跳到主要内容

交易记录策略

FileBasedStrategy 是一种按外部交易记录回放历史 signal 的策略形态。它可以用于理解某个已存在的信号记录在模拟执行中的行为，但不是当前 Agent Lab 的 authoring surface，也不代表 AI 拥有 Formal Portfolio 的自主决策权。

基本流程​

已有信号记录
  -> FileBasedStrategy 读取
  -> 资金规则和执行假设回放
  -> 观察 signal、holdings、cash、state 和历史指标

信号来源可以是人工记录、历史研究结果或实验性 AI 输出。无论来源是什么，回放结果都只是模拟证据：它不构成真实订单、投资建议或未来收益承诺。

文件字段​

最小记录通常包含：

  • date：交易日期；
  • symbol：标的代码；
  • signal：信号状态；
  • comment：可选的来源说明或研究备注。

若当前策略契约支持目标权重，也可以包含：

  • position：规则定义的目标权重或目标仓位字段。

字段名、取值和可用组合以当前服务端校验和生成契约为准。不要把任意 CSV、Python、TypeScript 或 Pine 文件当作 Agent Lab 的代码执行入口。

如何阅读回放​

回放时区分三层：

  1. Signal：外部记录在某个时间点的规则输出；
  2. Capital / Construction：资金规则如何解释该输出；
  3. Execution：现金、门槛、价格缓冲、费用和顺序是否允许模拟成交。

出现 B 或 BUY 不保证模拟成交，也不要求用户在真实账户买入；出现 S 或 SELL 也不等于用户必须卖出。若使用目标权重或分批记录，应记录假设、执行限制和失败结果。

AI 记录的边界​

AI 生成的文字理由只能作为可审查的来源说明，不能覆盖确定性 Portfolio state 或数据证据。AI 不应输出个性化买入价格、止损止盈、仓位建议或“现在可以买”的结论；研究者应回到规则、样本和执行结果。

适合的研究问题​

  • 某组已存在 signal 在不同资金规则下如何影响现金和持仓？
  • 价格缓冲、费用或成交门槛如何改变模拟成交？
  • 外部记录的 signal 与最终 holdings / state 之间在哪里出现差异？
  • 研究结论是否只在某个样本或市场阶段成立？

如果问题需要生成新的策略变体，使用Agent Lab的受控 DSL 研究流程，并保留 baseline、假设、变体、失败结果和证据。

注意

FileBasedStrategy 的历史回放不等于自动交易，AI 输出不等于确定性事实，也不会自动修改 Formal Portfolio。

最后于 更新