这个开源交易框架，到底替你做了什么、又坚决不做什么

你在某个技术论坛上看到有人提这个项目，几万颗星，Python 写的，标题里带「trading bot」。你点进去，README 第一屏是一张终端截图和一排交易所的名字，往下翻是一长串打了勾的功能清单。你心里冒出来的问题大概是这两个之一：

「所以我把它装上，就有一套能自动赚钱的系统了？」

或者，如果你是这个站的常客，更可能是这个：「它能拿来跑 A 股吗？」

这两个问题的答案都是「不能」，但「不能」的理由完全不一样，而这两个理由恰好构成了这一篇要讲的全部内容。这篇不教安装、不教配置——那是官方文档的活，而且写得比我详细。这篇要做的是把一个真实存在的开源交易框架，当成一件概念的实物标本摊开看：它把交易这件事里的哪一块做成了工程，哪一块坚决留白，以及它是为哪个市场长出来的——这最后一点决定了你能从它身上搬走什么、什么必须原地留下。

顺带说一句边界：它每一轮循环具体在忙什么，已经拆在 交易机器人开机之后，它一整天到底在忙什么 里了，这篇不重复。

你拿到的是一间厨房，不是一份菜谱

先讲个不带任何术语的场景。

假设你想开一家小餐馆。开张前你要准备的东西，粗看是一堆：灶台、抽油烟机、冰柜、备料台、洗碗池、点单系统、收银机、进货的渠道、一本记每天卖了多少钱的账，还有一套流程——谁负责叫号，谁负责传菜，剩菜怎么处理，收摊时怎么盘点。

这些东西加起来占了开店工作量的绝大部分。但它们里面没有一样能决定你这家店好不好吃。

决定好不好吃的是菜谱，是你对火候和配比的判断。 而菜谱恰恰是上面那堆东西里唯一没有的。

一个开源交易框架就是那间厨房。它把「规则化交易」这件事里所有跟你的判断无关、但不做就没法开张的部分做成了标准件：怎么把行情数据拉下来存好，怎么按固定节奏醒过来看一眼，怎么把一个「该买了」的判断变成一张真的发到交易所去的委托单，怎么记住你现在手上有几笔仓位、每笔的成本是多少（它用一个本地的小型数据库存这些账），怎么在你没盯着的时候把成交通知推到你手机上，怎么在下真金白银之前先用模拟资金空跑一遍。

这些活儿，每一样单独看都不难，加起来能耗掉一个人几个月。框架的价值就在这里：它让你不必为了验证一个想法，先花三个月造一间厨房。

但它同时也划下了一条特别清楚的线。

它坚决不做的三件事

这条线不是我总结的，是项目自己在文档最显眼的位置用红框标出来的。README 和文档首页都放了同一段免责声明，大意是：本软件仅供教育用途，不要拿你输不起的钱冒险，风险自负，作者对你的交易结果不承担任何责任；并且强烈建议你先用模拟模式跑，在你真正搞懂它怎么工作、该预期什么样的盈亏之前，别投入真钱。

一个几万星的项目，把这段话放在功能清单前面，这个位置本身就是信息。

第一，它不提供策略。 框架里带的示例策略，官方的措辞是「用来给你灵感的」。这不是谦虚，是准确描述。一套公开的、所有人都能拿到的入场出场规则，如果真的稳定有效，它有效的那部分会随着使用人数增加而迅速消失。框架作者把这块留白，不是偷懒，是他们清楚这块根本没法替你填。

第二，它不保证盈利，也不承诺任何收益。 这句听起来像法务话术，但它有很实在的技术含义：框架能保证的是「按你写的规则执行」，不是「你写的规则是对的」。它会一丝不苟地把一个亏钱的规则执行到底，执行得又快又准，日志清清楚楚——然后你的账户余额一路向下。执行力和正确性是两件互不相干的事，框架只负责前者。

第三，它不替你判断市场。 框架里没有任何一处代码在「看多」或「看空」。它读到的是你写的那个函数返回的真假值，至于这个真假值是怎么算出来的、背后那套逻辑站不站得住，框架既不知道也不关心。它甚至提供了机器学习模块，但那个模块也只是替你把预测这件事工程化，具体预测什么、用什么特征、模型说的话该信几分，还是你的事。

顺便还有一串「它也不是」的东西，容易被忽略但值得说清：它不是券商也不是交易所，钱和单子都在别人那里，它只是个下指令的客户端；它不是数据服务商，历史行情是它替你从交易所接口下载下来的，质量好坏跟它无关；它不管你的税务，不管你的资产配置，不判断你该拿多少钱来做这件事。这些空白处，站在这个框架的角度都是合理的分工；站在你的角度，是你必须自己补的洞。

一张必填清单，透露了框架认为「什么才是必须先想清楚的」

有个地方特别能说明这个框架的价值观：它的配置校验里有一张必填项清单，少一项就不让启动。

我把这张清单翻译成人话，你会发现它问的是这么一串问题：

• 你要在哪家交易所交易
• 你按多长的时间周期做判断（也就是一根 K 线代表多久）
• 你最多同时持有几笔仓位
• 你用哪种货币计价、每笔投多少钱
• 你账户里有多大比例的钱允许被这套系统动用
• 你要不要先用模拟资金空跑、模拟钱包给多少
• 买入和卖出分别按什么价格逻辑挂单
• 你的止损设在哪
• 你的分级止盈目标是什么
• 候选品种池怎么定

现在看这张清单里没有什么：没有一项在问「你打算买什么、根据什么信号买」。 那个东西不在必填配置里，它是一个单独指定的策略类；不指定，程序会直接告诉你「没有设置策略」然后停下。

这张清单是这个框架最诚实的自我介绍：它把资金、仓位上限、止损、止盈、计价单位、执行节奏当成开机前必答题，把「怎么判断行情」整个留给你。 换句话说，它认定风控和账务是工程问题，可以标准化；而判断是你的问题，标准化不了。

这个顺序本身就是一条经验：先定清楚钱和风险的边界，再谈信号。只不过这次是一个真实项目用「不填就不启动」的方式，把这条经验硬性化成了程序的启动条件。你在自己动手搭系统时，可以直接把这张清单抄过去当检查表——它不依赖任何具体框架。

它是为哪个市场长出来的

这个框架有个不能省略的定语：加密货币。它支持的是加密资产的现货（一手交钱一手交货，买了就是你的）和合约（约定未来买卖、通常带杠杆、可以做空）。

这个定语不只是「交易标的不同」，它渗进了整个设计。有几处特别典型：

交易对，而不是股票代码。 它内部把一个品种拆成「基础货币 / 计价货币」两半——你买的是什么，用什么计价。这个结构在加密市场是天然的，同一个东西可以用好几种计价方式交易。A 股没有这个概念，一个代码就是一个代码，计价永远是人民币。

不休市。 加密市场一天二十四小时、一周七天连着转，K 线是一条不间断的链子。这意味着「上一根 K 线的收盘价」和「这一根 K 线的开盘价」几乎贴在一起，中间没有缝。框架里大量逻辑——比如「出场信号在下一根 K 线开盘价成交」这个回测假设——是建立在这条链子连续的前提上的。

可以做空。 策略类里有一个明确的开关，标明这套策略能不能做空；开关打开且在合约模式下，卖出信号可以是开一个反向仓位，而不只是平掉已有的多头。

份额可以细分。 加密资产可以买 0.037 个，所以「每笔投固定金额」这件事总能精确执行。

品种池是流动的。 框架支持按成交额自动筛出一批当下最活跃的品种作为候选池，还能拉黑名单。它默认你面对的是一个品种数量多、活跃度轮换快的市场。

这些设计单独看都很合理。问题在于，它们全都是假设，而假设是会在换了市场之后失效的。

A 股读者请特别看这一节：哪些假设直接不成立

如果你打算把这套东西的思路搬到 A 股，下面这几条是结构性冲突，不是调个参数能解决的。我按「冲突有多难绕过」大致排了个序。

T+1。 A 股当天买入的股票，当天不能卖出，得等到下一个交易日。这一条杀伤力最大，因为它直接破坏了执行循环里「每一轮都重新评估所有持仓要不要离场」这个核心动作。框架的循环里没有「这笔仓位今天不可动」这个状态——它压根不需要有。你要移植，就得在持仓对象上加一个「可卖日期」，并且让所有出场判断先过这一关。更麻烦的是回测：如果你的回测引擎没模拟这条，它会在你实际上动不了的那一天替你止损成功，然后给你一条比真实情况漂亮得多的曲线。这是一种很隐蔽的前视偏差，机制见 前视偏差。

涨跌停。 A 股每个交易日对涨跌幅有上限，碰到上限就是俗称的「封板」。封板时盘口经常是有价无量——价格明明就在那儿，但你的单子排在后面，根本成交不了。而这个框架的回测假设写得清清楚楚：只要请求价落在这根 K 线的最高价和最低价之间，就认为按请求价全额成交，不计滑点。 在一个没有涨跌停的市场里，这个假设是「乐观但可接受」；在 A 股，它会让你的回测在最该止损的那些天全部止损成功——而现实中那些天恰恰是你想跑跑不掉的日子。撮合假设为什么是回测里最容易骗人的一环，成交与撮合假设 里有系统的推导。

做空。 A 股普通账户不能裸卖空，融券要有券源、有额度、有成本，而且券源在你最想做空的时候往往最紧张。那个「能不能做空」的开关，在 A 股语境下不是打开就能用的。

停牌。 加密市场的品种不会停牌，K 线是连续的，框架在数据处理时甚至会把缺失的 K 线自动补齐——这个行为在连续市场是合理的容错。A 股会停牌，短则一天，长则数月，停牌期间你的仓位动不了：风险敞口锁死，止损形同虚设。如果你的数据处理把停牌期直接前值填充了，回测里这段时间就变成了一条平稳的横线，看起来毫无风险。停牌、复权、退市这几个坑各自会在结果里留下什么痕迹，行情数据里那些会让你回测结果全错的坑 已经逐个拆过。

交易时段与隔夜跳空。 A 股每天只开几个小时，早上有集合竞价（开盘前集中撮合出一个开盘价），收盘后到第二天开盘之间发生的所有事情，全部压缩进一个跳空缺口里。「日内止损」这件事在隔夜跳空面前是失效的——你设的止损价可能被直接跳过，第二天开盘就在下面。连续市场里这种情况少得多。

最小交易单位。 A 股买入以「一手」为单位，是一个固定的整股数量，不能买零点几股。这件事对小资金的影响比想象中大：它让「每笔投入固定金额」变成近似值，也让「同时持有十个品种」这种分散要求在资金不够时物理上做不到。而框架的仓位分配逻辑默认份额可以任意细分。

成本结构不同。 加密交易所的费用通常是按成交额比例双边收取，框架的成本模型也是这么建的。A 股这边除了双边佣金，卖出还有单边征收的印花税，另外佣金常有一个最低收取门槛——这个门槛对小额委托是极不成比例的负担，笔数一多能把策略的理论收益整个吃掉。费用结构的差异怎么算进回测，见 手续费与印花税。

品种池规则。 按成交额自动轮换候选池这个做法，在 A 股要面对新股上市初期的特殊规则、风险警示股的特殊涨跌幅、退市整理期这些制度性的东西。这不是技术难度，是你必须显式写进筛选条件的一堆例外。

把上面这些摆在一起看，结论其实很清楚：这个框架的执行骨架可以借鉴，它的市场假设一条都不能直接搬。

那还值得读吗

值得，而且我建议你把它当成这一卷里最好的一件教具，理由有三个。

它是活的。 教科书里讲撮合假设，会说「回测需要对成交做假设」。这个框架的文档里直接列了一份完整的假设清单——入场按什么价、出场按什么价、多个信号在同一根 K 线上撞车了按什么顺序判定、止损和止盈谁先生效。这份清单不是理论，是一个跑了很多年、被很多人用真钱验证过的系统被迫做出的全部妥协。你想知道「一个诚实的回测引擎该向用户交代什么」，照着这份清单看一遍就懂了。

它是完整的。 大多数教学项目只做回测，做完就结束了。这个框架从数据下载一路做到实盘下单、异常重试、状态持久化、远程监控。回测到实盘之间要补哪些东西，在它身上是看得见摸得着的——那些在纯回测项目里根本不存在的模块，就是答案本身。

它诚实。 一个框架会专门造工具去检测某一类错误，说明这类错误在真实使用中足够常见、足够致命。这件事我放在 一个框架专门造工具来防的坑，说明它真的很常见 里单独讲。同样，它把参数优化和机器学习都做成了独立模块，也把这两件事各自的危险明明白白写进了文档——超参优化：一个天生和过拟合纠缠在一起的功能 和 机器学习长在一个真实交易系统里是什么样 分别接着说。

给你一个具体的读法建议：别照着快速开始那一页走。 那条路会把你引向「装好了、跑起来了、看着挺爽」，然后卡在真正重要的问题前面。换个读法——先读它的免责声明，再读它的必填配置清单，再读它的回测假设清单，最后才去读代码。这三份文档加起来不到几千字，但它们回答的是「这个系统凭什么认为自己的结果可信」，比任何一段代码都值钱。

还有一句必须说在前面：本文所有描述来自对某个时间点源码快照的阅读，不是我实际跑通了这个程序得出的结论。项目一直在演进，你手上那份的行为以你自己读到的文档和代码为准。

---

一句话总结：这东西给你的是一整套备好的厨房设备和一本严格的操作流程，菜谱得你自己写、自己负责好不好吃；而且这间厨房是照着一个不打烊、能赊账做空、食材能按克卖的市场设计的，搬到 A 股来，光是「今天买的明天才能卖」这一条，就得把好几面墙推倒重砌。