换市场等于换约束条件：同一个双均线策略，在三种交易制度下性格大变
一个对照实验：把第 4 课那个 5/20 双均线策略，一行信号逻辑都不改，分别套上三套交易规则回测——A 股（T+1、涨跌停、成本 0.1%）、美股（T+0、无涨跌停、佣金极低）、加密货币（T+0、7×24、无涨跌停、双边手续费各 0.1%）。同一段茅台 2024 年走势"扮演"三个市场，你会亲眼看到：策略的性格，一半是规则给的。
按课程使命，美股与加密货币只作对照、不深入——你的主战场仍是 A 股实盘辅助决策。这节课的真正目的，是让你理解"约束模型"是 Agent 代码的一部分：换一个市场，你的 Agent 要改的不是几个参数，而是整套制度假设。
第 1 课你背过 A 股的硬规则。现在把它放进更大的坐标系：
| 约束 | A 股（主板） | 美股 | 加密货币（现货） |
|---|---|---|---|
| 交收/交易制度 | T+1：当日买入次日才能卖 | T+0：当日可反复买卖（结算 T+1，2024 年 5 月起由 T+2 缩短） | T+0：当日可反复买卖 |
| 涨跌停 | ±10%（创业板/科创板 ±20%，ST ±5%） | 无涨跌停，只有熔断与个股停牌机制 | 无涨跌停，一天 ±30% 不稀奇 |
| 交易时间 | 工作日 9:30–15:00，节假日闭市 | 工作日 9:30–16:00（美东），另有盘前盘后 | 7×24，全年无休 |
| 成本（本课口径） | 单边综合约 0.1%（佣金+印花税打包） | 零售佣金约等于零 | 双边各 0.1%（主流所常见档位） |
| 最小交易单位 | 一手 100 股 | 1 股（不少券商支持碎股） | 可无限细分 |
注意最后一列：加密货币把 A 股的所有"保护性约束"全部拆掉，只留下一道高手续费。这张表就是脚本里 RULES 字典的设计图——所谓"换市场"，在代码层面就是换这张表。
脚本 scripts/regime_compare.py 全程不联网（免费接口的风控教训不用再吃一次），做三件事：
data/600519_qfq_2024.csv，242 根前复权日 K，作为三个市场共用的价格走势。加密货币当然没有茅台——这是刻意设计：只有共用同一段走势，结果的差异才能 100% 归因于规则，而不是行情。backtest(df, rule) 读 RULES 字典：T+1 的市场把收盘信号挂到次日开盘成交（第 4 课的建模），T+0 的市场收盘出信号当即按收盘价成交；A 股额外检查开盘是否撞上 ±10% 涨跌停（撞上则无法成交，跌停卖单顺延到明天）；买股数量按各市场规则取整。cd "$HOME/AI Project/Quant Learning"
source .venv/bin/activate
python scripts/regime_compare.py你会看到（我已在你的环境实测通过）：
数据：600519_qfq_2024.csv，242 个交易日（A股/美股共用这段走势）
加密市场版本：补齐周末后 365 根日 K（7×24，无节假日）
【A股(T+1·涨跌停)】K线 242 根，金叉 9 次，死叉 8 次，涨跌停无法成交 0 次
【美股(T+0·低费)】K线 242 根，金叉 9 次，死叉 8 次
【加密(T+0·7×24)】K线 365 根，金叉 12 次，死叉 11 次
==============================================================
同一个策略、同一段走势，只换交易规则
==============================================================
A股(T+1·涨跌停) 美股(T+0·低费) 加密(T+0·7×24)
--------------------------------------------------------------
总收益率 -24.53% -22.01% -12.33%
年化收益 -25.40% -22.81% -12.33%
最大回撤 -25.86% -23.79% -18.92%
平仓交易次数 8 8 11
胜率 12% 12% 18%
总费用 14,331 1,543 21,162
==============================================================
规则差异冲击：美股规则比 A 股规则多 2.51%（同一信号序列，差在 T+0 当日成交与成本）
注：A股(T+1·涨跌停)、美股(T+0·低费)、加密(T+0·7×24) 年末仍持仓，浮动盈亏已计入。第 4 课的精确成本是"佣金万 2.5（最低 5 元）+ 印花税 0.05% 仅卖出"，本课为了和美股/加密对齐，简化成"单边综合 0.1% 打包"。所以 A 股列是 -24.53% 而不是第 4 课的 -23.79%——差的就是这点成本口径。对照实验要的是三套规则同一口径，精确建模回 A 股实盘时，请仍用第 4 课的算法。
故事一：T+1 的隔夜税，2.51 个百分点。A 股与美股共用完全相同的信号序列（9 金叉 8 死叉），唯一区别是 A 股要等次日开盘、美股收盘即成交，外加成本差。结果美股少亏 2.51 个点。这 2.51 个点就是 T+1 制度的价格：收盘出信号到次日开盘之间那 17.5 个小时，隔夜跳空的风险全部由你承担——这正是第 4 课强调的"信号日与成交日之间隔着的那个晚上"。在 T+0 市场，那个晚上不存在。
故事二：成本是沉默的杀手，且各国死法不同。同样是 8 个来回：美股总费用 1,543 元，A 股 14,331 元——9 倍的差距，来自佣金税费的量级差。加密货币更狠：11 个来回被抽走 21,162 元，双边各 0.1% 意味着每换一次仓，本金的 0.2% 就蒸发了。换手率越高的策略，这道税越致命——这就是为什么高频策略在加密市场要为手续费打工。
故事三：加密版"表现最好"，但别误读。-12.33% 是最好看的，可这不是"加密市场更好"的证据：它周末多出 123 根 K 线，信号序列本身就变了（12 金叉 vs 9 金叉），等于换了一道考题。这次对照能下的结论只有一个：规则不同，同一策略的盈亏、回撤、换手、费用全部不同——评价任何策略，必须先问它在什么规则下回测的。顺带一提：加密版年化与总收益相等，因为 365 根 K 线恰好一年，7×24 市场没有"交易日"与"自然日"的换算。
回测只是开场。你的目标是 Agent 辅助实盘决策，真正重要的问题：如果哪天你要把这套 Agent 迁到美股或加密市场，哪些代码要重写？
| A 股 Agent 里的逻辑 | 在美股/加密的命运 |
|---|---|
| T+1 冻结状态机：今日买入标记"冻结"，次日解禁；卖出前检查可卖数量 | 整个消失。T+0 下当日买当日即可卖，"可卖数量 = 持仓数量"，冻结逻辑一行不留 |
| 涨跌停分支：涨停买不进、跌停卖不出，挂单顺延 | 整个消失。美股换成熔断与 LULD 停牌的新分支；加密连熔断都没有 |
| 隔夜跳空风险建模：盘后分析 → 次日开盘计划 | 美股盘前盘后仍有交易，加密根本没有"隔夜"概念——24 小时连续定价 |
| 闭市即下班：15:00 后监控 Agent 可以静默 | 不存在了。7×24 市场要求"人睡机器醒"的值班设计 |
前两条是代码层面：你的 Agent 状态机里为 A 股制度写的那部分，换市场时是删除而不是改参数——约束模型从来不是配置项，是架构。第三条是认知层面：美股还有自己的坑，比如 PDT 规则（账户不足 2.5 万美元，5 个交易日内日内交易超过 3 次会被限制）——换市场不是约束归零，是换了一副约束的面孔。
A 股监控 Agent（第 6 课）每晚 15:00 收工，出了漏子最多耽误一个晚上。加密市场没有收工这回事，设计问题整个变了：
对你的 A 股主战场，这一条的反向价值更大：A 股的闭市时间是制度白送给你的缓冲带——盘后到次日 9:15，你有 18 个小时从容分析、制定计划。设计 A 股 Agent 时把重活放在这个窗口，是制度允许的最优解。
凭记忆作答——答错比答对更能加固记忆。
打开scripts/regime_compare.py，做两个实验：① 把a_share的"t_plus"从 1 改成 0 重跑，A 股列会逼近美股列吗？差多少？② 把crypto的"fee_rate"改成 0.0005（低费率所），看总费用和收益各变多少。做完回答自己：哪个约束对结果的影响更大——交收制度，还是手续费？
第 10 课 · 政策面数据：公告与监管文本——A 股是政策敏感度最高的市场之一，下一课让 Agent 学会读公告和监管文件，把"政策风向"变成结构化的信号输入。
有任何不清楚的地方（比如 RULES 字典怎么扩展、周末 K 线的合成逻辑、PDT 规则的细节），直接问我——我是你的老师。