做什么（One-liner）

Canvas LLM-in-the-loop 策略生成：regime + symbols → Fin-R1 生成 Python 配对交易代码 + 解释 → 可选 Python 仿真。Tier 5 integrity checks 轨道（非 Tier 4 数值 tolerance）。

怎么用

macro_factor_v1 (regime=expansion) → casa_strategy_v1 (SPY+TLT)
                                      → strategy_code (momentum pair trade)
                                      → [run-sandbox Docker 执行]
                                      → risk_management_v1

核心公式

见 frontmatter。流程：generate-strategy LLM → extract Python code → optional dual-agent-simulate → 组合返回。

假设与适用场景

假设：Fin-R1 / cloud LLM 可用 + 代码块 extract 成功 + Python sim 尾已 golden。

适用：宏观 regime 驱动的配对策略自动生成、scenario 分析、LLM-finance demo。

不适用：实盘、HFT、byte-deterministic 监管 demo。

已知局限

详见 frontmatter。6 点：LLM non-determinism / prompt drift / mock fallback / 独立 Python sim / LLM 延迟 / sandbox 独立。

参考文献

如实声明(2026-08-03,YG 拍板):本算子没有学术锚。政权→权重表为手设启发式 (未从任何机制或数据估计),LLM 生成线为能力演示。CASA 定位为双代理机制演示/ 教学件,不是分析工具。需要带真溯源(确定性徽章/沙箱/指纹)的自定义策略,请用 脚本节点(Xlang / Python 双车道)。

若学术化改造(看板 C-y)落地,拟锚定的正典文献——在此列为路线图,不是当前实现依据:

• Gatev, Goetzmann & Rouwenhorst (2006) — 配对交易
• Jegadeesh & Titman (1993) — 动量
• Hamilton (1989) — 政权切换
• Brock & Hommes (1998) — 牛熊异质代理

Golden Test

Tier 5 integrity checks 轨道。Python 尾（simulate_dual_agent）由 tests/golden/fixtures/tier4/casa_dual_agent/ 覆盖。LLM 部分需：prompt_cid + model pin + automated integrity-check rounds（Phase B 框架搭好后）。

Changelog

• 1.0.0 (2026-04-21) — 首次 Active（Tier 5 integrity checks 轨道）