# 策略 (/zh/features/strategies)

构建配对交易、为资产池排序，或将多个策略组合成一个投资组合。这些完整示例将 VBT 的数据、指标、信号与分析功能应用于真实市场数据，并提供可按自己的想法调整的代码和图表。

## 选择策略工作流 \[#choose-a-strategy-workflow]

| 您想研究什么？          | 从哪里开始                                                                                                                      |
| ---------------- | -------------------------------------------------------------------------------------------------------------------------- |
| 交易两个相关资产之间的价差    | [配对交易](/zh/features/strategies/pairs-trading/)介绍配对筛选、滚动对冲比率、价差信号和双腿回测。                                                     |
| 为资产池排序，并轮动至选中的资产 | [横截面策略](/zh/features/strategies/cross-sectional-strategies/)介绍动量、自定义因子得分、五分位投资组合和动态资格条件。                                   |
| 在多个交易策略之间分配资金    | [多策略投资组合](/zh/features/strategies/multi-strategy-portfolios/)比较静态权重、定期再平衡和共享交易资金。                                          |
| 比较定期投入和一次性投入     | [定期投资](/zh/features/strategies/multi-strategy-portfolios/#recurring-investing-and-dollar-cost-averaging)对每月入金与一次性投入进行回测比较。 |

*   [配对交易](/zh/features/strategies/pairs-trading): 筛选协整配对、共享现金交易价差 z 分数，并验证关系
*   [横截面策略](/zh/features/strategies/cross-sectional-strategies): 每期为资产池排序、轮动至领先资产，并通过五分位组合测试因子
*   [多策略投资组合](/zh/features/strategies/multi-strategy-portfolios): 将策略堆叠为同一投资组合、配置权重，并比较定期投资计划

## 在示例基础上继续构建 \[#build-on-the-examples]

示例使用 Python 函数、pandas 表格和 VBT
投资组合，因此您可以替换其中的交易品种、得分、信号和配置规则。已有入场和离场数组时，可使用[信号回测](/zh/features/backtesting/signal-backtesting/)；决策依赖投资组合已有持仓和现金时，可使用[事件驱动回测](/zh/features/backtesting/event-driven-backtesting/)。

这些策略类型可以使用相同的研究工具。通过[参数优化](/zh/features/optimization/strategy-optimization/)比较回看期、阈值和仓位大小，再通过[前向滚动测试](/zh/features/optimization/time-series-cross-validation/)在后续数据上检验选定设置。检查[交易](/zh/features/analytics/trade-analytics/)和[回撤](/zh/features/analytics/drawdown-analysis/)，了解结果的驱动因素。

将每个想法与基准比较，检查交易，并观察成本和配置规则的影响。这些示例为下一次实验提供完整起点。

## 从这里开始 \[#start-here]

按照[配对交易教程](/zh/tutorials/pairs-trading/)，从筛选到自定义模拟器逐步构建配对策略。若想先了解信号驱动示例，[基础 RSI 教程](/zh/tutorials/basic-rsi/)从指标值讲到回测。[投资组合优化教程](/zh/tutorials/portfolio-optimization/)则介绍配置函数的开发及其与投资组合模拟的衔接。