📋 概述

Strategy 系统是一个用于发现和回测用户自定义策略的框架。系统采用配置驱动的方式，允许用户通过 Python 配置文件定义策略，框架自动执行扫描、枚举和回测。

为什么需要 Strategy 系统？

在量化交易中，我们需要：

• 策略发现：从市场中发现投资机会
• 策略验证：回测历史数据，验证策略效果
• 资金管理：模拟真实资金约束下的交易

Strategy 系统通过四层架构解决了这些问题，其中 OpportunityEnumerator + 双模拟器分层 是整个框架的核心亮点：

• ✅ Layer 0（OpportunityEnumerator）：完整枚举所有可能机会 —— 作为「底层枚举器」，一次性把所有可能的交易机会（SOT：source of truth）算出来并持久化：
  • 一次计算，多次复用：后续所有模拟、分析、机器学习训练都复用同一份枚举结果，而不再重复跑 on-bar 回测
  • 可追溯：任何时刻都可以回到某只股票、某天、某机会的完整路径，极大方便调试
  • 对分析/ML 友好：SOT 本质上就是一个结构化的数据集，天然适合分析工具和模型训练使用
  • 相当于回测缓存层：把昂贵的 on-bar 回测拆成「先枚举机会，再叠加模拟」，大幅缩短迭代时间
• ✅ Layer 1（Scanner）：实时机会扫描
• ✅ Layer 2（PriceFactorSimulator）：价格因子模拟（无资金约束）
• ✅ Layer 3（CapitalAllocationSimulator）：资金分配模拟（真实资金约束）

核心概念

投资机会（Opportunity）

一个投资机会，包含触发信息、回测结果和状态管理。

触发信息：

• trigger_date：触发日期
• trigger_price：触发价格
• trigger_conditions：触发条件

回测结果：

• sell_date：卖出日期
• sell_price：卖出价格
• sell_reason：卖出原因（止盈/止损/到期）
• roi：收益率

状态：

• active：正在追踪中
• closed：已完成
• open：未完成

等量交易（Price Factor）

只关注股价波动（价格变化），不分析金钱盈亏。

示例：

买入价格：10 元
卖出价格：11 元
收益率：(11 - 10) / 10 = 10%

目的：关注策略本身的效果（价格预测能力），独立于资金规模。

三层架构

Layer 1: OpportunityEnumerator（底层公用组件）

• 完整枚举所有可能的投资机会
• 每天都扫描，不跳过任何机会
• 同时追踪多个机会（不受持仓限制）
• 输出：CSV 双表（opportunities.csv + targets.csv）

Layer 2: PriceFactorSimulator（验证层）

• 验证策略效果（价格层面），只关注「价格是否走对了」，不涉及资金规模和仓位
• 无资金约束，只关心等量交易的收益曲线，天然对应「价格因子」视角
• 基于 OpportunityEnumerator 的 SOT 结果，复用枚举缓存，速度非常快，适合频繁调整策略与参数
• 输出：Investment 记录（JSON 格式），可直接用于统计分析和可视化

Layer 3: CapitalAllocationSimulator（执行层）

• 模拟资金分配执行（资金层面），在确定了价格层面策略可行之后，进一步回答「多少钱、怎么买、怎么买多只」
• 真实资金约束，考虑费用、持仓限制、多股票间的资金竞争等
• 同样基于 OpportunityEnumerator 的 SOT 结果，在价格模拟验证通过后再叠加资金管理逻辑，避免过早卷入复杂度
• 输出：Trade 记录、Equity Curve、Summary（JSON 格式），帮助用户真正制定和调试仓位分配策略

使用场景

场景 1：实时机会扫描

需求：每天扫描市场，发现当前的投资机会

实现：

1. 实现 scan_opportunity() 方法
2. 调用 manager.scan(strategy_name="my_strategy")
3. 结果保存在 results/scan/{date}/opportunities.json

场景 2：完整机会枚举

需求：枚举历史所有可能的机会，供后续分析使用

实现：

1. 调用 OpportunityEnumerator.enumerate()
2. 结果保存在 results/opportunity_enums/{strategy_name}/{version_dir}/
3. 输出 CSV 双表（opportunities.csv + targets.csv）

场景 3：价格因子验证

需求：快速验证策略的信号质量，不考虑资金约束

实现：

1. 先运行 OpportunityEnumerator 生成 SOT 结果
2. 调用 PriceFactorSimulator.run()
3. 结果保存在 results/price_factor/{strategy_name}/{version_dir}/

场景 4：资金分配回测

需求：在真实资金约束下回测策略效果

实现：

1. 先运行 OpportunityEnumerator 生成 SOT 结果
2. 调用 CapitalAllocationSimulator.run()
3. 结果保存在 results/capital_allocation/{strategy_name}/{version_dir}/
4. 包含交易记录、权益曲线、汇总统计