> ## Content Index > Fetch the complete content index at: https://blog.edgepilotai.io/llms.txt > Use this file to discover other available public pages before exploring further. # 从策略库到模拟盘：一位交易者如何用 AI 定制 EdgePilot 策略 - URL: https://blog.edgepilotai.io/zh/edgepilot-demo-trading-execution-case-study/ - Published: 2026-10-16T03:11:21.000Z - Updated: 2026-10-16T03:11:21.000Z - Description: 从策略库找到研究方向，借助 AI 定制代码，再用回测和模拟盘检查执行。看一位交易者如何用 EdgePilot 把想法一步步跑起来。 - Author: EdgePilot Team - Tags: Product Tutorials, Paper Trading & Execution, #zh-cn 从 EdgePilot 策略库出发，再用 AI 按自己的目标修改策略，可以省去不少从零研究和搭建的时间。这位用户沿着这条路径，完成了策略定制、回测和 Binance 模拟盘验证。 ## 目标不同，筛选策略的标准也不同 这位交易者准备参加一场只有第一名能拿到奖金的比赛。这让他选策略时，多了一层和平时不同的考虑：日常交易里，赚一点、少亏一点，都有实际意义；但在这场比赛里，即使最后小赚，只要没拿到第一名，仍然没有奖金。 所以，他关心的重点从“怎样长期稳健地赚钱”，变成了“怎样在有限时间内冲到目标”。他把目标定为：14 天内，净值从 1.0 达到 1.5，也就是赚到 50% 后停止。 下面这张图能更清楚地解释他的思路：日常交易里，赚多少、亏多少都很重要；而在这次研究中，他只看能不能在规定时间内达到目标。 ![用户的简化效用模型：净值 0 与 1.1 对应的日常盈亏分别是 −1 与 +0.1；在这次达标模型里都记 0，触及 1.5 才记 1。](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/utility.zh-CN-0a119609b8d9.png) 用户的简化效用模型：净值 0 与 1.1 对应的日常盈亏分别是 −1 与 +0.1；在这次达标模型里都记 0，触及 1.5 才记 1。 [查看原图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/utility.zh-CN-0a119609b8d9.png?ref=blog.edgepilotai.io) 他据此给 AI 提出需求：**尽可能提高 14 天内触及目标的概率，达到就停止；没有达到时，接受本金全部损失的结果。**这也解释了他为什么优先看达标比例，而非长期年化收益或夏普比率。 ## 从策略库找方向，用 AI 定制自己的策略 他的第一站是 EdgePilot 策略库。先看现有策略的交易逻辑、交易频率和历史表现，再判断哪些能适应两周的期限。一个月才交易几次的策略，即使长期指标漂亮，也可能来不及在这次研究窗口里发挥作用。 ![EdgePilot 截图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/library.zh-CN-bd9e3393e61d.png) 从 EdgePilot 策略库比较具体方案：查看交易逻辑、币种、周期与历史回测指标，再决定研究和定制的方向。 [查看原图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/library.zh-CN-bd9e3393e61d.png?ref=blog.edgepilotai.io) 点进策略详情页，还能核对回测区间、数据来源和费用假设。下面以 Falcon 动量为例，展示如何先看清测试依据，再带进 AI 工作区继续研究。 ![EdgePilot 截图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/falcon-evidence.zh-CN-2f09eca8c040.png) 回测依据示例：核对区间、数据来源与费用假设。 [查看原图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/falcon-evidence.zh-CN-2f09eca8c040.png?ref=blog.edgepilotai.io) 从现有方案开始，他省去了不少从零找思路的时间，也更清楚自己要改什么。他与 AI 助手一起编写、调整趋势策略 Cheetah，把目标净值、时间上限和退出规则写进代码，再用 EdgePilot 回测检查。 接着，AI 助手配合额外研究脚本，每隔 12 小时开始一次 14 天历史模拟，达到目标就停止，并比较不同杠杆。下面是用户报告的这轮结果，反映的是这些测试条件下的达标比例。 __用户报告的历史模拟：14 天内净值从 1.0 达到 1.5__ | 结果 | 模拟中的占比 | | -------- | ------ | | 净值触及 1.5 | 约 65% | | 净值归零 | 约 35% | 到这里，Cheetah 已经有了符合他比赛需求的规则和模拟结果，同时仍伴随很高的归零风险。这些历史结果给了他继续验证的依据。 ## 有了 Cheetah，网格会不会更好？ 有了能用的方案，他又想多比较一步：同样是争取在 14 天内达到目标，换成网格，机会会不会更大？于是，他接着问： > 你没有考虑过网格策略吗？ 于是，比较从“哪条趋势策略更合适”，扩展成了“趋势和网格，谁更适合这次目标”。研究脚本用 ETH、BTC、SOL、DOGE 的历史分钟数据扫描网格参数；对话记录显示，这轮研究涉及 1,440 组参数和 2,866 个历史起点。 比较时，双方使用相同的目标和退出条件。结果，这轮测试里的网格方案没有比 Cheetah 更好。他因此保留了原来的方向，把下一步的注意力放到下单方式上。 ![EdgePilot 截图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/grid-source-28bacc01e32a.png) 用户追问网格后，AI 助手配合研究脚本展开比较。历史研究对话。 [查看原图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/grid-source-28bacc01e32a.png?ref=blog.edgepilotai.io) ## 手续费更低，为什么不全部用 maker？ 继续使用 Cheetah 后，他开始琢磨：交易方向不变，能不能把下单成本再降一点？ > 如果用 maker 下单，手续费会降低，你出于什么角度考虑，不用 maker 而用 taker？ maker 像先报个价，等别人来接；taker 是直接接受订单簿里已有的报价。前者费率可能更低，但你排着队，价格可不会陪你一起等。 如果价格已经走远，挂单没成交，策略就得决定：这笔交易放弃，还是追进去？只比较手续费，就像只看快递费，没算为了凑免邮多买的东西。 用户让 AI 助手进一步比较市价入场、限价止盈，以及先等 maker 成交、超时再处理剩余数量的方案。额外模拟中一个很具体的发现是：等得更久，maker 成交比例可能更高，但没成交后再追价的成本也可能变大。 ![挂单等成交时，价格可能走远；一起比较费用与最终成交价。](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/maker.zh-CN.v1-061e5411b42c.png) 挂单等成交时，价格可能走远；一起比较费用与最终成交价。 [查看原图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/maker.zh-CN.v1-061e5411b42c.png?ref=blog.edgepilotai.io) 于是，他把问题拆成了三条执行规则： __这次用户调整的执行规则__ | 环节 | 采取的动作 | 接着检查什么 | | -- | ----------------------- | -------------- | | 入场 | 先挂 post-only 限价单，等待约一分钟 | 实际成交多少，等了多久 | | 超时 | 撤销未成交部分，再按规则转市价 | 剩余数量与最终成交价 | | 止盈 | 使用只减仓限价单 | 是否按目标退出、实际费用多少 | 这时，“试试 maker”已经变成了能写进代码、也能回头核对的动作。省手续费只是目标，订单最终怎样成交才是答案。 ## 用工作台跟进运行，到模拟盘核对成交 改好代码后，他回到 EdgePilot 工作台检查配置和回测。连接好币安模拟账户后，就可以从策略页点击 Deploy（部署），选择 Demo 模式，核对配置并确认启动。EdgePilot 会在本地运行策略，通过 API 向币安模拟盘发送订单。 ![EdgePilot 截图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/dashboard-source-ad0ec5df19f2.png) EdgePilot 策略与回测工作区。图示为 Cheetah 的 72 小时配置，与上文 14 天历史模拟不同。 [查看原图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/dashboard-source-ad0ec5df19f2.png?ref=blog.edgepilotai.io) EdgePilot 负责运行策略、跟踪订单与持仓；币安模拟盘负责模拟账户里的订单处理和成交反馈。用户可以在工作台监控，也可以到币安 Demo 核对账户记录。部署后，他继续问： > 你分析一下现有的成交和仓位。 ![Binance Demo 合约账户：余额、资产分配与持仓入口](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/demo-source-2376ac5ca02a.jpg) 用户提供的 Binance Demo 合约账户截图：策略研究之后，继续在交易所模拟环境中检查账户与仓位。图中余额是账户快照。 [查看原图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/demo-source-2376ac5ca02a.jpg?ref=blog.edgepilotai.io) 他用 EdgePilot 的运行记录核对订单和持仓，也到币安模拟账户确认实际情况。部分挂单只成交了一小部分，让他能检查“超时后处理剩余数量”的规则是否按计划执行。 后续记录显示，入场与止盈都正常完成，止盈按 maker 成交。从修改策略到检查订单，这个想法完成了一轮模拟验证。 ## 从策略库起步，把自己的想法跑起来 这位用户从策略库找方向，借助 AI 定制代码，再用 EdgePilot 完成回测和模拟盘验证。发现哪里不合适，就继续改、继续测。 EdgePilot 把这条路接了起来：**从策略库选方向 → 借助 AI 修改代码 → 回测 → 模拟盘验证 → 确认运行条件后进入实盘。**在工作台，你可以查看模拟盘和实盘的运行状态、订单与持仓，持续监控，需要时停止运行。 ![从一个疑问开始，只改一项规则，再用回测和模拟成交记录检查。](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/workflow.zh-CN.v1-d5fe67edb511.png) 从一个疑问开始，只改一项规则，再用回测和模拟成交记录检查。 [查看原图](https://storage.ghost.io/c/6d/bb/6dbbb7cc-1f93-4cd3-8d75-e3c2cfce055f/content/images/2026/10/workflow.zh-CN.v1-d5fe67edb511.png?ref=blog.edgepilotai.io) 如果你也想试，先从一条策略、一个疑问开始，不用一次改完所有参数： 1. **选一个方向。**从 EdgePilot 策略库挑出你理解交易逻辑的候选，先看哪些规则可以沿用，再说明自己的市场、期限与目标。 2. **只改一项。**例如先比较两种入场方式，固定信号和仓位规则。 3. **跑完查一笔。**把信号、订单、成交与持仓放在一起，找出计划与执行的差别。 复制这段提示词，开始研究复制 我想比较这条策略的市价入场与限价等待。先帮我固定币种、时间区间和仓位规则，再检查手续费、等待时间、部分成交与最终成交价。根据记录，下一轮最值得改哪一项？ [从 EdgePilot 策略库选一个研究方向](https://www.edgepilotai.io/zh/strategies/?utm%5Fsource=edgepilot%5Fblog&utm%5Fmedium=article%5Fcta&utm%5Fcampaign=edgepilot-demo-trading-execution-case-study&utm%5Fcontent=choose%5Fstrategy)，再带着一个具体问题往下试。让下一次修改有理由，也让下一次复盘有记录可查。 想继续了解部署和运行监控，可以查看[EdgePilot Live 使用说明](https://www.edgepilotai.io/zh/live/?utm%5Fsource=edgepilot%5Fblog&utm%5Fmedium=article%5Fcta&utm%5Fcampaign=edgepilot-demo-trading-execution-case-study&utm%5Fcontent=check%5Fdemo%5Fworkflow)。 历史模拟与模拟盘结果不代表实盘或未来收益。