4. 策略如何声明与使用数据
4.1. 1. 策略层在整体中的位置
策略层负责两件事：声明“需要什么数据”（以及多长窗口、是否使用最新周期），以及在 realize() 中“用数据算信号”。数据不由策略主动拉取，而是由运行层根据声明在每一步准备好并注入，策略仅通过 get_data(dtype_id) 按 id 获取。这样回测与实盘使用完全相同的数据视图与调用方式。
4.2. 2. 策略如何声明需要的数据
在策略类初始化（__init__）时，通过以下属性声明对数据的需求：
data_types：一个或多个 DataType 对象（或列表/字典）。每个 DataType 对应一种“可引用的信息”，并对应唯一的 dtype_id（如
close_E_d）。window_length：历史数据窗口长度（如 20 表示最近 20 个周期）。可为标量（作用于所有声明的数据类型）或按 dtype 分别指定。
use_latest_data_cycle：是否只使用“最新一个周期”的数据（如仅用最新截面做选股），可按 dtype 分别设置。
声明后，引擎会知道该策略需要哪些 dtype_id、多长窗口，从而在运行前准备相应的数据窗口并在每一步更新注入。
4.3. 3. 运行时数据如何到达策略
准备阶段：根据回测区间（或实盘当前时刻）、策略的 data_types 与 window_length，引擎从 DataSource 取出对应区间内的数据，并按时间步预先或按需切出每个时间步的“数据窗口”。
每步运行前：对于当前要运行的 Group 内的每个策略，引擎调用 update_running_data_window，把当前步对应的数据窗口写入该策略的内部状态（按 dtype_id 索引）。
realize() 内：策略通过 get_data(dtype_id) 按 id 取出已注入的窗口数据（numpy 数组），用于计算信号。无需传参，也无需关心数据来自哪张表。
因此，数据流是“声明 → 引擎按步注入 → get_data 引用”，策略代码不包含任何“读表”或“拉取”逻辑。
4.4. 4. 数据窗口的含义
时间维度：window_length 表示“回溯多少个周期”。例如日频、window_length=20 表示最近 20 个交易日的数据；数组形状通常为 (n_periods,) 或 (n_assets, n_periods)，最后一维为时间，最后一列为最近一期。
多资产时的形状：不同策略基类对数据的组织方式略有差异：
RuleIterator：通常按资产迭代，每次 realize() 看到的是单资产的时间序列或截面。
FactorSorter：多资产截面（如每只股票一个因子值），用于排序选股。
GeneralStg：多资产、多 dtype 的窗口，返回与资产数相同长度的信号数组。
具体形状以 API 与策略基类文档为准；本系列强调“窗口由引擎按声明准备、策略用 get_data 按 id 取用”。
4.5. 5. 过程数据（proc.*）
除上述“声明 → 引擎注入”的静态历史数据外，qteasy 支持过程数据：依赖回测/实盘执行路径的状态（如当前持仓、现金、历史成交记录等）。过程数据无需在 data_types 中声明，由 Backtester（回测）或 Trader（实盘）在运行时维护并注入。
访问方式：在
realize()中通过self.get_data('proc.own_cash')、self.get_data('proc.trade_records', lag=0)等形式按需获取；支持lag（步或时间如'1d'）与window（如'5d'）参数。约束：一次调用仅允许一个
proc.*字段，且不得与静态数据混合调用；使用过程数据的策略将自动走动态回测路径（逐步生成信号、逐步成交）。
4.6. 6. 参考数据（若有）
除策略声明的 data_types 外，qteasy 支持“参考数据”（如某只指数的收盘价，用于计算市场收益等）。参考数据与主数据的区别在于：通常与资产池无一一对应关系，在策略中也可通过相应的 dtype_id 或专用接口获取。具体配置与引用方式见当前版本文档与 API。
4.7. 7. 小结
“声明 → 引擎注入 → get_data 引用”保证了：
回测与实盘使用同一套数据视图与访问方式；
策略无法越权访问未声明或未来的数据，从机制上避免未来函数；
接口统一、易于维护与扩展。
“声明 → 引擎注入 → get_data 引用”同样适用于过程数据，只是过程数据不需声明、由运行层按步注入，且仅在使用时触发动态回测路径。更多用法见《使用教程》与《API 参考》。