Lucrum 量化闭环

Lucrum 策略完整流

目标：把"双均线 + RSI 过滤"这个思路，从自然语言描述一路走到策略市场上架。

5 步描述到上架

S/A/B/C/D五级评分

vnpy生成代码栈

架构

从自然语言到上架，评分是分流闸门：评分 ≥ A 直接上架，低于 A 走 AI 优化再回测。

Lucrum 策略闭环

graph TB
  NL[自然语言] --> GEN[AI 策略生成]
  GEN --> CODE[vnpy 代码]
  CODE --> BT[历史数据回测]
  BT --> SCORE{评分}
  SCORE -->|未达 A| OPT[AI 优化建议]
  OPT --> BT
  SCORE -->|达 A 级| MKT[策略市场上架]

完整流程

1. 自然语言描述 — 进入 lucrum.lurus.cn → 新建策略 → 粘贴描述：

   双均线交叉策略，5 日线上穿 20 日线时买入，下穿时卖出。加 RSI(14) 过滤，RSI > 70 时不买入。止损 5%，止盈 15%。

2. AI 生成 vnpy 代码

   from vnpy.app.cta_strategy import CtaTemplate
   import talib
   
   class MA_RSI_Strategy(CtaTemplate):
       fast_window = 5
       slow_window = 20
       rsi_window = 14
       rsi_upper = 70
       stop_loss_pct = 0.05
       take_profit_pct = 0.15
   
       def on_bar(self, bar):
           self.am.update_bar(bar)
           if not self.am.inited:
               return
           fast_ma = talib.SMA(self.am.close_array, self.fast_window)[-1]
           slow_ma = talib.SMA(self.am.close_array, self.slow_window)[-1]
           rsi = talib.RSI(self.am.close_array, self.rsi_window)[-1]
   
           if self.pos == 0 and fast_ma > slow_ma and rsi < self.rsi_upper:
               self.buy(bar.close_price, 1)
           elif self.pos > 0 and (fast_ma < slow_ma):
               self.sell(bar.close_price, self.pos)

3. 回测 — 选择回测区间（默认近 2 年），点击运行：

   回测期间: 2024-01-01 ~ 2025-12-31
   夏普比率: 1.15
   最大回撤: 11.3%
   胜率: 56%
   年化收益: 18.4%
   评级: B (收益良好，风控合格)

4. AI 优化 — Lucrum 给出改进建议：

   当前 RSI 过滤阈值（70）较松，回测中有 8 次假突破。建议：

   1. RSI 阈值收紧到 65
   2. 加入 5 日成交量均线过滤
   3. 止损从 5% 放宽到 7%（避免噪音洗出）

   预计夏普 → 1.42，回撤 → 9.2%

   接受建议，重新回测：

   夏普比率: 1.44
   最大回撤: 9.1%
   胜率: 62%
   评级: A (收益优秀，风控良好)

5. 策略市场上架 — 进入策略详情 → 上架按钮 → 填写定价：

   字段	示例
   策略名	MA_RSI_A股趋势 v2
   分成比例	作者 70% / 平台 30%
   试用期	7 天
   推荐订阅价	99 鹿贝/月

   通过合规审核后即可在策略市场上架。

B → A 的提升来自优化回合

首轮回测评级 B（夏普 1.15）。接受 AI 优化建议后重新回测，夏普升到 1.44、回撤降到 9.1%，达到 A 级——再进上架闸门。

关键概念

夏普比率Sharpe Ratio夏普比率，每承受一单位风险获得的超额收益。> 1.0 优秀，> 2.0 杰出。夏普比率 (Sharpe Ratio)

每单位风险的超额收益。

最大回撤Max Drawdown最大回撤，从历史最高点到最低谷的最大跌幅百分比。< 20% 可接受，< 10% 优秀。最大回撤 (Max Drawdown)

历史最高点到最低谷的跌幅。

CtaTemplateCtaTemplatevnpy 的策略模板基类，定义标准的 on_bar / on_tick / on_trade 等生命周期钩子。

vnpy 的策略基类。

下一步

下一步

了解 Lucrum策略市场FAQ