Jesse KDJstrategy 忠实移植，固定默认参数 — LTC 现货日线

假设

将 Jesse 社区的 MIT 许可 KDJstrategy 忠实移植到 LTCUSDT.BINANCE_SPOT，使用 1-DAY K 线、CASH 账户且不使用杠杆。保留可执行的 Python 语义，不按注释修正代码。KDJ 默认值为 fastk_period=9、slowk_period=3、slowk_matype=0、slowd_period=3、slowd_matype=0，且 sequential=False。计算九周期随机指标，K 为其三周期 SMA，D 为 K 的三周期 SMA，J=3*K-2*D。使用不包括当前 K 线的数据计算前一根 K 线的 J。ATR 周期为 14。保留 Jesse 的指标初始化和 ATR 平滑处理；不要替换为基于 EMA 的 KDJ。来源：[KDJstrategy，固定提交版本](https://github.com/jesse-ai/example-strategies/blob/7c91e0a37bf62165790120d730442e4f6eb00364/KDJstrategy/__init__.py).。默认值已对照 [Jesse KDJ 实现](https://raw.githubusercontent.com/jesse-ai/jesse/master/jesse/indicators/kdj.py); 核实；该策略未固定其 Jesse 依赖版本。

明确要求忠实于来源，因此优先还原原策略，而非引入新机制或改变方向。代码仅做多，且 Jesse 的仓位计算辅助函数将名义价值限制在资本以内，因此现货交易合适。本地存在确切的 LTC 日线目录。BINANCE_SPOT 低于其 15% 目标，为 11%；尽管如此，本方案仍增加了占比过高的单一标的、仅做多和日线类别，因为改变这些维度会改变给定策略。corpus_concentration 为空，因此无法确定 LTC 近期研究的占比。这是一次复现实验，并不声称 KDJ 具有已证实的结构性优势。

negative_expectancy（fee_edge/no_edge）。这个采用固定默认设置的 Jesse KDJ 移植版本，在 LTCUSDT 现货日线数据上交易，在约 6 年的可靠样本（共 336 笔交易）中亏损。相对于 +0.25% BINANCE_SPOT 下限，avg_trade_return_pct 为 -0.281%。PF 为 0.856，夏普比率为 -0.30，最大回撤为 44.1%，而预先登记的标准为 30%；七年中有六年亏损。佣金和冲击成本前的总损益也为负（约 -$10.6k），因此扼杀这一优势的并非手续费。信号 IC 为 0.011（t=0.5），这只是噪声。相对于 LTC 买入并持有策略的阿尔法每年为 -11.5%。该计划没有可调参数，因此优化无法改变任何结果。这证实了 QA 对策略优势的担忧：完整历史数据的数值与沙盒结果一致（-0.253%，PF 0.865）。J > D 门槛在约一半的所有日期为真，因此它充当噪声振荡器门槛，持仓约 2.8 天，无法覆盖 0.20% 现货交易的往返成本。此结论仅适用于采用源默认设置进行的这项 LTC 现货日线转换。

实现

将 Jesse 的 KDJstrategy 移植到 LTCUSDT 现货日线数据。随机指标使用 9 根 K 线，K 是其 3 根周期的 SMA，D 是 K 的 3 根周期的 SMA，J = 3K - 2D，以上计算均使用 240 根非连续 K 线切片。当 J > (K 和 D) 时做多，沿用 Python 的 `and` 语义。当持仓盈利且前一根 K 线的 J 高于当前 J，或 J < (K 和 D) 时退出。入场为市价 BUY，附带 2xATR(14) 止损单，并以 OTO 子单形式挂在交易场所。仓位遵循 Jesse 的 risk_to_qty，风险为 5%，上限为资本的 100%。

第 3 次迭代只修复了第 -3 层崩溃。NautilusTrader 会拒绝 OUO 订单，因为其 linked_order_ids 为空。来源代码没有可供止损单关联的止盈单，因此现在让止损单关联自身。关联到入场单行不通：提交止损单时，入场单已成交，而撮合引擎会拒绝关联订单已关闭的 OUO 订单。所有 OUO 撤单和更新路径都会跳过已关闭的关联单，因此自关联不起作用。止损单仍为条件单，所以基类仍将其视为保护性订单，并持续调用 should_exit。我在 LTC 日线数据上对 2019-01 至 2024-07 进行了本地回测。运行无错误，平仓 273 笔，平均每笔交易为 -0.27%，夏普比率为 -0.24，最大回撤为 43.6%。这是复现移植：结果较弱，但应由分析人员进行判断。信号、仓位规模和参数均未改变。

验证结果

如果完整回测诊断中出现拒单，仅在上限生效时加入缓冲（例如 max_notional_fraction 0.995），或将数量向下取整至该交易品种的数量精度。将此记录为工程偏差，而非规则变更。

仓位规模遵循 Jesse 的 risk_to_qty：以资本的 5% 除以 2xATR 止损距离，再乘以价格，最高为资本的 100%。sizing_fee_rate 为 0，sizing_precision 为 8，而 LTC 现货数量精度较粗，make_qty 可能将数量向上取整。当 ATR 低于价格的约 2.5% 时，上限会生效；这种情况会出现在平静的市场阶段。此时，按权益的 100% 提交的市价 BUY 加上 CASH 账户的 0.1% 手续费，可能超过可用现金并遭拒。这会导致入场单被静默丢弃，且只发生在平静阶段。它不会改变冻结的来源语义，沙盒产生了 335 笔交易，因此不构成阻碍。

无需更改。请使覆盖项与基础模板的保护条件保持同步。

_submit_entry 覆盖基类方法，以便提交带有仅减仓止损市价子单的 OTO 市价入场单，这与 Jesse 的 self.stop_loss 相对应。我将其与 base_template._submit_entry 作了比较：它保留预热、种子冻结、暂停、市场就绪和在途保护条件，并记录在途入场单。基类的现货做空保护被显式的 BUY-only 检查取代，在此情形下二者等价。止损单以 OUO 关联自身，使 NautilusTrader 能接受该订单。这种做法不寻常，但没有危害：它没有关联的同级订单，且沙盒顺利平掉了每个仓位（open_positions 0）。日后对基类保护条件的任何修改都不会传递到此覆盖方法。

沙盒覆盖了 2161 天，平仓 335 笔做多交易。相对于 +0.25% BINANCE_SPOT 底线，avg_trade_return_pct 为 -0.253%；PF 0.865，夏普比率为 -0.28（CI -1.11 至 0.47），最大回撤为 44%，三个波动率区间均亏损。开发者自行运行的 2019-2024 结果一致：273 笔交易的每笔交易为 -0.27%。佣金占毛利的 9.25%，所以毛利优势大致持平，冻结方案没有可调参数。每当 J > D 时便会触发入场，该条件在约一半交易日成立。因此，这是一个持仓平均约 2.8 天的噪声振荡指标动量门槛，每次交易需承担 0.20% 现货往返成本。预计全历史回测会确认 no_edge。这一担忧关乎盈利能力，而非正确性，因此不会阻止继续进行。

回测评审

夏普

-0.30

总收益率

-39.11%

最大回撤

44.10%

总交易数

336

胜率

46.7%

盈利因子

0.86

移植忠实于来源且运行正常：在 2173 天内完成 336 笔仅做多交易，没有丢弃入场单，会计核算有效，没有期末未实现敞口，样本可靠。

交易模式符合来源逻辑：当 J > D 时入场，约有 44% 的时间处于市场中，持仓约 2.8 天，且不做空。

avg_trade_return_pct 相对于 +0.25% BINANCE_SPOT 底线为 -0.281%。

PF 为 0.856，夏普比率 -0.30（CI -1.09 至 0.50），总回报 -39.1%，最大回撤 44.1%（相对于预先登记的 30%），最长一次回撤持续了 1005 天。

七年中有六年亏损；只有 2020 年为正。三个波动率区间均亏损，六个压力窗口中也有五个亏损。

扣除佣金和冲击成本前的毛利盈亏约为 -$10.6k，因此该策略在计入成本前就已亏损。

该预测没有信息量：IC 0.011，t = 0.5。

年化阿尔法为 -11.5%，信息比率为 -0.62，贝塔为 0.12，表现逊于 LTC 买入持有。

方案没有可调参数，因此优化没有可改变的内容。

迭代历史

验证失败（第 1.5 层 — 假设/配置一致性）[类别=hypothesis_mismatch]： - optimization_plan 将杠杆固定为 1.0

验证失败（第 3 层 — 沙盒回测）：当 `contingency_type` OUO 时，`linked_order_ids` 为 `None` 或为空 使用的 K 线类型：LTCUSDT。BINANCE_SPOT-1-DAY-LAST-EXTERNAL，已处理 K 线：0 请确保您的策略能根据给定数据和参数产生交易。

结局总结

J > D 振荡指标门槛在约一半交易日成立，持仓约 2.8 天，在 LTC 日线数据上没有预测信息，也无法覆盖 0.20% 现货往返交易成本，因此不应预期固定默认参数移植能体现策略优势。

回测审查关卡因期望收益为负（无优势）而给出“放弃”结论：平均交易回报为 -0.281%，低于 +0.25% BINANCE_SPOT 底线；扣费前已亏损，回撤也高于预先登记的 30%。方案没有可调参数，因此优化无法改变结果；后续优化及阶段均未进行。

忠实于 Jesse 社区 MIT 许可 KDJstrategy 的固定默认参数移植（基于 SMA 的 KDJ 9/3/3，J=3K-2D，ATR(14) 止损），应用于 LTCUSDT.BINANCE_SPOT 日线数据，仅做多且不使用杠杆。

在 2018-08-11 至 2024-07-22 期间，策略进行了 336 笔做多交易，总回报为 -39.1%，夏普比率为 -0.30（CI -1.09 至 0.50），盈利因子为 0.856，最大回撤为 44.1%，以及 avg_trade_return_pct -0.281%。扣除成本前的毛利盈亏也为负（约 -$10.6k），信号 IC 为 0.011（t=0.5）。

分析

KDJstrategy