1. 课程导入
欢迎进入《LEAN CLI 研究回测到实盘交易实战》。在动手写第一行策略代码之前，我们需要先建立一张清晰的“地图”：LEAN CLI 到底是什么、它在量化交易全流程中处于什么位置、我们这 30 章要沿着怎样的路径前进。很多初学者一上来就急着调参、跑回测，结果在环境配置、数据格式、实盘对接上反复踩坑，根本原因就是缺少对工具定位和整体流程的认知。本章不写策略，只解决“为什么用 LEAN CLI”和“怎么学”这两个问题。
一、LEAN CLI 的定位与价值
LEAN 是 QuantConnect 开源的量化交易引擎，支持 C# 与 Python 编写策略，覆盖股票、期货、外汇、期权、加密货币等多资产类别。而 LEAN CLI 是这套引擎的命令行入口，它把“项目创建、数据下载、本地回测、参数优化、云端部署、实盘运行”串成了一条可脚本化、可复现的工作流。
它的核心价值可以归纳为三点：
- 本地与云端一致：同一份策略代码，既能在本地用
lean backtest跑，也能一键推送到 QuantConnect 云端，避免“本地能跑、线上报错”的割裂。 - 工程化而非脚本化：策略以项目（project）为单位组织，包含
main.py、config.json、research.ipynb等，天然适合版本管理与团队协作。 - 全流程可复现：数据、参数、回测结果、日志都被结构化保存，任何一次实验都能被重新执行和对比。
如果你只用过网页版 QuantConnect，LEAN CLI 带来的最大改变是：把“点鼠标”变成“敲命令”，从而让研究过程可以被记录、被自动化、被复现。
二、量化交易全流程概览
一个完整的量化交易闭环，通常包含六个阶段：想法研究、数据准备、策略编码、回测验证、模拟/实盘、监控复盘。LEAN CLI 在每个阶段都有对应命令支撑。
| 阶段 | 核心任务 | LEAN CLI 关键命令 |
|---|---|---|
| 想法研究 | 用 Notebook 探索数据、验证因子 | lean research |
| 数据准备 | 下载/更新历史数据到本地 | lean data download |
| 策略编码 | 创建项目、编写算法逻辑 | lean project-create |
| 回测验证 | 本地回测、查看统计与日志 | lean backtest |
| 参数优化 | 批量扫描参数、对比结果 | lean optimize |
| 实盘运行 | 部署到券商/云端并监控 | lean live / lean cloud live |
下面这张图展示了从研究到实盘的数据与信号流向，以及 LEAN CLI 在各环节的介入点。请重点观察：研究阶段的因子结论如何进入策略，回测结果又如何反馈修正参数。
三、课程学习路径与实战目标
本课程共 30 章，整体遵循“环境 → 研究 → 回测 → 优化 → 实盘 → 复盘”的递进结构。你可以把它理解为一条从零到实盘的流水线，每一章都产出一个可验证的成果。
- 基础搭建（第 1–5 章）：安装 LEAN CLI、创建项目、理解目录结构与配置，跑通第一个本地回测。
- 研究与数据（第 6–12 章）：用 Notebook 做因子探索，掌握数据下载、格式转换与自定义数据接入。
- 策略与回测（第 13–20 章）：编写多资产策略，理解手续费、滑点、成交模型，学会读回测报告。
- 优化与稳健性（第 21–25 章）：参数扫描、样本外测试、过拟合识别与风险控制。
- 实盘与运维（第 26–30 章）：模拟盘、券商对接、实盘部署、监控告警与复盘迭代。
实战目标：课程结束时，你将拥有一个能在本地回测、能在云端运行、并能对接实盘账户的完整策略项目，而不是一堆零散代码片段。
四、常见误区与复盘提醒
在正式开课前，先避开几个高频误区，能帮你省下大量时间。
- 误区一：把回测收益当实盘预期。回测是历史拟合，未考虑流动性冲击、网络延迟与真实滑点。实盘前必须经过模拟盘验证。
- 误区二：忽略数据质量。缺失值、复权错误、时区不一致，都会让回测结果失真。数据准备阶段要多做校验。
- 误区三：过度优化参数。在历史数据上反复调参，容易得到“漂亮但脆弱”的曲线。要保留样本外数据做检验。
- 误区四：跳过工程规范。不写日志、不做版本管理、配置硬编码，会让策略无法维护和复现。
请记住：LEAN CLI 是工具，不是盈利保证。它帮你把流程做规范、把实验做可复现，但策略的盈亏最终取决于逻辑、风控与执行。
接下来，我们将从安装 LEAN CLI 开始，一步步把这条流水线搭起来。请先确认你的开发环境已准备好 Python 或 .NET 运行时，并保持网络畅通，以便下载引擎与数据。