4. 策略如何聲明與使用數據
4.1. 1. 策略层在整体中的位置
策略層負責兩件事：聲明“需要什麼數據”（以及多長窗口、是否使用最新週期），以及在 realize() 中“用數據算信號”。數據不由策略主動拉取，而是由運行層根據聲明在每一步準備好並注入，策略僅通過 get_data(dtype_id) 按 id 獲取。這樣回測與實盤使用完全相同的數據視圖與調用方式。
4.2. 2. 策略如何声明需要的数据
在策略類初始化（__init__）時，通過以下屬性聲明對數據的需求：
data_types：一個或多個 DataType 對象（或列表/字典）。每個 DataType 對應一種“可引用的資訊”，並對應唯一的 dtype_id（如
close_E_d）。window_length：歷史數據窗口長度（如 20 表示最近 20 個週期）。可爲標量（作用於所有聲明的數據類型）或按 dtype 分別指定。
use_latest_data_cycle：是否只使用“最新一個週期”的數據（如僅用最新截面做選股），可按 dtype 分別設置。
聲明後，引擎會知道該策略需要哪些 dtype_id、多長窗口，從而在運行前準備相應的數據窗口並在每一步更新注入。
4.3. 3. 运行时数据如何到达策略
準備階段：根據回測區間（或實盤當前時刻）、策略的 data_types 與 window_length，引擎從 DataSource 取出對應區間內的數據，並按時間步預先或按需切出每個時間步的“數據窗口”。
每步運行前：對於當前要運行的 Group 內的每個策略，引擎調用 update_running_data_window，把當前步對應的數據窗口寫入該策略的內部狀態（按 dtype_id 索引）。
realize() 內：策略通過 get_data(dtype_id) 按 id 取出已注入的窗口數據（numpy 數組），用於計算信號。無需傳參，也無需關心數據來自哪張表。
因此，數據流是“聲明 → 引擎按步注入 → get_data 引用”，策略代碼不包含任何“讀表”或“拉取”邏輯。
4.4. 4. 数据窗口的含义
時間維度：window_length 表示“回溯多少個週期”。例如日頻、window_length=20 表示最近 20 個交易日的數據；數組形狀通常爲 (n_periods,) 或 (n_assets, n_periods)，最後一維爲時間，最後一列爲最近一期。
多資產時的形狀：不同策略基類對數據的組織方式略有差異：
RuleIterator：通常按資產迭代，每次 realize() 看到的是單資產的時間序列或截面。
FactorSorter：多資產截面（如每隻股票一個因子值），用於排序選股。
GeneralStg：多資產、多 dtype 的窗口，返回與資產數相同長度的信號數組。
具體形狀以 API 與策略基類文檔爲準；本系列強調“窗口由引擎按聲明準備、策略用 get_data 按 id 取用”。
4.5. 5. 过程数据（proc.*）
除上述“聲明 → 引擎注入”的靜態歷史數據外，qteasy 支持過程數據：依賴回測/實盤執行路徑的狀態（如當前持倉、現金、歷史成交記錄等）。過程數據無需在 data_types 中聲明，由 Backtester（回測）或 Trader（實盤）在運行時維護並注入。
訪問方式：在
realize()中通過self.get_data('proc.own_cash')、self.get_data('proc.trade_records', lag=0)等形式按需獲取；支持lag（步或時間如'1d'）與window（如'5d'）參數。約束：一次調用僅允許一個
proc.*字段，且不得與靜態數據混合調用；使用過程數據的策略將自動走動態回測路徑（逐步生成信號、逐步成交）。
4.6. 6. 参考数据（若有）
除策略聲明的 data_types 外，qteasy 支持“參考數據”（如某隻指數的收盤價，用於計算市場收益等）。參考數據與主數據的區別在於：通常與資產池無一一對應關係，在策略中也可通過相應的 dtype_id 或專用接口獲取。具體配置與引用方式見當前版本文檔與 API。
4.7. 7. 小结
“聲明 → 引擎注入 → get_data 引用”保證了：
回測與實盤使用同一套數據視圖與訪問方式；
策略無法越權訪問未聲明或未來的數據，從機制上避免未來函數；
接口統一、易於維護與擴展。
“聲明 → 引擎注入 → get_data 引用”同樣適用於過程數據，只是過程數據不需聲明、由運行層按步注入，且僅在使用時觸發動態回測路徑。更多用法見《使用教程》與《API 參考》。