2. Kernkonzepte auf einen Blick

Dieses Kapitel organisiert die Kernkonzepte in qteasy in Tabellen und kurzen Notizen, sodass Sie sie beim Lesen nachfolgender Kapitel oder bei der Verwendung der API schnell nachschlagen können. Eine vollständigere Struktur und Beziehungen finden Sie unter [Gesamtarchitektur- und Designansatz] (00-overview.md).

2.1. 1. 概念表（名称 / 含义 / 在文档中的位置）

Konzepte	Bedeutung	Wo es in diese Serie passt
DataSource	Eine Abstraktion der lokalen Datenspeicherung, die historische Datentabellen in Dateien oder Datenbanken verwaltet und keine Daten proaktiv abruft.	Datenerfassung, Speicherung und Datentypen
Datentabelle	Tabellen im DataSource, die Markt-, Finanz-, Makro- und andere Daten in einer einheitlichen Struktur speichern.	Datenerfassung, Speicherung und Datentypen
DataType	Eine Typbeschreibung von „Informationen, auf die eine Strategie verweisen kann“, bestimmt durch Name, Häufigkeit, Asset-Typ usw.	[Datenabruf, Speicherung und Datentypen] (02-data-layer.md), [Wie Strategien Daten deklarieren und verwenden] (03-data-in-strategies.md)
htype	Name des historischen Datentyps (z. B. close, open), oft zusammen mit freq und asset_type verwendet, um eine Art von Daten zu identifizieren	Datenerfassung, Speicherung und Datentypen
dtype_id	Die eindeutige Kennung eines DataType in der Form „name_assettype_freq“ (z. B. „close_E_d“)	Siehe „Zusammensetzung und Beispiele von dtype_id“ unten.
Operator	Der Strategiecontainer und der Ausführungseinstiegspunkt; enthält eine Liste von Gruppen und die group_timing_table und stellt run(config) bereit.	Operator und Gruppe
Group	Eine Sammlung von Strategien mit derselben run_freq und run_timing, mit einem signal_type und einem Blender	Operator und Gruppe
Strategy	Die Basisklasse Strategy und ihre Unterklassen; deklariert data_types/window_length und Parameter und implementiert real()	Wie eine Strategie abläuft
run_freq	Die Ausführungshäufigkeit einer Strategie (Gruppe), z. B. „d“ für täglich, „m“ für monatlich.	Operator und Gruppe
run_timing	Wenn eine Strategie (Gruppe) innerhalb eines Zeitraums ausgeführt wird, z. B. „schließen“ beim Schließen, „öffnen“ beim Öffnen.	Operator und Gruppe
group_timing_table	Eine Zeitschritt-x-Gruppen-Tabelle, die markiert, welche Gruppen in jedem Zeitschritt ausgeführt werden.	Operator und Gruppe
blender	Wie Signale von mehreren Strategien innerhalb derselben Gruppe kombiniert werden (Ausdrucks- oder Standardregeln)	Operator und Gruppe
signal_type	Signaltypen: PT (Zielposition), PS (proportionaler Kauf/Verkauf), VS (Mengenkauf/-verkauf)	Unten: „Drei Signaltypen PT/PS/VS“
Parameter	Definition der durch die Strategie einstellbaren Parameter (Name, Typ, Wertebereich usw.)	Wie eine Strategie abläuft
data_types	Erforderliche Datentypen, die von der Strategie deklariert werden (DataType oder Liste)	Wie eine Strategie Daten deklariert und verwendet
window_length	Für die Strategie erforderliche Fensterlänge der historischen Daten (z. B. 20 Tage)	Wie eine Strategie Daten deklariert und verwendet
realize()	Einstiegspunkt der Strategielogik; benötigt keine Parameter; holt Daten über get_pars/get_data und gibt Signale zurück	Wie eine Strategie abläuft
get_data / get_pars	Rufen Sie in real() Daten nach dtype_id und einstellbare Parameter nach Parameternamen ab	Wie eine Strategie Daten deklariert und verwendet
Backtester	Backtest-Executor: steuert den Operator gemäß group_timing_table und simuliert Füllungen	Backtesting, Live-Handel und Optimierung
Optimizer	Optimierer: Durchsucht den Parameterraum und führt mehrmals Backtests durch, um die Zielfunktion zu aggregieren	Backtesting, Live-Handel und Optimierung
Trader	Live-Handelsmanagement: Löst den Operator nach Zeitplan aus und koordiniert den Broker	Backtesting, Live-Handel und Optimierung
Broker	Abstrakte Schnittstelle für Auftragsausführung und Ausführungsberichte	Backtesting, Live-Handel und Optimierung
config	Führen Sie die Konfiguration aus (Asset-Pool, Zeitbereich, Kosten, Kapitalplan usw.), geteilt durch Backtesting/Live-Handel/Optimierung	Backtesting, Live-Handel und Optimierung
qt.run	Einheitlicher Einstiegspunkt: qt.run(op, mode=…, **kwargs) → op.run(config, datasource, logger)	Backtesting, Live-Handel und Optimierung

2.2. 2. dtype_id 的构成与示例

dtype_id besteht aus drei miteinander verketteten Teilen: name_assettype_freq.

Name: Name des Datentyps (z. B. close, open, total_mv, pe).
Assettyp: Vermögenswerttyp, z. B. „E“ (Aktien), „IDX“ (Index), „ANY“ (beliebig).
freq: Datenhäufigkeit, z. B. „d“ (täglich), „w“ (wöchentlich), „m“ (monatlich), „q“ (vierteljährlich).

Beispiel:

dtype_id	Bedeutung
`close_E_d`	Täglicher Schlusskurs der Aktien
`close_IDX_d`	Täglicher Schlusskurs eines Index
`close_ANY_d`	Täglicher Schlusskurs eines beliebigen Vermögenswerts
`total_mv_E_q`	Vierteljährliche Gesamtmarktkapitalisierung der Aktien
`pe_E_d`	Tägliches Aktien-KGV (falls verfügbar)

Wenn die Strategie „get_data(dtype_id)“ aufruft, muss die verwendete ID mit der dtype_id übereinstimmen, die vom von der Strategie deklarierten DataType generiert wurde (normalerweise sichtbar über die Eigenschaft „data_type_ids“ der Strategie).

2.3. 3. 三种信号类型 PT/PS/VS 的语义对比表

Typ	Vollständiger Name	Bedeutung (ein Satz)	Beispiel
PT	Position Target	Zielpositionsverhältnis: Das Signal zeigt das gewünschte Long-/Short-Positionsverhältnis an, das erreicht werden soll.	0,5 zeigt eine angestrebte Long-Position von 50 % an.
PS	Proportion Signal	Proportionaler Handel: Das Signal gibt an, welcher Anteil des Kapitals oder der Anteile gekauft/verkauft werden soll.	0,5 bedeutet, dass 50 % des Kapitals zum Kauf verwendet oder 50 % der Position verkauft werden.
VS	Volume Signal	Mengenbasierter Handel: Das Signal gibt die Menge an, die gekauft/verkauft werden soll (Aktien oder Einheiten).	100 bedeutet den Kauf von 100 Aktien; -50 bedeutet den Verkauf von 50 Aktien.

Der gleiche numerische Wert wird als unterschiedliche Bestellabsichten unter unterschiedlichen signal_type interpretiert; Der Signaltyp einer Gruppe wird beim Hinzufügen der Strategie bestimmt, und Strategien innerhalb derselben Gruppe geben denselben Signaltyp aus, der dann vom Mixer gemischt wird.

2.4. 4. 三种策略基类的输入/输出对比表

Basisklasse	Typische Anwendungsfälle	Eingaben (get_data usw.)	Ausgaben (Rückgabewert der Realisierung)
RuleIterator	Market Timing, Iteration mit einer einzigen Regel	Einzel-Asset- oder Multi-Asset-Datenfenster (von dtype_id)	Skalarsignal (z. B. 1 / -1 / 0); Die gleiche Regel gilt für alle Vermögenswerte
FactorSorter	Faktorbasierte Aktienauswahl	Multi-Asset-Querschnittsdaten (z. B. Faktorwerte für mehrere Aktien)	1D-Faktor-Array (ein Wert pro Asset); Die Engine wählt Aktien nach Faktorranking und Filterregeln aus
GeneralStg	Allzweck-Multi-Asset-Strategie	Datenfenster mit mehreren Assets und mehreren Datentypen	1D-Signalarray (eine Zielposition oder ein Kauf-/Verkaufsverhältnis pro Vermögenswert)

Weitere Einzelheiten finden Sie unter [Wie die Strategie ausgeführt wird: Timing, Daten und Parameter] (05-strategy-lifecycle.md).