1. 课程导入

欢迎进入《LEAN量化回测引擎与本地研究实战》。在开始写第一行策略代码之前，我们需要先建立一张“地图”：LEAN是什么、它解决什么问题、为什么值得投入时间学习，以及这30章将如何带你从零走到可落地的本地研究流程。本章不涉及复杂算法，但会决定你后续学习的方向感与效率。

一、LEAN的定位：不只是回测器，而是研究到实盘的统一引擎

LEAN是QuantConnect开源的算法交易引擎，采用C#编写，同时提供Python接口。它的核心定位可以概括为：一套代码，贯穿回测、纸上交易与实盘交易。传统研究流程中，回测常用pandas或backtrader，实盘再换一套框架，策略逻辑需要重写，数据格式、时间对齐、订单模型都要重新适配。LEAN试图消除这种割裂：策略类、数据订阅、订单方法、风控模型在回测与实盘阶段保持一致，切换运行模式只需修改配置。

从架构上看，LEAN由几个关键层组成：数据层负责多资产、多周期数据订阅与切片；算法层承载你的策略逻辑；订单层模拟或对接真实成交；结果层输出统计指标与报告。理解这个分层，有助于后续排查“为什么回测有信号但没成交”这类问题。

二、核心优势：为什么选择LEAN

LEAN的优势可以从工程、研究、生态三个维度理解。

维度	具体优势	对学习者的意义
工程一致性	回测与实盘共用同一套策略代码与订单模型	减少“回测赚钱、实盘亏钱”的适配风险
多资产支持	股票、期货、期权、外汇、加密货币统一接口	跨市场策略无需更换框架
本地研究	LEAN CLI支持本地数据、本地回测、Jupyter研究	数据隐私可控，研究环境自由
开源生态	社区策略、数据源、插件持续扩展	可阅读成熟实现，加速学习
统计报告	内置夏普、回撤、换手率、Alpha等指标	无需手写绩效分析，专注策略逻辑

需要提醒的是，优势不等于“零成本”。LEAN的本地环境配置、数据格式转换、CLI命令使用，对初学者有一定门槛。本课程的设计正是为了把这些门槛拆解成可操作的步骤。

三、方法流程：从策略想法到本地回测的闭环

在LEAN中，一个完整的本地研究闭环通常包含以下步骤：

1. 环境准备：安装LEAN CLI，创建本地项目，确认Python或C#运行环境。
2. 数据接入：使用本地数据文件夹或下载示例数据，确保数据格式符合LEAN要求。
3. 策略编写：继承QCAlgorithm，在Initialize中订阅数据、设置参数，在OnData中编写交易逻辑。
4. 本地回测：通过CLI运行回测，观察日志、订单与统计结果。
5. 结果复盘：分析回撤、胜率、盈亏比，定位逻辑缺陷或过拟合迹象。
6. 迭代优化：调整参数或逻辑，重复回测，形成可解释的改进记录。

下面是一个最小LEAN策略的代码骨架，用于建立直观印象：

from AlgorithmImports import *

class FirstStrategy(QCAlgorithm):
    def Initialize(self):
        self.SetStartDate(2023, 1, 1)
        self.SetEndDate(2023, 12, 31)
        self.SetCash(100000)
        self.AddEquity("SPY", Resolution.Daily)
        self.sma = self.SMA("SPY", 20, Resolution.Daily)

    def OnData(self, data):
        if not self.sma.IsReady:
            return
        if not self.Portfolio.Invested and self.Securities["SPY"].Price > self.sma.Current.Value:
            self.SetHoldings("SPY", 0.8)
        elif self.Portfolio.Invested and self.Securities["SPY"].Price < self.sma.Current.Value:
            self.Liquidate("SPY")

这段代码虽然简单，但已经包含LEAN策略的核心结构：时间设置、资金设置、数据订阅、指标注册、事件处理与下单。后续章节会逐项深入。

四、学习路径与整体课程框架

本课程共30章，按“认知—环境—数据—策略—回测—优化—实战”递进组织。你可以把它看作一条从入门到本地研究落地的路线图。

• 第1-4章 认知与环境：LEAN定位、安装配置、CLI使用、项目结构。
• 第5-9章 数据与订阅：数据格式、多资产订阅、时间切片、数据清洗。
• 第10-16章 策略核心：Initialize与OnData、指标、下单方法、组合管理、风控。
• 第17-22章 回测与评估：回测参数、统计报告、基准对比、过拟合识别。
• 第23-27章 本地研究进阶：Jupyter研究、参数扫描、自定义数据、多策略对比。
• 第28-30章 实战与复盘：完整策略案例、常见错误、从回测到纸上交易的过渡。

五、常见误区与早期复盘

初学者在接触LEAN时，容易陷入几个典型误区：

• 把LEAN当pandas用：试图在OnData中做大规模向量化计算，导致逻辑混乱或性能问题。
• 忽视数据时间对齐：不同分辨率数据混用时，未理解切片顺序，导致未来函数或信号延迟。
• 跳过本地环境直接云端：云端方便，但本地研究能力才是长期竞争力。
• 只看收益不看回撤：LEAN报告丰富，但若只关注最终收益，容易忽略风险暴露。

本章的目标是让你在动手之前，先理解LEAN的边界与价值。接下来，我们将进入实际环境搭建，把这张地图变成可运行的项目。