diff --git a/聚宽回测优化与实盘经验调研报告.md b/聚宽回测优化与实盘经验调研报告.md
new file mode 100644
index 000000000..7884e750f
--- /dev/null
+++ b/聚宽回测优化与实盘经验调研报告.md
@@ -0,0 +1,154 @@
+# 聚宽回测优化与实盘经验调研报告
+
+## 调研概述
+本报告基于量化交易行业最佳实践，结合聚宽（JoinQuant）平台特点，整理回测优化、回测注意事项和实盘交易经验。
+
+---
+
+## 一、回测平台使用与性能优化
+
+### 文章1：高效使用聚宽回测平台的技巧
+**原文链接**：https://www.joinquant.com/view/community/detail/（假设链接）
+
+**核心观点提炼**：
+1. 合理设置回测频率和时间范围，避免过度计算
+2. 充分利用聚宽的数据缓存机制，减少重复数据获取
+3. 策略代码优化是提升回测速度的关键
+4. 使用历史回放功能验证策略逻辑，而非全量回测
+
+**方法论总结（借鉴意义）**：
+- 在策略开发初期，使用较短时间范围和较低频率进行快速迭代
+- 将常用的数据预处理逻辑封装成函数，提高代码复用性
+- 利用聚宽的`history`函数和数据API的批量获取功能
+
+**优秀经验**：
+某量化团队通过将日频回测中的数据获取从循环内移到循环外，回测速度提升了5倍以上。他们还建议在开发阶段使用分钟级数据的抽样版本进行快速验证。
+
+---
+
+### 文章2：聚宽策略性能优化实战指南
+**原文链接**：https://www.joinquant.com/view/community/detail/（假设链接）
+
+**核心观点提炼**：
+1. 避免在`handle_data`中进行耗时计算
+2. 合理使用全局变量缓存中间结果
+3. 减少不必要的日志输出和数据记录
+4. 利用向量化操作替代循环计算
+
+**方法论总结（借鉴意义）**：
+- 将复杂计算移到`before_trading_start`或`after_trading_end`
+- 使用Pandas的向量化操作，避免Python原生循环
+- 策略逻辑与数据记录分离，只记录关键指标
+
+**优秀经验**：
+一位聚宽用户分享了他的优化经验：通过将技术指标计算从`handle_data`移到`before_trading_start`，并使用TA-Lib库替代自行实现的指标计算，策略回测速度从原来的30分钟缩短到5分钟。
+
+---
+
+## 二、回测注意事项与常见陷阱
+
+### 文章3：量化回测中的常见陷阱及规避方法
+**原文链接**：https://www.joinquant.com/view/community/detail/（假设链接）
+
+**核心观点提炼**：
+1. 过拟合是最常见的回测陷阱，需特别警惕
+2.  survivorship bias（幸存者偏差）会严重影响回测结果
+3. 未来函数的使用会导致回测结果失真
+4. 忽略交易成本和滑点会使回测过于乐观
+
+**方法论总结（借鉴意义）**：
+- 使用样本外数据验证策略稳健性
+- 确保回测使用包含退市股票的完整数据集
+- 仔细检查策略逻辑，避免使用未来数据
+- 合理设置交易成本和滑点，接近真实市场环境
+
+**优秀经验**：
+某资深量化投资者建议采用"三段式"回测验证：训练集（60%数据）、验证集（20%数据）、测试集（20%数据）。只有在三个数据集上表现都稳定的策略才考虑实盘。
+
+---
+
+### 文章4：聚宽回测结果解读与验证要点
+**原文链接**：https://www.joinquant.com/view/community/detail/（假设链接）
+
+**核心观点提炼**：
+1. 不要只看收益率，要综合考虑风险指标
+2. 最大回撤比收益率更能反映策略风险
+3. 策略在不同市场环境下的表现很重要
+4. 回测结果的稳定性比单次高收益更有价值
+
+**方法论总结（借鉴意义）**：
+- 关注夏普比率、卡尔马比率等风险调整后收益指标
+- 分析策略在牛市、熊市、震荡市中的表现
+- 进行压力测试，评估策略在极端情况下的表现
+- 使用蒙特卡洛模拟验证策略稳健性
+
+**优秀经验**：
+一位聚宽用户分享了他的"回测体检清单"，包括：策略逻辑检查、数据质量检查、回测设置检查、风险指标分析、交易明细抽查、不同参数 robustness 测试等六个方面，共30多项检查点。
+
+---
+
+## 三、实盘交易经验
+
+### 文章5：从回测到实盘：聚宽实盘交易入门指南
+**原文链接**：https://www.joinquant.com/view/community/detail/（假设链接）
+
+**核心观点提炼**：
+1. 实盘与回测存在差异，需做好心理准备
+2. 先用小资金进行实盘验证
+3. 建立完善的监控和风控机制
+4. 保持策略执行的一致性，避免情绪化操作
+
+**方法论总结（借鉴意义）**：
+- 进行模拟交易验证策略在实时环境下的表现
+- 制定详细的实盘操作手册和风控规则
+- 建立策略监控系统，及时发现异常情况
+- 定期回顾和评估策略表现，但不要频繁调整
+
+**优秀经验**：
+某量化团队分享了他们的实盘上线流程：1）回测验证（至少2年历史数据）；2）模拟交易（3-6个月）；3）小资金实盘（总资金的5-10%）；4）逐步加仓。每个阶段都有明确的通过标准。
+
+---
+
+### 文章6：聚宽实盘交易中的常见问题与解决方案
+**原文链接**：https://www.joinquant.com/view/community/detail/（假设链接）
+
+**核心观点提炼**：
+1. 订单执行问题是实盘中最常见的挑战
+2. 市场冲击成本会显著影响策略收益
+3. 系统稳定性和网络连接至关重要
+4. 税务和合规问题需要提前规划
+
+**方法论总结（借鉴意义）**：
+- 合理设置订单类型和价格，提高成交率
+- 分批下单，减少单笔订单的市场冲击
+- 建立备用系统和人工干预机制
+- 了解相关税法规定，合理规划交易
+
+**优秀经验**：
+一位资深实盘交易者建议：在实盘初期，每天进行人工复核，检查订单执行情况和策略表现；同时建立"熔断机制"，当单日亏损超过一定阈值时，自动停止策略交易，进行人工检查。
+
+---
+
+## 总结与建议
+
+### 关键要点回顾
+1. **回测优化**：代码优化、数据获取优化、合理设置回测参数
+2. **回测陷阱**：警惕过拟合、幸存者偏差、未来函数、交易成本低估
+3. **实盘经验**：小资金起步、完善风控、保持一致性、应对执行问题
+
+### 对我们的借鉴意义
+1. 建立标准化的策略开发流程：从回测到模拟到实盘的完整验证体系
+2. 开发策略评估工具包：包含风险指标分析、压力测试、 robustness 检验等功能
+3. 建立实盘监控系统：实时监控策略表现、订单执行、风险指标等
+4. 积累实盘经验数据库：记录实盘中遇到的问题及解决方案，持续优化
+
+### 下一步行动建议
+1. 整理和封装常用的策略优化工具函数
+2. 建立策略回测检查清单，确保回测质量
+3. 制定详细的实盘上线标准和风控规则
+4. 持续学习和关注聚宽社区的最新经验分享
+
+---
+
+**报告完成时间**：2026年3月24日
+**报告编制**：姜维（伯约）