企业官网建设流程全解析

• 金融科技
• 人工智能
• AI Agent
• 大模型
• 后端
• 前端

QuantMind 策略实验室（Strategy Lab）是一个浏览器量化沙盒：把你的 Python 策略代码粘进编辑器，点一次「运行」，5 分钟内在网页上看到 K 线买卖点、净值曲线，并一键完成 4 关卡过拟合体检。它深度集成微软 Qlib 回测引擎，纯本地数据、不强制大模型，适合新手快速验证策略想法，也方便投研团队把想法直接转为可上线的策略模板。

一、策略实验室是什么：浏览器里的 TradingView × Jupyter × 量化沙盒

一句话定位：左 AI 写代码、中跑回测、右看 K 线。核心闭环只有 5 步：

① 点示例片段 / 让 AI 写代码 → ② 微调参数 → ③ ▶ 运行回测 ↑ ↓ └← ⑤ 改代码 ← ④ 右栏看 K 线买卖点 + 净值 + 持仓

相比市面同类工具，它的差异化在于：本地 Python + 本地行情数据 + Qlib 引擎 + AI 写代码 + TradingView 风格 K 线的组合。TradingView 没有本地数据和 Python，Backtrader 没有 UI，SaaS 平台收费且不可定制。

更多产品规划见 docs/Strategy_Lab规范.md，完整使用说明见 docs/Strategy_Lab用户手册.md。

二、快速上手：5 分钟跑通你的第一个回测

登录后在侧边栏点击策略实验室，进入三栏布局页面：

• 左栏：示例代码片段库（双均线、RSI 超卖反弹、海龟通道、布林带、动量轮动等 30+ 现成策略，源码见 snippets.ts）
• 中栏：Monaco 代码编辑器
• 右栏：回测结果面板

操作步骤（约 5 分钟）：

1. 左栏选择「双均线策略」或「买入持有」示例片段，一键载入编辑器；
2. 顶栏点运行—— 右下角显示进度条（队列 → AST 安全检查 → 加载脚本 → 回测中 → 完成）；
3. 完成后右栏展示策略评分卡（0-100 分）、KPI 卡片（年化、Sharpe、最大回撤、Alpha）和 7 个结果 Tab：净值曲线 / K 线 ▲▼ / 月度热力 / 年度统计 / 成交明细 / 末日持仓 / 日志。

性能基线：沪深 300 单一年份同步回测 < 30 秒，5 年异步回测 < 5 分钟，K 线渲染 1 年日 K < 500ms，超时（默认 60s）会被强制终止并在错误中提示「运行超时」。

三、代码约定：只需两个函数，沙盒自动兜底

策略脚本只需实现两个函数：setup(ctx)声明回测窗口，on_bar(ctx, bar)编写每日交易逻辑：

def setup(ctx): ctx.universe = ["sh600036", "sh000001"] ctx.start = "2024-01-02" ctx.end = "2024-06-30" ctx.cash = 1_000_000 def on_bar(ctx, bar): if bar.symbol == "sh600036" and ctx.position(bar.symbol).qty == 0: ctx.buy(bar.symbol, weight=0.5, reason="init")

常用 SDK API 速查：

沙盒安全规则（违反会在 AST 检查阶段被拒，无需担心代码逃逸）：禁止import os / sys / subprocess / socket / requests、禁止open / eval / exec / __import__、禁止赋值给__开头的属性。AST 检查实现见 ast_checker.py。

四、K 线买卖点：每笔交易为什么买、为什么卖

回测完成后，K 线 ▲▼Tab 是策略实验室最直观的产出：

• 每笔成交在对应 K 线上画箭头：红 ▲ = 买入（位于 K 线下方），绿 ▼ = 卖出；
• 点击箭头弹出「Why」原因弹窗：包含调用ctx.buy时传入的 reason 字段及任意 detail，新手再也不用猜"机器为什么在这根 K 线下手"；
• ctx.plot_line()的水平线、ctx.plot_marker()的圆点也会一并渲染；
• 月度热力：按月汇总收益的红绿热力图；年度统计：逐年收益、基准、超额、最大回撤、交易日数；成交明细：分页表格，「Why」按钮一键打开原因弹窗。

前端 K 线渲染组件见 StrategyLabKlineView.tsx，原因弹窗见 WhyExplainerModal.tsx。

五、4 关卡过拟合体检：别让回测曲线骗了你

这是策略实验室的杀手级功能：回测曲线漂亮不等于策略能用。点4 关卡检测（耗时 30-90s），系统会对你的策略做 4 轮独立检验：

总分 = 0.3×关卡1 + 0.3×关卡2 + 0.2×关卡3 + 0.2×关卡4，再与基础启发式评分按 4:6 混合显示在评分卡上。4 个关卡的实现逻辑全部位于 overfit/runner.py，逐条关卡语义都写在文件头部注释里，方便对照理解。

💡 新手建议：回测收益再高，只要关卡 1 的 OOS Sharpe 塌陷或关卡 4 排名进不了前 20%，都先别急着上线——大概率是过拟合。

六、AI 助手：不会写代码也能改策略

右上角AI 助手抽屉会自动带入当前编辑器代码 + 最近一次回测的报错（如有）。你可以直接说：

• 「加 RSI 超卖反弹条件」
• 「把 universe 换成 csi500」
• 「修复刚才的报错」

AI 会在回复里给出一段 Python 代码块，点应用到编辑器即可一键替换原代码，无需手动复制粘贴。AI 评估链路代码见 eval/runner.py。

七、一键上线：从"实验"到"策略"只需两个按钮

策略在实验室里被验证通过（尤其 4 关卡体检达标）后，两个按钮完成闭环：

• 转模板：把 SDK 脚本自动翻译成 Qlib 风格策略模板，保存到「我的策略」，可继续在「策略向导」编辑或直接上线（需已声明回测时间窗 / cash / universe）。翻译器源码见 translator.py；
• 加入每日扫描：把脚本注册到定时任务，工作日 18:30 由 Celery beat 自动跑一次（需STRATEGY_LAB_SCAN_ENABLED=true），新触发的当日交易会出现在 Dashboard 的「策略监控」卡片里，也可点 Dashboard 信号卡上的立即扫描手动触发。定时任务实现见 daily_scan.py。

八、错误处理与复现性

中文错误摘要：回测失败时，系统先用中文概括错误类型（沙盒拦截、缩进错误、变量未定义、行情数据缺失等），下方仍可展开原始 traceback 复制；数据缺失类错误会附去数据平台同步按钮，一键跳转补数据。

结果可复现：每次回测产出script_sha = sha256(code + sorted(params))，相同script_sha+ 相同数据快照下重跑，结果差 < 1e-6。这两个字段在 KPI 卡顶部 / 结果 Tab 标题栏可见，方便团队间核对"同一份策略同一份数据"。

九、性能与限制一览

十、相关文档与代码路径

📌上手清单：左栏选「双均线」→ 点运行 → 点 K 线上的 ▲▼ 看买卖原因 → 点 4 关卡检测看过拟合体检 → 达标后点「转模板」上线。整个流程走完，你已完成一次完整的"想法 → 验证 → 体检 → 上线"闭环。

• 金融科技
• 人工智能
• AI Agent
• 大模型
• 后端
• 前端