolute: 是否对运算结果取绝对值（默认: false） 重要特性：

1. 向后兼容: 默认行为保持不变，现有配置无需修改
2. 多操作数支持: 纯数学模式支持2个以上输入，按从左到右顺序计算
3. 内联常量: 支持 {"type": "Constant", "value": N} 格式的内联常量
4. 除零处理: Divide操作自动处理除零情况，返回NaN

策略切换类

StockBondSwitch (股债切换)

⚠️ 智能资产轮动信号

这是一个专门为多资产轮动策略设计的智能信号原语，它能够自动识别当前正在评估的标的， 并根据标的在投资组合中的位置（约定：第一个=股票类资产，第二个=债券类资产）以及市场条件 返回相应的买入信号。

根据市场条件信号为不同资产生成互补的买入信号，实现股债轮动策略。

{
  "id": "stock_bond_buy",
  "type": "StockBondSwitch",
  "params": {
    "default_to_stock": true
  },
  "inputs": [
    { "ref": "market_trend_up" }
  ]
}

工作原理:

该原语能够智能识别当前正在评估的标的和投资组合中的所有标的， 根据标的在投资组合中的位置和市场条件，为不同标的返回互补的买入信号：

条件信号	股票ETF(位置0)	债券ETF(位置1)
True	True (买入)	False (不买)
False	False (不买)	True (买入)

配置约定:

• symbols[0]: 股票ETF（如510300、SPY等）
• symbols[1]: 债券ETF（如511260、TLT等）

参数:

• default_to_stock: 当条件信号中包含NaN值时的默认填充行为（默认: true）
  • true: NaN填充为True（偏向股票）
  • false: NaN填充为False（偏向债券）

返回值:

• 返回布尔型 pd.Series，表示当前标的是否应该买入
• 对于股票ETF：条件为True时返回True，条件为False时返回False
• 对于债券ETF：条件为False时返回True，条件为True时返回False

完整配置示例:

{
  "market_indicators": {
    "indicators": [
      {
        "code": "000300.SH"
      }
    ],
    "transformers": [
      {
        "name": "hs300_raw",
        "type": "IdentityTransformer",
        "params": {
          "indicator": "000300.SH",
          "field": "Close"
        }
      },
      {
        "name": "hs300_ma200",
        "type": "MovingAverageTransformer",
        "params": {
          "indicator": "000300.SH",
          "window": 200,
          "method": "simple",
          "field": "Close"
        }
      }
    ]
  },
  "trade_strategy": {
    "indicators": [],
    "signals": [
      {
        "id": "market_trend_up",
        "type": "GreaterThan",
        "inputs": [
          {
            "market": "000300.SH",
            "transformer": "hs300_raw"
          },
          {
            "market": "000300.SH",
            "transformer": "hs300_ma200"
          }
        ]
      },
      {
        "id": "stock_bond_buy",
        "type": "StockBondSwitch",
        "params": {
          "default_to_stock": true
        },
        "inputs": [
          {
            "ref": "market_trend_up"
          }
        ]
      },
      {
        "id": "stock_bond_sell",
        "type": "Not",
        "inputs": [
          {
            "ref": "stock_bond_buy"
          }
        ]
      }
    ],
    "outputs": {
      "buy_signal": "stock_bond_buy",
      "sell_signal": "stock_bond_sell"
    }
  }
}

技术特点:

1. 智能识别: 自动识别当前正在评估的标的和投资组合配置

2. 上下文感知: 能够获取完整的投资组合标的列表和当前标的信息

3. 安全机制:

   • 无法获取投资组合信息时默认不产生买入信号
   • 投资组合标的少于2个时不产生买入信号
   • 当前标的不在前两个位置时不产生买入信号

注意事项:

• 这是一个标准的信号原语，返回布尔型Series，与其他信号原语完全兼容
• 必须配合 CompositeStrategy 使用，不能用于单标的策略
• 卖出信号通常使用 Not 原语对买入信号取反
• 适用于任何两资产轮动策略（不仅限于股债）

使用场景:

• 股债轮动（股票ETF ↔ 债券ETF）
• 风险开关策略（风险资产 ↔ 避险资产）
• 趋势跟踪（趋势资产 ↔ 现金等价物）
• 动量轮动（高动量资产 ↔ 低动量资产）

权重控制原语

权重控制原语用于动态调整仓位大小，输出 0.0-1.0 之间的目标权重值。这些原语与交易信号配合使用，实现基于市场条件的灵活仓位管理。

核心概念

target_weight（目标权重）：表示某个标的应占总资产的目标比例，取值范围 0.0-1.0。

• 0.0：空仓（完全不持有）
• 0.3：轻仓（持有30%）
• 0.6：中仓（持有60%）
• 1.0：满仓（全仓持有）

执行语义

重要理解：target_weight 表示在交易信号触发时使用的目标权重，而非实时维护的目标权重：

• ✅ 买入信号(B)触发时：按 target_weight 建仓
• ✅ 卖出信号(S)触发且 target_weight > 0 时：调整到 target_weight（部分卖出）
• ❌ 持有期间(H) target_weight 变化：不触发自动调整

设计理由：

1. 避免因指标波动产生过度交易
2. 职责分离：信号控制时机，权重控制规模
3. 符合主动策略的标准实践

ConditionalWeight (条件权重)

根据布尔条件选择不同的目标权重（离散权重调整）。

{
  "id": "rsi_based_weight",
  "type": "ConditionalWeight",
  "inputs": [
    { "ref": "rsi_overbought" }
  ],
  "params": {
    "true_weight": 0.5,
    "false_weight": 1.0
  }
}

参数:

• true_weight: 条件为 true 时的目标权重，范围 [0, 1]
• false_weight: 条件为 false 时的目标权重，范围 [0, 1]

输入:

• 单个布尔条件序列 (pd.Series of bool)

输出:

• 权重序列 (pd.Series of float)，值为 true_weight 或 false_weight

使用场景:

• RSI超买超卖调仓：RSI > 70 时半仓，RSI 正常时满仓
• PE/PB估值调仓：估值过高时减仓，估值正常时满仓
• 波动率调仓：高波动时减仓，低波动时加仓
• 任何基于条件的离散权重调整

完整示例:

{
  "indicators": [
    { 
      "id": "rsi", 
      "type": "RSI", 
      "params": { "period": 14 } 
    },
    { 
      "id": "sma_short", 
      "type": "SMA", 
      "params": { "period": 20 } 
    },
    { 
      "id": "sma_long", 
      "type": "SMA", 
      "params": { "period": 60 } 
    }
  ],
  "signals": [
    {
      "id": "rsi_overbought",
      "type": "GreaterThan",
      "inputs": [
        { "ref": "rsi" },
        { "type": "Constant", "value": 70 }
      ]
    },
    {
      "id": "buy_signal",
      "type": "CrossAbove",
      "inputs": [
        { "ref": "sma_short" },
        { "ref": "sma_long" }
      ]
    },
    {
      "id": "sell_signal",
      "type": "CrossBelow",
      "inputs": [
        { "ref": "sma_short" },
        { "ref": "sma_long" }
      ]
    },
    {
      "id": "dynamic_weight",
      "type": "ConditionalWeight",
      "inputs": [{ "ref": "rsi_overbought" }],
      "params": {
        "true_weight": 0.5,
        "false_weight": 1.0
      }
    }
  ],
  "outputs": {
    "buy_signal": "buy_signal",
    "sell_signal": "sell_signal",
    "target_weight": "dynamic_weight"
  }
}

执行效果:

• 当 SMA20 上穿 SMA60 触发买入信号时：
  • 如果 RSI > 70（超买）：按 50% 仓位建仓
  • 如果 RSI ≤ 70（正常）：按 100% 仓位建仓
• 持有期间 RSI 变化不会触发交易
• 只有在新的买入/卖出信号触发时，才会使用当时的 target_weight

LinearScaleWeight (线性缩放权重)

将指标值线性映射到权重范围（连续权重调整）。

{
  "id": "rsi_smooth_weight",
  "type": "LinearScaleWeight",
  "inputs": [
    { "ref": "rsi" }
  ],
  "params": {
    "min_indicator": 30,
    "max_indicator": 70,
    "min_weight": 1.0,
    "max_weight": 0.3,
    "clip": true
  }
}

参数:

• min_indicator: 指标最小值
• max_indicator: 指标最大值
• min_weight: 映射到的最小权重，范围 [0, 1]
• max_weight: 映射到的最大权重，范围 [0, 1]
• clip: 是否裁剪超出范围的值（默认: true）

输入:

• 单个数值指标序列 (pd.Series of float)

输出:

• 权重序列 (pd.Series of float)，值在 [min_weight, max_weight] 范围内

映射公式:

当 indicator 在 [min_indicator, max_indicator] 范围内时，权重按以下公式线性映射：

weight = min_weight + (indicator - min_indicator) / (max_indicator - min_indicator) * (max_weight - min_weight)

当 clip=true 时，超出范围的值会被裁剪到 [min_weight, max_weight]。

使用场景:

• RSI平滑调仓：RSI 从 30 到 70，仓位从 100% 平滑降到 30%
• PE估值调仓：PE 从 15 到 30，仓位从 100% 平滑降到 30%
• 波动率调仓：ATR比率从 0.7 到 1.8，仓位从 100% 平滑降到 30%
• 任何需要连续调整权重的场景

完整示例:

{
  "indicators": [
    { "id": "rsi", "type": "RSI", "params": { "period": 14 } },
    { "id": "sma_short", "type": "SMA", "params": { "period": 20 } },
    { "id": "sma_long", "type": "SMA", "params": { "period": 60 } }
  ],
  "signals": [
    {
      "id": "buy_signal",
      "type": "CrossAbove",
      "inputs": [{ "ref": "sma_short" }, { "ref": "sma_long" }]
    },
    {
      "id": "sell_signal",
      "type": "CrossBelow",
      "inputs": [{ "ref": "sma_short" }, { "ref": "sma_long" }]
    },
    {
      "id": "smooth_weight",
      "type": "LinearScaleWeight",
      "inputs": [{ "ref": "rsi" }],
      "params": {
        "min_indicator": 30,
        "max_indicator": 70,
        "min_weight": 1.0,
        "max_weight": 0.3,
        "clip": true
      }
    }
  ],
  "outputs": {
    "buy_signal": "buy_signal",
    "sell_signal": "sell_signal",
    "target_weight": "smooth_weight"
  }
}

执行效果:

• RSI = 30（超卖）→ target_weight = 1.0（满仓）
• RSI = 50（中性）→ target_weight = 0.65（65%仓位）
• RSI = 70（超买）→ target_weight = 0.3（30%仓位）

当买入信号触发时，根据当时的 RSI 值决定建仓比例。

权重原语配置要求

使用权重原语时，需要配合 RebalancingCapitalStrategy 资金策略：

{
  "capital_strategy": {
    "name": "RebalancingCapitalStrategy",
    "params": {
      "initial_capital": 100000
    }
  }
}

如果使用其他资金策略（如 PercentCapitalStrategy），target_weight 将被忽略，策略将按照固定比例交易。

应用场景

1. 估值驱动的动态仓位

根据估值指标（PE/PB）动态调整仓位：

{
  "id": "pe_weight",
  "type": "LinearScaleWeight",
  "inputs": [{ "ref": "pe_ratio" }],
  "params": {
    "min_indicator": 15,
    "max_indicator": 30,
    "min_weight": 1.0,
    "max_weight": 0.3,
    "clip": true
  }
}

2. 波动率风险控制

根据市场波动率调整风险敞口：

{
  "id": "vix_weight",
  "type": "LinearScaleWeight",
  "inputs": [{ "ref": "vix" }],
  "params": {
    "min_indicator": 15,
    "max_indicator": 30,
    "min_weight": 1.0,
    "max_weight": 0.3,
    "clip": true
  }
}

3. 技术指标组合

结合多个权重原语：

{
  "signals": [
    {
      "id": "rsi_weight",
      "type": "LinearScaleWeight",
      "inputs": [{ "ref": "rsi" }],
      "params": {
        "min_indicator": 30,
        "max_indicator": 70,
        "min_weight": 1.0,
        "max_weight": 0.4
      }
    },
    {
      "id": "atr_weight",
      "type": "LinearScaleWeight",
      "inputs": [{ "ref": "atr_ratio" }],
      "params": {
        "min_indicator": 0.7,
        "max_indicator": 1.8,
        "min_weight": 1.0,
        "max_weight": 0.3
      }
    },
    {
      "id": "weight_sum",
      "type": "Add",
      "params": { "return_calculation": true },
      "inputs": [{ "ref": "rsi_weight" }, { "ref": "atr_weight" }]
    },
    {
      "id": "combined_weight",
      "type": "Multiply",
      "params": { "return_calculation": true },
      "inputs": [
        { "ref": "weight_sum" },
        { "type": "Constant", "value": 0.5 }
      ]
    }
  ],
  "outputs": {
    "buy_signal": "buy_condition",
    "sell_signal": "sell_condition",
    "target_weight": "combined_weight"
  }
}

相关资源

• 实战案例：查看 动态仓位策略案例 了解完整的策略实现
• FileBasedStrategy：查看 文件策略文档 了解如何在CSV文件中使用动态仓位

信号组合最佳实践

1. 构建复合条件:

   • 使用And、Or组合多个信号
   • 使用Not反转信号
   • 例如: And(CrossAbove(RSI, 30), GreaterThan(Close, SMA))

2. 交叉事件vs状态:

   • 交叉事件(CrossAbove/CrossBelow)只在穿越发生时为true
   • 状态比较(GreaterThan/LessThan)只要条件满足就一直为true
   • 明确了解这一区别对避免频繁交易很重要

3. 过滤假信号:

   • 使用Streak要求信号持续一定时间
   • 结合多个指标确认信号
   • 使用趋势过滤器(如价格高于均线)

4. 信号命名和组织:

   • 使用清晰的ID命名每个信号组件
   • 从简单到复杂逐步构建信号
   • 先定义基本条件，再组合成复杂条件

5. 动态仓位控制:

   • 权重原语应该输出到 target_weight 字段
   • 必须配合 RebalancingCapitalStrategy 使用
   • 考虑交易成本，避免频繁小幅调仓
   • 权重变化只在交易信号触发时生效

常见错误和解决方案

1. 过度频繁的信号:

   • 问题: 使用状态比较(如GreaterThan)作为买入信号
   • 解决: 使用CrossAbove/CrossBelow检测交叉事件

2. 信号缺失:

   • 问题: 输入时间序列有NaN值
   • 解决: 确保指标计算有足够的历史数据

3. 精度问题:

   • 问题: 浮点比较导致不稳定的结果
   • 解决: 在Comparison中使用epsilon参数

4. 逻辑错误:

   • 问题: 混淆And/Or逻辑
   • 解决: 仔细验证复合条件的预期行为

5. 动态仓位不生效:

   • 问题: 使用了 PercentCapitalStrategy 而非 RebalancingCapitalStrategy
   • 解决: 检查资金策略配置，确保使用正确的策略类型

6. 仓位频繁调整:

   • 问题: 期望 target_weight 变化时自动调仓
   • 解决: 理解执行语义，权重只在交易信号触发时生效