QuantConnectPro操作手册

十、先分清两条路：云端还是本地

这是第一步就要做的选择，两条路的成本结构完全不同。

操作建议：先用免费账户走通一次完整回测，再决定是否上付费或转本地。 不要一上来就买订阅——多数人卡在的不是算力，而是连不上数据或看不懂报错。

十一、两种写法：经典式与框架式

平台支持两种组织策略的方式，选择哪一种会影响后续所有操作。

官方推荐在多数情况下使用框架式，理由是模块之间以明确的方式连接，可以互相替换、彼此复用。但对于「一个信号进场、一个信号出场」这类紧密耦合的逻辑，框架式并不顺手，因为它默认假设你希望长时间保持满仓，会把购买力全压给单个信号。

十二、一个最小可运行的经典式策略

步骤 1：新建项目。 在项目列表创建新项目，语言选 Python。

步骤 2：写入初始化。 粘贴以下代码框架：

from AlgorithmImports import *

class MyAlgorithm(QCAlgorithm):
    def initialize(self) -> None:
        # 设置回测区间与初始资金
        self.set_start_date(2020, 1, 1)
        self.set_end_date(2023, 12, 31)
        self.set_cash(100000)
        # 添加标的，返回对象中取 symbol 备用
        self.spy = self.add_equity("SPY", Resolution.DAILY).symbol
        # 预热若干根 K 线，避免使用未成熟的指标值
        self.set_warm_up(30, Resolution.DAILY)
        # 记录持有技术指标的变量
        self.fast = self.sma(self.spy, 10, Resolution.DAILY)
        self.slow = self.sma(self.spy, 30, Resolution.DAILY)

    def on_data(self, slice: Slice) -> None:
        # 预热期内不下单
        if self.is_warming_up:
            return
        # 本根 K 线没有该标的的数据则跳过
        if not slice.bars.contains_key(self.spy):
            return
        holdings = self.portfolio[self.spy].quantity
        # 金叉：快线上穿慢线
        if self.fast.current.value > self.slow.current.value and holdings <= 0:
            self.set_holdings(self.spy, 1.0)
        # 死叉：快线下穿慢线
        elif self.fast.current.value < self.slow.current.value and holdings > 0:
            self.liquidate(self.spy)

步骤 3：点击 Backtest。 等待编译与回测完成，右侧出现绩效图表与统计。

这段代码里有两个必须养成的习惯：一是 set_warm_up 预热，二是 is_warming_up 判断。没有预热时，指标前若干根 K 线的取值是不可信的，很多「回测完美」的假象就来自这一段。

十三、下单方式一览

重要提醒：set_holdings 是「目标仓位」语义，不是「加仓」语义。 传入 0.5 表示调到了 50%，而非再买 50%。反复误会这一点会导致仓位不断翻转。

十四、技术指标怎么用

平台内置上百种指标，注册后会自动随数据更新。常用写法：

self.rsi_ind = self.rsi(self.spy, 14, MovingAverageType.WILDERS, Resolution.DAILY)
self.macd_ind = self.macd(self.spy, 12, 26, 9, Resolution.DAILY)
self.bb_ind = self.bb(self.spy, 20, 2, Resolution.DAILY)
self.atr_ind = self.atr(self.spy, 14, MovingAverageType.SIMPLE, Resolution.DAILY)

取值时用 .current.value；判断成熟用 .is_ready；短线策略还要加 volume/相关性一类指标。

历史窗口的写法： 需要保存过去若干个值时，用滚动窗口：

self.window = RollingWindow[float](5)
def on_data(self, slice: Slice) -> None:
    if self.is_warming_up:
        return
    self.window.add(self.rsi_ind.current.value)
    if not self.window.is_ready:
        return
    # 此时窗口已满，可以比较窗口内的值

滚动窗口的索引语义是 [0] 表示最新，下标越大越旧，方向与 Backtrader 的 line 索引一致，初上手容易搞反。

十五、框架式的五个模块怎么拼装

框架式策略的数据流是一条责任链，每一步的产物是下一步的输入：

Universe Selection 选出标的集合
        ↓
Alpha 生成 Insight（交易观点）
        ↓
Portfolio Construction 把 Insight 变成 PortfolioTarget（目标仓位）
        ↓
Risk Management 修正/过滤这些目标
        ↓
Execution 落实为真实订单

最小装配示例：

class MyFrameworkAlgorithm(QCAlgorithm):
    def initialize(self) -> None:
        self.set_start_date(2020, 1, 1)
        self.set_end_date(2023, 12, 31)
        self.set_cash(100000)
        self.set_universe_selection(EmaCrossUniverseSelectionModel())
        self.add_alpha(RsiAlphaModel())
        self.set_portfolio_construction(EqualWeightingPortfolioConstructionModel())
        self.set_execution(ImmediateExecutionModel())
        self.set_risk_management(MaximumDrawdownPercentPerSecurity(0.03))

实操顺序建议：先用全部内置模型跑通一遍，确认链路没问题，再逐层替换成自己的实现。 一次替换五层，出了错无处排除。

十六、Insight（观点）怎么写

Insight 是 Alpha 模块的输出，也是贯穿后三层的对象。核心要素：

insights = [
    Insight.price("SPY", timedelta(days=5), InsightDirection.UP,
                  magnitude=0.02, confidence=0.6)
]

关于平仓： 框架式策略高度依赖 Period 到期来管理出场。若你的策略出场条件与技术信号强耦合（比如某个形态结束就走），官方给出了四条替代路径：一是发出短周期观点并持续续期；二是动态更新观点的到期时间；三是把出场本身做成一个独立的 Alpha 信号；四是用风险模型（如最大回撤、追踪止损）接管出场。四种都不完美，这正是框架式不适合紧密耦合信号的原因。

十七、历史数据的查询方式

需要在盘中取一段历史做计算时：

hist = self.history(self.spy, 100, Resolution.DAILY)
hist2 = self.history(self.securities.keys(), 30, Resolution.DAILY)
df = self.history(self.spy, timedelta(days=30), Resolution.MINUTE)

返回结果是便于直接做计算的表格结构。注意：

• 不要在 on_data 里高频调用历史查询，这是回测最常见的性能杀手。
• 若需要「截至上一根」的数据，务必注意当前这根是否已包含在内，避免引入未来信息。
• 取多个标的时，一次批量取比逐个取快得多。

十八、定时任务怎么设

不想每根 K 线都跑逻辑时，用调度器：

self.schedule.on(
    self.date_rules.every_day("SPY"),
    self.time_rules.before_market_close("SPY", 30),
    self.rebalance
)

在收盘前几分钟调仓，是低频策略最常见的落地方式，可以避开开盘的剧烈波动，同时保留一定的执行空间。

十九、把回测做“贵”一点：成本与成交模型

不建模成本的回测没有参考意义。至少要做三件事：

def initialize(self) -> None:
    # 设定券商模型，会影响费率、保证金与撮合假设
    self.set_brokerage_model(BrokerageName.INTERACTIVE_BROKERS_BROKERAGE,
                             AccountType.MARGIN)
    self.set_security_initializer(self.custom_initializer)
    self.set_benchmark("SPY")

def custom_initializer(self, security) -> None:
    # 为不同资产设置不同的手续费与滑点假设
    security.set_fee_model(InteractiveBrokersFeeModel())
    security.set_slippage_model(VolumeShareSlippageModel())

检验方法： 把手续费与滑点各放大一倍看结果是否崩塌。若崩塌，说明策略的安全边际不足以覆盖真实交易摩擦。

二十、回测报告看什么

右侧统计面板指标很多，建议按以下顺序看，而不是先盯总收益：

一个常用判据：剔除表现最好的若干天后收益是否大幅缩水。 若缩水严重，说明收益高度依赖极端行情，不可依赖。

二十一、参数优化与样本外检验

平台支持对参数区间做扫描式优化。操作流程：

1. 在策略中把待调参数定义为可配置项。
2. 设置扫描取值范围与步长。
3. 运行优化任务，查看参数平面上各组合的表现。
4. 观察参数平原是否成片——只有孤立的尖峰通常是拟合出来的。

防过拟合的三段式做法：

要害在于：样本外一旦用过，它就变成了样本内。 反复用同一段样本外数据调参，等于把整套数据都拟合了一遍。

二十二、Research（研究环境）怎么用

云端提供 Jupyter 笔记本环境，用途是把「探索」与「落地」分开：

• 在笔记本里查历史数据、画分布、做统计检验。
• 验证某个信号是否有区分度后再写进策略。
• 把验证通过的单个逻辑封装成模块，供框架式调用。

推荐先做「信号有效性验证」再做「策略回测」。 直接跑完整回测去找信号，等于用极其昂贵的方式做探索。

二十三、本地 LEAN 与 LEAN CLI 的工作流

需要本地开发时的基本链路：

1. 安装 Docker 环境。
2. 拉取 LEAN 引擎源码或镜像。
3. 用命令行工具初始化项目、拉取/整理数据、本地回测。
4. 用 VS Code 等本地编辑器编码。
5. 需要时把本地项目推送到云端执行，或者反向拉取云端项目到本地。

本地方式的优势是数据与代码都在自己手里；代价是数据整理与运维全部自理。 平台提供了 ToolBox 工具来处理各类数据源的导入，这部分的工作量容易被严重低估。

二十四、实盘部署的操作顺序

从回测走到实盘，建议严格按以下顺序自查：

1. 退出 PDF 报告或详细统计，确认成交明细与预期一致。
2. 检查每一笔异常成交，确认是否由撮合假设造成。
3. 先在 Paper Trading（模拟交易） 运行至少一个完整周期。
4. 接入券商时，确认账户类型（现金账户/保证金账户）与策略所需一致。
5. 确认交易品种权限已经开通（期权、期货往往需要单独申请）。
6. 部署后设置通知（邮件/即时消息/自定义回调），不要靠手动盯盘。
7. 记录每次部署的版本与参数，保证出问题可回溯。

关于通知： 平台对不同订阅层级有每小时通知条数限制，超出部分按云信用计费。设计告警策略时应避免「每笔成交都发一条」的粗放做法，否则很容易在剧烈行情中刷爆额度。

二十五、资产覆盖、可见提醒与常见限制

上表中的额度类信息随官方定价调整而变动，付费前请以官网实时页面为准。

二十六、常见坑清单

二十七、注意事项

1. 工具不产生盈利能力。 平台提供的是执行与记账基础设施，策略本身的成败完全取决于使用者。
2. 回测的作用是证伪，不是证明。 一条漂亮的资金曲线首先应当引发怀疑，而不是信心。
3. 不要用 tick 数据去跑日线策略。 粒度必须与实盘决策频率一致。
4. 上线前必须经过模拟交易。 至少要覆盖一段趋势行情与一段震荡行情。
5. 「Pro」这个名字不构成任何能力承诺。 若你用的是第三方打包版本，请以该版本厂商文档为准，对其声称的功能保持审慎。
6. 本文仅在介绍工具操作，不构成投资建议，不推荐任何产品与平台。

金融产品有风险，入场前请务必确认自身风险承受能力；交易决策请自行判断，据此操作风险自负。