第 8 课 · 执行闭环架构

从"回测好看"到"实盘敢用"的最后一公里：信号 → 风控 → 执行 → 复盘，以及一台能跑的风控检查器

这节课你将得到什么

一张完整的执行闭环架构图：你的前七课组件（数据、情绪 Agent、策略、监控）分别住在哪一层，它们怎么连成一台能辅助实盘的机器。以及一台纯离线的风控检查器 scripts/risk_check.py：输入账户持仓和拟下单指令，逐条裁决"放行 / 拦截"并给出理由——单票仓位、总仓位、单日熔断、T+1 冻结、涨跌停，五条硬规则全部落成代码。

最后是落地路径的选型课：聚宽模拟盘、vn.py、券商 QMT / PTrade，各自的门槛、合规要求和适合的阶段。看完你就知道从现在的位置到第一笔实盘，中间还有几步、每步花多少钱。

一、执行闭环：四层架构

把你过去七课学的东西摆进一张图：

① 信号层   策略 / 情绪 Agent 产出"拟下单指令"（只有建议权）
     │
     ▼
② 风控层   五条硬规则，独立模块，逐条裁决：放行 or 拦截（有否决权）
     │
     ▼
③ 执行层   券商接口：模拟盘 → 小资金实盘 → 实盘（人工确认可介入）
     │
     ▼
④ 复盘层   成交记录、盈亏归因 → 反馈给 ① 修策略、给 ② 调规则

新手搭系统最容易犯的错，是把这四层揉成一个大脚本：策略算出信号就直接下单。短期省事，长期致命——因为没有任何一层拥有否决权。下面第二节讲为什么，第三节把否决权造出来。

二、为什么风控必须独立于策略代码

回到第 4 课的活例：双均线策略在茅台 2024 年真实数据上，8 笔交易 7 亏 1 赚，胜率 12%，全年 -23.79%。当时我们讨论的是策略失效；今天换个视角：如果这套策略连着实盘、并且仓位决策也归它自己管，会发生什么？

• 连亏 3 笔后，策略（或者写策略的你）的本能是"下一笔加倍，把亏的赚回来"—— martingale 式加仓，量化账户爆仓的标准死法。
• 策略的目标函数是收益，它没有"活下去"这个目标。让追求收益的逻辑兼任守门员，等于让前锋兼任裁判。
• 策略代码会被频繁迭代（第 7 课：Agent 一天帮你改五版）。风控如果混在策略里，每次迭代都可能顺手把它改漏。

三、动手：跑风控检查器

脚本 scripts/risk_check.py 纯离线，账户与指令全部内置——能离线就离线，免费接口会挂的道理不用再强调。逐行复制：

cd "$HOME/AI Project/Quant Learning"
source .venv/bin/activate
python scripts/risk_check.py

你会看到（我已在你的环境实测通过，以下为真实运行结果）：

==============================================================
风控检查器 · 五条硬规则
  ① 单票仓位 ≤ 20%   ② 总仓位 ≤ 90%   ③ 单日亏损达 2% 熔断
  ④ T+1 冻结股不可卖  ⑤ 涨跌停不可成交（按板块幅度表）
==============================================================

【场景一：正常账户】
账户快照：总资产 1,000,000    现金 248,800    持仓市值 751,200（仓位 75.1%）
今日盈亏：+30,200（+3.02%），未触发熔断

  代码    名称          持仓    可用      现价      昨收     今日
  600519  贵州茅台       100     100  1,242.00  1,380.00   -10.0% [跌停]
  300750  宁德时代       800     800    240.00    200.00   +20.0% [涨停]
  000001  平安银行    10,000       0     12.00     11.50    +4.3%
  601318  中国平安     3,000   3,000     45.00     44.00    +2.3%
  000002  万 科A      20,000  20,000      9.00      8.80    +2.3%

指令 #1：买入 600519 贵州茅台 100 股 @ 1,242.00（金额 124,200）
  → 拦截｜单票仓位将达 24.8%，超过上限 20%

指令 #2：买入 600036 招商银行 1,000 股 @ 35.00（金额 35,000）
  → 放行

指令 #3：买入 600900 长江电力 6,000 股 @ 28.00（金额 168,000）
  → 拦截｜总仓位将达 95.4%，超过上限 90%

指令 #4：卖出 000001 平安银行 10,000 股 @ 12.00（金额 120,000）
  → 拦截｜T+1 冻结：该票今日买入，可用 0 股，最早明日可卖

指令 #5：卖出 300750 宁德时代 800 股 @ 240.00（金额 192,000）
  → 放行

指令 #6：买入 300750 宁德时代 100 股 @ 240.00（金额 24,000）
  → 拦截｜现价 240.00 已涨停（幅度 20%），买单无法成交

指令 #7：卖出 600519 贵州茅台 100 股 @ 1,242.00（金额 124,200）
  → 拦截｜现价 1242.00 已跌停（幅度 10%），卖单无法成交

指令 #8：卖出 601318 中国平安 3,000 股 @ 45.00（金额 135,000）
  → 放行

场景一：正常账户小结：8 条指令，放行 3 条，拦截 5 条

【场景二：熔断账户】
账户快照：总资产 940,000    现金 600,000    持仓市值 340,000（仓位 36.2%）
今日盈亏：-21,600（-2.30%），已触发熔断

  代码    名称          持仓    可用      现价      昨收     今日
  600036  招商银行    10,000  10,000     34.00     35.50    -4.2%

指令 #1：买入 600036 招商银行 5,000 股 @ 34.00（金额 170,000）
  → 拦截｜单日亏损 -2.30% 已达 2% 熔断线，今日禁止开新仓
  → 拦截｜单票仓位将达 54.3%，超过上限 20%

指令 #2：卖出 600036 招商银行 10,000 股 @ 34.00（金额 340,000）
  → 放行

场景二：熔断账户小结：2 条指令，放行 1 条，拦截 1 条

==============================================================
复盘要点：策略只负责产信号；这五条规则说'不'，不需要策略同意。
==============================================================

四、把输出读成规则：五条硬规则逐条对照

输出里每条拦截都对应一类真实世界里爆仓或违规的死法：

两个细节值得停下来看：

• 涨跌停是单向的：#5 卖出涨停的宁德放行（涨停能卖不能买），#7 卖出跌停的茅台被拦（跌停想卖卖不掉）。#7 是五条规则里最该后怕的一条——跌停时你的止损单一文不值，所以风控必须在事前控制仓位（规则①②），而不是指望事后能跑出来。
• 熔断只拦开仓，不拦减仓：场景二 #2 卖出 34 万照常放行。熔断的目的是阻止你在亏损状态下继续放大风险，而减仓永远是在降低风险。这条不对称性是专业风控系统的标配。
• 顺序检查、状态推进：#3 被拦是因为 #2 放行后仓位已经变了——脚本里放行的指令会真实改写账户（execute()），后续指令在新状态上检查。实盘风控就是这样一条一条往下走的。

脚本顶部三个常量 MAX_SINGLE_POSITION / MAX_TOTAL_POSITION / DAILY_LOSS_CIRCUIT 就是你的风控配置。20% / 90% / 2% 是本课给的保守起点，不是标准答案——但它们应该写在这里，而不是散落在各策略代码里。

五、落地路径对比：从模拟盘到实盘

信号和风控都有了，第③层"执行"怎么落地？四条主流路径：

给你的路线建议（和 MISSION 里的目标对齐）：

• 现在到第 1 步：聚宽模拟盘或本地纸面交易，把第 4 课策略 + 本课风控拼起来跑仿真。零成本，专治"回测好看就上实盘"的冲动。
• 第 2 步：把风控检查器包进你的盘后 Agent——第 3 课情绪分、第 6 课异动监控产出"拟下单指令"，过一遍本课检查器，第二天你人工下单。半自动：机器建议和把关，人按确认键。这是 T+1 制度下最自然的形态。
• 第 3 步：小资金开 QMT（问好门槛），先让程序只跑风控与提醒、下单仍人工；稳定后再谈全自动。每一步升级的标准是上一步连续三个月没出幺蛾子，而不是"回测收益够高"。

自测

凭记忆作答——答错比答对更能加固记忆。

动手挑战（可选，10 分钟）

打开 scripts/risk_check.py，把 MAX_SINGLE_POSITION 改成 0.30 重跑，看场景一哪条指令的裁决发生变化、为什么。然后在场景一加一条 ST 股（名字里带 "ST"）的交易指令，验证幅度表自动切换成 5%——想想为什么 ST 股的风控意义远不止幅度小。

延伸阅读

• 主读：vn.py（VeighNa）GitHub 仓库——读 README，重点理解"网关（Gateway）"概念：上层策略/风控代码与下层交易通道是分离的，这正是本课"风控独立"思想在成熟框架里的样子。它的强项原是期货 CTP，A 股股票要配券商接口，先把架构看懂，不急着装。
• 证监会《证券市场程序化交易管理规定（试行）》原文——不长，直接读原文，搞清"先报告、后交易"和高频交易的额外要求。
• 聚宽 JoinQuant——注册一个模拟盘账户，把你第 4 课的策略搬上去跑仿真，这是零成本的第一步。

有任何不清楚的地方（比如熔断的实现、涨跌停幅度表、QMT 开户门槛），直接问我——我是你的老师。