交易策略基础
交易策略是投资组合的核心组成部分，它决定什么时候买入和卖出。在策引平台，交易策略与资金策略配合，共同构成完整的投资组合。
交易策略 vs 资金策略
在策引平台，投资组合由两部分组成：
交易策略（Trade Strategy）
负责：决定买入和卖出的时机
- 输入：价格、成交量、技术指标等
- 输出：买入信号、卖出信号、持有信号、空仓信号
- 例子：双均线策略、吊灯止损策略、AI大模型策略
资金策略（Capital Strategy）
负责：决定每次交易投入多少资金
- 输入：当前现金、总资产、交易信号
- 输出：具体的交易金额
- 例子：百分比策略、定投策略、简单百分比策略
简单来说：交易策略告诉你"什么时候买卖"，资金策略告诉你"买卖多少钱"。
策引的多层次策略框架
策引构建了一个从简单到复杂的多层次策略框架，全面支持用户将投资想法转变成可执行策略，通过回测验证和优化，最终辅助您做出更好的交易决策。
核心设计理念：从想法到决策的完整支持
完整的策略实现路径：
- 投资想法 → 策略实现 → 回测验证 → 参数优化 → 交易决策辅助
- 无论您的策略简单还是复杂，策引都能提供相应的实现方式和分析工具
三层递进的策略实现体系
代码策略：经典策略的专业实现
适用场景：
- 带状态的复杂策略逻辑（如动量轮动）
- 经典成熟的投资策略
- 需要跨股票比较和状态管理的策略
实现特点：
- 策引官方用代码实现，充分验证和优化
- 目前所有官方公开组合都采用代码策略
- 用户可以调整参数，但核心逻辑经过专业设计
原语策略：无代码的策略定制
适用场景：
- 用户希望定制属于自己的策略
- 不想编写代码但有明确投资逻辑
- 基于OHLC数据的各种技术指标组合
实现特点：
- 通过配置文件实现各种经典技术指标策略
- 像搭积木一样组合指标和信号
- 未来AI Agent将能帮助用户编写和优化原语策略
AI多因子策略：综合信息的智能决策
适用场景：
- 需要综合多维度信息的复杂决策
- 希望利用AI强大的信息处理能力
- 追求个性化和动态的策略调整
实现特点：
- 基本面、技术面、消息面、市场宏观等全维度分析
- 大模型+Prompt的智能投资决策框架
- 支持不同投资风格的个性化定制
策略框架的核心价值
递进式支持体系：
- 新手用户：从代码策略开始，理解经典投资逻辑
- 进阶用户：通过原语策略实现个人投资想法
- 高级用户：利用AI多因子策略处理复杂市场信息
完整的实现能力：
- 简单想法：通过原语策略快速实现
- 复杂逻辑：通过代码策略专业实现
- 综合分析：通过AI策略智能决策
策引的交易策略类型
1. 代码策略
专业策略的标准化实现：
- 策引官方用代码实现的经典和复杂策略
- 经过充分验证和优化的成熟策略逻辑
- 特别适合带状态的策略和需要跨股票比较的复杂逻辑
核心优势：
- 专业实现：由策引团队专业开发和持续优化
- 充分验证：经过大量历史数据回测和实盘验证
- 参数灵活：用户可以根据风险偏好调整策略参数
- 稳定可靠：适合直接用于投资组合构建
典型应用：
- 双均线策略：经典的趋势跟踪策略
- 动量轮动策略：需要跨股票比较的复杂轮动逻辑
- 吊灯止损策略：结合ATR的动态止损策略
- 买入持有策略：用于定投场景的基础策略
适用人群：希望使用成熟策略的投资者，目前所有官方公开组合都采用代码策略
2. 原语策略
无代码的策略定制平台：
- 用户通过配置文件自定义策略，无需编写代码
- 像搭积木一样组合各种技术指标和交易信号
- 专门支持基于OHLC数据的各种经典技术指标策略
核心优势：
- 无代码实现：有投资想法但不会编程的用户的最佳选择
- 模块化设计：可以灵活组合不同的指标和信号组件
- 逻辑透明：每个组件的作用都清晰可见，便于理解和调试
- 快速验证：能够快速将投资想法转化为可回测的策略
技术实现：
- 指标原语：RSI、MACD、移动平均线等各种技术指标
- 信号原语：买入、卖出、持有等交易信号的组合逻辑
- 配置文件：通过JSON或DSL配置实现复杂的策略逻辑
- AI辅助：未来AI Agent将能帮助用户编写和优化原语策略
适用场景：
- 复杂的技术指标组合策略
- "当A条件和B条件同时满足时买入"这类条件逻辑
- 个人定制化的投资策略实现
- 策略原型的快速验证和迭代
技术限制：
- 主要适用于不带状态的OHLC策略
- 不适合需要跨股票比较的策略
- 暂不支持过于复杂的图表形态识别
3. AI大模型策略
什么是AI大模型策略：
- 基于大模型+Prompt的智能投资决策系统
- 利用基本面、技术面、消息面、市场宏观等全维度信息进行综合决策
- 生成具体的买卖决策和详细分析理由
核心能力：
- 全维度信息整合：基本面数据、技术指标、市场情绪、新闻消息、宏观经济等
- 复杂多因子分析：AI同时处理和分析多种不同类型的市场信息
- 综合决策生成：基于所有信息源识别投资机会和风险
- 个性化定制：支持不同投资风格的Prompt定制（保守型、激进型、价值型、成长型）
- 决策透明化：详细解释每个投资决策的分析逻辑和考虑因素
信息处理能力：
- 基本面分析：财务数据、估值指标、盈利能力、成长性分析
- 技术面分析：价格走势、技术指标、量价关系分析
- 消息面分析：新闻事件、市场情绪、舆情分析
- 宏观分析：经济环境、政策影响、行业趋势分析
主要优势：
- 处理人工难以同时分析的复杂多维市场信息
- 24小时不间断的市场监控和综合分析
- 客观理性的决策，避免情绪干扰
- 持续学习和优化多因子分析能力
按投资理念分类
1. 趋势跟踪策略
趋势跟踪策略试图捕捉市场的主要趋势，在趋势形成时买入，趋势结束时卖出。
基本原理：
- 假设价格趋势会持续一段时间
- 使用技术指标识别趋势方向
- 顺势而为，避免逆势操作
核心理念：策略的核心是趋势跟随，而非预测拐点
- 目标是"截断亏损，让利润奔跑"：趋势策略旨在抓住市场的主要趋势，而非短期波动，因此可能产生多次小额的试错成本
- 关注长期盈亏比，而非短期胜率：此类策略的特点通常是胜率不高，但力求在抓住趋势时获得较高的潜在收益，以覆盖多次试错的成本
典型策略：
双均线策略：通过短期（如10日）和长期（如30日）移动平均线的交叉生成交易信号。当短期均线向上穿越长期均线时产生买入信号（金叉），向下穿越时产生卖出信号（死叉）。这个策略专注于市场趋势的判断，需要配合资金管理策略来决定每次交易的资金量。
吊灯止损均线策略：结合技术指标生成交易信号。使用ATR（平均真实波幅）的Chandelier止损点来确定趋势方向和止损位置，配合移动平均线确认趋势。这个策略负责市场趋势判断和止损信号的生成，需要配合资金管理策略来确定具体的持仓量。
适用场景：
- 趋势明显的市场环境
- 中长期投资时间框架
- 追求捕捉大级别行情的投资者
风险特征：
- 在震荡市中表现不佳
- 会有较多的小额亏损
- 依赖少数几次大幅盈利
2. 买入持有策略
买入持有策略相信长期投资的力量，通过持有优质资产获得长期收益。
基本原理：
- 相信市场长期向上的趋势
- 避免频繁交易的成本和风险
- 注重资产配置而非择时
策略特点：
- 交易策略说明：这是一个用于定投收益分析的演示策略。每天都会产生买入信号，需要配合FixedInvestmentStrategy等资金策略使用，由资金策略决定是否有足够资金执行买入
- 重要提示：此策略仅用于定投分析演示，不建议用于实际交易组合
适用场景：
- 对市场择时缺乏信心
- 希望降低交易成本
- 追求稳健长期收益
3. 动量轮动策略
动量轮动策略通过计算各标的的历史动量指标来选择表现最强的资产进行投资。
基本原理：
- 策略会在每个周期结束时评估所有可选标的的历史价格动量（涨幅表现）
- 将资金配置到动量最强的标的上
- 当其他标的的动量超过当前持有标的时进行调仓
策略特点：
- 能够捕捉市场中强势上涨的资产
- 适用于多品种之间的轮动投资
- 特别适合ETF等不同市场主题的轮动
适用场景：
- 多元化投资组合
- 不同市场主题之间的轮动
- 追求相对强势资产的投资者
4. AI多因子策略
AI大模型策略通过整合基本面、技术面、消息面、市场宏观等全维度信息进行复杂的综合决策。
基本原理：
- 利用基本面、技术面、消息面、市场宏观等信息做综合决策
- 利用AI强大的信息处理能力识别复杂的市场模式和多因子关系
- 基于大模型+Prompt架构生成智能投资决策
策略特点：
- 多维信息整合：同时处理基本面数据、技术指标、新闻情绪、宏观环境等多种信息源
- 复杂因子分析：能够分析各种因子之间的复杂关系和相互影响
- 适应性强：可以根据不同市场环境动态调整分析重点和因子权重
- 个性化定制：支持不同投资风格和风险偏好的策略配置
- 决策透明度高：详细解释每个决策的多因子分析依据
信息覆盖范围：
- 基本面因子：财务指标、估值水平、盈利质量、成长性等
- 技术面因子：价格趋势、技术指标、量价关系、市场结构等
- 消息面因子：新闻事件、市场情绪、舆情变化、突发消息等
- 宏观因子：经济环境、政策变化、行业趋势、市场周期等
适用场景：
- 希望利用AI强大分析能力进行多因子投资的用户
- 需要综合多种信息源进行复杂投资决策的投资者
- 追求个性化和智能化投资策略的用户
5. 均值回归策略
均值回归策略认为价格会围绕其均值波动，当价格偏离过多时会回归。
基本原理：
- 价格过度上涨后会下跌
- 价格过度下跌后会反弹
- 利用超买超卖机会进行交易
注意事项：
- 在强趋势市场中风险较大
- 需要精确的入场和出场时机
- 目前策引平台较少使用此类策略
交易信号状态详解
策引平台的交易信号包含四种状态，这些状态仅为策略在特定时点对历史数据的回测结果：
买入（BUY）
含义：指策略显示，在此前回测节点未持仓，而在当前节点出现了符合策略的开仓信号。
触发条件示例：
- 短期均线上穿长期均线
- 价格突破关键阻力位
- 技术指标显示超卖后反弹
卖出（SELL）
含义：指策略显示，在此前回测节点为持仓状态，而在当前节点出现了符合策略的平仓信号。
触发条件示例：
- 短期均线下穿长期均线
- 价格跌破重要支撑位
- 技术指标显示超买后回落
持有（HOLD）
含义：指策略显示，在此前回测节点已开仓，而在当前节点未出现平仓信号。
状态特点：
- 已有持仓，但没有卖出信号
- 继续持有当前头寸
- 等待卖出条件触发
空仓（EMPTY）
含义：指某个标的在当前策略回测下，无持仓且未出现开仓信号。
状态特点：
- 没有持仓，也没有买入信号
- 等待机会或观望状态
核心技术概念
技术指标
技术指标是基于价格和成交量数据计算的数学公式，用于分析市场趋势和信号。
移动平均线（Moving Average）
定义：一定时期内价格的平均值，随时间移动计算。
类型：
- 简单移动平均线（SMA）：算术平均值
- 指数移动平均线（EMA）：近期价格权重更大
应用：
- 判断趋势方向
- 生成买卖信号（均线交叉）
- 确定支撑阻力位
平均真实波幅（ATR）
定义：衡量价格波动性的指标，反映市场的活跃程度。
计算方法： 真实波幅 = max(高价-低价, |高价-前收盘|, |低价-前收盘|) ATR = 真实波幅的N日移动平均
应用：
- 设置止损位置
- 确定仓位大小
- 评估市场风险
相对强弱指数（RSI）
定义：衡量价格变化速度和幅度的动量指标。
取值范围：0-100
- RSI > 70：可能超买
- RSI < 30：可能超卖
应用：
- 识别超买超卖状态
- 寻找背离信号
- 确认趋势强度
风险管理概念
止损（Stop Loss）
定义：当价格朝不利方向移动到预设水平时，自动平仓止损。
设置方法：
- 固定金额止损：亏损固定金额时止损
- 百分比止损：亏损达到一定比例时止损
- 技术止损：基于技术指标设置止损
仓位管理（Position Sizing）
定义：决定每笔交易投入多少资金的管理方法。
常用方法：
- 固定金额：每次投入固定金额
- 百分比仓位：投入总资金的固定百分比
- 风险平价：根据风险水平分配资金
最大回撤（Maximum Drawdown）
定义：从投资组合净值峰值到谷值的最大跌幅。
意义：
- 反映策略的最大风险暴露
- 帮助评估心理承受能力
- 策略风险控制的重要指标
夏普比率（Sharpe Ratio）
定义：衡量每单位风险获得的超额收益。
计算公式： 夏普比率 = (投资组合收益率 - 无风险收益率) / 投资组合标准差
意义：
- 数值越高，风险调整后收益越好
- 便于比较不同策略的优劣
- 一般认为>1为良好，>2为优秀
回测与验证
回测的重要性
回测是验证投资策略有效性的关键工具：
作用：
- 验证策略在历史数据上的表现
- 了解策略的风险收益特征
- 发现策略的潜在问题
局限性：
- 历史表现不代表未来结果
- 可能存在过拟合风险
- 无法完全模拟真实交易环境
关键回测指标
收益指标：
- 总收益率
- 年化收益率
- 月度/年度收益分布
风险指标：
- 最大回撤
- 波动率（标准差）
- VaR（风险价值）
效率指标：
- 夏普比率
- 卡尔马比率（年化收益/最大回撤）
- 胜率和盈亏比
常见问题解答
策略设计相关
为何展示的胜率不高？
我们的策略设计基于公开的市场理论和资金管理方法，并经过历史数据进行回测验证。
策略核心是趋势跟随，而非预测拐点：
- 目标是"截断亏损，让利润奔跑"：趋势策略旨在抓住市场的主要趋势，而非短期波动，因此可能产生多次小额的试错成本
- 关注长期盈亏比，而非短期胜率：此类策略的特点通常是胜率不高，但力求在抓住趋势时获得较高的潜在收益，以覆盖多次试错的成本
资金管理相关
当参考买入信号时，该如何考虑资金分配？
不同组合展示了不同的历史资金策略模型，仅供参考：
- 百分比模型：单个标的在历史回测中最多占用特定比例资金（如20%）
- 全仓模型：回测中一旦出现买入信号，即投入全部可用资金
重要提示：这些仅为历史回测中的模拟资金管理模型，仅供学习参考。用户应在充分理解不同资金管理模型风险的基础上，独立制定并执行完全符合自身风险承受能力的投资策略。所有模拟结果不构成投资建议。
实盘执行相关
为何不提供自动化交易？
自动化交易：目前产品策略基于日线级别，交易频率不高。同时，自动化交易涉及复杂的技术和合规风险，因此暂不提供。
投资决策独立性：所有投资决策应由用户独立做出。一旦决定参考某个策略，后续的卖出决策若能与该策略的"卖出"信号保持一致，是维持策略一致性的关键。
实践建议
选择策略的原则
- 理解策略原理：确保完全理解策略的逻辑和假设
- 评估风险承受力：策略的最大回撤是否在可接受范围内
- 考虑时间框架：策略的交易频率是否符合个人情况
- 验证历史表现：在不同市场环境下的表现如何
策略执行要点
- 纪律执行：严格按照策略信号执行，避免情绪干扰
- 适当分散：不要把所有资金投入单一策略
- 定期评估：定期检查策略表现，必要时进行调整
- 持续学习：不断提升投资知识和技能