从策略库到模拟盘：一位交易者如何用 AI 定制 EdgePilot 策略
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。
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。
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。
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。
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。
| 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。
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。
于是，他把问题拆成了三条执行规则：
| 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 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。
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。
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：
- 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。
- 只改一项。例如先比较两种入场方式，固定信号和仓位规则。
- 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。
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，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。
历史模拟与模拟盘结果不代表实盘或未来收益。
