前言¶

在 DSH 裏做量化相關任務，常見做法是零散腳本：拉行情一套、回測一套、報表又一套，智能體很難在一個閉環裏自檢、復現和對比結果。商品期貨還涉及合約乘數、保證金、平今手續費等會計口徑，若用收盤價成交或未建模成本，回測結論容易系統性失真。

下面介紹維護者 yichuan1123 發佈的 DSH 插件 dsh-quant-cta（npm 包名 dsh-quant-cta，當前版本 0.11.0，MIT 許可證）。它以工作流形態把 研究 → 回測 → 模擬盤 串成一條可在對話、命令行與本地面板中操作的鏈路；行情優先走天勤 TqSdk 真實數據，無憑據時退化爲確定性合成數據並在報告中顯式標註。本插件不發任何真實委託，沒有 CTP 下單路徑，paper 模式只寫內部賬本。

• 目錄頁：https://www.skillhub.cn/plugins/yichuan1123/dsh-quant-cta
• 源碼：https://github.com/yichuan1123/dsh-quant-cta

這是什麼¶

dsh-quant-cta 是商品期貨 CTA 的全鏈路工作臺：引擎用 Python 實現，通過 DSH 暴露 qcta_doctor、qcta_data、qcta_backtest 等工具，並提供 Web 面板與客戶端側欄入口。目標用戶是需要在本地用真實（或標註爲 synthetic）日線驗證策略流程、成本與風控約束的開發者或研究者，而不是要直接掛實盤下單的場景。

鏈路裏每一環落在哪¶

README 用表格說明各環節不是示意代碼，而是對應倉庫內模塊：

DSH 還可按間隔定時推進 paper 賬本；面板路由爲 /dsh-quant-cta/panel，客戶端在「開始」列表註冊「量化 CTA 工作臺」入口。

安裝與啓用¶

插件要求 Node >= 20，peer 依賴 @deepseek-ai/cordis 與 @deepseek-ai/dsh。安裝分三步：掛接 DSH 插件、裝 Python 依賴、可選配置天勤賬號。

1. 裝成本地 DSH 插件¶

README 給出已驗證的本地目錄安裝（不動 pnpm 鎖文件）：

# 1) 把插件目錄聯接進 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 裏寫本機 Python 路徑）
#    - insert:
#        - id: dsh-quant-cta
#          name: dsh-quant-cta
#          config:
#            pythonPath: <repo>/.venv/Scripts/python.exe
#            engineRoot: <repo>

# 3) 重啓 DSH

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

發佈到 npm 後，也可用：

dsh plugin add dsh-quant-cta

插件自帶 cordis.patch.yml 會插入插件名單；本機 Python 路徑仍需在 profile 的 patch 層配置。

2. 安裝 Python 依賴¶

在倉庫根目錄創建虛擬環境並安裝依賴：

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

解析 Python 可執行文件的順序：config.pythonPath → 環境變量 QCTA_PYTHON → <插件目錄>/.venv → PATH 中的 python。

3. 天勤賬號（可選，建議配置）¶

推薦在面板「數據源賬號」卡片填寫快期賬號並「保存並測試」。命令行等價：

echo '{"user":"手機號","password":"密碼"}' | python -m qcta auth login --stdin --verify
python -m qcta auth status

無憑據時引擎仍可運行，但僅使用合成數據，報告頂部有醒目標註。憑據在 Windows 上可用 DPAPI 加密存本機；密碼不會出現在 API 返回值中。

注意：插件以當前 DSH 進程權限運行，安裝前請閱讀源碼與 MIT 許可證，自行判斷憑據與本地 API 路由（僅本機迴環）是否符合你的安全要求。

典型用法¶

在 DSH 對話裏¶

先自檢，再按數據 → 回測 → 報告 → 模擬盤順序調用：

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"

面板可直接訪問 http://127.0.0.1:58080/dsh-quant-cta/panel，或與右側欄入口打開同一頁面。

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

回測結束後可用 python -m qcta report --run <run_id> 查看報告；python -m qcta stats --run <run_id> --trials 12 做統計體檢。

回測與風控口徑（寫死）¶

下列規則不是可選項，用於避免未來函數與成本低估：

1. 信號在 t 日收盤產生，t+1 日開盤成交。
2. 手數按波動率預算換算；等權時按 sqrt(Σw²) 歸一。
3. 手續費按合約規格（按額/按手取大，含平今倍率），滑點默認 1 跳/筆。
4. 開倉前做保證金校驗，不足則縮減手數並記拒單。
5. 風控含單品種上限、名義槓桿上限、組合回撤熔斷、可選 ATR 止損。
6. 期末強制平倉，保證權益變動與交易淨盈虧恆等（有單測約束）。

設計細節見倉庫 docs/DESIGN.md。

面板與本地 API¶

面板提供權益/回撤雙摺線圖、最優配比環形圖、逐日收益與波動副軸等（純 SVG，無圖表庫）。頂部可填模擬投入、期望年化與回撤閾值，僅做可視化換算與告警，不改變歷史回測結果。

同源只讀/管理路由（README 列舉）包括：GET /dsh-quant-cta/api/overview、GET /dsh-quant-cta/api/report?run=<id>、憑據相關 GET/POST/DELETE、以及 GET/POST /dsh-quant-cta/api/sim 用於模擬調度。均無鑑權，限本機迴環使用。

適用場景與侷限¶

適合：在 DSH 或本地把 CTA 日線策略跑通；用天勤真實主連檢驗成本與風控；需要 Markdown/JSON/SVG 報告與 walk-forward 配比的研發流程。

不適合或未提供：實盤 CTP 下單；真實盤中滑點（日頻爲開盤價 ± 固定跳數）；將歷史回測當作投資建議。README 明確：合成數據僅驗證流程；合約規格需與交易所公告覈對；跨策略腿在同一品種上不對淨額對沖（歸因清晰，但可能多付手續費與保證金）。

維護者在 README 中給出 2016 至今與 2021 至今等窗口的真實數據回測表，並附統計體檢（PSR、DSR、MinTRL 等），強調長窗口下基線策略與噪聲難以區分——使用時應結合 report.md 末尾體檢章節自行判讀，而非只看年化或夏普。

結尾¶

dsh-quant-cta 把商品期貨 CTA 從行情、規格、信號、撮合到報告與 paper 賬本收進一條可自檢、可復現的工作流，並通過 DSH 工具與本地面板接入智能體日常操作；全程不發真實委託。若要安裝或貢獻代碼，以 GitHub 倉庫 README 爲準。

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