Hugging Face's logo

Spaces:
Ypeng12
/
quant-ai
Running

App Files Community
quant-ai / idea.md
Ypeng12's picture
Ypeng12
docs & feat: update README with AI agent, risk analyst, Alpaca integration and UI enhancements
bb65f54
preview code
|
Raw
History Blame Contribute Delete
58.7 kB

Quant.ai 小账户生存模式深度研究报告

Executive Summary

如果 Quant.ai 的目标是为 $800 小账户构建“生存模式”，那么系统设计的第一原则不应是“提高交易频率”或“追求单笔暴利”，而应是 把研究层的试错成本转移到回测、样本外、蒙特卡洛与 paper trading，把 live 端的错误成本压缩到极小且可承受的范围。对美股与美股期权而言，这一结论尤其重要：OCC 与 SEC 都明确强调，标准化期权涉及显著风险，买方可能损失全部权利金，卖方在某些结构下可能承担更高甚至不对称的风险；Alpaca 与 IBKR 也都明确说明，paper trading 只是模拟，不能覆盖真实市场里的滑点、排队位置、市场冲击和部分成交等问题。与此同时，Bailey、White、Sharpe、Black-Scholes、Merton 等一系列原始文献与方法论共同指向一个结论：真正可上线的小账户策略，必须依赖严格的 no-lookahead、next-bar execution、walk-forward、bootstrap/Monte Carlo、成本建模、参数稳定性检验与 live gate 晋级规则，而不是靠单一 K 线形态或少量“好看”的回测结果。 因此，本文推荐的 Quant.ai 架构是：Research Lab → Strategy Tournament → Promotion Gate → Paper Gate → Live Tiny Gate → Execution Adapter，并以 股票现金账户/分数股 + 少量定义风险期权 作为更现实的早期实现路径。citeturn0search0turn0search1turn21view0turn22view4turn6search0turn6search1turn7search2turn10search0turn10search1

必须参考的资料

下表按主题列出 优先级最高、最适合作为 Quant.ai 开发规范与研究文档底座的资料。为符合“优先官方/原始来源”的要求，监管、券商接入、期权基础、数据源与学术方法部分尽量使用官方站点、原始论文或出版社页面。citeturn0search0turn1search4turn17search0turn17search1turn20search2

期权基础与监管

资料 为什么重要 语言 来源
OCC《Characteristics and Risks of Standardized Options》 美股标准化期权最核心的风险披露文件；任何买卖期权前都应先读，尤其是 exercise、assignment、到期、风格差异与复杂策略风险。 英文 citeturn0search0turn0search4turn9search4
SEC《Investor Bulletin: An Introduction to Options》 从监管角度概述期权买方/卖方风险，适合作为产品风险免责声明与用户教育材料。 英文 citeturn0search1
SEC《Investor Bulletin: Opening an Options Account》 适合梳理开户、披露、合规问卷与 suitability 逻辑。 英文 citeturn0search9
FINRA Options 页面 适合作为产品说明、适当性、投资者教育与风险说明的补充。 英文 citeturn3search9turn9search6
OCC《Primer: Exercise and Assignment》 解释 exercise/assignment 流程；对 short leg、spread 提前指派、到期自动行权处理至关重要。 英文 citeturn9search3turn9search16
OCC《Standard Assignment Procedure》 适合写入风控与结算文档，说明 assignment 并非“按你意愿发生”，而是清算流程的一部分。 英文 citeturn9search0

期权定价、希腊字与波动率

资料 为什么重要 语言 来源
Black & Scholes《The Pricing of Options and Corporate Liabilities》 现代期权定价的起点；Quant.ai 的 theoretical value、Greek 解释与偏离检测都应以此为根。 英文 citeturn10search0turn10search18
Merton《Theory of Rational Option Pricing》 将期权定价扩展为更一般的无套利框架；对 dividend、American/European 理解更稳。 英文 citeturn10search1turn10search22
Cboe《Learning the Greeks》 面向实务解释 Delta、Gamma、Theta、Vega、Rho；便于把希腊字转成风险规则。 英文 citeturn26search0
Cboe Hanweck Implied Volatility and Greeks 说明市场级 Greek/IV 计算需要高质量输入、离散股息、borrow 成本与曲面建模。 英文 citeturn26search2
Cboe Options Calculator 适合作为 Quant.ai 的“理论价格/Greek 校验器”参考。 英文 citeturn10search2turn26search4
Cboe VIX 页面与 term structure 相关文章 用于大盘波动 regime、contango/backwardation、short-dated vol 风险过滤。 英文 citeturn5search0turn5search16

期权策略与结构

资料 为什么重要 语言 来源
Cboe《Common Options Trading Strategies》 bull call spread、bear put spread 等定义风险结构的官方入门材料。 英文 citeturn19search0
Cboe 关于 vertical spread 的文章 说明 vertical/debit spread 如何降低 premium、delta、theta、vega 暴露。 英文 citeturn19search12turn19search14turn19search17
Cboe 0DTE 资源页 说明 0DTE 常见结构与风险集中点；对“是否允许 0DTE”决策很关键。 英文 citeturn19search2
Cboe Facts About Options 对 risk-defined vertical spread 的 margin/风险界定有直观解释。 英文 citeturn19search5

风险管理、回测方法与过拟合

资料 为什么重要 语言 来源
Bailey 等《The Probability of Backtest Overfitting》 直接针对策略选择过拟合；适合写入 Strategy Tournament 的淘汰逻辑。 英文 citeturn6search0turn6search3
White《A Reality Check for Data Snooping》 解决参数搜索和规则海选带来的 data snooping 问题。 英文 citeturn6search1turn6search15
Bailey & López de Prado《The Deflated Sharpe Ratio》 当你尝试了很多策略/参数后，普通 Sharpe 会乐观偏高；DSR 是更现实的晋级工具。 英文 citeturn7search1turn7search4
Sharpe《The Sharpe Ratio》 风险调整收益的经典原始定义。 英文 citeturn7search2
López de Prado《Advances in Financial Machine Learning》 CPCV、purging、embargo、金融时间序列验证方法的现代参考书。 英文 citeturn20search2turn20search14turn7search3
Almgren & Chriss《Optimal Execution of Portfolio Transactions》 交易成本与冲击建模的基础。即使小账户冲击较小，也应借鉴其“临界不等于免费”的思想。 英文 citeturn8search0turn8search6
Perold 的 implementation shortfall 脉络 适合把“信号价格”和“实际成交价格”区分开来，建立执行评估。 英文 citeturn8search1

券商与实盘接入

资料 为什么重要 语言 来源
Alpaca Trading API / Paper Trading / Options Docs 你的目标架构已明确包含 Alpaca；官方文档覆盖 paper/live、options levels、order types、portfolio history、events SSE。 英文 citeturn21view0turn21view1turn21view2turn21view3turn21view6turn21view7
IBKR TWS API / Client Portal API 适合做第二执行适配器；支持更广泛的订单、市场与账户结构。 英文 citeturn22view0turn1search15
IBKR Paper Trading 文档 说明 paper 账户继承 live 权限/数据订阅，同时存在执行差异与限制。 英文 citeturn22view4turn22view0
Charles Schwab Developer Portal 若考虑原 TD Ameritrade 体系的新接入，应优先核对 Schwab 的 Individual Trader API 与 OAuth 文档。 英文 citeturn23search0turn23search1turn23search2turn23search10

数据、研究与经典书籍

资料 为什么重要 语言 来源
John Hull《Options, Futures, and Other Derivatives》 衍生品定价、希腊字、套利与风险管理的经典主教材。 英文 citeturn20search9turn20search12
Ernest Chan《Quantitative Trading》 更贴近独立开发者与小型量化系统搭建。 英文 citeturn20search1turn20search13
OptionMetrics IvyDB 做历史期权回测时，EOD IV/Greeks/quotes 的学术与机构级标配。 英文 citeturn16search5turn16search8turn16search10
ORATS Historical Options Data 偏实务和 API 可接入；适合策略研究、波动率与 Greek 驱动回测。 英文 citeturn3search1turn3search7turn3search13
FRED / SEC EDGAR / BLS / BEA 宏观过滤、财报/公司事实、经济日历的官方免费来源。 英文 citeturn17search0turn17search1turn17search2turn17search3

信号与评分体系

设计前提：目标交易所、券商与标的范围均为“未指定”；考虑到你当前的应用方向、Alpaca/IBKR 资料与美股期权文献最完整，下面的规则默认面向 美国上市股票与美国上市期权。对于 $800 小账户，推荐把信号体系拆成 市场状态过滤 → 个股/ETF 可交易性过滤 → 方向得分 → 执行可行性过滤 四层，而不是让某个 K 线形态直接触发下单。期权部分更要如此，因为希腊字、IV、bid-ask 与合约流动性会让“方向对但仍亏钱”的场景显著增多。citeturn21view0turn26search0turn26search2turn11search2turn11search4turn11search18turn12search0turn12search8

因子分组与推荐权重

推荐把总分做成 0–100 分，并采用 门槛式 + 评分式 的混合机制：

  • 先过滤：若大盘状态、流动性、价差、财报日前后、合约等级不满足，直接 NO TRADE。
  • 再评分：只对通过过滤的标的打分。
  • 上线门槛：
    • Research / Tournament 候选：score >= 70
    • Paper 候选：score >= 80
    • Live Tiny Gate：score >= 85

这能把“研究可看看”和“真钱可碰一碰”明确分开，避免 UI 上把普通 setup 误导成 live 信号。其思想与 Bailey/White/DSR 一致：选择过程越多，最后那条线上线规则越要严。 citeturn6search0turn6search1turn7search1turn7search4

推荐因子明细

下表的指标定义主要参考 ATR、ADX、RSI、MACD、OBV、量价关系等常见技术指标资料；shift(1) 与阈值部分则是面向 no-lookahead + $800 生存模式 的实现建议。关键原则只有一个：若你在 bar 收盘后才知道这个值，就必须按 next-bar 执行；若你比较的是“过去 N 根最高/最低”，就应先 shift(1) 再与当前 bar 比较。 citeturn11search2turn11search4turn11search18turn12search0turn12search8turn21view0turn8search1

因子 计算方法 常用参数 是否 shift(1) 窗口/样本 推荐阈值 小账户重要性 推荐分值
大盘趋势过滤 SPY/QQQ 的 Close vs EMA20/50/200 20/50/200 不必单独 shift；但必须 next-bar 执行 日线 200 根以上 多头：Close > EMA20 > EMA50 > EMA200；空头反之 避免在大盘逆风里做单票方向 0–15
趋势强度 ADX 14 同上 至少 100 根 ADX >= 25 强趋势；20–25 中性 小账户只适合“方向明确”的行情 0–10
动量 RSI 或 MACD RSI 14；MACD 12/26/9 不额外 shift；next-bar 执行 60–200 根 多头：RSI 55–70；空头：30–45 筛掉弱趋势与衰竭段 0–10
波动扩张 ATR%、ATRP、HV/realized vol percentile ATR 14；百分位 60/120 日 不额外 shift；percentile 用历史滚动窗口 60–120 日 ATR_pct_rank >= 60% 没有波动，小账户很难覆盖成本 0–15
量能确认 RVOL、OBV 斜率、成交额 RVOL 20 不额外 shift；成交额当日可用但 next-bar 执行 20–60 日 RVOL >= 1.5 优；>=1.2 可研究 没有流动性，止损与 fills 都会变坏 0–10
结构性突破 Donchian / N-day high-low breakout 20/55 要，即 rolling.max().shift(1) 20/55 日 Close > DonchianHigh20_shift1 最适合日线趋势跟随 0–15
趋势一致性 EMA20 slope、EMA50 slope 同向 10–20 日 slope 不额外 shift 20–60 日 slope 同向且为正/负 避免均线缠绕 0–5
K 线形态 锤子、吞没、晨星、跳空等 1–3 根形态 不单独 shift，但 绝不单独下单 最近 3–5 根 只在趋势/突破背景下加分 形态单独胜率不稳，只能做“证据之一” 0–5
宏观/大盘波动过滤 VIX 水平、term structure、重大宏观日历 VIX、1M–3M 结构等 日级过滤 20–60 日 高风险事件日可直接 NO TRADE 小账户最怕 overnight/gap 风险 0–10

推荐评分规则

建议用下面的 分段映射，而不是把原始指标直接线性归一到 100：

组件 推荐映射
趋势排列 满足多头/空头完整排列给 15 分；只满足 20>50 或 20<50 给 8 分；否则 0
ADX <20 给 0；20–25 给 5；>=25 给 10
ATR 百分位 <40% 给 0；40–60% 给 7；>=60% 给 15
RVOL <1.2 给 0；1.2–1.5 给 5；>=1.5 给 10
Donchian 突破 有效突破给 15；仅接近突破给 7；否则 0
RSI/MACD 与方向一致给 10；矛盾给 0
K 线形态 仅在方向一致时加 2–5 分；逆势形态扣 2–5 分
事件惩罚 财报前 3–5 个交易日、极宽价差、低 OI 合约、宏观大事件日，直接扣至 0 或触发 NO TRADE

实务建议：K 线只占 5 分以内。Quant.ai 的 UI 可以继续展示所有形态，但 live gate 应把它们降权，否则会回到“形态驱动的主观交易器”，而不是“研究驱动的执行系统”。这是小账户尤其应避免的路径，因为小账户最不可承受的是 高频误报 + 高频止损。citeturn12search7turn11search6turn6search0turn7search1

期权生存模式

对 $800 小账户来说，期权并不是“不可以”，但它必须被看作 一种受严格预算约束的定义风险工具，而不是提高杠杆的快捷方式。SEC 明确指出，期权买方可能损失全部 premium；OCC 也反复强调，期权不适合所有投资者。在券商维度，Alpaca 把 long call/put 放在 Level 2，而 spreads 放在 Level 3；这意味着“你想做的结构”未必一开始就能做，也未必能在所有账户/地区马上做。citeturn0search1turn9search4turn21view2turn21view3

小账户最可行的期权路径

按可行性排序，最适合 Survival Mode 的 live 路径通常是：

路径 是否推荐 原因
长仓股票/ETF 或分数股 强烈推荐 风险最透明，Greek 不存在，回测与执行最容易对齐。Alpaca 支持最低 $1 分数股，但当前只允许 market order。citeturn21view1
Long Call / Long Put 有条件推荐 最大亏损 = premium；适合强方向突破，但 theta/gamma/IV 更难管理。Alpaca Level 2 可做。citeturn21view2turn21view3
Debit Vertical Spread 强烈推荐 同向参与但能降低 premium、delta、theta、vega 暴露；更适合小账户。Alpaca Level 3 才支持。citeturn19search0turn19search12turn21view3
Calendar / Diagonal 研究层可做，live 早期不推荐 需要期限结构、IV term structure、双腿不同到期日历史数据与复杂成交建模；对小账户过于复杂。citeturn5search16turn26search2turn16search2
裸卖 call/put、短 gamma 结构 不推荐 assignment、margin、尾部风险与 overnight 事件风险都不适合生存模式。citeturn0search1turn9search3turn19search5
0DTE 研究层观察，可选；live 早期不推荐 短端 gamma/theta 极端，fills 与排队更敏感。Cboe 0DTE 资源显示其策略以 spread 和复杂结构居多，并不适合“新手小账户自动化”直接上线。citeturn19search2turn26search0

合约选择规则

推荐把 Quant.ai 的 options screener 固化为以下量化规则：

维度 推荐规则 说明
DTE 30–60 天 为默认区间；绝不把 0DTE/1DTE 设为默认 留给方向兑现更多时间，减少 theta 与 execution noise
Delta 单腿 long option 取 0.35–0.55；debit spread 的 short leg 可取 0.20–0.35 前者兼顾方向敏感度与成本，后者用于融资
IV Rank long premium 优先 20–60；若 IV Rank > 70，默认禁做，除非单独事件策略 避免一开始就买到极贵波动率
Bid-Ask Spread **价差 / mid ≤ 8%**，更保守可设 ≤ 5% 小账户很容易被价差吃掉 edge
Open Interest OI ≥ 500，更优 ≥ 1000 低 OI 合约更易出现差价大、跳点多
日成交量 Volume ≥ 100 张，强烈建议 ≥ 300 便于更真实地估计 fills
事件过滤 财报前 3–5 个交易日 默认禁做普通方向性 long premium 否则回测和 live 会被 IV crush 扭曲

这些阈值并不是监管强制值，而是 生存模式 下的工程推荐值；它们背后的逻辑来自 Greek 风险与 paper/live 偏差：Cboe 对 Greeks 的解释指出，Delta、Gamma、Theta、Vega 都会显著影响期权盈亏；Alpaca 的 paper 文档又明确承认，paper 不会反映排队位置、冲击、价格改善、监管费用等现实问题，所以合约流动性阈值必须比“看起来能成交”更保守。citeturn26search0turn21view0

可直接量化的期权判据

以下三类规则适合直接写进 Promotion Gate / Live Gate：

判据一：单腿 long option 风险预算

[ \text{contracts}=\left\lfloor \frac{\text{risk budget}}{100\times \text{premium}+ \text{fees} + \text{slippage buffer}} \right\rfloor ]

当账户为 $800，第一阶段 risk budget = min(2.5\%\times equity, $25) 时，若 premium 为 $0.18，单张成本约 $18，再加 $2–4 的费用与滑点缓冲，通常只允许 1 张。如果 premium 超过 $0.25，则单张名义风险已逼近或超过第一阶段预算。citeturn0search1turn21view3

判据二：debit spread 最大亏损

[ \text{max loss per spread}=100\times \text{net debit}+ \text{fees} ]

[ \text{max profit per spread}=100\times(\text{strike width}-\text{net debit})-\text{fees} ]

[ \text{reward/risk}=\frac{\text{max profit}}{\text{max loss}} ]

生存模式建议 reward/risk >= 1.5 才允许进入 paper；>= 2.0 才允许进入 live tiny。这样做的原因是，小账户无法承受“胜率普通但盈亏比很差”的长时间磨损。citeturn19search0turn19search14turn19search17

判据三：Greek 风险闸门

  • |delta| ∈ [0.35, 0.55]
  • theta / premium <= 3% 每日
  • vega / premium <= 8%，若做单腿 long premium 更应从严
  • gamma 过高且 DTE < 14 时，默认 NO TRADE

这组规则并非交易所规定，而是把 Cboe 对 Greek 风险的解释变成可量化的“活下去规则”。尤其是 theta/premium，它能直接把“看对方向但拖太久仍亏损”的合约挡在 live gate 外。citeturn26search0turn26search2

期权回测的最低实现要求

若 Quant.ai 要回测期权，最低要求 不应只是“拿 underlying K 线 + Black-Scholes 估价”。最少应包括：

  • 历史期权 bid/ask quote，而不仅是成交价或理论价。
  • 历史 IV/Greeks 或可复现输入。
  • 到期、行权价、合约代码映射 的 point-in-time 数据。
  • 企业行动、分红、利率、borrow 的至少近似处理。
  • 对 American/European 风格、提前行权与 assignment 风险的明确假设。

OptionMetrics、ORATS、Alpaca/Polygon/Databento 都表明，做期权研究真正需要的不只是 bars，还包括 quotes、trades、链、Greek、IV，以及底层 corporate actions。Cboe Hanweck 也明确说明，实时 Greek/IV 计算要考虑离散股息、借券成本与曲面建模。citeturn16search10turn16search2turn3search7turn21view4turn18search6turn15view5turn26search2

期权常见陷阱

最容易在 Quant.ai 文档里被忽略、但 live 时最容易出问题的，是下面这些：

陷阱 为什么危险 处理方式
Assignment / Early Exercise short leg 可能被提前指派，spread 被打断；到期周尤其麻烦 默认优先 long-only / debit-only；short leg 需到期前强制检查与平仓。citeturn9search3turn9search0
低流动性合约 看起来便宜，实际 spread 极宽 spread_pct、OI、volume 三重门槛。citeturn21view0turn21view4
IV Crush 方向对但 IV 下跌使 long premium 亏损 财报前默认禁做普通 breakout long premium。citeturn26search0turn5search16
0DTE Gamma 风险 微小价格变化即可造成 delta 突变 live 早期禁用。citeturn19search2turn26search0
Margin 误判 小账户以为是“定义风险”，实际券商风控与等级未放行 以券商 options levels 为准，绝不绕过。citeturn21view2turn21view3

回测与验证规范

回测是 Quant.ai 的研究发动机，但也是最容易制造幻觉的环节。Bailey 的 PBO、White 的 Reality Check、DSR 与 CPCV 的共同主题非常一致：越会搜索参数、越会试规则、越需要更严格的验证工艺。 对 Survival Mode 而言，这不是“学术洁癖”，而是防止小账户把研究噪声误当作真钱 edge。citeturn6search0turn6search1turn7search1turn7search3

回测流程表

步骤 输入 输出 关键参数 常见陷阱
数据清洗 原始 bars / quotes / corporate actions 对齐后的 point-in-time 数据集 时区、交易日历、拆分/分红调整 用到了未来修正数据；漏掉停牌/缺口
Bar 对齐 日线/分钟线 + session 定义 可计算指标的连续序列 RTH/ETH、auction bar、T+1 结算背景 盘前盘后与正股 session 混淆
特征计算 OHLCV、quotes、IV 等 指标矩阵 EMA/ATR/ADX/RSI/MACD、rolling windows 在 rolling high/low 上忘记 shift(1)
信号生成 当前 bar 收盘时可得信息 t 时刻信号 截止时间、数据可用性 同 bar 知道 close 又按 close 成交
执行建模 信号 + next bar 数据 订单与 fills next open、mid±slippage、partial fill 理想化同 bar fills；忽略排队位置
成本建模 fills、费率、spread 净收益序列 commission、fees、slippage buffer 只扣手续费不扣 spread
组合/仓位 信号池 + 风险预算 持仓路径 max positions、notional cap、risk budget 资金不足时仍按理论份额成交
Walk-forward 训练窗、测试窗 连续 OOS 路径 train/test 长度、滚动步长 每段都重置资金；导致 OOS 曲线失真
Bootstrap / Monte Carlo 交易序列或 return 序列 分布、置信区间、P5/P1 重采样次数、block size 序列独立性假设过强
参数稳定性 参数网格 + OOS 结果 稳定区间 heatmap、plateau 宽度 只挑峰值参数，不看邻域稳定
Promotion Gate 全部验证指标 通过/淘汰 PF、Sharpe、DD、MC P5 等 只看总收益，不看可部署性

核心实现原则

No-lookahead 与 next-bar execution
Alpaca 的 paper 文档明确提醒，真实市场会出现没在回测里见到的问题，包括未成交、价格跳动、网络重试、部分成交等；因此任何使用日线/分钟线收盘值计算的指标，都应默认在 下一根 bar 执行。对过去 N 日高低点突破，必须使用 shift(1) 的 Donchian/rolling extrema，否则就等于把当前 bar 自己的高低点偷偷放进了“过去 N 日”里。citeturn21view0

交易成本与滑点建模
小账户并不意味着成本可忽略。Perold 的 implementation shortfall 与 Almgren-Chriss 都将“理论成交”和“实际成交”分开处理；Alpaca 也明确写到 paper 不反映 latency slippage、queue position、price improvement 与 regulatory fees。对于日线股价策略，建议至少使用 half-spread + fixed bps 作为基准滑点；对期权则建议使用 max(0.5×spread, premium×2%~5%) 作为入场滑点缓冲。citeturn8search0turn8search1turn21view0

样本外合并必须连续
walk-forward 的正确输出不该是“每一段都从 30000 或 100000 重新开始”的漂亮统计，而是 连续资金曲线。否则 Promotion Gate 看到的不是策略路径，而是多个独立测试片段的拼表格结果。Bailey 对 hold-out 与过拟合问题的讨论，正是为什么不能只看单段样本外 Sharpe 的原因。citeturn6search3turn7search4

至少应实现的量化判据

判据一：执行基准

  • 股票：fill_price = next_bar_open + sign * max(half_spread, 5 bps)
  • 期权：fill_price = min(ask, mid + 0.25*spread) 买入；卖出反向
  • 若 spread_pct > 8%，则记为“不合格 fill”，默认不成交

这是把 paper/live 差异显式塞进回测，而不是让回测默默帮你成交。citeturn21view0turn15view5turn21view4

判据二：Monte Carlo / Bootstrap

  • N >= 1000 次重采样
  • P5(max_drawdown) <= 1.2 × baseline_max_dd
  • P5(cagr or total return) > 0 才能进入 Promotion Gate
  • 对 live tiny，建议进一步要求 P1(terminal return) > -15%

这类阈值不是监管给出的硬值，而是把小账户“不能承受长时间回撤”的约束前置到研究层。其思想与 PBO/DSR 一致：不只看均值，还要看尾部。citeturn6search0turn7search1

判据三：参数稳定性

  • 只要最终参数是 heatmap 里的“孤峰”，就降级为 research only
  • 只有当最优参数周围 至少 1–2 格邻域 都表现接近，才可进入 paper
  • 若换训练窗后最佳参数漂移过大，默认不晋级

White 的 data snooping 框架与 DSR 的核心启发就是：最亮眼的参数，往往也是最经不起复检的参数。 citeturn6search1turn7search4

回测/验证时间线建议 

flowchart LR
    A[Raw Data] --> B[清洗与对齐]
    B --> C[Train Window]
    C --> D[参数搜索]
    D --> E[Test Window]
    E --> F[记录 OOS 结果]
    F --> G[滚动到下一窗]
    G --> C
    F --> H[合并连续 OOS 曲线]
    H --> I[Bootstrap / Monte Carlo]
    I --> J[Promotion Gate]

晋级门槛与风控仓位

Strategy Tournament 与 Promotion Gate 门槛

下面给出一套 偏保守 的 Survival Mode 推荐阈值。它们不是市场通用标准，而是专门面向 小账户、少仓位、必须把真实误差压到极低 的上线门槛。依据主要来自 PBO/DSR/Reality Check 的思想，以及 Alpaca/IBKR 对 paper/live 差异的明确披露。citeturn6search0turn6search1turn7search1turn21view0turn22view4

指标 Tournament 入围 Promotion Gate Paper → Live Tiny 为什么小账户要更严
最小历史交易数 100 150 150 + 最近 30 笔 paper 完整 样本太少时，几笔运气足以制造假 edge
样本外交易数 25 40 40 + 连续 paper 路径 live 前必须看 OOS，不看只会放大过拟合
Profit Factor >=1.20 >=1.30 >=1.35 小账户容错低，PF 太薄很难覆盖执行偏差
Sharpe >=0.6 >=0.8 >=1.0 或 DSR 通过 选策略时不能只看总收益
Max Drawdown <=18% <=12% <=8%（merged OOS） $800 的 15% 回撤就是实打实的伤害
OOS Win Rate 不硬卡 >=48% 且盈亏比达标 >=50% 或平均 R 值达标 胜率不是全部，但太低会让心理与资金都扛不住
Avg Win / Avg Loss >=1.3 >=1.5 >=1.8 小账户需要靠盈亏比弥补有限试错次数
MC P5 终值 正值优先 >-8% >-5% 防止尾部把账户打残
参数稳定性 邻域可接受 必须是 plateau plateau + 窗口漂移可控 小账户不能拿“精调峰值”冒险
Paper 通过率 不要求 20 笔 paper 30 笔 paper、0 次 critical mismatch 真钱前必须先跑通流程

Paper Trade 到 Live Gate 的晋级条件

推荐把晋级做成 四个门：

阶段 必须满足
Research Pass no-lookahead、next-bar execution、成本建模、OOS 合并、MC/Bootstrap 完整
Tournament Pass 指标达到入围阈值，参数稳定性合格
Promotion Gate merged OOS、P5、DSR、事件过滤全部合格
Paper Gate 至少 30 笔 paper；order reject < 1%；无 critical reconciliation mismatch；日志完整；无人工补救交易
Live Tiny Gate 第一阶段每笔风险 $20–$25；最多 1 个仓位；连续亏损 2 次即退回 paper

这个“退回机制”非常关键。Survival Mode 不应把 live 看成“从此一路向上”，而应把它看成 需要不断重新证明自己没坏掉 的状态机。citeturn21view0turn22view4turn22view0

仓位与风险预算公式

股票/ETF 仓位

[ \text{risk budget}=\min(\alpha \times \text{equity}, \text{absolute cap}) ]

[ \text{shares}_{raw}=\left\lfloor \frac{\text{risk budget}}{|entry-stop|} \right\rfloor ]

[ \text{shares}{final}=\min \left(\text{shares}{raw}, \left\lfloor \frac{\text{max notional}}{entry} \right\rfloor \right) ]

推荐：

  • 第一笔：\alpha = 2.5%，absolute cap = $25
  • 后续 early stage：\alpha = 3%，absolute cap = $40
  • max notional = 25%–35% of equity
  • max open positions = 1

长仓期权

[ \text{contracts}=\left\lfloor \frac{\text{risk budget}}{100\times premium + fee_buffer + slippage_buffer} \right\rfloor ]

Debit Spread

[ \text{contracts}=\left\lfloor \frac{\text{risk budget}}{100\times net_debit + fee_buffer} \right\rfloor ]

仓位示例

账户规模 品种 Entry Stop / Max Loss 风险预算 原始仓位 Notional 限制后 备注
$800 股票 $50 $47 $24 8 股 若 notional cap=35%，则最多 5 股 风险法给 8 股，但名义金额 $400 过高
$800 股票 $100 $96 $24 6 股 若 notional cap=35%，则最多 2 股 小账户更常被 notional cap 主导
$800 分数股 ETF $600 外部风控止损 $24 不适用 可用约 $200–280 名义额 需系统侧 stop，不靠原生份额逻辑
$800 Long Call premium $0.18 premium 全损 $20–25 1 张 1 张 适合强方向，但 theta/IV 更敏感
$800 Debit Spread net debit $0.22 debit 全损 $20–25 1 张 1 张 更适合生存模式
$1500 股票 $75 $70 $40 8 股 若 cap=35%，最多 7 股 随账户变大，风险法逐渐可发挥作用

日内/日间停机逻辑

即便你主做日线，系统仍然需要 日级停机逻辑：

规则 推荐值 实现要点
每日最大亏损 min(1R, 3% equity) 触发后禁止当天新增仓位
每日盈利目标 1.5R–2R 后可选择不再开新仓 不是强制平仓目标，而是停止新增风险
连续亏损停机 2 笔 进入 2 个交易日 cooldown
账户总回撤熔断 8%–12% 触发后退回 paper 模式
财报/宏观事件锁 事件日前后禁开新普通仓位 由日历服务控制

这类日级逻辑与其说是为了“提高收益”，不如说是为了 防系统在坏 regime 里继续机械出手。小账户最怕的不是一笔小错，而是遇到坏环境后连续小错。citeturn17search2turn17search3turn21view0

执行适配层与数据基础设施

执行适配层需求清单

Quant.ai 的执行层至少应抽象成如下能力集合，而不是在策略内部直接调用券商 SDK：

能力 必须实现 / 建议 难度 说明
get_account / get_positions / get_orders 必须实现 低 账户态与真实仓位是所有风控的输入
submit_order / replace_order / cancel_order 必须实现 低 下单生命周期管理
close_position / close_all_positions 必须实现 低 熔断/停机/到期前清仓
stream_trade_updates / stream_order_events 必须实现 中 需要实时状态机；Alpaca SSE 已支持 trade events
reconcile 必须实现 中 本地账本与券商账本逐笔对账；任何 critical mismatch 都要停机
heartbeat / connectivity monitor 必须实现 低 API 断线与 token 失效都要可观测
simulate_fill / replay interface 强烈建议 中 paper broker 与回放测试共用
latency metrics / audit logs 强烈建议 中 上线后排故靠它
broker-specific feature flags 强烈建议 中 比如 Alpaca options levels、IBKR order routing 差异
multi-broker failover 可选 高 账户很小时通常没必要先做

Alpaca 官方文档已覆盖 orders、portfolio history、options levels、trade events；IBKR 提供 TWS API（TCP socket）与 Client Portal API（REST）；Schwab 提供基于 OAuth 的 Individual Trader API。也就是说，文档条件已经成熟，关键不在“能不能接”，而在“是否先把适配层抽象对”。 citeturn21view2turn21view5turn21view6turn21view7turn22view0turn1search15turn23search0turn23search10

券商文档与关键注意点

券商/接口 关键能力 关键注意点 来源
Alpaca Trading API 股票/期权订单、portfolio history、paper/live、公有 market data Paper 只是模拟；Paper Only 默认只有 IEX 数据；股票支持 bracket/oco/oto，期权目前以 market/limit、day TIF 为主；options level 影响策略可用性。 citeturn21view0turn21view2turn21view6turn21view7
Alpaca Options Data option chain、latest quote/trade、Greeks、historical option trades option chain 的 feed 可能是 opra 或 indicative；没有正式订阅时默认 indicative。 citeturn21view4turn18search6
IBKR TWS API 市场广、订单种类多、socket 连接 需要 TWS 或 IB Gateway，paper 存在限制；API 有 pacing/market data line 约束；更适合成熟阶段。 citeturn22view0turn22view1
IBKR Paper 模拟环境、可共享 live 市场数据订阅 paper 账户镜像 live 权限；共享订阅时不能同时在 live 与 paper 上使用同一份实时数据。 citeturn22view4
Schwab Individual Trader API OAuth、个人开发者、自有券商账户访问 若走 TD/Schwab 体系，新项目应首先核对 Schwab Developer Portal。 citeturn23search0turn23search2turn23search10

数据源比较

下表重点比较 历史价格、分钟/日线、期权链/IV 历史、分时/Level 2、宏观/日历 等与 Quant.ai 直接相关的数据源。价格与限额变化较快，以下以 2026-07-24 可公开查到的信息为准；若某家公开页为动态定价或联系销售，则明确标注。citeturn15view1turn15view2turn15view3turn15view5

数据源 覆盖字段 延迟/质量 公开价格信息 API/限制特点 适合用途
Alpaca Market Data 股票 bars/quotes/trades/snapshots；期权 bars/quotes/trades/chain/Greeks；calendar/clock/corporate actions Paper Only 账户股票侧只有 IEX；期权链可能走 OPRA 或 indicative paper 免费；live/data 依计划而定 与交易 API 同生态；最快上手 执行联调、早期 paper、轻量研究 citeturn21view0turn21view4turn13search1turn18search8
Databento 股票 L1/L2/L3、tick、OHLCV、auction data；美股期权与更多资产 强调 direct feeds、纳秒级时间戳、60+ venues usage-based；Standard $199/月；部分历史 equity 数据 from $0.40/GB 适合严肃研究与微观结构 成本建模、滑点研究、L1/L2/L3 回放 citeturn15view1turn15view4turn4search5
Massive / Polygon 股票与期权 real-time + historical；options 覆盖 17 家美股期权交易所 直接接 OPRA 做美股期权；股票/期权开发者生态成熟 公开 pricing 页可见但多为动态展示；应上线前核对当前 plan REST/WebSocket/flat files 完整 多资产 API、链路原型、期权 research citeturn15view0turn15view5turn4search4turn4search8
Tiingo EOD、历史分钟、realtime consolidated snapshots、fundamentals 对中低频研究够用 个人 $30/月，商业内部 $50/月 简单平价 日线/分钟股票研究、非期权主系统 citeturn15view2turn4search18turn4search22
Alpha Vantage 股票、期权、技术指标、经济指标、earnings calendar 等 更偏轻研究与原型 premium 从 $49.99/月（75 req/min）起 API 简单但更适合指标/日历层 宏观/财报日历、原型、辅助数据 citeturn15view3turn13search0turn13search14
OptionMetrics IvyDB 历史期权价格、IV、Greeks；EOD 自 1996，intraday 自 2018 机构/学术级质量 通常需询价/合同 历史覆盖深，高质量研究底座 期权回测、学术严谨研究 citeturn16search10turn16search2turn16search5
ORATS 历史 EOD 期权自 2007；1 分钟期权自 2020；Greeks、SMV vols 偏实务、研究友好 公共页提供 pricing 入口；实际以购买页/销售为准 指标丰富，适合策略研究 期权策略、IV/Greeks 回测 citeturn3search7turn3search13
SEC EDGAR / data.sec.gov filings、company facts、bulk zip 官方、免费 免费 需遵守 fair access 财报、公司事实、事件过滤 citeturn17search1turn17search9
FRED / BLS / BEA 宏观序列、经济发布日历 官方、免费 免费 FRED 需 API key；BLS/BEA 有官方发布表 宏观过滤与事件锁 citeturn17search0turn17search8turn17search2turn17search3

基础设施建议

对 Survival Mode，数据与基础设施的优先顺序建议如下：

模块 优先级 难度 建议
Point-in-time EOD/分钟股票库 必须实现 中 至少支持 bars、splits、dividends、session calendar
期权链快照与历史 quotes/trades 必须实现 高 若暂时做不到，live 初期优先股票/ETF
财报/宏观事件日历 必须实现 低 用于 NO TRADE 过滤
Replay 数据层 强烈建议 中 统一回测、paper、故障回放
L2/L3 微观结构数据 可选 高 中频或做执行研究时再上
新闻/NLP 层 可选 中 可做辅助解释，不建议作为首版核心 alpha

系统流程建议 

flowchart LR
    A[Research Lab] --> B[Strategy Tournament]
    B --> C[Promotion Gate]
    C --> D[Paper Gate]
    D --> E[Live Tiny Gate]
    E --> F[Execution Adapter]
    F --> G[Broker API]
    G --> H[Reconciliation & Monitoring]

报告监控与开发测试清单

日报、周报与交易日志

Quant.ai 不应只输出“买/卖建议”，而应输出 可审计的研究与执行报告。Alpaca 已提供 portfolio history 与 trade events，IBKR/Schwab 体系也都有账户与订单事件接口，因此日报/周报应围绕“机会为什么被拒绝、已成交单是否按假设执行、账本是否一致”来设计。citeturn21view5turn21view7turn22view0

日报字段建议

字段 是否必须 说明
交易日期、市场 regime 必须实现 trend_up_high_vol, choppy, no_trade 等
扫描 universe 数量 必须实现 当天分析覆盖度
候选策略数 / 通过数 / 拒绝数 必须实现 Tournament 与 Gate 漏斗
Top-5 候选及 setup score 必须实现 研究透明度
被拒绝原因分布 必须实现 例如 spread too wide、earnings lock、score < 85
最终 live plan / NO TRADE 必须实现 用户可操作输出
当日 realized / unrealized PnL 必须实现 风控状态
账户权益、日级停机状态 必须实现 是否可继续交易
reconciliation 结果 必须实现 是否发现仓位/订单不一致
延迟与异常告警摘要 强烈建议 API/网络/下单层健康检查

回测报告模板

模块 字段
策略元信息 策略名、版本、数据区间、标的池、参数、特征版本
核心绩效 CAGR/总收益、Sharpe、Sortino、PF、Win Rate、Avg Win/Loss、Max DD
执行假设 next-bar 执行、slippage、fees、partial fill 规则
验证结果 walk-forward、merged OOS、MC P5/P1、DSR、参数稳定性
风险结构 单笔 R 分布、连续亏损分布、风险暴露随时间变化
失败场景 最大回撤区间、事件日前后表现、低流动性样本表现
晋级结果 Research only / Paper / Live Tiny

交易日志字段

字段 说明
order_id / client_order_id 与券商事件对齐
strategy_id / signal_id 追溯到研究版本
生成时间 / 提交时间 / 成交时间 计算延迟与实现偏差
symbol / contract / side / qty 基础交易信息
signal_price / expected_fill / actual_fill 用于 implementation shortfall
stop / target / risk_budget / score 风控与解释
spread_pct / OI / volume / RVOL 进入时的可交易性状态
reject_reason / replace_count / partial_fill_count 执行层健康度
close_reason target / stop / time / event / manual kill

可视化建议

最有价值的图，不是“漂亮的收益曲线”，而是能暴露真问题的图：

图表 用途 优先级
Equity Curve 最基本的净值路径 必须实现
Drawdown Curve 看痛苦而不是只看收益 必须实现
Trade-by-Trade Waterfall 单笔贡献、尾部损失、连续亏损聚集 必须实现
Rolling PF / Rolling Sharpe 看策略是否 regime-dependent 强烈建议
Parameter Heatmap 看 plateau，不看孤峰 强烈建议
Entry vs Fill Scatter 看执行退化 强烈建议
Reconciliation Timeline 看账本偏差何时发生 强烈建议
Monte Carlo Fan Chart 看尾部与中位路径 强烈建议

告警规则

告警 阈值 为什么重要
Order reject rate >1% 日内 说明券商参数、权限或接口有问题
Reconciliation mismatches >=1 critical 真实仓位与本地不同步时必须停机
Submit→Ack latency 股票 >500ms；期权可更宽 长期偏高说明网络或 API 层异常
Fill slippage drift 连续 5 笔高于回测假设 2 倍 说明 live 环境与研究环境脱节
Data freshness lag bars/quotes 超过预期更新窗口 信号可能基于脏数据
Consecutive losses 2 笔 触发 cooldown / 回到 paper

开发与测试清单

测试类型 必须实现 / 建议 难度 关键内容
单元测试 必须实现 低 指标计算、score 组件、position sizing、gate 逻辑
数据完整性测试 必须实现 中 session、缺失值、拆分分红、point-in-time 合规
回测回归测试 必须实现 中 同一版本输入下输出稳定；防止“修 bug 修坏收益”
集成测试 必须实现 中 data → signal → order → event → ledger 全链路
模拟实盘回放测试 强烈建议 中 用历史日按时间推进，验证 order state machine
Broker sandbox/paper 测试 必须实现 中 Alpaca/IBKR/Schwab 各自自检
拒单、断线、部分成交容错测试 强烈建议 中 最接近真实 live 风险
CI/CD 强烈建议 中 每次合并都跑单测、回归与 lint
监控仪表板 强烈建议 中 latency、reject、reconciliation、fill quality
混沌/故障注入测试 可选 高 模拟 API timeout、重复事件、断网重连

模块级优先级建议

模块 优先级 难度 说明
市场状态过滤、score 引擎、NO TRADE 必须实现 中 这是生存模式的核心
股票日线策略 + next-bar 回测 必须实现 中 最先获得真实可控基线
风控层、停机层、reconciliation 必须实现 中 没有它们就不应接实盘
Alpaca 适配器 + paper broker 必须实现 中 最快完成闭环
Promotion Gate + merged OOS + MC 强烈建议 中 防止“研究过度乐观”
期权 long-only / debit spread 研究层 强烈建议 高 在股票基线稳定后再推进
IBKR 适配器 可选 中 第二执行通道
Schwab 适配器 可选 中 若你明确要多券商再做
日内/微观结构/L2/L3 执行研究 可选 高 不要抢在生存模式前面做
NLP/新闻/多因子宏观模型 可选 高 价值高，但不是首版上线阻塞项

最终落地建议

对 Quant.ai 小账户生存模式，最值得先做对 的不是“更多信号”，而是下面这条闭环：高质量数据 → 方向与可交易性双过滤 → 0–100 评分 → no-lookahead 回测 → merged OOS → Monte Carlo → paper gate → live tiny gate → broker adapter → reconciliation → 可审计报告。如果要在股票与期权之间排优先级，建议先把 股票/ETF 的 cash/fractional 生存模式 做成稳定基线，再把 long option / debit spread 作为第二阶段接入，因为期权天然引入了 Greek、IV、行权、assignment、等级审批与更脆弱的成交假设。这样做并不“保守”，而是更符合官方风险披露、券商模拟环境限制以及学术上对过拟合和 data snooping 的长期警告。citeturn0search1turn9search4turn21view0turn21view2turn6search0turn6search1turn7search1turn8search1

$800 -> $20,000 高爆发期权复利模式专项设计

1. 核心逻辑转变：防守生存 -> 阶段梯队复利 (Phase Compound Ladder)

原报告中的 $20/笔 风险预算适合稳健的股票/ETF 存活基线，但要实现 $800 到 $20,000 (25倍) 的极速增长目标，必须采用 动态阶段复利与高盈亏比期权结构：

阶段 资金区间 单笔最大风险预算 推荐期权结构 交易策略与目标
Phase 1: 破局期 $800 -> $2,500 $100 - $150 (约 12%-18%) ATM / Slight OTM Debit Vertical Spread 或 20-30 DTE Call/Put 严格择时，只打 85+ 分高确信度信号；目标盈亏比 1:2.5 以上
Phase 2: 动量期 $2,500 -> $7,500 $300 - $500 (约 10%-15%) Debit Spread + 移动止盈锁利润 增加高 Beta 动量突破操作；最大持仓 2 个
Phase 3: 加速期 $7,500 -> $20,000 $800 - $1,200 (约 10%) 动量期权组合 + 极窄移动止损 利用已积累利润快速复利，单日最大亏损熔断设为 12%

2. 标的选股逻辑 (SNDK 用户自选 vs Quant AI 自动化筛股)

针对期权高爆发模式，底层标的必须具备 高 ATR% (高日内/日间波幅) + 极佳期权链流动性：

  • **指定标的模式 (如 SNDK / 存储/半导体动量股)**：
    • 优势：对个股基本面与行业催化剂有先验认知。
    • 量化进场门槛：即便指定 SNDK，系统也必须在 ** Donchian 突破/EMA 趋势重合 + RVOL >= 1.5 + IV Rank <= 60% ** 时才允许触发期权买单，避免在横盘期因 Theta 阴跌损耗。
  • **Quant AI 极度自信筛股 (High-Conviction Auto-Screener)**：
    • 自动筛选 Universe 中满足：Beta > 1.6、ATR% 百分位 > 70%、期权链 Bid-Ask Spread / Mid <= 5%、OI >= 1000 的美股头部动量股（如 NVDA, AMD, SMCI, SNDK/WDC 等）。

3. “零差错”底层交易与风控硬保质线 (Zero Operational Error Framework)

  1. **绝对禁做市价单 (Limit Orders Only)**：期权 Bid-Ask 差价大，必须使用 Mid + 25% Spread 限价挂单，成交保护。
  2. **提前清算机制 (No Assignment Risk)**：持仓至 DTE <= 2 时强制平仓，绝不持有期权进入到期日，杜绝行权/指派风险。
  3. 流动性硬门槛：单腿/双腿合约 Bid-Ask / Mid <= 8%，若流动性不足直接 NO TRADE。
  4. **即时账本对账 (Reconciliation)**：每 30 秒核对 Broker 仓位与本地状态，异常实时熔断。

$800 -> $20,000 日内高频超短线 (Intraday Scalping) 架构设计

针对“每天日内、频繁操作”的第二个账户需求，必须解决 PDT 合规、资金周转、高频滑点与日内防过热 四大核心瓶颈：

1. 账户模式与 PDT 限制破局 (Cash Account + T+1 循环)

  • 账户类型：必须使用 **现金账户 (Cash Account)**。
  • PDT 规避机制：在 $2.5 万美金以下的 Margin 账户中，5 天内最多 3 次日内交易；但在现金账户中，美股期权资金为 T+1 交割，且完全不受 PDT 限制。
  • 资金切片周转：
    • 将 $800 资金拆分为 4 份，每份 $200（或 2 份 $400）。
    • 当天可以连续执行 4 笔日内交易（每次消耗 $200 盘中已交割资金），平仓后的资金次日清晨全额交割复原，实现每天高频滚动交易。

2. 日内超短线策略与合约规则 (1M/3M Intraday Engine)

维度 规则标准 说明
时间周期 1分钟 / 3分钟 K线 抓日内强动量脉冲
触发信号 ORB 突破 (开盘前15分钟高低点) + VWAP 沿线推进 + RVOL >= 2.0 仅在有爆发力动量时进场，绝不上盘整行情
首选标的 SPY, QQQ, NVDA, TSLA, AMD, SNDK 必须是全市场日内流动性最顶尖的标的
合约选择 Delta 0.50 ~ 0.70 (ATM 或微 OTM)，7-14 DTE (兼顾杠杆与抗衰减) 高频日内不建议盲目远期，利用高 Delta 快速兑现
止损规则 期权权利金亏损 -12% ~ -15% 或 标的跌破 VWAP 支撑 日内超短线必须“快斩亏损”
止盈规则 **权利金 +20% 平仓 50%**，剩余 50% 移动止盈 (+35% / +50%) 快速锁利润，防止“盈利变亏损”

3. 日内防倾覆硬卡门 (Anti-Overtrading & Risk Gates)

  1. 单日亏损上限熔断：若当天累计亏损达 **$160 (20% 账户资金)**，系统当天自动关机，禁止再开新仓。
  2. 连续止损冷却期：若连续 2 笔止损，系统强制进入 60 分钟冷却期，防止“报复性频繁交易 (Revenge Trading)”。
  3. 尾盘 15:50 强制清仓 (No Overnight Risk)：美东时间 15:50 (收盘前10分钟)，所有日内未平仓单一律按市价/限价全平，绝不隔夜，彻底消除跳空风险。

2倍杠杆 ETF (如 QLD/USD/NVDL) 高抛低吸均值回归模式 (2x ETF Mean-Reversion Engine)

对于希望兼顾“高波幅高收益”与“无期权到期归零风险”的策略需求，2倍杠杆 ETF 高抛低吸模式 是极具吸引力的量化方案：

1. 策略优势与 $800 资金适配性

  • **无到期日/无时间衰减 (No Theta Decay)**：期权最致命的弱点是时间衰减与 IV Crush，而 2x ETF 是现货资产，持有不会出现“方向看对但权利金归零”的情况。
  • 自带 2 倍弹性杠杆：如 QLD (2x QQQ)、USD (2x 半导体)、NVDL (2x NVDA)、TSLL (2x TSLA)。
  • **支持分数股 (Fractional Shares)**：Alpaca 等券商支持按美金金额下单（如每次买 $200 额度的 NVDL），$800 资金可以完美拆分做分批低吸。

2. 高抛低吸量化判据 (Mean-Reversion Band Algorithm)

动作 触发指标组合 算法逻辑 仓位管理
低吸 (Buy Low) 布林带下轨 (Bollinger Lower 2.0) + RSI(14) < 38 + VWAP 下轨 (-1.5σ) 当价格过度跌下均线通道时，触发超卖低吸 投入资金的 25% ($200) 做第一批低吸；若继续深跌 3% 追加第二批
高抛 (Sell High) 布林带上轨 (Bollinger Upper) + RSI(14) > 65 或 单笔盈利达 +4% ~ +8% 当价格冲高触及上轨或超买区时，触发自动化分批高抛 平仓 50% 锁定利润，剩余 50% 设移动止盈跟踪
大盘安全底线 大盘 (SPY/QQQ) 需在 EMA200 上方 确保大背景处于大牛市/震荡市，严禁在大熊市主跌浪中低吸 大盘空头排列时，系统全面自动挂机 NO TRADE

3. 与期权模式的协同互补

  • 期权高爆发模式：用于抓 Donchian 强突破 / 单边趋势爆发行情（追涨杀跌，吃极速倍数）。
  • 2x ETF 高抛低吸模式：用于抓 箱体震荡 / 趋势回调（低吸高抛，吃反复波动），两者形成互补，实现全市场 Regimes 覆盖。

多空双向炒股大模型与 Quant.ai Agent 资源需求清单

要打造一个具备精准确信度、可做多可做空、支持小账户复利的顶部 AI 炒股大模型，我们需要构建以下 多空双向引擎 并准备相应的 资源配置：

1. 多空双向执行引擎 (Long & Short Dual-Engine)

交易方向 市场形态要求 股票/ETF 工具选择 期权工具选择 风险控制
做多 (Long) Close > EMA20 > EMA50 > EMA200 + Donchian 20日突破 + RVOL >= 1.5 正向 2x ETF (NVDL, QLD, USD) 或 优质动量正股 Long Call 或 Bull Debit Spread 硬止损 2%~3% / 期权 -15%
做空 (Short) Close < EMA20 < EMA50 < EMA200 + Donchian 20日跌破 + RVOL >= 1.8 反向 ETF (SQQQ, SOXS, NVDS) 或 破位弱势股 Long Put 或 Bear Debit Spread 拒绝裸卖/融券（小账户避免借券费与无限亏损）

关键工程亮点：在 $800 小账户中，直接融券做空 (Short Selling Stocks) 会面临保证金限制、借券费 (Borrow Fee) 和无限亏损风险。因此系统的做空引擎 **优先采用买入看跌期权 (Long Put / Bear Spread) 或买入反向杠杆 ETF (如 SQQQ/NVDS)**，在现金/小资金账户下实现高效做空且最大亏损完全被锁死。

2. 构建系统所需的资源清单 (What I Need From You)

A. 密钥与接口 (API Credentials)

  1. Alpaca Trading API Key & Secret Key（优先提供 Paper Trading 模拟盘 的 Key，用于 0 风险联调测试）。
  2. 行情数据源 API Key（Alpaca 自带免费数据，若追求更高采样率可选配 Polygon.io 或 Tiingo）。
  3. 财报/日历 API Key（Alpha Vantage 或免费 SEC EDGAR / FRED 用于避开财报静默期）。

B. 运行环境 (Runtime Stack)

  • 本地或云端 Python 3.10+ 环境（依赖 pandas, numpy, ta, alpaca-py, pydantic 等）。

C. 策略规则授权 (System Clearance)

  • 授权我为你编写和部署 Quant.ai 核心多空交易引擎代码（包含数据获取、0-100 信号打分、对账熔断、Alpaca 自动下单）。

$800 极速增长：多标的高频高确信度狙击引擎 (Continuous High-Conviction Scalper Architecture)

针对“不设保守日止盈、追求全天不停高频操作、且要求每次都是极高确信度高质量判断”的核心需求，必须建立 多标的动态轮询 + 5维硬核打分卡 架构：

1. 突破单标的瓶颈：15-20 标的宇宙动态轮询 (Multi-Ticker Universe Polling)

  • 痛点：如果只监控 1 只股票（如 TSLA 或 SNDK），盘中经常出现长达半小时到1小时的横盘无信号期，导致系统无法“一直操作”。
  • 解决方案：系统构建一个由 15-20 只高 Beta、极高日内流动性 股票组成的 Universe（包含 NVDA, AMD, TSLA, AAPL, MSFT, PLTR, MSTR, QLD, TQQQ, NVDL, SNDK 等）。
  • 秒/分钟级高频扫描：引擎每 10-30 秒对整个宇宙进行并行扫描。当全天不同时段、不同板块的龙头爆发瞬间，系统第一时间捕抓并连续下发高确信度订单，实现真正的“全天机会不断、不停高频出击”。

2. “每次都是极致判断”的 85+ 分多因子评分卡 (High-Precision 5-Filter Matrix)

为了确保“不盲目频繁乱做，每次出手都是精妙的高胜率判断”，系统只有在总分 >= 85 分 时才允许触发交易：

维度 量化指标门槛 判断逻辑 权重分值
主力资金异动 RVOL >= 1.8 当前分钟成交量达过去 20 分钟均值的 1.8 倍以上，确认机构主力大单进场 25 分
VWAP & 均线排列 Price > VWAP 且 VWAP Slope > 0 且 EMA9 > EMA21 多头同向共振，不做任何逆势拉升中的摸顶/抄底 25 分
关键位置突破 突破开盘 15min 高点 (ORB) 或 Donchian 20分钟新高/新低 必须是在关键结构位瞬间放量突破，极速兑现爆发力 25 分
流动性点差守护 Bid-Ask Spread / Mid <= 5% 过滤点差过宽的劣质期权/股票，绝不给做市商送滑点 15 分
极佳盈亏比 预期盈亏比 Reward/Risk >= 2.0 配合 ATR 动态移动止盈，亏损斩断在 1%~1.5%，盈利跑满 10 分

3. 资金切片与风控滚动

  • $800 资金拆分为 4 份，每份 $200（或 2 份 $400）。
  • 每次只给最先达到 85+ 分高确信度信号的标的分发 $200/笔 仓位。
  • 触及止盈 (+20%+35% 期权 / +3%+5% 现货) 快速平仓释放资金，立刻投向下一个 85+ 分高分标的，实现真正的高品质、高频次、快速滚雪球！