前言¶

在 DSH 里做量化相关任务，常见做法是零散脚本：拉行情一套、回测一套、报表又一套，智能体很难在一个闭环里自检、复现和对比结果。商品期货还涉及合约乘数、保证金、平今手续费等会计口径，若用收盘价成交或未建模成本，回测结论容易系统性失真。

下面介绍维护者 yichuan1123 发布的 DSH 插件 dsh-quant-cta（npm 包名 dsh-quant-cta，当前版本 0.11.0，MIT 许可证）。它以工作流形态把 研究 → 回测 → 模拟盘 串成一条可在对话、命令行与本地面板中操作的链路；行情优先走天勤 TqSdk 真实数据，无凭据时退化为确定性合成数据并在报告中显式标注。本插件不发任何真实委托，没有 CTP 下单路径，paper 模式只写内部账本。

• 目录页：https://www.skillhub.cn/plugins/yichuan1123/dsh-quant-cta
• 源码：https://github.com/yichuan1123/dsh-quant-cta

这是什么¶

dsh-quant-cta 是商品期货 CTA 的全链路工作台：引擎用 Python 实现，通过 DSH 暴露 qcta_doctor、qcta_data、qcta_backtest 等工具，并提供 Web 面板与客户端侧栏入口。目标用户是需要在本地用真实（或标注为 synthetic）日线验证策略流程、成本与风控约束的开发者或研究者，而不是要直接挂实盘下单的场景。

链路里每一环落在哪¶

README 用表格说明各环节不是示意代码，而是对应仓库内模块：

DSH 还可按间隔定时推进 paper 账本；面板路由为 /dsh-quant-cta/panel，客户端在「开始」列表注册「量化 CTA 工作台」入口。

安装与启用¶

插件要求 Node >= 20，peer 依赖 @deepseek-ai/cordis 与 @deepseek-ai/dsh。安装分三步：挂接 DSH 插件、装 Python 依赖、可选配置天勤账号。

1. 装成本地 DSH 插件¶

README 给出已验证的本地目录安装（不动 pnpm 锁文件）：

# 1) 把插件目录联接进 profile 的 node_modules
powershell -NoProfile -Command "New-Item -ItemType Junction -Path '<profile>\node_modules\dsh-quant-cta' -Target '<repo>'"

# 2) 在 profile 的 cordis.patch.yml 末尾追加（config 里写本机 Python 路径）
#    - insert:
#        - id: dsh-quant-cta
#          name: dsh-quant-cta
#          config:
#            pythonPath: <repo>/.venv/Scripts/python.exe
#            engineRoot: <repo>

# 3) 重启 DSH

其中 <profile> 一般为 %USERPROFILE%\.dsh\profiles\desktop。

发布到 npm 后，也可用：

dsh plugin add dsh-quant-cta

插件自带 cordis.patch.yml 会插入插件名单；本机 Python 路径仍需在 profile 的 patch 层配置。

2. 安装 Python 依赖¶

在仓库根目录创建虚拟环境并安装依赖：

python -m venv .venv
.venv/Scripts/python.exe -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas tqsdk

解析 Python 可执行文件的顺序：config.pythonPath → 环境变量 QCTA_PYTHON → <插件目录>/.venv → PATH 中的 python。

3. 天勤账号（可选，建议配置）¶

推荐在面板「数据源账号」卡片填写快期账号并「保存并测试」。命令行等价：

echo '{"user":"手机号","password":"密码"}' | python -m qcta auth login --stdin --verify
python -m qcta auth status

无凭据时引擎仍可运行，但仅使用合成数据，报告顶部有醒目标注。凭据在 Windows 上可用 DPAPI 加密存本机；密码不会出现在 API 返回值中。

注意：插件以当前 DSH 进程权限运行，安装前请阅读源码与 MIT 许可证，自行判断凭据与本地 API 路由（仅本机回环）是否符合你的安全要求。

典型用法¶

在 DSH 对话里¶

先自检，再按数据 → 回测 → 报告 → 模拟盘顺序调用：

qcta_doctor
qcta_sim    action="status"
qcta_sim    action="advance"
qcta_data   action="sync" live=true
qcta_backtest pool="default" start="2019-01-01" live=true
qcta_report action="get"
qcta_paper  action="init"; qcta_paper action="step"

面板可直接访问 http://127.0.0.1:58080/dsh-quant-cta/panel，或与右侧栏入口打开同一页面。

命令行¶

cd python
python -m qcta doctor
python -m qcta data sync --live --pool default
python -m qcta backtest --pool default --start 2019-01-01 --json
python -m qcta backtest --pool starter --sleeves trend:0.6,xsec:0.4 --vol 0.10
python -m qcta paper init --pool starter --capital 300000
python -m qcta paper step --live

回测结束后可用 python -m qcta report --run <run_id> 查看报告；python -m qcta stats --run <run_id> --trials 12 做统计体检。

回测与风控口径（写死）¶

下列规则不是可选项，用于避免未来函数与成本低估：

1. 信号在 t 日收盘产生，t+1 日开盘成交。
2. 手数按波动率预算换算；等权时按 sqrt(Σw²) 归一。
3. 手续费按合约规格（按额/按手取大，含平今倍率），滑点默认 1 跳/笔。
4. 开仓前做保证金校验，不足则缩减手数并记拒单。
5. 风控含单品种上限、名义杠杆上限、组合回撤熔断、可选 ATR 止损。
6. 期末强制平仓，保证权益变动与交易净盈亏恒等（有单测约束）。

设计细节见仓库 docs/DESIGN.md。

面板与本地 API¶

面板提供权益/回撤双折线图、最优配比环形图、逐日收益与波动副轴等（纯 SVG，无图表库）。顶部可填模拟投入、期望年化与回撤阈值，仅做可视化换算与告警，不改变历史回测结果。

同源只读/管理路由（README 列举）包括：GET /dsh-quant-cta/api/overview、GET /dsh-quant-cta/api/report?run=<id>、凭据相关 GET/POST/DELETE、以及 GET/POST /dsh-quant-cta/api/sim 用于模拟调度。均无鉴权，限本机回环使用。

适用场景与局限¶

适合：在 DSH 或本地把 CTA 日线策略跑通；用天勤真实主连检验成本与风控；需要 Markdown/JSON/SVG 报告与 walk-forward 配比的研发流程。

不适合或未提供：实盘 CTP 下单；真实盘中滑点（日频为开盘价 ± 固定跳数）；将历史回测当作投资建议。README 明确：合成数据仅验证流程；合约规格需与交易所公告核对；跨策略腿在同一品种上不对净额对冲（归因清晰，但可能多付手续费与保证金）。

维护者在 README 中给出 2016 至今与 2021 至今等窗口的真实数据回测表，并附统计体检（PSR、DSR、MinTRL 等），强调长窗口下基线策略与噪声难以区分——使用时应结合 report.md 末尾体检章节自行判读，而非只看年化或夏普。

结尾¶

dsh-quant-cta 把商品期货 CTA 从行情、规格、信号、撮合到报告与 paper 账本收进一条可自检、可复现的工作流，并通过 DSH 工具与本地面板接入智能体日常操作；全程不发真实委托。若要安装或贡献代码，以 GitHub 仓库 README 为准。

• SkillHub 目录：https://www.skillhub.cn/plugins/yichuan1123/dsh-quant-cta
• GitHub：https://github.com/yichuan1123/dsh-quant-cta