核心用法
OpenClaw Quant 是一套专为加密货币市场设计的专业量化交易框架，采用事件驱动+向量计算的混合架构。用户通过继承 Strategy 基类定义交易策略，在 init() 中预计算技术指标，在 next() 中编写交易逻辑。系统支持三种运行模式：回测模式使用历史数据验证策略表现；模拟交易模式连接实时行情但模拟成交；实盘交易模式通过 ccxt 库直连币安、OKX 等 100+ 交易所执行真实订单。
策略开发流程遵循「回测→优化→模拟→实盘」四阶段：先用 Backtest 引擎在历史数据上验证，通过 optimize() 进行贝叶斯参数寻优；确认有效后转入 LiveTrading 模拟运行 1-2 周；最终经用户明确确认才开启实盘。系统内置 50+ 技术指标（MA/RSI/MACD/布林带等）、8 种示例策略（均线交叉、RSI 均值回归、网格交易等），以及完整的风控模块（仓位管理、止损止盈、最大回撤控制）。
显著优点
1. 高性能计算架构：指标计算向量化（self.I()），策略逻辑事件驱动，兼顾效率与灵活性
2. 专业级优化能力：基于 Optuna 的贝叶斯优化，避免网格搜索的维度灾难，支持多目标优化（夏普比率、收益率、最大回撤等）
3. 生态完备：集成 ccxt 实现多交易所支持，内置夏普比率、索提诺比率、Calmar 比率等全套绩效指标
4. 风险隔离设计：强制区分回测/模拟/实盘模式，实盘需显式确认，支持测试网先行验证
潜在局限与风险
| 风险类型 | 具体说明 |
|---------|---------|
| **过度拟合** | 参数优化易导致历史数据过拟合，需配合前向验证（walk-forward） |
| **执行滑点** | 回测假设固定滑点，实际高频策略在波动行情中可能大幅偏离 |
| **交易所风险** | API 密钥泄露、交易所宕机、极端行情下无法撤单等黑天鹅事件 |
| **市场结构变化** | 加密货币 7×24 交易，传统股市策略可能失效 |
| **技术门槛** | 需 Python 基础，理解事件驱动编程与金融指标含义 |
适合人群
- 有 Python 基础的量化开发者
- 加密货币交易员希望系统化验证策略
- 学术研究需要可复现的回测框架
- 不适合：纯新手投资者、无编程背景用户、追求稳赚不赔的投机者
常规风险提示
实盘交易前务必完成：① 历史回测（≥1 年数据）② 参数稳健性检验 ③ 模拟交易（≥2 周）④ 小资金实盘验证。加密货币波动剧烈，建议使用「单笔风险≤2%本金+单日止损≤5%」的保守风控。API 密钥应设置 IP 白名单与 withdraw 权限禁用。