# [object Object]

> {{DESCRIPTION}} 使用场景： (1) 继续执行此策略（查看当前状态和下一步） (2) 了解策略机制（事件-信号-动作映射） (3) 查看回测/实盘结果和经验教训

- Skill: `cyl19970726/object-object-2` (Agent Skill, multi-file: 10 files)
- Install (CLI): `npx skillmds@latest add cyl19970726/object-object-2`
- Raw SKILL.md: https://api.skillmd.com/api/skills/cyl19970726/object-object-2/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Productivity
- Author: cyl19970726 (https://skillmd.com/u/cyl19970726)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/cyl19970726/object-object-2

---


# {{TITLE}}

## 机会发现

**市场现象**：{{OPPORTUNITY_PHENOMENON}}

**假设**：{{OPPORTUNITY_HYPOTHESIS}}

**初步验证**：{{OPPORTUNITY_VALIDATION}}

## 策略机制

### 事件数据源
| 事件类型 | 来源 | 频率 |
|---------|------|------|
| | | |

### 事件-信号映射
| 事件 | 触发条件 | 产生信号 | 信号数据 |
|------|---------|---------|---------|
| | | | |

### 信号-动作映射
| 信号 | 动作 | 参数计算 | 执行条件 |
|------|------|---------|---------|
| | | | |

**核心特征**：
- {{CORE_FEATURE_1}}
- {{CORE_FEATURE_2}}
- {{CORE_FEATURE_3}}

> 完整策略设计见 `research/strategy-design.md`

## 验收标准

### Backtest
1. ✅/⚠️/❌ 回测 PnL > ${{TARGET_PNL}} ({{NUM_MARKETS}} 个市场, {{NUM_DAYS}} 天) — <实际数值>
2. ✅/⚠️/❌ Sharpe > {{TARGET_SHARPE}} — <实际数值>
3. ✅/⚠️/❌ MaxDD < {{TARGET_MAXDD}}% — <实际数值>

### Code
1. ✅/⚠️/❌ 策略实现位于 `{{STRATEGY_PATH}}`
2. ✅/⚠️/❌ 全量 `pnpm build && pnpm test` 通过
3. ✅/⚠️/❌ {{CODE_CHECK_3}}

### Live
1. ✅/⚠️/❌ 实盘 {{NUM_LIVE_MARKETS}} 个市场运行 {{LIVE_HOURS}}h 无异常
2. ✅/⚠️/❌ {{LIVE_CHECK_2}}
3. ✅/⚠️/❌ 钱包地址可追溯、日志完整性检查通过

## 当前状态

**Status**: Not Started
**Phase**: Research
**Deployment**: <仅 Live phase 时填写，如 "GCE + PM2 (BTC 15m markets)">

## 已知问题 / Gotchas

| # | 问题 | 影响 | 状态 |
|---|------|------|------|
| 1 | **<问题标题>** <详细描述> | <对策略/系统的影响> | ✅/⚠️/❌ <当前状态> |
| 2 | | | |

> 记录策略开发/回测/实盘过程中发现的坑、边界条件、必须注意的配置等。

## Skill Relationships

### 依赖关系 (Depends On)

| Skill | 关系 | 说明 |
|-------|------|------|
| <skill-name> | <类型> | <为什么依赖> |

### 参考关系 (References)

| Skill | 关系 | 说明 |
|-------|------|------|
| <skill-name> | <类型> | <参考了什么内容> |

> 可选字段。如果策略依赖其他 task-*/observe-* skill 的输出、分析或基础设施，在这里标注。

## 经验 / 教训

### 核心发现

**1. {{LESSON_TITLE_1}}**

{{LESSON_DETAIL_1}}

**2. {{LESSON_TITLE_2}}**

{{LESSON_DETAIL_2}}

**3. {{LESSON_TITLE_3}}** (可选)

{{LESSON_DETAIL_3}}

### 因果链分析

**调整**: {{ITERATION_1_CHANGE}}
**机制影响**: {{ITERATION_1_MECHANISM}}
**行为影响**: {{ITERATION_1_BEHAVIOR}}
**结果**: {{ITERATION_1_RESULT}}

---

**调整**: {{ITERATION_2_CHANGE}}
**机制影响**: {{ITERATION_2_MECHANISM}}
**行为影响**: {{ITERATION_2_BEHAVIOR}}
**结果**: {{ITERATION_2_RESULT}}

> 每次回测迭代都应该填写一条因果链分析，不只是记录 "改了什么 → PnL 变化"。
> 好的因果链示例：
> - 调整 spread_threshold 0.02→0.03 → 信号触发频率从 100 次降到 60 次 → 过滤掉 spread 0.02-0.03 区间的低质量机会（该区间胜率仅 45%）→ 整体胜率从 52% 提升到 61% → PnL 从 +5% 提升到 +8%

## References

| 目录 | 内容 | 何时读 |
|------|------|--------|
| `research/` | 研究计划、策略设计、数据分析 | 策略设计阶段 |
| `backtest/` | 回测计划和结果 | 回测阶段 |
| `simulate/` | 模拟计划和结果 | 模拟阶段 |
| `live/` | 部署记录、Bug、经验 | 实盘阶段 |