成功的投资通常涉及两大核心因素：

• 交易系统： 一个经过验证的量化交易系统有助于投资者系统性地进行决策，减少情绪干扰。
• 本金积累： 充足的本金是提升投资收益潜力、进而改善生活质量的重要基础。

这两者都需要时间积累。"策引"旨在提供信息和工具，以辅助用户构建自己的交易认知，节省时间以专注于本金的积累。

我们认为，无论本金多少，尽早开始学习和实践对积累投资经验是有益的。小资金同样可以用于验证策略逻辑和建立交易纪律。

指数ETF作为被动投资工具，具有一些值得关注的特点：

• 指数ETF vs 个股： 指数本身是一篮子股票，具有天然的分散性，这有助于降低个股可能出现的"黑天鹅"事件、停牌、流动性不足等非系统性风险。对于量化策略而言，标的的稳定性和流动性至关重要。
• 指数ETF vs 主动型公募基金： 主动型基金的盈利模式可能使其在市场高点大量发行产品，这或增加投资者在高位入市的风险。此外，核心基金经理的变动也可能为基金的未来表现带来不确定性。指数ETF则规则透明，适合量化策略回测。

我们的定位和特点在于：

• 侧重组合风险评估： 相较于专注于单一策略回测的量化软件，我们更关注投资组合的整体风险与回报分析，包括夏普比率、最大回撤、Calmar比率等多维度风险指标。
• 定位信息辅助工具：我们的目标是提供客观的数据和信息，辅助用户建立并遵守自己的交易纪律，而非推动交易。产品与用户的利益是一致的。
• 透明的策略逻辑：我们采用相对灵活、旨在适应市场变化的趋势跟踪策略，并提供透明的风险评估信息和完整的回测数据。
• 系统化信息参考：我们相信基于数据的系统化分析，有助于减少个人情绪和认知偏差对投资决策的潜在影响。

组合选择参考：用户可根据自身的风险承受能力和投资经验进行参考。

• 风险偏好较低者：可关注"A股全球"或"美股全球"等风险分散性更广的全球资产配置组合。
• 有一定经验者：可关注行业板块更丰富的"A股1号"或"美股2号"等多元化ETF组合。
• 风险承受能力较高者：可关注含杠杆ETF的"美股1号"、"美股3号"等高波动策略组合。

关于订阅多个组合：同一市场内的多标的组合（如A股1号、A股3号）策略可能相似，订阅多个容易产生信号冲突。但单标的组合（如A股2号-创业板、美股3号-TQQQ）策略独立，可以同时参考多个，实现更灵活的风险管理。跨市场配置（如A股+美股+加密币）也是分散风险的有效方式。请用户根据自身资金规模和风险偏好独立判断。

这是一个典型的建仓期决策问题，核心原则是：保持个人交易决策与所参考策略的一致性。

一种参考思路是：耐心等待您关注的标的下一次出现"买入"信号时，再结合自身判断决定是否买入。对于策略显示"持有"的标的，追高买入可能带来额外风险，不符合趋势跟踪策略的逻辑。

重要提示：投资决策应独立做出。一旦决定参考某个量化策略，后续的卖出决策若能与该策略的"卖出"信号保持一致，是维持策略一致性的关键。所有投资决策的风险由用户自行承担。

所有组合展示的均为基于历史数据的回测模拟结果，其目的在于信息展示和策略逻辑验证。

重要免责声明：所有历史数据和回测结果不代表真实收益，亦不作为对未来表现的预测或保证。本平台所有内容不构成任何形式的投资建议。投资有风险，入市需谨慎，用户应独立做出投资决策并自行承担风险。

量化策略回测与真实交易的主要差异包括：

• 滑点与流动性：回测无法完全模拟真实市场的流动性变化和交易滑点，极端行情下可能存在无法成交的风险。
• 费用与分红：为简化计算，模拟交易通常会忽略交易费用和持仓分红等因素，实际收益会受这些因素影响。
• 策略过拟合风险：任何基于历史数据的量化策略都存在过拟合风险。我们倾向于采用逻辑简单、参数较少的趋势跟踪策略，以降低该风险，但无法完全避免。

自动化交易：目前产品策略基于日线级别，交易频率不高（趋势跟踪策略特点）。同时，自动化交易涉及复杂的技术和合规风险，因此暂不提供。

自定义标的池：不仅支持自定义标的池，原语策略功能还支持自定义交易策略参数，方便用户根据自己的需求进行调整和回测验证。

我们的策略设计基于公开的市场理论和资金管理方法，并经过历史数据进行回测验证。

策略核心是趋势跟随，而非预测拐点。这意味着：

• 目标是"截断亏损，让利润奔跑"：趋势跟踪策略旨在抓住市场的主要趋势，而非短期波动，因此可能产生多次小额的试错成本。这是趋势跟踪策略的典型特征。
• 关注长期盈亏比，而非短期胜率：此类策略的特点通常是胜率不高（30%-40%），但力求在抓住趋势时获得较高的潜在收益（盈亏比2:1或更高），以覆盖多次试错的成本。高盈亏比是影响长期收益的关键因素。

关于量化策略的通用知识，可查阅 小白的交易之路 等公开资料作为参考。

这些状态仅为策略在特定时点对历史数据的回测结果，含义如下：

• 买入：指策略显示，在此前回测节点未持仓，而在当前节点出现了符合策略的开仓信号。
• 卖出：指策略显示，在此前回测节点为持仓状态，而在当前节点出现了符合策略的平仓信号。
• 持有：指策略显示，在此前回测节点已开仓，而在当前节点未出现平仓信号，趋势仍在延续。
• 空仓：指某个标的在当前策略回测下，无持仓且未出现开仓信号，等待下一次买入机会。

不同组合展示了不同的历史资金管理策略模型，仅供参考。例如：

• 多标的组合（百分比模型）：单个标的在历史回测中最多占用特定比例资金（如20%），实现风险分散。
• 单标的组合（全仓模型）：回测中一旦出现买入信号，即投入全部可用资金，完整捕捉趋势。

用户应在充分理解不同资金管理模型风险的基础上，独立制定并执行完全符合自身风险承受能力的资金策略。合理的仓位管理是量化投资成功的关键因素之一。

邮件提醒功能会在每个交易日开盘前发送相关信息，付费会员可在组合详情页进行订阅。

• A股市场：北京时间周二至周六早上9点左右（因为周一对应上周五收盘）。
• 美股市场：北京时间周二至周六下午4点左右。
• 加密币市场：每日北京时间中午左右（7x24小时市场，但策略基于日线）。

节假日处理：在非交易日，系统会基于最近一个交易日的数据生成信号，作为下一个交易日的信息参考。

核心定位不同：

• TradingView：专业的图表分析和看盘软件，支持Pine脚本编程开发技术指标和策略。适合需要自定义技术分析、多市场看盘（股票、期货、外汇、加密货币）的交易者。需要一定编程能力。
• 策引：专注于ETF组合的长期风险管理工具。不需要编程，通过原语引擎 + AI辅助快速构建和回测ETF投资组合。侧重组合整体表现（夏普比率、最大回撤、Calmar比率等）而非短期交易信号。

选择建议：如果您是做短线交易、需要复杂技术分析或交易多种资产类别（期货、外汇等），TradingView更合适。如果您专注于ETF长期投资、希望系统化管理组合风险且不想学习编程，策引是更好的选择。

目标用户和使用场景完全不同：

• 聚宽/米筐/优矿：面向量化策略开发者的平台。提供Python API、历史数据、回测引擎，用户需要自己编写策略代码、调试参数、优化算法。适合有编程基础、希望从零开发自己策略的专业投资者或量化研究员。
• 策引：面向ETF投资管理者的工具。通过原语引擎 + AI辅助，用户可以用自然语言描述投资思路，AI帮助构建策略并生成回测报告。不需要编程，专注于组合配置、风险评估和长期跟踪。

技术门槛差异：聚宽等平台需要掌握Python、pandas、数据处理等技能，学习曲线陡峭。策引通过AI降低门槛，普通投资者也能快速上手。

⚠️ 策引不适合：如果您想深度学习量化编程、开发复杂算法策略、或从事量化研究工作，建议使用聚宽/米筐等专业开发平台。策引更适合希望使用而非开发量化策略的ETF投资者。

利益关系和透明度完全不同：

• 雪球/蛋卷等跟投平台：用户跟随大V或基金经理的操作买卖，策略逻辑通常是黑盒（不公开具体算法），平台或组合管理者可能收取管理费或佣金。用户被动接受交易决策。
• 策引：定位为信息辅助工具而非跟投服务。所有策略逻辑完全透明（公开算法原理、参数设置、历史信号），用户可以完全理解"为什么买、为什么卖"。不收取管理费，不推动交易，产品与用户利益完全一致。

独立决策 vs 依赖他人：跟投模式下，用户依赖他人判断，无法建立自己的交易体系。策引帮助用户理解策略逻辑、建立交易纪律，最终目标是让用户能够独立做出投资决策。

风险提示：无论跟投还是参考策引的信号，所有投资决策和风险均由用户自行承担。策引提供的是信息参考，不构成投资建议。

原语引擎：将复杂的量化策略拆解为可组合的基础"原语"模块（如趋势判断、止损逻辑、资金管理等）。用户通过组合这些原语，就能快速构建自己的投资策略。

AI辅助的独特性：

• 自然语言交互：用户可以用普通话描述投资思路（如"我想做一个沪深300的趋势跟踪策略，在回撤超过10%时止损"），AI自动将其转化为可执行的策略配置。
• 参数优化建议：AI基于历史数据和策略特征，提供参数调整建议，帮助用户理解不同参数对策略表现的影响。
• 风险评估报告：AI自动生成包含夏普比率、最大回撤、胜率盈亏比等多维度指标的分析报告，帮助用户全面评估策略风险。

与其他平台的对比：

• 传统量化平台（聚宽/米筐）：需要用户自己编写Python代码，从零实现策略逻辑。
• TradingView：需要学习Pine脚本语言编写技术指标和策略。
• 策引：通过原语引擎将策略模块化，结合AI理解用户意图，大幅降低技术门槛。不需要编程，普通投资者也能快速构建和验证投资策略。

目标：让量化投资从"专业开发者的专利"变为"普通投资者也能使用的工具"，同时保持策略的透明性和可理解性。