业务和功能介绍
## 业务介绍
### 解决什么问题
量化交易中最大的痛点是 过拟合 ——策略在历史数据上表现完美，实盘就亏钱。
StrategyForge通过 7步验证流水线 ，用严苛的样本外测试淘汰99%的垃圾策略，只留下真正有Alpha的策略。
### 目标用户
- 个人量化交易者
- 加密货币量化策略研发
- 需要系统化策略验证的团队
### 核心价值
传统方式 StrategyForge 手动调参，凭感觉 系统化搜索25000+参数组合 看总收益判断好坏 12期分期+参数稳定性+盲测 回测=实盘（自欺欺人） 样本外验证，拒绝过拟合 固定仓位 动态仓位管理 单策略 多策略组合+资金分配
## 功能介绍
### 7步验证流水线（核心）
```
策略分类 → 参数搜索 → 12期筛选 → 稳定性验证 → 动态仓位 → WFO滚
动 → 盲测验证
```
步骤 功能 淘汰率 1.策略分类 趋势跟踪/均值回归/动量，多标签非互斥 - 2.参数搜索 向量化粗筛25660个组合 ~94% 3.12期筛选 6年分12期，至少6期赚钱 ~90% 4.参数稳定性 最优参数周围微调仍赚钱 ~0%（通过策略大多稳定） 5.动态仓位 波动率自适应仓位 - 6.WFO滚动 真样本外窗口验证 ~60% 7.盲测验证 2025-2026数据最终检验 ~65%
### 辅助功能
功能 说明 向量化粗筛 10秒测试几千组合，numpy向量化加速 Lean引擎回测 真实交易引擎，含手续费/滑点 WFO滚动优化 搜索最优回看/前向窗口 GMM市场状态 识别趋势/震荡/动量行情 UCB/Bandit分配 多策略动态资金分配 代码自动生成 根据配置生成Lean可执行Python代码
### 解决什么问题
量化交易中最大的痛点是 过拟合 ——策略在历史数据上表现完美，实盘就亏钱。
StrategyForge通过 7步验证流水线 ，用严苛的样本外测试淘汰99%的垃圾策略，只留下真正有Alpha的策略。
### 目标用户
- 个人量化交易者
- 加密货币量化策略研发
- 需要系统化策略验证的团队
### 核心价值
传统方式 StrategyForge 手动调参，凭感觉 系统化搜索25000+参数组合 看总收益判断好坏 12期分期+参数稳定性+盲测 回测=实盘（自欺欺人） 样本外验证，拒绝过拟合 固定仓位 动态仓位管理 单策略 多策略组合+资金分配
## 功能介绍
### 7步验证流水线（核心）
```
策略分类 → 参数搜索 → 12期筛选 → 稳定性验证 → 动态仓位 → WFO滚
动 → 盲测验证
```
步骤 功能 淘汰率 1.策略分类 趋势跟踪/均值回归/动量，多标签非互斥 - 2.参数搜索 向量化粗筛25660个组合 ~94% 3.12期筛选 6年分12期，至少6期赚钱 ~90% 4.参数稳定性 最优参数周围微调仍赚钱 ~0%（通过策略大多稳定） 5.动态仓位 波动率自适应仓位 - 6.WFO滚动 真样本外窗口验证 ~60% 7.盲测验证 2025-2026数据最终检验 ~65%
### 辅助功能
功能 说明 向量化粗筛 10秒测试几千组合，numpy向量化加速 Lean引擎回测 真实交易引擎，含手续费/滑点 WFO滚动优化 搜索最优回看/前向窗口 GMM市场状态 识别趋势/震荡/动量行情 UCB/Bandit分配 多策略动态资金分配 代码自动生成 根据配置生成Lean可执行Python代码
项目实现
### 核心模块
文件 行数 职责 配置.py ~80 全局常量、路径、日期范围、手续费 指标.py ~600 4趋势过滤器×10入场×8出场×2仓位=656组合 向量化引擎.py ~350 numpy向量化回测，秒级筛选 代码生成.py ~670 正则模板生成Lean策略Python代码 运行器.py ~540 子进程调用Lean引擎，解析结果 终极验证.py ~1750 7步全流程协调 滚动优化.py ~235 WFO窗口搜索 市场状态.py ~230 GMM聚类识别行情 策略分配.py ~255 UCB/EXP3算法 启动.py ~200 菜单入口
### 关键实现细节 1. 向量化回测
- 不使用循环，全部numpy布尔运算
- 一次处理整个时间序列
- 手续费按 fee_rate × position_size 计算 2. Lean引擎集成
- 子进程调用 dotnet run
- 自动生成策略代码（正则替换参数）
- 解析JSON结果提取指标 3. 策略组合生成
```
4趋势 × 10入场 × 8出场 × 2仓位 = 656基础组合
+ 参数变体 = 25,660个测试组合
``` 4. 12期筛选
- 6年数据分12期（每半年一期）
- 要求至少6期赚钱
- 淘汰"靠一次大反弹回正"的策略 5. 动态仓位
- 低波动+下降 → 0.5x（死水期）
- 低波动+上升 → 1.0x（突破初期）
- 高波动 → 0.7x（降仓）
### 依赖环境
依赖 用途 numpy, pandas 数据处理 sklearn GMM市场状态 QuantConnect.Lean 回测引擎 Python 3.11+ 运行环境
文件 行数 职责 配置.py ~80 全局常量、路径、日期范围、手续费 指标.py ~600 4趋势过滤器×10入场×8出场×2仓位=656组合 向量化引擎.py ~350 numpy向量化回测，秒级筛选 代码生成.py ~670 正则模板生成Lean策略Python代码 运行器.py ~540 子进程调用Lean引擎，解析结果 终极验证.py ~1750 7步全流程协调 滚动优化.py ~235 WFO窗口搜索 市场状态.py ~230 GMM聚类识别行情 策略分配.py ~255 UCB/EXP3算法 启动.py ~200 菜单入口
### 关键实现细节 1. 向量化回测
- 不使用循环，全部numpy布尔运算
- 一次处理整个时间序列
- 手续费按 fee_rate × position_size 计算 2. Lean引擎集成
- 子进程调用 dotnet run
- 自动生成策略代码（正则替换参数）
- 解析JSON结果提取指标 3. 策略组合生成
```
4趋势 × 10入场 × 8出场 × 2仓位 = 656基础组合
+ 参数变体 = 25,660个测试组合
``` 4. 12期筛选
- 6年数据分12期（每半年一期）
- 要求至少6期赚钱
- 淘汰"靠一次大反弹回正"的策略 5. 动态仓位
- 低波动+下降 → 0.5x（死水期）
- 低波动+上升 → 1.0x（突破初期）
- 高波动 → 0.7x（降仓）
### 依赖环境
依赖 用途 numpy, pandas 数据处理 sklearn GMM市场状态 QuantConnect.Lean 回测引擎 Python 3.11+ 运行环境
示例图片视频
相似推荐
基于Stm32的大地电磁实时数据采集系统
本项目是一套面向大地电磁（MT）现场测量的数据采集终端软件，运行于 STM32H723 平台。系统通过 ADS1262 高精度模数转换器同步采集电场 Ex 和磁场 Hy 两路原始时域信号，支持低频、高频两类采样任务及采样率、增益等参数配置。采集数据按“项目—测点—频段—通道”组织并保存为原始数据文件，同时记录测点号、GPS 时间、定位、通道及采样参数等元数据。系统支持通过 LoRa/LoRaWAN 进行设备状态上报、命令交互和数据文件传输，并提供采集过程监视、心跳、异常恢复和存储空间管理能力，为后续波形查看、频谱分析、解释处理、项目归档与数据追溯提供可靠的原始数据基础。
数据恢复软件
开发一款能够帮助个人用户恢复误删除、格式化、无法访问设备等丢失数据，需要解析fat、exfat、ntfs、hfs+、apfs文件系统的数据格式，通过算法找到丢失的数据，恢复用户丢失的数据，同时也支持通过查找丢失文件内容特征来找到丢失的数据，提供预览功能，帮助个人用户更好的确认要恢复的数据
云帆智能客服系统（基于 Multi-Agent 架构的智能客服中台）
基于 LangGraph 构建 Multi-Agent 智能客服中台：三层意图识别架构 （规则引擎→RAG 语义匹配→LLM 深度理解，技术递进：零 Token→零 LLM→深度理解）分发 至 FAQ-RAG/订单状态机/退换货 HitL 审批/投诉升级四类 Agent，SSE 流式响应，区分实时 业务调用与知识库检索，高风险售后流程经人工审批管控，三层兜底保障高可用。
智能交互大屏-智能交互大屏
本项目为自研首款 8K 智慧云屏配套客户端软件，采用高规格 8K 显示、一体式硬件整机架构及 X86 安卓 + Windows 双系统共享硬件方案。基于 WPF 技术栈从零打造大屏全套软件体系，覆盖白板书写、屏幕批注、系统设置、Launcher 桌面、侧边栏快捷工具、分屏交互、OTA 固件升级、设备集控、外设管控等 20 余个应用模块与核心功能组件，满足政企会议、智慧办公、工业数字孪生等场景下的高清交互、设备管控、系统运维需求，实现高分辨率触控终端的智能化、一体化软件体验。
手环授时
手环通过串口连接到电脑，软件通过http跟服务器求情，将请求返回的数据通过串口发送给手环进行授时，还需要今天定时请求，对手环进行授权，手环授权以后才可以刷闸机进入使用，时间是通过前端设置保存到后端。
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服