feat: 全面优化迭代所有文档 - 增加数据说明+计算公式+名词解释+内部链接

变更统计: - 70个文件变更 (39个新增 + 31个修改) - 新增 6554 行内容优化内容: 1. 30个核心文档增加附录(数据说明/计算公式/参数表/使用场景/常见误区) - 第一批: 量化基础/技术指标/策略/信号/品种/数据流/回测/风控/链上/EWO - 第二批: AI/案例复盘/多Agent/Hyperliquid/KOL/期权/RWA/券商/BTC/主流币 - 第三批: ETH/SOL/BNB_DOGE/XAUT/代币化美股/信号优化/tradehk系统 2. 新增38个名词解释wiki条目(Delta对冲/Gamma/Theta/Vega/IV/VaR/CVaR等) 3. 更新全局术语表索引(79个术语/12大类/知识图谱/学习路径) 4. 新增内部链接体系(wiki式交叉引用)
2026-03-06 05:09:34 -05:00
--- a/03_交易策略/主要量化策略详解.md
+++ b/03_交易策略/主要量化策略详解.md
@@ -217,3 +217,96 @@ tradehk 项目实现的大周期偏向判断机制，基于 4h/12h 周期的 EWO
 [^1]: Whaleportal. "Quantitative Crypto Trading: Strategies, Automation & Backtesting". https://whaleportal.com/blog/quantitative-crypto-trading-strategies-automation-backtesting/

 [^2]: YouTube. "Gold Arbitrage - Paxos Gold vs Tether Gold Pairs Trading Backtest". https://www.youtube.com/watch?v=i3N_JHDzV-Q
+
+---
+
+## 附录：数据说明与补充
+
+本文档旨在对上文提及的量化交易策略提供更深层次的数据支持、场景分析和技术细节，以帮助交易者在实际应用中更精确地实施和优化策略。
+
+### 一、核心指标数据说明
+
+量化策略的有效性高度依赖于数据的质量和正确解读。下表详细说明了本文涉及的关键技术指标的计算方法、数据属性和来源。
+
+| 指标名称 (Indicator) | 计算公式 (LaTeX) | 数据范围 | 单位 | 精度要求 | 数据来源 |
+| :--- | :--- | :--- | :--- | :--- | :--- |
+| **移动均线 (MA)** | `MA_n = \frac{1}{n} \sum_{i=0}^{n-1} P_{t-i}` | 取决于资产价格 | 价格 | 2-4 位小数 | 交易所 K 线数据 |
+| **MACD** | `MACD Line = EMA_{12}(P) - EMA_{26}(P)`<br>`Signal Line = EMA_9(MACD Line)`<br>`Histogram = MACD Line - Signal Line` | 无界 | 价格差 | 4-6 位小数 | 交易所 K 线数据 |
+| **布林带 (Bollinger Bands)** | `Middle = MA_{20}(P)`<br>`Upper = Middle + 2 \times \sigma_{20}(P)`<br>`Lower = Middle - 2 \times \sigma_{20}(P)` | 取决于资产价格 | 价格 | 2-4 位小数 | 交易所 K 线数据 |
+| **相对强弱指数 (RSI)** | `RSI = 100 - \frac{100}{1 + RS}`<br>`RS = \frac{Avg. Gain_n}{Avg. Loss_n}` | 0 - 100 | / | 2 位小数 | 交易所 K 线数据 |
+| **平均动向指数 (ADX)** | `ADX = EMA_n(\frac{|+DI - (-DI)|}{|+DI + (-DI)|})` | 0 - 100 | / | 2 位小数 | 交易所 K 线数据 |
+| **统计套利 Z-Score** | `Z = \frac{Spread_t - \mu(Spread_n)}{\sigma(Spread_n)}` | 通常为 -3 到 +3 | 标准差 | 4 位小数 | 两种资产价格序列 |
+
+### 二、策略参数参考表
+
+合理的参数设定是策略成功的关键。下表提供了基于历史数据和普遍实践的参数建议，但仍需根据具体资产和市场环境进行回测与优化。
+
+**趋势跟踪与均值回归策略参数**
+
+| 策略类型 | 指标 | 参数 | 推荐值 | 取值范围 | 备注 |
+| :--- | :--- | :--- | :--- | :--- | :--- |
+| **均线趋势** | 移动均线 | 快线周期 | 10, 20, 50 | 5 - 100 | 周期越短越灵敏，噪音越多 |
+| | | 慢线周期 | 100, 200 | 50 - 400 | 慢线定义长期趋势方向 |
+| **SuperTrend** | SuperTrend | ATR 周期 | 10 | 7 - 14 | 用于计算波幅 |
+| | | 乘数 (Multiplier) | 3 | 2 - 4 | 乘数越大，止损越宽，信号越少 |
+| **均值回归** | 布林带 | 周期 | 20 | 14 - 30 | 定义价格通道的中心 |
+| | | 标准差倍数 | 2 | 1.8 - 3 | 倍数越大，触发交易的阈值越高 |
+
+**配对交易策略参数**
+
+| 参数 | 推荐值 | 取值范围 | 作用与目的 |
+| :--- | :--- | :--- | :--- |
+| **协整检验周期** | 252 (1年) | 60 - 500 | 确保配对关系在统计上长期有效 |
+| **Z-Score 入场阈值** | `|Z| > 2` | 1.5 - 3.0 | 在价差显著偏离时入场，平衡机会与风险 |
+| **Z-Score 出场阈值** | `|Z| < 0.5` | 0 - 1.0 | 在价差回归均值附近时平仓，锁定利润 |
+
+### 三、核心策略应用场景
+
+- **趋势跟踪策略**：此策略最适合应用于具有长期、明确趋势的市场，例如比特币的牛熊周期。一个典型的应用场景是，构建一个自动化交易机器人，在日线图上使用 **[移动均线](../../wiki/名词解释/移动均线.md)** 交叉系统（如 MA50/MA200）来捕捉长达数月的主升浪或主跌浪。该策略不追求精确的顶部和底部，而是通过持有顺势仓位来获取趋势中段的大部分利润。
+
+- **均值回归策略**：该策略在价格于一个可预测范围内波动的“震荡市”中表现最佳。例如，针对 **[XAUT/PAXG](../../wiki/名词解释/XAUT.md)** 这类高度相关的黄金代币对，可以部署一个统计套利机器人。当它们的价差因为短期流动性问题而扩大到两个标准差以外时，机器人自动做空价格较高的代币并做多价格较低的，预期价差将很快回归历史均值，从而赚取差价。
+
+- **资金费率套利**：在加密货币衍生品市场，当市场情绪极度看涨时，永续合约的 **[资金费率](../../wiki/名词解释/资金费率.md)** 会为正。此时，投资者可以执行“现货-期货套利”：在现货市场买入比特币，同时在期货市场以等量名义价值做空比特币永续合约。这样，现货的盈亏与期货的盈亏大致相抵，但投资者可以稳定地赚取空头头寸获得的多头支付的资金费用，实现低风险收益。
+
+### 四、数据格式规范
+
+标准化的数据格式是程序化交易系统稳定运行的基础。以下是推荐的数据格式定义。
+
+- **K线 (OHLCV) 数据**：通常通过 REST API 获取，建议使用数组格式以减少传输体积。
+  ```json
+  [
+    1672531200000, // 开盘时间戳 (毫秒, UTC)
+    "20000.1",     // 开盘价 (字符串)
+    "20500.5",     // 最高价 (字符串)
+    "19800.0",     // 最低价 (字符串)
+    "20250.8",     // 收盘价 (字符串)
+    "1500.25"      // 成交量 (字符串)
+  ]
+  ```
+
+- **订单簿 (Order Book) 数据**：通过 WebSocket 实时推送，包含多个价格档位的买单 (bids) 和卖单 (asks)。
+  ```json
+  {
+    "bids": [
+      ["20250.7", "0.5"], // [价格, 数量]
+      ["20250.6", "1.2"]
+    ],
+    "asks": [
+      ["20251.2", "0.8"],
+      ["20251.3", "2.1"]
+    ],
+    "timestamp": 1672531260000 // 数据时间戳 (毫秒, UTC)
+  }
+  ```
+
+### 五、常见误区与正确理解
+
+1.  **误区：回测盈利等于实盘盈利**。正确理解：历史回测的“完美”成交环境在实盘中不存在。必须考虑 **[交易滑点](../../wiki/名词解释/交易滑点.md)**、网络延迟、交易所手续费和 API 限制。一个在回测中表现优异的策略，在实盘中可能因为交易成本而变得无利可图。
+
+2.  **误区：趋势跟踪策略能抓住顶底**。正确理解：趋势跟踪的本质是“跟随”而非“预测”。它必然会错过趋势的起点，并放弃趋势终点的部分利润。其优势在于捕捉趋势的主体部分，而非精确择时。
+
+3.  **误区：均值回归在任何时候都有效**。正确理解：均值回归策略最大的敌人是强趋势行情。在单边上涨或下跌的市场中，价格会持续突破布林带上下轨（“走带”），导致均值回归策略持续亏损。因此，必须配合 **[ADX](../../wiki/名词解释/ADX.md)** 等趋势判断指标，仅在震荡市中使用。
+
+4.  **误区：参数越多、优化越好**。正确理解：过度优化（Curve Fitting）是量化交易的陷阱之一。一个拥有过多自由参数的策略很容易在历史数据上表现完美，但在未来数据上表现糟糕。策略的逻辑应简单、稳健，参数数量宜少不宜多。
+
+5.  **误区：动量策略就是追涨杀跌**。正确理解：**[动量策略](../../wiki/名词解释/动量.md)** 是一个基于统计优势的系统化方法，它买入的是“已经表现强势”的资产，而非“正在暴涨”的资产。它依赖于“强者恒强”的效应在一段时间内持续，与无纪律的追高杀跌有本质区别，并且通常包含严格的再平衡和风险控制规则。