案例：五槽插件组合的完整闭环（从数据到执行）

August 18, 2026 · View on GitHub

一个模拟案例：个人研究者给 A 股做一个简单的多因子策略， 用 plugin/ 里的外部插件 + dsh-quant 内置工具，走完 data → alpha → model → risk → execution → 交付 的完整闭环。

场景设定

  • 目标：A 股多因子选股策略（月频调仓，模拟盘验证）
  • 标的池：沪深 300 成分（示例用 000001.SZ 演示链路）
  • 原则：外部插件做「深度火力」，内置工具做「范式与验证」

Step 1 · data 插件（插槽 dsh-data）

[外部] capital-generation（A股 MCP）→ fin_data_* 取日线/财务
[内置] quant_data_quality   → 体检（缺值/异常/时间戳）
[内置] quant_data_guide     → 查询「复权」渠道，对齐复权口径

输出：干净的对齐数据 + 体检报告。为什么组合：免费接口打底 （内置行情），深度数据挂 MCP，口径问题问知识库——三件套各司其职。

Step 2 · alpha 插件（插槽 dsh-alpha）

[外部] 101 Formulaic Alphas → 选 3 个候选（动量 Alpha#2、反转 Alpha#10、波动 Alpha#101）
[内置] quant_factor_evaluate → IC / RankIC / IC 衰减 / 分层 → 筛选
[内置] quant_factor_neutralize → 行业中性化（groups=行业代码）
[内置] quant_factor_combine → 合成信号（rank 0..1）

输出：一个经过 IC 筛选 + 中性化的合成信号。为什么组合： 外部因子库出「原料」，内置评价范式出「质检」——内部 alpha 永远 不进公开仓库，但范式让每个人都能质检自己的 alpha。

Step 3 · model 插件（插槽 dsh-ml）

[外部] qlib Alpha158 → 备选特征工程（可选深度）
[内置] quant_walk_forward → 滚动训练/样本外（无未来函数金标准）
[内置] quant_linear_model → 因子→收益 的合成权重

输出：样本外 IC 为正的模型 + 每窗口权重。为什么组合： qlib 提供特征工程深度，dsh-quant 提供「不做假」的验证框架—— train R² 只是参考，OOS IC 才是证据。

Step 4 · risk 插件（插槽 dsh-risk）

[内置] quant_risk        → VaR/CVaR/β/α/IR 快检
[内置] quant_drawdown    → 回撤段解剖（峰/谷/恢复）
[外部] riskfolio-lib     → 组合优化 + 压力测试（深度）
[内置] quant_var_backtest → Kupiec（若有 VaR 模型）

输出：红线清单（最大回撤上限、组合集中度约束）。 为什么组合：内置做「红线快检」，外部做「机构级深度」—— 三层风控火力，覆盖从快速体检到压力测试。

Step 5 · execution 插件（插槽 dsh-execution）

[内置] quant_backtest      → 月频调仓回测（无未来函数）
[内置] quant_execute_sim   → 滑点/双边费/延迟的真实成本模拟
[外部] optibook（语义参照）→ 撮合/部分成交模型对齐
[内置] quant_fund          → 1 亿模拟私募（NAV 1.00 / 管理费 / 高水位提成）

输出：扣成本后的净值曲线 + 模拟私募报告。 为什么组合：外部撮合语义做「真实感校准」，内置执行框架做 「可复现的模拟」——无实盘边界：Hummingbot/freqtrade 仅学习。

Step 6 · 交付与复盘

[内置] quant_report → Markdown 研究报告
[内置] quant_chart  → 图表数据（K线/净值/水下）
[内置] quant_oss_pulse → 生态自评（哈哈，顺手看下项目自己的影响力）

闭环图

data(外部 MCP + 内置体检)
  → alpha(101 Alphas + 内置评价/中性化)
  → model(qlib + walk-forward)
  → risk(riskfolio + 内置红线)
  → execution(撮合语义 + execute_sim + fund)
  → report/chart（交付）
  → 复盘 → 下一轮（一切皆为插件，任何一环可替换）

这个案例的要点

  1. 内置 = 范式：每一步都有可手算的基准，外部结果可以对齐验证
  2. 外部 = 火力：深度数据/因子库/风控库/撮合语义，按需挂载
  3. 闭环可替换：任何一步换插件，闭环不断——everything is a plugin
  4. 边界清晰：方法全公开，策略/参数/内部 alpha 留在你自己的仓库