核心用法
strategy-workflow 是一套面向量化交易的完整策略开发框架，覆盖从假设形成到生产部署的全生命周期。核心工作流包含：
1. 策略设计：明确市场无效性假设，定义持仓周期与进出场条件
2. 特征工程：整合价格数据（OHLCV）、技术指标（EMA/RSI/布林带）、多时间框架特征及市场微观结构数据
3. 信号生成：将特征转化为方向性信号，配置止盈止损与仓位管理规则
4. 回测验证：强制预检（90天数据/30笔交易/无前瞻偏差），支持VectorBT GPU加速预筛与NautilusTrader事件驱动精细回测
5. 参数优化：Optuna贝叶斯优化（TPE采样器）+ 多剪枝策略，支持分布式持久化存储
6. 滚动验证：滑动窗口与锚定两种 walk-forward 模式，最终保留20-30%数据做纯样本外测试
7. 性能报告：自动生成QuantStats风格 tearsheet
显著优点
- 计算效率：RTX 5090单卡可在4秒内完成25万组参数预筛
- 防过拟合：强制 walk-forward + 蒙特卡洛压力测试 + 分情景绩效分析
- 云原生：内置Vast.ai多GPU并行部署脚本与自愈监控（CPU/GPU利用率≥70%告警）
- 多模型共识：可选集成PAL MCP服务器，实现跨提供商（OpenAI/Anthropic/xAI等）模型投票
潜在局限
- 技术门槛：需掌握Python量化生态（VectorBT/NautilusTrader/Optuna）及Linux运维
- 硬件成本：大规模GPU优化产生云算力费用；本地需高配NVIDIA GPU
- 数据依赖：对清洗质量要求高，NaN/缺口会直接阻断流程
- 黑箱风险：贝叶斯优化可能收敛至局部最优，需配合多次随机种子验证
适合人群
- 专业量化交易员、CTA策略研究员
- 具备Python/Pandas基础、熟悉金融时间序列分析的开发者
- 有明确假设、追求系统化验证的成熟投资者（非零基础入门者）
常规风险
- 过拟合风险：即使 walk-forward 也无法完全消除，需持续监控样本外衰减
- 执行滑点：回测假设与实盘差异，高频策略尤甚
- 数据挖掘偏差：多参数空间搜索本质上增加假阳性概率
- 硬件故障导致中断：长时间优化任务需配置JournalStorage/RDBStorage防止丢失进度