vegas-backtest-optimizer

快速流程（默认命令）

0) 常用环境变量（回测/实盘一致性）

• 回测入口：DB_HOST='mysql://root:example@localhost:33306/test?ssl-mode=DISABLED' cargo run
• 预热K线数量（实盘预热对齐回测）
  • STRATEGY_WARMUP_LIMIT=500：预热最小根数（默认 500）
  • STRATEGY_WARMUP_LIMIT_MAX=10000：预热最大上限（默认 10000）
  • 真实预热根数 = max(STRATEGY_WARMUP_LIMIT, strategy.value.min_k_line_num)，并受 MAX 限制
• OKX 请求过期窗口（修复 expTime 过期）
  • OKX_REQUEST_EXPIRATION_MS=300000（建议模拟盘/联调用 5 分钟）

1) 运行回测

cd /Users/mac2/onions/rust_quant && TIGHTEN_VEGAS_RISK=0 DB_HOST='mysql://root:example@localhost:33306/test?ssl-mode=DISABLED' cargo run

• TIGHTEN_VEGAS_RISK=0：禁用代码层强制风控收紧（推荐）
• 回测完成后可用分析脚本输出指标与收益曲线：

cd /Users/mac2/onions/rust_quant
source .venv/bin/activate
python scripts/vegas-backtest-analysis/scripts/visualize_backtest_detail.py \
  --db-host 127.0.0.1 --db-port 33306 --db-user root --db-password example \
  --db-name test --back-test-id <ID> --with-equity
# 生成 dist/vegas_backtest_detail_<ID>.png 和 dist/vegas_equity_<ID>.png

2) 查询最新回测结果

docker exec -i mysql mysql -uroot -pexample test -e "select id,win_rate,profit,final_fund,sharpe_ratio,annual_return,max_drawdown,volatility,created_at from back_test_log order by id desc limit 1\G"

2.1) 查询指定回测ID（例如基线 5692）

docker exec -i mysql mysql -uroot -pexample test -e "select id,strategy_type,inst_type,time,win_rate,profit,final_fund,sharpe_ratio,annual_return,max_drawdown,volatility,created_at from back_test_log where id=5692\\G"

3) 查看/更新策略配置（vegas 4H，id=11）

# 查看当前配置
docker exec -i mysql mysql -uroot -pexample test -e "select value,risk_config from strategy_config where id=11\G"

# 更新配置（使用JSON_OBJECT避免转义问题）
docker exec -i mysql mysql -uroot -pexample test -e 'UPDATE strategy_config SET value=JSON_OBJECT(...), risk_config=JSON_OBJECT(...) WHERE id=11;'

---

自动化调参建议

判优基线

• 基线通常指 back_test_log 中 同市场、同周期、当前策略配置的最优记录。
• 常用排序：Sharpe ↓ → MaxDD ↑ → Profit ↓（如果更偏收益，则用 Profit ↓ → win_rate ↓）。

代码改动守则（避免破坏基线）

• 只要“基线回测”的 strategy_detail（即策略配置 JSON）里 出现某模块且 is_open=true，就 不允许删除该模块/字段/指标链路（否则回放/复现会因反序列化丢字段而劣化）。
• 需要下线模块时，只能通过配置把它 关闭（例如 is_open=false、或权重设为 0.0），并保留最小实现以兼容旧配置。

自动化扫描流程（示意）

1. 更新 strategy_config 的 value（例如 LegDetection size/weight、MarketStructure 权重等）。
2. 启动回测：cargo run。
3. 解析日志里的 back_test_id（关键词：回测日志保存成功）。
4. 读取该 id 的 back_test_log 指标并与基线对比。
5. 保存最佳参数并回写到 strategy_config。

---

已验证的最佳配置

🏆 当前默认（2026-01-08，宽松极端K + 高波动降损）

回测ID: 5593（复现 5595）
性能: win_rate≈57.3%, profit≈1752.6, Sharpe≈1.534, max_dd≈57.7%

代码/开关:

• ExtremeKFilter 默认宽松：实体≥0.65、波动≥1%、跨≥2 EMA。
• 高波动动态降损默认开启（振幅>5% 时 max_loss_percent 临时降至 0.045，可用 DYNAMIC_MAX_LOSS=0 关闭）。
• 其他保持基线：stop_loss 关，max_loss_percent=0.05。

历史配置

• 第一性原理v1（5001）：win_rate≈55.1%, profit≈+99.68, Sharpe≈0.264, max_dd≈65.4%
• 组合E：win_rate≈54.7%, profit≈+52.77, Sharpe≈0.14, max_dd≈73.5%

信号参数（value JSON）

{
  "period": "4H",
  "min_k_line_num": 3600,
  "ema_signal": {
    "ema1_length": 12, "ema2_length": 144, "ema3_length": 169,
    "ema4_length": 576, "ema5_length": 676, "ema6_length": 2304, "ema7_length": 2704,
    "ema_breakthrough_threshold": 0.0032,
    "is_open": true
  },
  "volume_signal": {
    "volume_bar_num": 4, "volume_increase_ratio": 2.5, "volume_decrease_ratio": 2.5, "is_open": true
  },
  "ema_touch_trend_signal": {
    "ema1_with_ema2_ratio": 1.01, "ema2_with_ema3_ratio": 1.012,
    "ema3_with_ema4_ratio": 1.006, "ema4_with_ema5_ratio": 1.006, "ema5_with_ema7_ratio": 1.022,
    "price_with_ema_high_ratio": 1.0022,
    "price_with_ema_low_ratio": 0.9982,
    "is_open": true
  },
  "rsi_signal": { "rsi_length": 16, "rsi_oversold": 18.0, "rsi_overbought": 78.0, "is_open": true },
  "bolling_signal": { "period": 12, "multiplier": 2.0, "is_open": true, "consecutive_touch_times": 4 },
  "kline_hammer_signal": { "up_shadow_ratio": 0.6, "down_shadow_ratio": 0.6 },
  "signal_weights": {
    "weights": [
      ["SimpleBreakEma2through", 0.5], ["VolumeTrend", 0.4], ["EmaTrend", 0.35],
      ["Rsi", 0.6], ["Bolling", 0.55]
    ],
    "min_total_weight": 2.0
  }
}

风控参数（risk_config JSON）

{
  "max_loss_percent": 0.06
}

---

近期优化记录（2026-01-07）

MarketStructure 结论

• 结构信号在多轮回测中 avg_profit 为负，默认改为 权重=0（仅采集） 且 enable_swing_signal=false。
• 配置已支持渐进启用：swing_threshold / internal_threshold + enable_swing_signal / enable_internal_signal。

LegDetection 结论

• win_rate+profit 作为判优：back_test_id=5552（size=7, weight=0.6）胜率 0.563、profit 1231.08。
• Sharpe/回撤优先：back_test_id=5561（size=7, weight=0.9）Sharpe 1.330、max_dd 0.489、profit 1335.56。
• 当前 strategy_config id=11 已指向 5561（Sharpe/回撤优先方案）。
• 细粒度扫描（size=6/8, weight=0.4/0.8）未超过 5552；size=7 weight=0.5/0.7 与 5552 相同。

---

🧪 第一性原理模块开发指南

模块开发原则

| 原则 | 说明 | |------|------| | 数据采集优先 | 新模块先作为数据采集（权重=0），验证有效后再调整权重 | | 禁止信号覆盖 | 新信号不应直接覆盖原有权重系统的判断结果 | | 过滤器谨慎启用 | 过滤器容易过滤掉有效信号，需精细调参后启用 | | 增量验证 | 每次只改动一个模块，对比回测结果 |

新模块集成流程

1. 创建模块文件 → 2. 添加到mod.rs → 3. 集成到strategy.rs
   ↓                                      ↓
4. 权重设为0运行回测 → 5. 对比基线 → 6. 调整权重/启用过滤

已实现模块状态

| 模块 | 文件 | 状态 | 权重 | 说明 | |------|------|------|------|------| | 假突破检测 | fake_breakout.rs | ✅ | 0.0 | 检测假突破，仅数据采集 | | EMA距离过滤 | ema_filter.rs | ⏸️ | - | 过滤逻辑禁用，需调参 | | R系统止损 | r_system.rs | ⏸️ | - | 待集成到风控流程 |

待实现模块（第一性原理）

| 模块 | 优先级 | 说明 | |------|--------|------| | 分批止盈 | P1 | 40%/30%/30%分阶段止盈 | | 时间止损 | P1 | 12/24/48 K线无盈利平仓 | | 震荡市识别 | P2 | ADX<25识别震荡，调整参数 | | 多周期共振 | P3 | 日线方向+4H入场区域+1H精确入场 |

---

调参经验总结

⚠️ 禁用的风控参数（已验证有害）

以下三个风控开关会导致频繁提前止损，严重损害收益：

• is_used_signal_k_line_stop_loss: false
• is_one_k_line_diff_stop_loss: false
• is_move_stop_open_price_when_touch_price: false

原因：出场优化导致过早止损，在趋势策略中反而降低盈亏比。

⚠️ 禁用的新模块逻辑（已验证有害）

以下逻辑会破坏原有信号平衡：

• 假突破直接开仓（覆盖权重系统）→ profit: -40
• EMA距离过滤（阈值过严）→ 过滤有效信号
• 成交量递减过滤（阈值过严）→ 过滤有效信号

✅ 有效的新模块用法

• 假突破检测 + 权重=0 → profit: +99.68（+89%）

✅ 高影响因子（微调三因子）

| 参数 | 最佳值 | 调整方向 | |------|--------|----------| | ema_breakthrough_threshold | 0.0032 | ↑ 更严格，↓ 更宽松 | | price_with_ema_high_ratio | 1.0022 | ↑ 更严格，↓ 更宽松 | | price_with_ema_low_ratio | 0.9982 | ↓ 更严格，↑ 更宽松 | | min_total_weight | 2.0 | ↑ 更严格，↓ 更宽松 |

⚡ 低影响因子

• signal_weights 中各信号权重：调整幅度0.1~0.3对结果影响不大
• min_total_weight 在 2.0~2.2 范围内结果相同
• RSI/Volume 参数：在合理范围内微调影响较小

---

JSON 配置坑

实盘一致性开关（services 层）

• LIVE_ATTACH_TP=1：下单时附带止盈（默认不附带）
• LIVE_CLOSE_OPPOSITE_POSITION=1：反向持仓先平仓再开仓
• LIVE_SKIP_IF_SAME_SIDE_POSITION=1：已有同向持仓则跳过开新仓

必须包含的字段

• kline_hammer_signal：必须存在，否则解析失败

SignalType 枚举正确值

SimpleBreakEma2through, VolumeTrend, EmaTrend, Rsi, TrendStrength,
EmaDivergence, PriceLevel, Bolling, Engulfing, KlineHammer,
LegDetection, MarketStructure, FairValueGap, EqualHighLow, PremiumDiscount,
FakeBreakout  # 新增

❌ 错误：SimpleBreakEma2（缺少 through）

BasicRiskStrategyConfig 字段名

max_loss_percent: f64,
is_used_signal_k_line_stop_loss: Option<bool>,  // 信号K线止损
is_one_k_line_diff_stop_loss: Option<bool>,     // 1R止损
is_move_stop_open_price_when_touch_price: Option<bool>,  // 保本触发
atr_take_profit_ratio: Option<f64>,
fixed_signal_kline_take_profit_ratio: Option<f64>,
is_counter_trend_pullback_take_profit: Option<bool>,

---

🧪 OKX 模拟盘下单联调（E2E 流程）

运行方式（默认 ignore，需要显式开启）

cd /Users/mac2/onions/rust_quant
RUN_OKX_SIMULATED_E2E=1 OKX_REQUEST_EXPIRATION_MS=300000 \
  cargo test -p rust-quant-services --test okx_simulated_order_flow -- --ignored --nocapture

需要的环境变量（模拟盘 APIKey）

• OKX_SIMULATED_API_KEY
• OKX_SIMULATED_API_SECRET
• OKX_SIMULATED_PASSPHRASE

可调参数

• OKX_TEST_INST_ID（默认 ETH-USDT-SWAP）
• OKX_TEST_SIDE（默认 buy，可选 sell）
• OKX_TEST_ORDER_SIZE（默认 1）
• OKX_TEST_TP_PCT / OKX_TEST_SL_PCT（默认 0.10，测试用远离触发价，避免立即成交）

---

迭代标准

目标

• win_rate >= 0.55 且 profit > 0
• 优先更高 profit/Sharpe，兼顾回撤

判优/回退

• 记录最佳 back_test_log id 与对应 value/risk_config
• 若一次迭代胜率下降或盈利恶化，回退上一最佳参数
• 保持 JSON 合法（使用 JSON_OBJECT 避免转义问题）
• 可选 Sharpe/回撤优先：按 Sharpe ↓ → MaxDD ↑ → Profit ↓ 排序，win_rate 作为参考

性能基准

| 配置 | win_rate | profit | 备注 | |------|----------|--------|------| | 原始基线 | ~52% | +5.5 | 起点 | | 组合E | 54.7% | +52.77 | 旧最优 | | 第一性原理v1 | 55.1% | +99.68 | 当前最优 | | 出场优化 | ~34% | -85 | 有害，禁用 |

---

分析工具

• scripts/vegas-backtest-analysis/scripts/analyze_backtest_detail.py：输出 Top indicators + anomalies
• scripts/vegas-backtest-analysis/scripts/visualize_backtest_detail.py：生成 dist/vegas_backtest_detail_<id>.png，包含 Summary/Indicator detail/Anomalies 面板

---

自动化脚本模板（Python）

用于批量扫描参数并自动回写最优配置（示意脚本，可按需裁剪）

import json
import os
import re
import subprocess
import pymysql

DB_HOST = "localhost"
DB_PORT = 33306
DB_USER = "root"
DB_PASS = "example"
DB_NAME = "test"

SIZES = [6, 7, 8]
WEIGHTS = [0.5, 0.7, 0.9]
BASELINE_ID = 5552

def db_conn():
    return pymysql.connect(
        host=DB_HOST,
        port=DB_PORT,
        user=DB_USER,
        password=DB_PASS,
        database=DB_NAME,
        charset="utf8mb4",
        cursorclass=pymysql.cursors.DictCursor,
    )

def fetch_log(log_id):
    with db_conn() as conn:
        with conn.cursor() as cursor:
            cursor.execute(
                "SELECT id, win_rate, profit, final_fund, sharpe_ratio, max_drawdown "
                "FROM back_test_log WHERE id=%s",
                (log_id,),
            )
            return cursor.fetchone()

def update_config(size, weight):
    with db_conn() as conn:
        with conn.cursor() as cursor:
            cursor.execute("SELECT value FROM strategy_config WHERE id=11 FOR UPDATE")
            data = json.loads(cursor.fetchone()["value"])

            ms = data.get("market_structure_signal") or {}
            ms["enable_swing_signal"] = False
            ms.setdefault("enable_internal_signal", True)
            ms.setdefault("swing_threshold", 0.015)
            ms.setdefault("internal_threshold", 0.015)
            ms.setdefault("is_open", True)
            data["market_structure_signal"] = ms

            leg = data.get("leg_detection_signal") or {}
            leg["size"] = size
            leg["is_open"] = True
            data["leg_detection_signal"] = leg

            weights = data.get("signal_weights") or {}
            weight_list = weights.get("weights") or []
            updated = []
            found_leg = False
            found_ms = False
            for name, w in weight_list:
                if name == "LegDetection":
                    updated.append([name, weight])
                    found_leg = True
                elif name == "MarketStructure":
                    updated.append([name, 0.0])
                    found_ms = True
                else:
                    updated.append([name, w])
            if not found_leg:
                updated.append(["LegDetection", weight])
            if not found_ms:
                updated.append(["MarketStructure", 0.0])
            weights["weights"] = updated
            data["signal_weights"] = weights

            cursor.execute(
                "UPDATE strategy_config SET value=%s WHERE id=11",
                (json.dumps(data, separators=(",", ":")),),
            )
            conn.commit()

def run_backtest():
    env = os.environ.copy()
    env["TIGHTEN_VEGAS_RISK"] = "0"
    env["DB_HOST"] = "mysql://root:example@localhost:33306/test?ssl-mode=DISABLED"
    env["CARGO_TERM_COLOR"] = "never"

    proc = subprocess.Popen(
        ["./target/release/rust_quant"],
        stdout=subprocess.PIPE,
        stderr=subprocess.STDOUT,
        text=True,
        bufsize=1,
        env=env,
        cwd="/Users/mac2/onions/rust_quant",
    )

    backtest_id = None
    for line in proc.stdout:
        if "回测日志保存成功" in line:
            match = re.search(r"back_test_id=(\\d+)", line)
            if match:
                backtest_id = int(match.group(1))
        if "全部回测执行成功" in line:
            break

    proc.terminate()
    try:
        proc.wait(timeout=10)
    except subprocess.TimeoutExpired:
        proc.kill()

    return backtest_id

baseline = fetch_log(BASELINE_ID)
best = baseline

for size in SIZES:
    for weight in WEIGHTS:
        update_config(size, weight)
        backtest_id = run_backtest()
        row = fetch_log(backtest_id)
        # 可自定义判优逻辑
        if row and row["profit"] > best["profit"]:
            best = row

print("Best:", best)

---

常用 SQL 查询例子

1) 查最新回测

SELECT id, win_rate, profit, final_fund, sharpe_ratio, max_drawdown, created_at
FROM back_test_log
WHERE strategy_type='Vegas'
ORDER BY id DESC
LIMIT 1;

2) 查最佳（Sharpe ↓ → MaxDD ↑ → Profit ↓）

SELECT id, win_rate, profit, final_fund, sharpe_ratio, max_drawdown, created_at
FROM back_test_log
WHERE strategy_type='Vegas' AND inst_type='ETH-USDT-SWAP' AND time='4H' AND profit > 0
ORDER BY sharpe_ratio DESC, max_drawdown ASC, profit DESC
LIMIT 5;

3) 查最近 N 条并对比指标

SELECT id, win_rate, profit, final_fund, sharpe_ratio, max_drawdown, created_at
FROM back_test_log
WHERE strategy_type='Vegas' AND inst_type='ETH-USDT-SWAP' AND time='4H'
ORDER BY id DESC
LIMIT 20;

4) 查某回测的明细统计

SELECT option_type, COUNT(*) AS cnt, SUM(CAST(profit_loss AS DECIMAL(16,4))) AS total_profit
FROM back_test_detail
WHERE back_test_id = 5552
GROUP BY option_type;

---

迭代日志

详细迭代记录见：docs/VEGAS_ITERATION_LOG.md

快速现状（2026-01-07）

• 基线（5576）：stop_loss 关，max_loss_percent=0.05，win_rate≈56.6%，profit≈1556.7，Sharpe≈1.44，dd≈52.6%。
• Sharpe优先（5570）：stop_loss 开，max_loss_percent=0.05，Sharpe≈1.63 但胜率≈45.8%（低于50%）。
• 0.055 止损或高波动硬过滤（5575/5577/5579）未超越基线；已回滚基线配置。

待验证方向（尚未实装）

1. 高波动自适应止损：布林宽/ATR 高时暂降 max_loss_percent 到 ~0.045，其余保持 0.05。
2. 连续亏损冷却：同向连续多次“最大亏损止损”后减仓或冷却，防连踩。
3. 温和长周期确认：要求日线 EMA 斜率与 4H 同向才放行（比全局硬过滤更宽松）。
4. 分层出场：1R/1.5R 先减半仓，余仓用反向信号平仓，兼顾胜率与尾部。
5. 极端波动过滤：极端K（>5%-8%涨跌）后一根内拒绝入场，降低爆量止损。

---

注意事项

• 环境变量默认从 .env 加载，但 DB_HOST 在命令行覆盖为本地 MySQL 容器
• TIGHTEN_VEGAS_RISK=0 禁用代码层强制风控收紧（推荐）
• 邮件发送可能报 warning，可忽略
• 频繁迭代时仅改 DB 配置，不改代码，可避免重编译
• MySQL 若使用 caching_sha2_password，PyMySQL 需安装 cryptography（可用 env -u all_proxy -u ALL_PROXY -u no_proxy -u NO_PROXY ./.venv/bin/python -m pip install cryptography）
• 使用 JSON_OBJECT() 函数构建 JSON 可避免引号转义问题
• 新模块开发：先设权重=0验证，再调整权重