1 第 1 层 · 生成
第一层：AI 生成
每次会话 2000+ 策略。7 个 LLM 提供商，10 个构建器页面，6 个策略类别。批量生成将构思变为工厂。
信号规模平台
StratCraft
生成、管理、回测、部署: 尽你所想的策略数量，AI 全程协助。
构建你自己的交易系统，统一管理所有策略。
信号规模平台 · 实时
pages.quantnexus.heroPreview.chartTitle
pages.quantnexus.heroPreview.chartNote500–1000×
pages.quantnexus.heroPreview.statSpeed
2000+/sess
pages.quantnexus.heroPreview.statGen
7
pages.quantnexus.heroPreview.statLlm
1000+
pages.quantnexus.heroPreview.statCapacity
规模化数字
让零售交易者实现机构级信号规模的关键。
0
比 Python 更快: 让规模化成为可能的速度
0
LLM 提供商: 每次会话 2000+ 策略
0
用于回测信号的市场数据源
0
Alpha 工厂的信号容量
三层竞争壁垒
只有 StratCraft 将三大优势融为一体: 每一层都让其他层更强大。
2 第 2 层 · 速度
第二层：C++23 速度
比 Python 快 500-1000 倍。让 1000 信号规模成为可能, 你可以回测整个工厂，而不仅仅是精选的几个。
Python
(vectorbt)1×
(vectorbt)1×
Rust
(NautilusTrader)42×
(NautilusTrader)42×
StratCraft
C++23784×
C++23784×
3 第 3 层 · 组合
第三层：统计组合
统计组合层。使用 IC、ICIR 和 Sharpe 筛选组合 1000+ 信号。5 种统计加权方法。这就是将回测库转化为信号工厂的关键。
∞ 全本地 · 无锁定
全本地，无锁定
Windows、macOS、Linux。所有计算在本地运行, 无云依赖，规模化无额外成本。导出可移植的 .py 策略，零供应商锁定。
Windows
macOS
Linux
为什么信号规模很重要
零售交易者一直处于结构性劣势。StratCraft 改变了这个等式。
传统方法
StratCraft 信号规模
策略生成
手动编写 3-5 个策略
pages.quantnexus.scaleComparison.row1Quantnexus
回测吞吐量
Python：每次运行数小时，只能测试少量
pages.quantnexus.scaleComparison.row2Quantnexus
组合构建
选出最佳策略单独运行
pages.quantnexus.scaleComparison.row3Quantnexus
结构化方法
集中风险, 一个策略失败，全盘皆输
pages.quantnexus.scaleComparison.row4Quantnexus
顶级量化基金通过统计组合数千个信号实现了无与伦比的回报，而不是寻找一个完美策略。StratCraft 将这种架构带给零售交易者。
三层流水线
1
第一层: 大规模生成
描述一个想法。AI 策略构建器使用 7 个 LLM 提供商跨 6 个类别生成数百个变体, 每次会话 2000+ 策略，而非逐个创建。
2
第二层: 回测整个工厂
C++23 引擎全部运行，比 Python 快 500-1000 倍。6+ 数据源，每 500 根 K 线实时权益曲线。速度让回测 1000+ 信号成为可能。
3
第三层: 机构级统计组合
将存活的信号带入 Alpha 工厂。应用 IC/ICIR/Sharpe 筛选，使用 5 种统计加权方法组合。输出是一个 1000+ 信号组合, 顶级量化基金所采用的结构化方法。