复制 local 代码到 serve
This commit is contained in:
@@ -0,0 +1,99 @@
|
||||
# 公网部署:如何设置访问密码
|
||||
|
||||
面板部署在公网服务器时,首次设置访问密码有限制 —— **必须从本机或内网访问**,以防公网上陌生人抢先设置密码锁死你的面板。
|
||||
|
||||
如果你在公网浏览器直接打开页面,会看到提示:
|
||||
|
||||
> 首次设置密码仅允许本机或内网访问,请通过 SSH/本地浏览器操作
|
||||
|
||||
有两种方式解决,任选其一。
|
||||
|
||||
---
|
||||
|
||||
## 方式一:环境变量预置密码(最简单,推荐)
|
||||
|
||||
在 `.env` 文件(或 Docker / 系统环境变量)里设置 `AUTH_PASSWORD`:
|
||||
|
||||
```bash
|
||||
# 编辑服务器上的 .env (通常在项目根目录或 backend/ 下)
|
||||
AUTH_PASSWORD=你的密码
|
||||
```
|
||||
|
||||
然后重启服务。启动时会自动:
|
||||
1. 读取 `AUTH_PASSWORD`
|
||||
2. 用 PBKDF2 哈希后写入 `auth.json`(`chmod 600`,只存哈希不存明文)
|
||||
3. **之后这个环境变量就不再被读取** —— 是一次性的初始化
|
||||
|
||||
设完后即可用公网地址 + 这个密码正常登录。后续改密码请用页面 UI(`设置 → 修改密码`),不受环境变量影响。
|
||||
|
||||
### 注意事项
|
||||
|
||||
- **密码至少 6 位**,否则会被跳过并记一条 warning 日志
|
||||
- **仅在未设过密码时生效**。已设过密码后,改这里不会覆盖(避免重启时重置你在 UI 改的密码)
|
||||
- `.env` 文件权限保持 `600`,**不要提交到 Git**
|
||||
- 明文密码只存在于 `.env` / 环境变量中,落盘的是哈希,安全性等同 `auth.json`
|
||||
|
||||
### 重置密码(忘密码时)
|
||||
|
||||
如果忘了密码想重置:删除或清空 `data/user_data/auth.json`,重启服务,会回到"未设密码"状态,此时 `AUTH_PASSWORD` 会重新生效。
|
||||
|
||||
```bash
|
||||
# 停服后执行, 清空后重启
|
||||
rm data/user_data/auth.json
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 方式二:SSH 端口转发
|
||||
|
||||
不用改配置,在你**自己电脑**的终端执行(不是服务器上):
|
||||
|
||||
```bash
|
||||
ssh -L 3018:127.0.0.1:3018 用户名@服务器IP
|
||||
```
|
||||
|
||||
例如服务器是 `123.45.67.89`、用户名 `root`、面板端口 `3018`:
|
||||
|
||||
```bash
|
||||
ssh -L 3018:127.0.0.1:3018 root@123.45.67.89
|
||||
```
|
||||
|
||||
保持这个 SSH 连接**不要关**,然后在**自己电脑的浏览器**打开:
|
||||
|
||||
```
|
||||
http://127.0.0.1:3018
|
||||
```
|
||||
|
||||
此时后端看到的客户端 IP 是 `127.0.0.1`(本机),能通过校验,正常显示设置密码界面。
|
||||
|
||||
**设完密码后**,SSH 连接可以断开 —— 密码已存进服务器,之后直接用公网地址 + 刚设的密码访问即可。
|
||||
|
||||
### 端口说明
|
||||
|
||||
上面的 `3018` 是默认端口。如果你用 `PORT` 环境变量改过端口(比如 `PORT=8080`),两处都要替换:
|
||||
|
||||
```bash
|
||||
ssh -L 8080:127.0.0.1:8080 root@123.45.67.89
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 原理说明
|
||||
|
||||
- **为什么限制本机/内网?** 面板部署到公网后,任何人都能访问 URL。如果不限制,攻击者可以在你之前打开页面、设置一个密码,把你的面板锁死。
|
||||
- **本机/内网如何判断?** 后端检查客户端 IP 是否属于 `127.0.0.1 / ::1 / 10.x / 192.168.x / 172.16-31.x`。
|
||||
- **SSH 转发为什么有效?** `-L` 把本机端口通过 SSH 隧道转发到服务器的 `127.0.0.1`,等同于在服务器本地访问,客户端 IP 变成 `127.0.0.1`,通过校验。
|
||||
- **反向代理注意:** 若面板在 Nginx 等反代之后,需正确配置 `X-Forwarded-For` 头,后端据此取真实客户端 IP。
|
||||
|
||||
---
|
||||
|
||||
## 两种方式怎么选
|
||||
|
||||
| | 环境变量 | SSH 转发 |
|
||||
|---|---|---|
|
||||
| 操作 | 改一行配置 + 重启 | 一条 ssh 命令 |
|
||||
| 需要改配置 | 是 | 否 |
|
||||
| 适合 | Docker / 自动化部署 / 不熟 SSH | 临时设密码 / 能 SSH 到服务器 |
|
||||
| 后续改密码 | UI(`设置 → 修改密码`) | 同左 |
|
||||
|
||||
推荐**方式一(环境变量)**,一次配置即可,Docker 部署尤其方便。
|
||||
@@ -0,0 +1,205 @@
|
||||
# 步骤 1：根据规则生成完整策略
|
||||
|
||||
你是A股量化策略工程师。用户提供策略信息，你输出完整的 `.py` 策略文件。
|
||||
|
||||
## 核心约束
|
||||
|
||||
- **只创建这一个 .py 文件，不要修改任何现有文件，不要跨文件引用**
|
||||
- 只 import polars as pl，不 import 其他模块
|
||||
- 贴合用户需求优先：不要为了套模板而歪曲策略含义
|
||||
|
||||
## 选择策略模式
|
||||
|
||||
**先分析用户规则，判断使用哪种模式：**
|
||||
|
||||
### 模式 A：单日过滤（filter）
|
||||
所有条件都是当日指标的比较，不需要回溯历史。例如：
|
||||
- "收盘价 > ma5 或 ma10"
|
||||
- "RSI < 30"
|
||||
- "放量（量比 > 2）"
|
||||
|
||||
### 模式 B：历史窗口（filter_history）
|
||||
规则涉及以下任何时序/回溯逻辑时使用：
|
||||
- "最近 N 天内出现过涨停/金叉/某信号"
|
||||
- "涨停后的第 X 天"
|
||||
- "上次涨停价"、"前高"、"前低"
|
||||
- "连续 N 天阴跌/阳线"
|
||||
- 任何需要多天数据才能判断的条件
|
||||
|
||||
## 你必须完成的全部内容
|
||||
|
||||
输出完整的 Python 策略文件，包含：
|
||||
|
||||
1. **META**：id(name, description, tags, params, scoring, basic_filter, limit 等)
|
||||
2. **ENTRY_SIGNALS / EXIT_SIGNALS**：根据策略逻辑自行选择合适的信号列（参考下方可用信号表），不要照抄示例
|
||||
3. **STOP_LOSS / MAX_HOLD_DAYS**：根据策略类型合理设定，做多止损一般为 -5%~-8%，短线持有 5~20 天
|
||||
4. **ALERTS**：列出需要监控提醒的条件
|
||||
5. **RULES**：中文逐条列出核心筛选逻辑（至少 3 条），准确完整
|
||||
6. **filter() 或 filter_history()**：核心筛选逻辑
|
||||
|
||||
## 性能原则
|
||||
|
||||
- 优先用 Polars 表达式、`with_columns`、`over("symbol")`、`group_by`、`join`、`filter`
|
||||
- 只有复杂状态机难以用表达式描述时，才用 `partition_by("symbol")` + `to_dicts()`
|
||||
|
||||
---
|
||||
|
||||
## 模式 A 框架（单日过滤）
|
||||
|
||||
```python
|
||||
"""策略简短描述"""
|
||||
import polars as pl
|
||||
|
||||
META = {
|
||||
"id": "ai_xxxxxxxxxxxx", # 使用用户提供的 strategy_id
|
||||
"name": "用户给的名称",
|
||||
"description": "用户给的描述",
|
||||
"tags": ["根据策略添加标签"],
|
||||
"basic_filter": {
|
||||
"price_min": 3, # 根据策略调整
|
||||
"price_max": 200,
|
||||
"market_cap_min": 10e8,
|
||||
"amount_min": 0.5e8,
|
||||
"exclude_st": True,
|
||||
"exclude_new_days": 30,
|
||||
},
|
||||
"params": [
|
||||
# 只把用户可能调节的阈值放这里；每个参数含 id/label/type/default/min/max/step
|
||||
],
|
||||
"scoring": {
|
||||
# 根据策略核心逻辑定制权重，总和 = 1.0
|
||||
},
|
||||
"order_by": "score",
|
||||
"descending": True,
|
||||
"limit": 100,
|
||||
}
|
||||
|
||||
# 根据策略逻辑选择合适的信号，见下方可用信号表
|
||||
ENTRY_SIGNALS = []
|
||||
EXIT_SIGNALS = []
|
||||
|
||||
# 根据策略类型设定
|
||||
STOP_LOSS = -0.05
|
||||
MAX_HOLD_DAYS = 20
|
||||
|
||||
ALERTS = []
|
||||
|
||||
RULES = """
|
||||
1. 规则一
|
||||
2. 规则二
|
||||
3. 规则三
|
||||
"""
|
||||
|
||||
def filter(df: pl.DataFrame, params: dict) -> pl.Expr:
|
||||
"""策略核心过滤逻辑，返回 Polars 布尔表达式。"""
|
||||
# 用 params.get("param_id", 默认值) 读取参数
|
||||
return pl.col("<字段>") > pl.col("<字段>") # 替换为实际逻辑
|
||||
```
|
||||
|
||||
## 模式 B 框架（历史窗口）
|
||||
|
||||
```python
|
||||
"""策略简短描述"""
|
||||
import polars as pl
|
||||
|
||||
META = {
|
||||
"id": "ai_xxxxxxxxxxxx",
|
||||
"name": "用户给的名称",
|
||||
"description": "用户给的描述",
|
||||
"tags": ["根据策略添加标签"],
|
||||
"basic_filter": {
|
||||
"price_min": 3,
|
||||
"price_max": 200,
|
||||
"market_cap_min": 10e8,
|
||||
"amount_min": 0.5e8,
|
||||
"exclude_st": True,
|
||||
"exclude_new_days": 30,
|
||||
},
|
||||
"params": [
|
||||
# 只把用户可能调节的阈值放这里
|
||||
],
|
||||
"scoring": {
|
||||
# 根据策略核心逻辑定制权重，总和 = 1.0
|
||||
},
|
||||
"order_by": "score",
|
||||
"descending": True,
|
||||
"limit": 100,
|
||||
}
|
||||
|
||||
LOOKBACK_DAYS = 8 # 根据策略需要的最大回看天数设置
|
||||
|
||||
ENTRY_SIGNALS = []
|
||||
EXIT_SIGNALS = []
|
||||
|
||||
STOP_LOSS = -0.05
|
||||
MAX_HOLD_DAYS = 20
|
||||
|
||||
ALERTS = []
|
||||
|
||||
RULES = """
|
||||
1. 规则一（包含时序逻辑）
|
||||
2. 规则二
|
||||
3. 规则三
|
||||
"""
|
||||
|
||||
def filter_history(df: pl.DataFrame, params: dict) -> pl.DataFrame:
|
||||
if df.is_empty() or "date" not in df.columns:
|
||||
return df
|
||||
|
||||
# 用 shift/over 回溯历史数据，或用 group_by 计算窗口聚合
|
||||
# 重要: 返回所有匹配行，不要只过滤 latest，否则回测只有最后一天有信号
|
||||
hist = (
|
||||
df.sort(["symbol", "date"])
|
||||
.with_columns([
|
||||
pl.col("close").shift(1).over("symbol").alias("_prev_close"),
|
||||
# ... 根据策略需要添加更多回溯列
|
||||
])
|
||||
)
|
||||
return hist.filter(
|
||||
# 在此编写筛选条件
|
||||
)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 可用指标列（参考）
|
||||
|
||||
见 [strategy-guide.md](./strategy-guide.md) 第 3 节。
|
||||
|
||||
## 可用信号列（参考）
|
||||
|
||||
以下信号列已预计算，**根据策略含义自行选择匹配的**，不要全部照搬：
|
||||
|
||||
| 列名 | 含义 | 方向 |
|
||||
|------|------|------|
|
||||
| signal_ma_golden_5_20 | MA5 上穿 MA20 | 买入 |
|
||||
| signal_ma_dead_5_20 | MA5 下穿 MA20 | 卖出 |
|
||||
| signal_ma_golden_20_60 | MA20 上穿 MA60 | 买入 |
|
||||
| signal_macd_golden | MACD 金叉 | 买入 |
|
||||
| signal_macd_dead | MACD 死叉 | 卖出 |
|
||||
| signal_ma20_breakout | 突破 MA20 | 买入 |
|
||||
| signal_ma20_breakdown | 跌破 MA20 | 卖出 |
|
||||
| signal_n_day_high | 60日新高 | 买入 |
|
||||
| signal_n_day_low | 60日新低 | 卖出 |
|
||||
| signal_boll_breakout_upper | 突破布林上轨 | 中性 |
|
||||
| signal_boll_breakdown_lower | 跌破布林下轨 | 中性 |
|
||||
| signal_volume_surge | 放量 | 中性 |
|
||||
| signal_limit_up | 涨停 | 买入 |
|
||||
| signal_limit_down | 跌停 | 卖出 |
|
||||
| signal_limit_down_recovery | 跌停翘板 | 买入 |
|
||||
|
||||
**选信号原则**：选和策略逻辑直接相关的，不要凑数。监控类策略两类都选。
|
||||
|
||||
---
|
||||
|
||||
## 规则
|
||||
|
||||
1. 用户可能调节的阈值才放 `params`；公式常数、固定窗口边界不必参数化
|
||||
2. 信号列使用 `.fill_null(False)` 处理空值
|
||||
3. `filter()` 只返回 `pl.Expr`，`filter_history()` 返回筛选后的 `DataFrame`
|
||||
4. scoring 权重总和 = 1.0
|
||||
5. **必须生成 RULES**：用中文逐条列出核心逻辑（至少 3 条），准确完整
|
||||
6. **贴合用户需求**：不为了用已有字段而改变用户本意。用户说"前高"就自己算前高
|
||||
7. **输出前自我检查**：确认 RULES 完整、语法正确、括号匹配、引号闭合
|
||||
8. **优先 Polars**：不要默认生成逐行/逐股 Python 循环
|
||||
9. 直接输出 Python 代码，不要解释文字
|
||||
@@ -0,0 +1,34 @@
|
||||
# 步骤 2：修改策略任意部分
|
||||
|
||||
你是A股量化策略工程师。根据用户指令修改策略代码的任意部分。
|
||||
|
||||
## 输入格式
|
||||
|
||||
分两部分提供：
|
||||
1. 当前策略的完整 Python 代码
|
||||
2. 用户的修改指令（自然语言）
|
||||
|
||||
## 输出要求
|
||||
|
||||
只输出修改后的完整 Python 代码，不要解释。
|
||||
|
||||
## 你应该做的事
|
||||
|
||||
- 增/删/改参数 → 更新 META["params"]，同步修改 filter()
|
||||
- 调整信号 → 更新 ENTRY_SIGNALS / EXIT_SIGNALS
|
||||
- 修改止损/持有 → 更新 STOP_LOSS / MAX_HOLD_DAYS
|
||||
- 增减告警 → 更新 ALERTS
|
||||
- 调整评分 → 更新 META["scoring"]，权重总和保持 100
|
||||
- 修改筛选逻辑 → 更新 filter()；如果新增/删除了历史回溯逻辑，同步改为或移除 filter_history() 与 LOOKBACK_DAYS
|
||||
|
||||
## 规则
|
||||
|
||||
1. 保持策略文件结构完整，不丢失任何已有字段（包括 RULES）
|
||||
2. 删除参数后 filter() 中用原 default 值代替
|
||||
3. 新增参数要有 type、label、default、min、max、step
|
||||
4. 删除信号时 ENTRY_SIGNALS / EXIT_SIGNALS 至少保留一个
|
||||
5. 如果修改了筛选逻辑，同步更新 RULES 中的对应条目
|
||||
6. 用户可能调节的阈值才需要放入 META["params"]；公式常数、固定窗口边界不必强行参数化
|
||||
7. 优先使用 Polars 表达式、窗口函数、聚合和 join，不要默认改成逐行/逐股 Python 循环
|
||||
8. **输出前自我检查**：完整通读修改后的代码，确认 Python 语法正确、括号匹配、引号闭合、缩进一致。有错误直接修正再输出。
|
||||
9. 直接输出完整 Python 代码
|
||||
@@ -0,0 +1,153 @@
|
||||
# 两步创建示例：强势反包策略
|
||||
|
||||
本文演示从零创建一个自定义策略的完整流程。
|
||||
|
||||
---
|
||||
|
||||
## Step 1：填写规则
|
||||
|
||||
用户在创建对话框填写：
|
||||
|
||||
| 字段 | 填写内容 |
|
||||
|------|---------|
|
||||
| 名称 | **强势反包** |
|
||||
| 描述 | 筛选前日阴线下跌、今日放量阳线反包的短线强势股 |
|
||||
| 方向 | 做多 |
|
||||
| 规则 | 前一交易日为明显阴线且跌幅不低于2%，今日阳线收盘反包前一日实体，收盘价接近或高于前一日高点，成交量较前一日放大1.2倍以上，当前 close > ma5 或 close > ma10；使用 filter_history，并优先用 Polars shift/with_columns/filter 实现。 |
|
||||
|
||||
点击「AI 生成」，AI 返回完整策略代码（含参数、信号、评分、告警）：
|
||||
|
||||
```python
|
||||
"""强势反包 — 前日阴线下跌 + 今日放量阳线反包"""
|
||||
import polars as pl
|
||||
|
||||
META = {
|
||||
"id": "strong_reversal",
|
||||
"name": "强势反包",
|
||||
"description": "筛选前日阴线下跌、今日放量阳线反包的短线强势股",
|
||||
"tags": ["反包", "短线", "放量"],
|
||||
"basic_filter": {
|
||||
"price_min": 3,
|
||||
"price_max": 200,
|
||||
"market_cap_min": 10e8,
|
||||
"amount_min": 0.5e8,
|
||||
"exclude_st": True,
|
||||
"exclude_new_days": 30,
|
||||
},
|
||||
"params": [
|
||||
{
|
||||
"id": "prev_down_pct",
|
||||
"label": "前日最大跌幅",
|
||||
"type": "float",
|
||||
"default": -0.02,
|
||||
"min": -0.10,
|
||||
"max": -0.005,
|
||||
"step": 0.005,
|
||||
},
|
||||
{
|
||||
"id": "volume_ratio",
|
||||
"label": "成交量放大倍数",
|
||||
"type": "float",
|
||||
"default": 1.2,
|
||||
"min": 1.0,
|
||||
"max": 5.0,
|
||||
"step": 0.1,
|
||||
},
|
||||
{
|
||||
"id": "reversal_tolerance",
|
||||
"label": "反包容忍误差",
|
||||
"type": "float",
|
||||
"default": 0.005,
|
||||
"min": 0.0,
|
||||
"max": 0.03,
|
||||
"step": 0.005,
|
||||
},
|
||||
],
|
||||
"scoring": {
|
||||
"change_pct": 0.4,
|
||||
"vol_ratio_5d": 0.3,
|
||||
"momentum_5d": 0.3,
|
||||
},
|
||||
"order_by": "score",
|
||||
"descending": True,
|
||||
"limit": 100,
|
||||
}
|
||||
|
||||
LOOKBACK_DAYS = 2
|
||||
|
||||
ENTRY_SIGNALS = ["signal_broken_board_recovery"]
|
||||
EXIT_SIGNALS = ["signal_ma20_breakdown"]
|
||||
STOP_LOSS = -0.05
|
||||
MAX_HOLD_DAYS = 10
|
||||
ALERTS = [
|
||||
{"field": "signal_broken_board_recovery", "message": "反包信号"},
|
||||
]
|
||||
|
||||
RULES = """
|
||||
1. 前一交易日为阴线，且跌幅不小于设定阈值
|
||||
2. 今日为阳线，收盘价收复前一日开盘价并接近或突破前一日高点
|
||||
3. 今日成交量较前一日明显放大，且收盘价站上 MA5 或 MA10
|
||||
"""
|
||||
|
||||
|
||||
def filter_history(df: pl.DataFrame, params: dict) -> pl.DataFrame:
|
||||
if df.is_empty() or "date" not in df.columns:
|
||||
return df
|
||||
|
||||
down_pct = float(params.get("prev_down_pct", -0.02))
|
||||
vol_ratio = float(params.get("volume_ratio", 1.2))
|
||||
tolerance = float(params.get("reversal_tolerance", 0.005))
|
||||
latest = df["date"].max()
|
||||
hist = (
|
||||
df.sort(["symbol", "date"])
|
||||
.with_columns([
|
||||
pl.col("open").shift(1).over("symbol").alias("_prev_open"),
|
||||
pl.col("high").shift(1).over("symbol").alias("_prev_high"),
|
||||
pl.col("close").shift(1).over("symbol").alias("_prev_close"),
|
||||
pl.col("volume").shift(1).over("symbol").alias("_prev_volume"),
|
||||
pl.col("change_pct").shift(1).over("symbol").alias("_prev_change_pct"),
|
||||
])
|
||||
)
|
||||
return hist.filter(pl.col("date") == latest).filter(
|
||||
(pl.col("_prev_close") < pl.col("_prev_open"))
|
||||
& (pl.col("_prev_change_pct") <= down_pct)
|
||||
& (pl.col("close") > pl.col("open"))
|
||||
& (pl.col("close") > pl.col("_prev_open"))
|
||||
& (pl.col("close") >= pl.col("_prev_high") * (1 - tolerance))
|
||||
& (pl.col("volume") >= pl.col("_prev_volume") * vol_ratio)
|
||||
& ((pl.col("close") > pl.col("ma5")) | (pl.col("close") > pl.col("ma10")))
|
||||
)
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## Step 2：预览 + 指令修改
|
||||
|
||||
进入第二步，显示完整的策略预览和指令输入框。
|
||||
|
||||
用户如果觉得反包条件太严格，可以输入「把前日跌幅放宽到 -1.5%，反包前高允许 1% 误差」→ 点 AI 修改。AI 更新 `params` 默认值和 `filter_history()` 逻辑。
|
||||
|
||||
确认无误后点「保存策略」→ 策略池中出现。
|
||||
|
||||
---
|
||||
|
||||
## 后续使用
|
||||
|
||||
打开策略配置，**基础参数**和**策略参数**分别独立：
|
||||
|
||||
```
|
||||
┌─ 配置：强势反包 ──────────────────────────┐
|
||||
│ 名称 [强势反包 ] 显示上限 [30]│
|
||||
│ │
|
||||
│ 📊 基础参数 [启用 ●] │
|
||||
│ 价格 [3]~[200]元 排除ST、新股 │
|
||||
│ 最低成交额 [5000万] │
|
||||
│ │
|
||||
│ ⚙ 策略参数 │
|
||||
│ 前日最大跌幅 [-0.02] │
|
||||
│ 成交量放大倍数 [1.2] │
|
||||
│ 反包容忍误差 [0.005] │
|
||||
│ │
|
||||
│ ⭐ 评分权重 📈 交易参数 │
|
||||
└────────────────────────────────────────────┘
|
||||
```
|
||||
@@ -0,0 +1,347 @@
|
||||
# 策略开发指南
|
||||
|
||||
本文档是策略开发的完整参考。人类开发者参考它编写策略，AI 读取它生成策略代码。
|
||||
|
||||
## 1. 策略文件格式
|
||||
|
||||
每个策略是一个 Python 文件，放在以下目录：
|
||||
|
||||
- 内置策略: `backend/app/strategy/builtin/`
|
||||
- 自定义策略: `data/strategies/custom/`，建议文件名和 ID 使用 `custom_时间戳`
|
||||
- AI 生成策略: `data/strategies/ai/`，文件名和 ID 使用 `ai_时间戳`
|
||||
|
||||
## 2. 文件结构模板
|
||||
|
||||
```python
|
||||
"""策略简短描述"""
|
||||
import polars as pl
|
||||
|
||||
META = {
|
||||
"id": "strategy_id", # 英文ID, 唯一, 文件名同名；自定义策略建议 custom_时间戳
|
||||
"name": "策略中文名", # 显示名称
|
||||
"description": "策略详细描述", # 一句话说明策略逻辑
|
||||
"tags": ["标签1", "标签2"], # 分类标签
|
||||
|
||||
# 基础过滤参数 (Stage 1, 引擎统一处理)
|
||||
"basic_filter": {
|
||||
"price_min": 5, # 最低价格
|
||||
"price_max": 200, # 最高价格
|
||||
"market_cap_min": 20e8, # 最小总市值 (元)
|
||||
"amount_min": 1e8, # 最小成交额 (元)
|
||||
"exclude_st": True, # 排除 ST/*ST/退市
|
||||
"exclude_new_days": 60, # 排除上市N天内新股
|
||||
},
|
||||
|
||||
# 策略参数 (只把用户可能调节的阈值放这里，公式常数不必参数化)
|
||||
# 每个参数含 id/label/type/default/min/max/step；select 类型用 options
|
||||
"params": [
|
||||
],
|
||||
|
||||
# 评分权重 (用于排序, 根据策略核心逻辑定制, 权重总和 = 1.0)
|
||||
"scoring": {
|
||||
},
|
||||
|
||||
"order_by": "score", # 排序字段, 通常用 "score"
|
||||
"descending": True, # True = 从高到低
|
||||
"limit": 100, # 最多返回条数
|
||||
}
|
||||
|
||||
# 买入信号 (回测 + 监控用, 根据策略逻辑选择合适的信号列)
|
||||
ENTRY_SIGNALS = []
|
||||
|
||||
# 卖出信号
|
||||
EXIT_SIGNALS = []
|
||||
|
||||
# 止损 (负数, 根据策略类型合理设定, 如做多短线 -0.05~-0.08)
|
||||
STOP_LOSS = -0.05
|
||||
|
||||
# 最长持有天数 (短线 5~20, 中线 20~60)
|
||||
MAX_HOLD_DAYS = 20
|
||||
|
||||
# 提醒条件 (监控用)
|
||||
ALERTS = []
|
||||
|
||||
|
||||
# 策略规则（人类可读，逐条编号，至少 3 条）
|
||||
RULES = """
|
||||
1. 规则描述一
|
||||
2. 规则描述二
|
||||
3. 规则描述三
|
||||
"""
|
||||
|
||||
def filter(df: pl.DataFrame, params: dict) -> pl.Expr:
|
||||
"""策略核心过滤逻辑。
|
||||
|
||||
df: Stage 1 基础过滤后的 enriched 数据
|
||||
params: META.params 中定义的参数值 (用户可在前端覆盖)
|
||||
|
||||
返回: Polars 布尔表达式 (pl.Expr)
|
||||
"""
|
||||
# 用 params.get("param_id", 默认值) 读取参数
|
||||
return (
|
||||
(pl.col("close") > pl.col("ma5"))
|
||||
& (pl.col("rsi_14") < 30)
|
||||
)
|
||||
```
|
||||
|
||||
### 历史窗口策略（filter_history）
|
||||
|
||||
普通 `filter()` 只接收当前日期的单日数据。当策略需要以下逻辑时，必须使用 `filter_history()`：
|
||||
|
||||
- "最近 N 天内出现过某个事件"（如涨停、金叉）
|
||||
- "某个事件发生后的第 X 天"（如涨停后放量下跌）
|
||||
- "前高 / 前低 / 上次某事件的价格"等需要回溯历史的自定义字段
|
||||
- 任何需要多日数据才能计算的时序逻辑
|
||||
|
||||
**不需要** `filter_history()` 的场景：只用当日指标列做比较（如 close > ma60、rsi_14 < 30）。
|
||||
|
||||
```python
|
||||
LOOKBACK_DAYS = 8 # 回看交易日数，根据策略需要设置
|
||||
|
||||
def filter_history(df: pl.DataFrame, params: dict) -> pl.DataFrame:
|
||||
"""df 包含目标日期之前 LOOKBACK_DAYS 个交易日的数据（所有股票混合）。
|
||||
每行包含 symbol, date 及所有指标列/信号列。
|
||||
|
||||
返回值: 筛选后的 DataFrame。
|
||||
重要: 返回所有匹配的行，不要只过滤最新日期，否则回测只有最后一天有信号。
|
||||
"""
|
||||
if df.is_empty() or "date" not in df.columns:
|
||||
return df
|
||||
|
||||
down_pct = float(params.get("prev_down_pct", -0.02))
|
||||
vol_ratio = float(params.get("volume_ratio", 1.2))
|
||||
tolerance = float(params.get("reversal_tolerance", 0.005))
|
||||
|
||||
# 示例: 前日明显阴线下跌，今日放量阳线反包前日实体
|
||||
hist = (
|
||||
df.sort(["symbol", "date"])
|
||||
.with_columns([
|
||||
pl.col("open").shift(1).over("symbol").alias("_prev_open"),
|
||||
pl.col("high").shift(1).over("symbol").alias("_prev_high"),
|
||||
pl.col("close").shift(1).over("symbol").alias("_prev_close"),
|
||||
pl.col("volume").shift(1).over("symbol").alias("_prev_volume"),
|
||||
pl.col("change_pct").shift(1).over("symbol").alias("_prev_change_pct"),
|
||||
])
|
||||
)
|
||||
|
||||
return hist.filter(
|
||||
(pl.col("_prev_close") < pl.col("_prev_open"))
|
||||
& (pl.col("_prev_change_pct") <= down_pct)
|
||||
& (pl.col("close") > pl.col("open"))
|
||||
& (pl.col("close") > pl.col("_prev_open"))
|
||||
& (pl.col("close") >= pl.col("_prev_high") * (1 - tolerance))
|
||||
& (pl.col("volume") >= pl.col("_prev_volume") * vol_ratio)
|
||||
& ((pl.col("close") > pl.col("ma5")) | (pl.col("close") > pl.col("ma10")))
|
||||
)
|
||||
```
|
||||
|
||||
**关键要点：**
|
||||
- `LOOKBACK_DAYS` 决定引擎加载多少天的数据，设为策略逻辑需要的最大回看天数
|
||||
- 优先使用 Polars 的 `with_columns`、`over("symbol")`、`group_by`、`join`、`filter` 实现历史逻辑，避免把数据转成 Python list/dict 循环
|
||||
- 只有遇到表达式难以描述的复杂状态机时，才使用 `partition_by("symbol")` + `to_dicts()` 逐股票分析
|
||||
- **返回所有匹配行，不要过滤 `latest`**；选股引擎会自动取最新日，回测引擎需要全区间命中
|
||||
- 未声明 `filter_history()` 的策略走普通 `filter()` 路径，不受影响
|
||||
|
||||
## 3. 常用指标列（参考，可直接使用）
|
||||
|
||||
以下列在数据中已预计算，可直接引用。**但如果这些列无法满足策略需求，可以不用，自行在 `filter_history()` 中基于 enriched 表的数据（已复权，含所有指标列和信号列）计算任何需要的字段。**
|
||||
|
||||
### 通用列
|
||||
|
||||
| 列名 | 类型 | 说明 |
|
||||
|------|------|------|
|
||||
| symbol | string | 股票代码 (如 600519.SH) |
|
||||
| date | date | 交易日期 |
|
||||
|
||||
### 价格相关
|
||||
|
||||
| 列名 | 类型 | 说明 |
|
||||
|------|------|------|
|
||||
| open, high, low, close | float | OHLCV 开高低收 (前复权) |
|
||||
| raw_close, raw_high, raw_low | float | 原始未复权价 |
|
||||
| prev_close | float | 昨收价 |
|
||||
| change_pct | float | 涨跌幅 (如 0.032 = +3.2%) |
|
||||
| change_amount | float | 涨跌额 |
|
||||
| amount | float | 成交额 |
|
||||
| amplitude | float | 振幅 |
|
||||
|
||||
### 均线
|
||||
|
||||
| 列名 | 说明 |
|
||||
|------|------|
|
||||
| ma5, ma10, ma20, ma30, ma60 | 简单移动均线 |
|
||||
| ema5, ema10, ema20, ema30, ema60 | 指数移动均线 |
|
||||
|
||||
### 技术指标
|
||||
|
||||
| 列名 | 说明 |
|
||||
|------|------|
|
||||
| macd_dif | MACD DIF 线 |
|
||||
| macd_dea | MACD DEA 线 |
|
||||
| macd_hist | MACD 柱状 |
|
||||
| boll_upper, boll_lower | 布林带上/下轨 |
|
||||
| kdj_k, kdj_d, kdj_j | KDJ 指标 |
|
||||
| rsi_6, rsi_14, rsi_24 | RSI 相对强弱 |
|
||||
| atr_14 | 平均真实波幅 |
|
||||
|
||||
### 量能
|
||||
|
||||
| 列名 | 说明 |
|
||||
|------|------|
|
||||
| volume | 成交量 |
|
||||
| vol_ma5, vol_ma10 | 成交量均线 |
|
||||
| vol_ratio_5d | 5日量比 |
|
||||
| turnover_rate | 换手率 |
|
||||
|
||||
### 动量与波动
|
||||
|
||||
| 列名 | 说明 |
|
||||
|------|------|
|
||||
| momentum_5d / 10d / 20d / 30d / 60d | N日涨幅 |
|
||||
| annual_vol_20d | 20日年化波动率 |
|
||||
| high_60d, low_60d | 60日最高/最低价 |
|
||||
|
||||
### 涨跌停
|
||||
|
||||
| 列名 | 说明 |
|
||||
|------|------|
|
||||
| consecutive_limit_ups | 连续涨停天数 |
|
||||
| consecutive_limit_downs | 连续跌停天数 |
|
||||
|
||||
### 运行时附加列（由引擎从 instruments 表 JOIN）
|
||||
|
||||
| 列名 | 说明 |
|
||||
|------|------|
|
||||
| name | 股票名称 |
|
||||
| total_shares | 总股本 |
|
||||
| float_shares | 流通股本 |
|
||||
|
||||
（`total_shares` 和 `float_shares` 用于 `basic_filter` 中计算市值：`close * total_shares`）
|
||||
|
||||
## 4. 常用信号列（参考）
|
||||
|
||||
信号列是布尔值，**必须**使用 `.fill_null(False)` 处理空值。同样仅供参考，根据策略含义自行选择匹配的。
|
||||
|
||||
| 列名 | 方向 | 说明 |
|
||||
|------|------|------|
|
||||
| signal_ma_golden_5_20 | 买入 | MA5 上穿 MA20 |
|
||||
| signal_ma_dead_5_20 | 卖出 | MA5 下穿 MA20 |
|
||||
| signal_ma_golden_20_60 | 买入 | MA20 上穿 MA60 |
|
||||
| signal_macd_golden | 买入 | MACD 金叉 |
|
||||
| signal_macd_dead | 卖出 | MACD 死叉 |
|
||||
| signal_ma20_breakout | 买入 | 突破 MA20 |
|
||||
| signal_ma20_breakdown | 卖出 | 跌破 MA20 |
|
||||
| signal_n_day_high | 买入 | 60日新高 |
|
||||
| signal_n_day_low | 卖出 | 60日新低 |
|
||||
| signal_boll_breakout_upper | 中性 | 突破布林上轨 |
|
||||
| signal_boll_breakdown_lower | 中性 | 跌破布林下轨 |
|
||||
| signal_volume_surge | 中性 | 放量 |
|
||||
| signal_limit_up | 买入 | 涨停 (依赖 instruments 表，部分环境不生成) |
|
||||
| signal_limit_down | 卖出 | 跌停 (依赖 instruments 表，部分环境不生成) |
|
||||
| signal_limit_down_recovery | 买入 | 跌停翘板 (依赖 instruments 表，部分环境不生成) |
|
||||
| signal_broken_limit_up | 卖出 | 炸板 (依赖 instruments 表，部分环境不生成) |
|
||||
|
||||
> **注意**：涨跌停类信号需要 instruments 表（板块代码）才能计算。如果策略只用涨停判断，优先用 `consecutive_limit_ups >= 1`（稳定列，始终可用）。
|
||||
|
||||
此外，用户自定义信号（`data/user_data/custom_signals/`）以 `csg_` 前缀注入，也可在 filter() 中引用。
|
||||
|
||||
## 5. 不可用的数据（重要）
|
||||
|
||||
以下数据**不在** enriched DataFrame 中，策略代码中**不能**直接引用：
|
||||
|
||||
| 数据 | 说明 |
|
||||
|------|------|
|
||||
| 财务数据 (PE/PB/ROE/净利润/营收/资产负债等) | 存储在独立 financials 表，未 JOIN |
|
||||
| 扩展数据 (概念/行业/人气排名/资金流向等) | 存储在 ext_data 目录，未 JOIN |
|
||||
| 盘中实时数据 (分时价/五档盘口等) | 仅前端轮询使用 |
|
||||
|
||||
如需财务或扩展数据作为筛选条件，需先在系统层面完成 JOIN 再提供给策略（当前未实现）。
|
||||
|
||||
## 6. 规则
|
||||
|
||||
1. `filter()` 必须返回 `pl.Expr` (用 `&` `|` 组合布尔表达式)；`filter_history()` 返回筛选后的 `DataFrame`
|
||||
2. 信号列使用 `.fill_null(False)` 处理空值
|
||||
3. 用户可能调节的数值阈值通过 `params` 暴露；公式常数、固定窗口边界、一次性内部变量不必强行参数化
|
||||
4. `scoring` 权重总和必须为 1.0
|
||||
5. 遵循 A 股 T+1 规则 (当日买入次日才能卖出)
|
||||
6. 只允许 `import polars as pl`，禁止 import 其他模块
|
||||
7. 禁止使用 `open()`, `exec()`, `eval()`, `os`, `sys`, `subprocess`
|
||||
8. **贴合用户需求优先**：第3/4节的指标列和信号列仅供参考，能用则用；如果用户需求需要自定义计算（如"前高""上次涨停价""N日内某个事件后X天"），直接在 `filter_history()` 中自行设计和计算，不需要局限于已有列
|
||||
9. `filter_history()` 中优先用 Polars 向量化语法；仅在复杂状态机无法清晰表达时，才用 `partition_by("symbol")` 逐股票分析
|
||||
|
||||
## 7. 策略示例
|
||||
|
||||
### 强势反包
|
||||
|
||||
```python
|
||||
"""强势反包 — 前日阴线下跌 + 今日放量阳线反包"""
|
||||
import polars as pl
|
||||
|
||||
META = {
|
||||
"id": "strong_reversal",
|
||||
"name": "强势反包",
|
||||
"description": "前一日明显阴线下跌，今日放量阳线收复前一日阴线实体",
|
||||
"tags": ["反包", "短线", "放量"],
|
||||
"basic_filter": {
|
||||
"price_min": 3, "price_max": 200,
|
||||
"market_cap_min": 10e8, "amount_min": 0.5e8,
|
||||
"exclude_st": True, "exclude_new_days": 30,
|
||||
},
|
||||
"params": [
|
||||
{"id": "prev_down_pct", "label": "前日最大跌幅", "type": "float",
|
||||
"default": -0.02, "min": -0.10, "max": -0.005, "step": 0.005},
|
||||
{"id": "volume_ratio", "label": "成交量放大倍数", "type": "float",
|
||||
"default": 1.2, "min": 1.0, "max": 5.0, "step": 0.1},
|
||||
{"id": "reversal_tolerance", "label": "反包容忍误差", "type": "float",
|
||||
"default": 0.005, "min": 0.0, "max": 0.03, "step": 0.005},
|
||||
],
|
||||
"scoring": {"change_pct": 0.4, "vol_ratio_5d": 0.3, "momentum_5d": 0.3},
|
||||
"order_by": "score", "descending": True, "limit": 100,
|
||||
}
|
||||
|
||||
LOOKBACK_DAYS = 2
|
||||
|
||||
ENTRY_SIGNALS = ["signal_broken_board_recovery"]
|
||||
EXIT_SIGNALS = ["signal_ma20_breakdown"]
|
||||
STOP_LOSS = -0.05
|
||||
MAX_HOLD_DAYS = 10
|
||||
ALERTS = [{"field": "signal_broken_board_recovery", "message": "反包信号"}]
|
||||
|
||||
RULES = """
|
||||
1. 前一交易日为阴线，且跌幅不小于设定阈值
|
||||
2. 今日为阳线，收盘价收复前一日开盘价并接近或突破前一日高点
|
||||
3. 今日成交量较前一日明显放大，且收盘价站上 MA5 或 MA10
|
||||
"""
|
||||
|
||||
def filter_history(df: pl.DataFrame, params: dict) -> pl.DataFrame:
|
||||
if df.is_empty() or "date" not in df.columns:
|
||||
return df
|
||||
|
||||
down_pct = float(params.get("prev_down_pct", -0.02))
|
||||
vol_ratio = float(params.get("volume_ratio", 1.2))
|
||||
tolerance = float(params.get("reversal_tolerance", 0.005))
|
||||
latest = df["date"].max()
|
||||
hist = (
|
||||
df.sort(["symbol", "date"])
|
||||
.with_columns([
|
||||
pl.col("open").shift(1).over("symbol").alias("_prev_open"),
|
||||
pl.col("high").shift(1).over("symbol").alias("_prev_high"),
|
||||
pl.col("close").shift(1).over("symbol").alias("_prev_close"),
|
||||
pl.col("volume").shift(1).over("symbol").alias("_prev_volume"),
|
||||
pl.col("change_pct").shift(1).over("symbol").alias("_prev_change_pct"),
|
||||
])
|
||||
)
|
||||
return hist.filter(
|
||||
(pl.col("_prev_close") < pl.col("_prev_open"))
|
||||
& (pl.col("_prev_change_pct") <= down_pct)
|
||||
& (pl.col("close") > pl.col("open"))
|
||||
& (pl.col("close") > pl.col("_prev_open"))
|
||||
& (pl.col("close") >= pl.col("_prev_high") * (1 - tolerance))
|
||||
& (pl.col("volume") >= pl.col("_prev_volume") * vol_ratio)
|
||||
& ((pl.col("close") > pl.col("ma5")) | (pl.col("close") > pl.col("ma10")))
|
||||
)
|
||||
```
|
||||
|
||||
## 8. 完整示例
|
||||
|
||||
见 [strategy-example.md](./strategy-example.md) — 从零创建强势反包策略的三步完整演示。
|
||||
Reference in New Issue
Block a user