diff --git a/docs/csv_loader.md b/docs/csv_loader.md
index e69de29b..5b186a76 100644
--- a/docs/csv_loader.md
+++ b/docs/csv_loader.md
@@ -0,0 +1,63 @@
+# CSV载入模块
+
+CSV载入模块在vnpy根目录下vnpy\app\csv_loader文件夹内，engine.py里面的CsvLoaderEngine类负责载入功能实现。
+
+## 1. 初始化
+初始化数据载入相关信息，可以分成3类：
+
+- CSV文件路径
+- 合约信息：合约代码、交易所、K线周期
+- CSV表头信息：日期时间、开盘价、最高价、最低价、收盘价、成交量
+
+```
+        self.file_path: str = ''
+
+        self.symbol: str = ""
+        self.exchange: Exchange = Exchange.SSE
+        self.interval: Interval = Interval.MINUTE
+
+        self.datetime_head: str = ''
+        self.open_head: str = ''
+        self.close_head: str = ''
+        self.low_head: str = ''
+        self.high_head: str = ''
+        self.volume_head: str = ''
+```
+
+ 
+
+## 2. 数据载入
+
+从文件路径中读取CSV文件，然后在每一次迭代中载入数据到数据库中。
+```
+        with open(file_path, 'rt') as f:
+            reader = csv.DictReader(f)
+
+            for item in reader:
+```
+
+ 
+
+载入数据的方法可以分成2类：
+- 直接插入：合约代码、交易所、K线周期、成交量、开盘价、最高价、最低价、收盘价、接口名称
+- 需要处理：日期时间（根据其相应的时间格式，通过strptime()转化成时间元祖）、vt_symbol(合约代码.交易所格式，如rb1905.SHFE)
+
+注意：db_bar.replace()用于数据更新，即把旧的数据替换成新的。
+```
+                db_bar.symbol = symbol
+                db_bar.exchange = exchange.value
+                db_bar.datetime = datetime.strptime(
+                    item[datetime_head], datetime_format
+                )
+                db_bar.interval = interval.value
+                db_bar.volume = item[volume_head]
+                db_bar.open_price = item[open_head]
+                db_bar.high_price = item[high_head]
+                db_bar.low_price = item[low_head]
+                db_bar.close_price = item[close_head]
+                db_bar.vt_symbol = vt_symbol
+                db_bar.gateway_name = "DB"
+
+                db_bar.replace()
+```
+
diff --git a/docs/cta_strategy.md b/docs/cta_strategy.md
index 62d6106d..4c697367 100644
--- a/docs/cta_strategy.md
+++ b/docs/cta_strategy.md
@@ -1,23 +1,701 @@
 # CTA策略模块
 
 
-## 模块构成
+## 1. 模块构成
+
+CTA策略模块主要由7部分构成，如下图：
+
+- base：定义了CTA模块中用到的一些基础设置，如引擎类型（回测/实盘）、回测模式（K线/Tick）、本地停止单的定义以及停止单状态（等待中/已撤销/已触发）。
+  
+- template：定义了CTA策略模板（包含信号生成和委托管理）、CTA信号（仅负责信号生成）、目标仓位算法（仅负责委托管理，适用于拆分巨型委托，降低冲击成本）。
+- strategies: 官方提供的cta策略示例，包含从最基础的双均线策略，到通道突破类型的布林带策略，到跨时间周期策略，再到把信号生成和委托管理独立开来的多信号策略。
+- backesting：包含回测引擎和参数优化。其中回测引擎定义了数据载入、委托撮合机制、计算与统计相关盈利指标、结果绘图等函数。
+- converter：定义了针对上期所品种平今/平昨模式的委托转换模块；对于其他品种用户也可以通过可选参数lock切换至锁仓模式。
+- engine：定义了CTA策略实盘引擎，其中包括：RQData客户端初始化和数据载入、策略的初始化和启动、推送Tick订阅行情到策略中、挂撤单操作、策略的停止和移除等。
+- ui：基于PyQt5的GUI图形应用。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/cta_strategy/seix_elementos.png "enter image title here")
+
+ 
+
+## 2. 历史数据
 
 
-## 历史数据
+ 
+
+## 3. 策略开发
+CTA策略模板提供完整的信号生成和委托管理功能，用户可以基于该模板自行开发策略。新策略可以放在根目录下vnpy\app\cta_strategy\strategies文件夹内，也可以放在用户运行的文件内（VN Station模式）。注意：策略文件命名是以下划线模式，如boll_channel_strategy.py；而策略类命名采用的是驼峰式，如BollChannelStrategy。
+
+下面通过BollChannelStrategy策略示例，来展示策略开发的具体步骤：
+
+### 3.1 参数设置
+
+定义策略参数并且初始化策略变量。策略参数为策略类的公有属性，用户可以通过创建新的实例来调用或者改变策略参数。
+
+如针对rb1905品种，用户可以创建基于BollChannelStrategy的策略示例，如RB_BollChannelStrategy，boll_window可以由18改成30。
+
+创建策略实例的方法有效地实现了一个策略跑多个品种，并且其策略参数可以通过品种的特征进行调整。
+```
+    boll_window = 18
+    boll_dev = 3.4
+    cci_window = 10
+    atr_window = 30
+    sl_multiplier = 5.2
+    fixed_size = 1
+
+    boll_up = 0
+    boll_down = 0
+    cci_value = 0
+    atr_value = 0
+
+    intra_trade_high = 0
+    intra_trade_low = 0
+    long_stop = 0
+    short_stop = 0
+```
+
+### 3.2 类的初始化
+初始化分3步：
+- 通过super( )的方法继承CTA策略模板，在__init__( )函数传入CTA引擎、策略名称、vt_symbol、参数设置。
+- 调用K线生成模块:通过时间切片来把Tick数据合成1分钟K线数据，然后更大的时间周期数据，如15分钟K线。
+- 调用K线时间序列管理模块：基于K线数据，如1分钟、15分钟，来生成相应的技术指标。
+  
+```
+    def __init__(self, cta_engine, strategy_name, vt_symbol, setting):
+        """"""
+        super(BollChannelStrategy, self).__init__(
+            cta_engine, strategy_name, vt_symbol, setting
+        )
+
+        self.bg = BarGenerator(self.on_bar, 15, self.on_15min_bar)
+        self.am = ArrayManager()
+```
+
+### 3.3 策略的初始化、启动、停止
+通过“CTA策略”组件的相关功能按钮实现。
+
+注意：函数load_bar(10)，代表策略初始化需要载入10个交易日的历史数据。该历史数据可以是Tick数据，也可以是K线数据。
+
+```
+    def on_init(self):
+        """
+        Callback when strategy is inited.
+        """
+        self.write_log("策略初始化")
+        self.load_bar(10)
+
+    def on_start(self):
+        """
+        Callback when strategy is started.
+        """
+        self.write_log("策略启动")
+
+    def on_stop(self):
+        """
+        Callback when strategy is stopped.
+        """
+        self.write_log("策略停止")
+```
+### 3.4 Tick数据回报
+策略订阅某品种合约行情，交易所会推送Tick数据到该策略上。
+
+由于BollChannelStrategy是基于15分钟K线来生成交易信号的，故收到Tick数据后，需要用到K线生成模块里面的update_tick函数，通过时间切片的方法，聚合成1分钟K线数据，并且推送到on_bar函数。
+
+```
+    def on_tick(self, tick: TickData):
+        """
+        Callback of new tick data update.
+        """
+        self.bg.update_tick(tick)
+```
+
+### 3.5 K线数据回报
+
+收到推送过来的1分钟K线数据后，通过K线生成模块里面的update_bar函数，以分钟切片的方法，合成15分钟K线数据，并且推送到on_15min_bar函数。
+```
+    def on_bar(self, bar: BarData):
+        """
+        Callback of new bar data update.
+        """
+        self.bg.update_bar(bar)
+```
+
+### 3.6 15分钟K线数据回报
+
+负责CTA信号的生成，由3部分组成：
+- 清空未成交委托：为了防止之前下的单子在上一个15分钟没有成交，但是下一个15分钟可能已经调整了价格，就用cancel_all()方法立刻撤销之前未成交的所有委托，保证策略在当前这15分钟开始时的整个状态是清晰和唯一的。
+- 调用K线时间序列管理模块：基于最新的15分钟K线数据来计算相应计算指标，如布林带通道上下轨、CCI指标、ATR指标
+- 信号计算：通过持仓的判断以及结合CCI指标、布林带通道、ATR指标在通道突破点挂出停止单委托（buy/sell)，同时设置离场点(short/cover)。
+
+注意：CTA策略具有低胜率和高盈亏比的特定：在难以提升胜率的情况下，研究提高策略盈亏比有利于策略盈利水平的上升。
+
+```
+    def on_15min_bar(self, bar: BarData):
+        """"""
+        self.cancel_all()
+
+        am = self.am
+        am.update_bar(bar)
+        if not am.inited:
+            return
+
+        self.boll_up, self.boll_down = am.boll(self.boll_window, self.boll_dev)
+        self.cci_value = am.cci(self.cci_window)
+        self.atr_value = am.atr(self.atr_window)
+
+        if self.pos == 0:
+            self.intra_trade_high = bar.high_price
+            self.intra_trade_low = bar.low_price
+
+            if self.cci_value > 0:
+                self.buy(self.boll_up, self.fixed_size, True)
+            elif self.cci_value < 0:
+                self.short(self.boll_down, self.fixed_size, True)
+
+        elif self.pos > 0:
+            self.intra_trade_high = max(self.intra_trade_high, bar.high_price)
+            self.intra_trade_low = bar.low_price
+
+            self.long_stop = self.intra_trade_high - self.atr_value * self.sl_multiplier
+            self.sell(self.long_stop, abs(self.pos), True)
+
+        elif self.pos < 0:
+            self.intra_trade_high = bar.high_price
+            self.intra_trade_low = min(self.intra_trade_low, bar.low_price)
+
+            self.short_stop = self.intra_trade_low + self.atr_value * self.sl_multiplier
+            self.cover(self.short_stop, abs(self.pos), True)
+
+        self.put_event()
+```
+
+### 3.7 委托回报、成交回报、停止单回报
+
+在策略中可以直接pass，其具体逻辑应用交给回测/实盘引擎负责。
+```
+    def on_order(self, order: OrderData):
+        """
+        Callback of new order data update.
+        """
+        pass
+
+    def on_trade(self, trade: TradeData):
+        """
+        Callback of new trade data update.
+        """
+        self.put_event()
+
+    def on_stop_order(self, stop_order: StopOrder):
+        """
+        Callback of stop order update.
+        """
+        pass
+```
 
 
 
-## 策略开发
 
+&nbsp;
 
-## 回测研究
+## 4. 回测研究
+backtesting.py定义了回测引擎，下面主要介绍相关功能函数，以及回测引擎应用示例：
+
+### 4.1 加载策略
+
+把CTA策略逻辑，对应合约品种，以及参数设置（可在策略文件外修改）载入到回测引擎中。
+```
+    def add_strategy(self, strategy_class: type, setting: dict):
+        """"""
+        self.strategy_class = strategy_class
+        self.strategy = strategy_class(
+            self, strategy_class.__name__, self.vt_symbol, setting
+        )
+```
+&nbsp;
+
+### 4.2 载入历史数据
+
+负责载入对应品种的历史数据，大概有4个步骤：
+- 根据数据类型不同，分成K线模式和Tick模式；
+- 通过select().where()方法，有条件地从数据库中选取数据，其筛选标准包括：vt_symbol、 回测开始日期、回测结束日期、K线周期（K线模式下）；
+- order_by(DbBarData.datetime)表示需要按照时间顺序载入数据；
+- 载入数据是以迭代方式进行的，数据最终存入self.history_data。
+
+```
+    def load_data(self):
+        """"""
+        self.output("开始加载历史数据")
+
+        if self.mode == BacktestingMode.BAR:
+            s = (
+                DbBarData.select()
+                .where(
+                    (DbBarData.vt_symbol == self.vt_symbol) 
+                    & (DbBarData.interval == self.interval) 
+                    & (DbBarData.datetime >= self.start) 
+                    & (DbBarData.datetime <= self.end)
+                )
+                .order_by(DbBarData.datetime)
+            )
+            self.history_data = [db_bar.to_bar() for db_bar in s]
+        else:
+            s = (
+                DbTickData.select()
+                .where(
+                    (DbTickData.vt_symbol == self.vt_symbol) 
+                    & (DbTickData.datetime >= self.start) 
+                    & (DbTickData.datetime <= self.end)
+                )
+                .order_by(DbTickData.datetime)
+            )
+            self.history_data = [db_tick.to_tick() for db_tick in s]
+
+        self.output(f"历史数据加载完成，数据量：{len(self.history_data)}")
+```
+&nbsp;
+
+### 4.3 撮合成交
+
+载入CTA策略以及相关历史数据后，策略会根据最新的数据来计算相关指标。若符合条件会生成交易信号，发出具体委托（buy/sell/short/cover），并且在下一根K线成交。
+
+根据委托类型的不同，回测引擎提供2种撮合成交机制来尽量模仿真实交易环节：
+
+- 限价单撮合成交：（以买入方向为例）先确定是否发生成交，成交标准为委托价>= 下一根K线的最低价；然后确定成交价格，成交价格为委托价与下一根K线开盘价的最小值。
+
+- 停止单撮合成交：（以买入方向为例）先确定是否发生成交，成交标准为委托价<= 下一根K线的最高价；然后确定成交价格，成交价格为委托价与下一根K线开盘价的最大值。
+
+&nbsp;
+
+下面展示在引擎中限价单撮合成交的流程：
+- 确定会撮合成交的价格；
+- 遍历限价单字典中的所有限价单，推送委托进入未成交队列的更新状态；
+- 判断成交状态，若出现成交，推送成交数据和委托数据；
+- 从字典中删除已成交的限价单。
+
+```
+    def cross_limit_order(self):
+        """
+        Cross limit order with last bar/tick data.
+        """
+        if self.mode == BacktestingMode.BAR:
+            long_cross_price = self.bar.low_price
+            short_cross_price = self.bar.high_price
+            long_best_price = self.bar.open_price
+            short_best_price = self.bar.open_price
+        else:
+            long_cross_price = self.tick.ask_price_1
+            short_cross_price = self.tick.bid_price_1
+            long_best_price = long_cross_price
+            short_best_price = short_cross_price
+
+        for order in list(self.active_limit_orders.values()):
+            # Push order update with status "not traded" (pending)
+            if order.status == Status.SUBMITTING:
+                order.status = Status.NOTTRADED
+                self.strategy.on_order(order)
+
+            # Check whether limit orders can be filled.
+            long_cross = (
+                order.direction == Direction.LONG 
+                and order.price >= long_cross_price 
+                and long_cross_price > 0
+            )
+
+            short_cross = (
+                order.direction == Direction.SHORT 
+                and order.price <= short_cross_price 
+                and short_cross_price > 0
+            )
+
+            if not long_cross and not short_cross:
+                continue
+
+            # Push order udpate with status "all traded" (filled).
+            order.traded = order.volume
+            order.status = Status.ALLTRADED
+            self.strategy.on_order(order)
+
+            self.active_limit_orders.pop(order.vt_orderid)
+
+            # Push trade update
+            self.trade_count += 1
+
+            if long_cross:
+                trade_price = min(order.price, long_best_price)
+                pos_change = order.volume
+            else:
+                trade_price = max(order.price, short_best_price)
+                pos_change = -order.volume
+
+            trade = TradeData(
+                symbol=order.symbol,
+                exchange=order.exchange,
+                orderid=order.orderid,
+                tradeid=str(self.trade_count),
+                direction=order.direction,
+                offset=order.offset,
+                price=trade_price,
+                volume=order.volume,
+                time=self.datetime.strftime("%H:%M:%S"),
+                gateway_name=self.gateway_name,
+            )
+            trade.datetime = self.datetime
+
+            self.strategy.pos += pos_change
+            self.strategy.on_trade(trade)
+
+            self.trades[trade.vt_tradeid] = trade
+```
+
+&nbsp;
+
+### 4.4 计算策略盈亏情况
+
+基于收盘价、当日持仓量、合约规模、滑点、手续费率等计算总盈亏与净盈亏，并且其计算结果以DataFrame格式输出，完成基于逐日盯市盈亏统计。
+
+下面展示盈亏情况的计算过程
+
+- 浮动盈亏 = 持仓量 \*（当日收盘价 - 昨日收盘价）\*  合约规模
+- 实际盈亏 = 持仓变化量  \* （当时收盘价 - 开仓成交价）\* 合约规模
+- 总盈亏 = 浮动盈亏 + 实际盈亏
+- 净盈亏 = 总盈亏 - 总手续费 - 总滑点
+
+```
+    def calculate_pnl(
+        self,
+        pre_close: float,
+        start_pos: float,
+        size: int,
+        rate: float,
+        slippage: float,
+    ):
+        """"""
+        self.pre_close = pre_close
+
+        # Holding pnl is the pnl from holding position at day start
+        self.start_pos = start_pos
+        self.end_pos = start_pos
+        self.holding_pnl = self.start_pos * \
+            (self.close_price - self.pre_close) * size
+
+        # Trading pnl is the pnl from new trade during the day
+        self.trade_count = len(self.trades)
+
+        for trade in self.trades:
+            if trade.direction == Direction.LONG:
+                pos_change = trade.volume
+            else:
+                pos_change = -trade.volume
+
+            turnover = trade.price * trade.volume * size
+
+            self.trading_pnl += pos_change * \
+                (self.close_price - trade.price) * size
+            self.end_pos += pos_change
+            self.turnover += turnover
+            self.commission += turnover * rate
+            self.slippage += trade.volume * size * slippage
+
+        # Net pnl takes account of commission and slippage cost
+        self.total_pnl = self.trading_pnl + self.holding_pnl
+        self.net_pnl = self.total_pnl - self.commission - self.slippage
+```
+&nbsp;
 
 
 
-## 参数优化
+### 4.5 计算策略统计指标
+calculate_statistics函数是基于逐日盯市盈亏情况（DateFrame格式）来计算衍生指标，如最大回撤、年化收益、盈亏比、夏普比率等。
+
+```
+            df["balance"] = df["net_pnl"].cumsum() + self.capital
+            df["return"] = np.log(df["balance"] / df["balance"].shift(1)).fillna(0)
+            df["highlevel"] = (
+                df["balance"].rolling(
+                    min_periods=1, window=len(df), center=False).max()
+            )
+            df["drawdown"] = df["balance"] - df["highlevel"]
+            df["ddpercent"] = df["drawdown"] / df["highlevel"] * 100
+
+            # Calculate statistics value
+            start_date = df.index[0]
+            end_date = df.index[-1]
+
+            total_days = len(df)
+            profit_days = len(df[df["net_pnl"] > 0])
+            loss_days = len(df[df["net_pnl"] < 0])
+
+            end_balance = df["balance"].iloc[-1]
+            max_drawdown = df["drawdown"].min()
+            max_ddpercent = df["ddpercent"].min()
+
+            total_net_pnl = df["net_pnl"].sum()
+            daily_net_pnl = total_net_pnl / total_days
+
+            total_commission = df["commission"].sum()
+            daily_commission = total_commission / total_days
+
+            total_slippage = df["slippage"].sum()
+            daily_slippage = total_slippage / total_days
+
+            total_turnover = df["turnover"].sum()
+            daily_turnover = total_turnover / total_days
+
+            total_trade_count = df["trade_count"].sum()
+            daily_trade_count = total_trade_count / total_days
+
+            total_return = (end_balance / self.capital - 1) * 100
+            annual_return = total_return / total_days * 240
+            daily_return = df["return"].mean() * 100
+            return_std = df["return"].std() * 100
+
+            if return_std:
+                sharpe_ratio = daily_return / return_std * np.sqrt(240)
+            else:
+                sharpe_ratio = 0
+```
+&nbsp;
+
+### 4.6 统计指标绘图
+通过matplotlib绘制4幅图：
+- 资金曲线图
+- 资金回撤图
+- 每日盈亏图
+- 每日盈亏分布图
+
+```
+    def show_chart(self, df: DataFrame = None):
+        """"""
+        if not df:
+            df = self.daily_df
+        
+        if df is None:
+            return
+
+        plt.figure(figsize=(10, 16))
+
+        balance_plot = plt.subplot(4, 1, 1)
+        balance_plot.set_title("Balance")
+        df["balance"].plot(legend=True)
+
+        drawdown_plot = plt.subplot(4, 1, 2)
+        drawdown_plot.set_title("Drawdown")
+        drawdown_plot.fill_between(range(len(df)), df["drawdown"].values)
+
+        pnl_plot = plt.subplot(4, 1, 3)
+        pnl_plot.set_title("Daily Pnl")
+        df["net_pnl"].plot(kind="bar", legend=False, grid=False, xticks=[])
+
+        distribution_plot = plt.subplot(4, 1, 4)
+        distribution_plot.set_title("Daily Pnl Distribution")
+        df["net_pnl"].hist(bins=50)
+
+        plt.show()
+```
+
+&nbsp;
+
+### 4.7 回测引擎使用示例
+
+- 导入回测引擎和CTA策略
+- 设置回测相关参数，如：品种、K线周期、回测开始和结束日期、手续费、滑点、合约规模、起始资金
+- 载入策略和数据到引擎中，运行回测。
+- 计算基于逐日统计盈利情况，计算统计指标，统计指标绘图。
 
 
+```
+from vnpy.app.cta_strategy.backtesting import BacktestingEngine
+from vnpy.app.cta_strategy.strategies.boll_channel_strategy import (
+    BollChannelStrategy,
+)
+from datetime import datetime
 
-## 实盘运行
+engine = BacktestingEngine()
+engine.set_parameters(
+    vt_symbol="IF88.CFFEX",
+    interval="1m",
+    start=datetime(2018, 1, 1),
+    end=datetime(2019, 1, 1),
+    rate=3.0/10000,
+    slippage=0.2,
+    size=300,
+    pricetick=0.2,
+    capital=1_000_000,
+)
+
+engine.add_strategy(AtrRsiStrategy, {})
+engine.load_data()
+engine.run_backtesting()
+df = engine.calculate_result()
+engine.calculate_statistics()
+engine.show_chart()
+```
+
+&nbsp;
+
+## 5. 参数优化
+参数优化模块主要由3部分构成：
+
+### 5.1 参数设置
+
+- 设置参数优化区间：如boll_window设置起始值为18，终止值为24，步进为2，这样就得到了[18, 20, 22, 24] 这4个待优化的参数了。
+- 设置优化目标字段：如夏普比率、盈亏比、总收益率等。
+- 随机生成参数对组合：使用迭代工具产生参数对组合，然后把参数对组合打包到一个个字典组成的列表中
+
+```
+class OptimizationSetting:
+    """
+    Setting for runnning optimization.
+    """
+
+    def __init__(self):
+        """"""
+        self.params = {}
+        self.target_name = ""
+
+    def add_parameter(
+        self, name: str, start: float, end: float = None, step: float = None
+    ):
+        """"""
+        if not end and not step:
+            self.params[name] = [start]
+            return
+
+        if start >= end:
+            print("参数优化起始点必须小于终止点")
+            return
+
+        if step <= 0:
+            print("参数优化步进必须大于0")
+            return
+
+        value = start
+        value_list = []
+
+        while value <= end:
+            value_list.append(value)
+            value += step
+
+        self.params[name] = value_list
+
+    def set_target(self, target_name: str):
+        """"""
+        self.target_name = target_name
+
+    def generate_setting(self):
+        """"""
+        keys = self.params.keys()
+        values = self.params.values()
+        products = list(product(*values))
+
+        settings = []
+        for p in products:
+            setting = dict(zip(keys, p))
+            settings.append(setting)
+
+        return settings
+```
+
+&nbsp;
+
+### 5.2 参数对组合回测
+
+多进程优化时，每个进程都会运行optimize函数，输出参数对组合以及目标优化字段的结果。其步骤如下：
+- 调用回测引擎
+- 输入回测相关设置
+- 输入参数对组合到策略中
+- 运行回测
+- 返回回测结果，包括：参数对组合、目标优化字段数值、策略统计指标
+
+```
+def optimize(
+    target_name: str,
+    strategy_class: CtaTemplate,
+    setting: dict,
+    vt_symbol: str,
+    interval: Interval,
+    start: datetime,
+    rate: float,
+    slippage: float,
+    size: float,
+    pricetick: float,
+    capital: int,
+    end: datetime,
+    mode: BacktestingMode,
+):
+    """
+    Function for running in multiprocessing.pool
+    """
+    engine = BacktestingEngine()
+    engine.set_parameters(
+        vt_symbol=vt_symbol,
+        interval=interval,
+        start=start,
+        rate=rate,
+        slippage=slippage,
+        size=size,
+        pricetick=pricetick,
+        capital=capital,
+        end=end,
+        mode=mode
+    )
+
+    engine.add_strategy(strategy_class, setting)
+    engine.load_data()
+    engine.run_backtesting()
+    engine.calculate_result()
+    statistics = engine.calculate_statistics()
+
+    target_value = statistics[target_name]
+    return (str(setting), target_value, statistics)
+```
+
+&nbsp;
+
+### 5.3 多进程优化
+
+- 根据CPU的核数来创建进程：若CPU为4核，则创建4个进程
+- 在每个进程都调用apply_async( )的方法运行参数对组合回测，其回测结果添加到results中 （apply_async是异步非阻塞的，即不用等待当前进程执行完毕，随时根据系统调度来进行进程切换。）
+- pool.close()与pool.join()用于进程跑完任务后，去关闭进程。
+- 对results的内容通过目标优化字段标准进行排序，输出结果。
+
+```
+        pool = multiprocessing.Pool(multiprocessing.cpu_count())
+
+        results = []
+        for setting in settings:
+            result = (pool.apply_async(optimize, (
+                target_name,
+                self.strategy_class,
+                setting,
+                self.vt_symbol,
+                self.interval,
+                self.start,
+                self.rate,
+                self.slippage,
+                self.size,
+                self.pricetick,
+                self.capital,
+                self.end,
+                self.mode
+            )))
+            results.append(result)
+
+        pool.close()
+        pool.join()
+
+        # Sort results and output
+        result_values = [result.get() for result in results]
+        result_values.sort(reverse=True, key=lambda result: result[1])
+
+        for value in result_values:
+            msg = f"参数：{value[0]}, 目标：{value[1]}"
+            self.output(msg)
+
+        return result_values
+```
+
+&nbsp;
+
+## 6. 实盘运行
 
diff --git a/docs/install.md b/docs/install.md
index f09fdb75..c50d1bca 100644
--- a/docs/install.md
+++ b/docs/install.md
@@ -3,32 +3,134 @@
 
 ## Windows
 
+
+
 ### 使用VNConda
 
-**ssleay32.dll问题**
 
-如果电脑上之前安装过其他的Python环境或者应用软件，有可能会存在SSL相关动态链接库路径被修改的问题，在运行VN Station时弹出如下图所示的错误：
+#### 1.下载VNConda （Python 3.7 64位）
 
-![ssleay32.dll](https://user-images.githubusercontent.com/7112268/55474371-8bd06a00-5643-11e9-8b35-f064a45edfd1.png)
+下载地址如下：[VNConda-2.0.1-Windows-x86_64](https://conda.vnpy.com/VNConda-2.0.1-Windows-x86_64.exe)
+
+&nbsp;
+
+
+#### 2.安装VNConda
+
+注意事项：第4步会提示用户是否把VNConda注册成默认Python环境：若用户存在其他Python环境，则都不要勾选；反之，两个都勾选掉。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/install.bat/install_VNConda.png "enter image title here")
+
+&nbsp;
+
+#### 3.登陆VNStation
+
+输入账号密码或者微信扫码登陆VNConda。（社区账号通过微信扫码可得）
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/install.bat/login_VNConda.png "enter image title here")
+
+&nbsp;
+
+#### 4.使用VNStation
+登录后会进入到VN Station的主界面。
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/install.bat/login_VNConda_2.png "enter image title here")
+
+窗口下方有5个选项：
+- VN Trade Lite：直接运行VN Trader (只有CTP接口)
+- VN Trader Pro：先选择保存相关临时文件的目录，再运行VN Trader (接口任选)
+- Jupyter Notebook：先选择保存相关临时文件的目录，再运行Jupyter Notebook
+- 提问求助：提出相关问题，管理员会每天定时回复
+- 后台更新：一键更新VN Station
+
+&nbsp;
+&nbsp;
 
-解决方法：
-1. 找到你的VNConda目录
-2. 将VNConda\Lib\site-packages\PyQt5\Qt\bin目录的两个动态库libeay32.dll和ssleay32.dll拷贝到VNConda\下即可
 
 ### 手动安装
 
+#### 1.下载并安装最新版Anaconda3.7 64位
+
+下载地址如下：[Anaconda Distribution](https://www.anaconda.com/distribution/)
+
+(更轻量的Miniconda地址：[MiniConda Distribution](https://docs.conda.io/en/latest/miniconda.html))
+
+&nbsp;
+
+#### 2.下载并解压vnpy
+
+Windows用户选择zip压缩版本。下载地址如下：[vnpy releases](https://github.com/vnpy/vnpy/releases)
+
+&nbsp;
+
+#### 3.安装vnpy
+双击install.bat一键安装vnpy：
+- 先安装ta_lib库和ib api
+- 然后安装requirements.txt文件内相关依赖库
+- 最后复制vnpy到Anaconda内
+
+&nbsp;
+
+#### 4.启动VN Trader
+在文件夹tests\trader中找到run.py文件。按住“Shift” + 鼠标右键进入cmd窗口，输入下面命令即可启动VN Trader。
+```
+python run.py 
+```
+
+&nbsp;
+&nbsp;
 
 
 ## Ubuntu
 
-### 安装脚本
 
-### TA-Lib
-
-### 中文编码
-
-如果是英文系统（如阿里云），请先运行下列命令安装中文编码：
+### 1. 下载并安装最新版本的Anaconda或者Miniconda （Python 3.7 64位）
 
+以MiniConda为例，进入已下载好 Miniconda3-latest-Linux-x86_64.sh 所在目录，终端运行如下命令开始安装。
 ```
-sudo locale-gen zh_CN.GB18030
+$ bash Miniconda3-latest-Linux-x86_64.sh
+```
+
+安装过程中可以一直按“Enter”键继续下去，除了以下这点：
+
+当询问是否把Miniconda设置为Python 默认环境时，把默认的"no"改成“yes”。原因是Ubuntu 18.04已有自带的Python 3.6与Python 2.7。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/install.bat/install_Miniconda_ubuntu.png "enter image title here")
+
+
+
+重启Ubuntu后，打开终端直接输入"python" 然后按“Enter”键: 若出现如下图，则表示成功把Miniconda设置为Python默认环境。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/install.bat/Conda_Python_version.png "enter image title here")
+
+&nbsp;
+
+### 2. 下载并解压vnpy
+Linux用户选择tar.gz压缩版本。下载地址如下：[vnpy releases](https://github.com/vnpy/vnpy/releases)
+
+&nbsp;
+
+### 3. 安装vnpy
+先安装gcc编译器，用于编译C++类接口文件。在终端中输入以下命令即可。
+```
+sudo apt-get  install  build-essential
+```
+
+
+然后在vnpy根目录打开终端，输入下面命令一键安装vnpy。
+```
+bash install.sh
+```
+
+安装过程分为4步：
+- 下载并安装ta_lib库和numpy
+- 安装requirements.txt文件内相关依赖库
+- 安装中文编码（针对英文系统）
+- 复制vnpy到Anaconda内（若是在虚拟机上运行，需要把内存调至4g，否则报错）
+
+&nbsp;
+
+### 4.启动VN Trader
+在文件夹tests\trader中找到run.py文件。右键进入终端，输入下面命令即可启动VN Trader。
+```
+python run.py 
 ```
diff --git a/docs/quickstart.md b/docs/quickstart.md
index 9536f20e..4ee1bfb3 100644
--- a/docs/quickstart.md
+++ b/docs/quickstart.md
@@ -1,20 +1,175 @@
 # 基本使用
 
 
-## 启动VN Trader
+## 1. 启动VN Trader
+### 1.1 VN Station模式
+登陆VN Station后，点击VN Trade Lite快速进入VN Trader（只有CTP接口）；或者点击VN Trader Pro先选择如下图的底层接口和上层应用，再进入VN Trader。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/VnTrader_Pro.png "enter image title here")
 
 
-## 连接接口
+
+### 1.2 脚本模式
+
+在文件夹tests\trader中找到run.py文件。按住“Shift” + 鼠标右键进入cmd窗口，输入下面命令进入如图VN Trader
+```
+python run.py 
+```
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/Vntrader.PNG "enter image title here")
+
+&nbsp;
+
+## 2. 连接接口
+以SinNow仿真交易账号登陆CTP接口为例：点击菜单栏的“系统”->“连接CTP”后，弹出如上图所示CTP接口的配置对话框，输入以下内容后即可登录：
+- 用户名username：111111 （6位纯数字账号）
+- 密码password：1111111  （需要修改一次密码用于盘后测试）
+- 经纪商编号brokerid：9999 （SimNow默认经纪商编号）
+- 交易服务器地址td_address：180.168.146.187:10030 （盘后测试）
+- 行情服务器地址md_address：180.168.146.187:10031 （盘后测试）
+- auth_code和product_info主要用于19年中的CTP接入验证，目前留空即可
+
+注意：若使用期货实盘账户，需要问清楚其brokerid、auth_code和product_info; 并且仿真交易需要另外申请开通。
+
+连接成功以后，日志组件会立刻输出陆成功相关信息，同时用户也可以看到账号信息，持仓信息，合约查询等相关信息。
+
+&nbsp;
+
+## 3. 订阅行情
+在交易组件输入交易所和合约代码，并且按“Enter”键即可订阅器行情。如订阅IF股指期货，交易所：CFFEX，名称：IF905；铁矿石期货，交易所：DCE，名称：i1905。
+
+此时行情组件会显示最新行情信息；交易组件会显示合约名称，并且在下方显示深度行情报价：如最新价、买一价、卖一价。（数字货币品种可以显示十档行情）
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/subcribe_contract.png "enter image title here")
 
 
-## 订阅行情
+
+&nbsp;
+
+## 4. 委托交易
+交易组件适用于手动交易。除了在行情订阅中输入的交易所和合约代码以外，还需要填写以下5个字段：委托方向、开平仓类型、委托类型、委托价格和委托数量。（若委托类型为市价单，委托价格可不填。）
+
+发出委托同时本地缓存委托相关信息，并且显示到委托组件和活动组件，其委托状态为“提交中”，然后等待委托回报。
+
+交易所收到用户发送的委托，将其插入中央订单簿来进行撮合成交，并推送委托回报给用户：
+- 若委托还未成交，委托组件和活动组件只会更新时间和委托状态这两字段，委托状态变成“未成交”；
+- 若委托立刻成交，委托相关信息会从活动组件移除，新增至成交组件，委托状态变成“全部成交”。
 
 
-## 委托交易
 
 
-## 数据监控
+&nbsp;
+
+## 5. 数据监控
+
+数据监控由以下组件构成，并且附带2个辅助功能：选定以下任一组件，鼠标右键可以选择“调整列宽”（特别适用于屏幕分辨率较低），或者选择“保存数据”（csv格式）
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/2_optiones.png "enter image title here")
 
 
-## 应用模块
+### 5.1 行情组件
+用于对订阅的行情进行实时监控，如下图，监控内容可以分成3类：
 
+- 合约信息：合约代码、交易所、合约名称
+
+- 行情信息：最新价、成交量、开盘价、最高价、最低价、收盘价、买一价、买一量、卖一价、卖一量
+
+- 其他信息：数据推送时间、接口
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/subcribe_contract_module.png "enter image title here")
+
+
+### 5.2 活动组件
+活动组件用于存放还未成交的委托，如限价单或者没有立刻成交的市价单，委托状态永远是“提交中”。在该组件中鼠标双击任一委托可以完成撤单操作。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/active_order.png "enter image title here")
+
+### 5.3 成交组件
+成交组件用于存放已成交的委托，需要注意3个字段信息：价格、数量、时间。他们都是交易所推送过来的成交信息，而不是委托信息。
+
+注意：有些接口会独立推送成交信息，如CTP接口；有些接口则需要从委托信息里面提取成交相关字段，如Tiger接口。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/trade.png "enter image title here")
+
+
+
+### 5.4 委托组件
+委托组件用于存放用户发出的所有委托信息，其委托状态可以是提交中、已撤销、部分成交、全部成交、拒单等等。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/order.png "enter image title here")
+
+
+### 5.5 持仓组件
+持仓组件用于记录其历史持仓。其中需要了解以下字段含义
+- 方向：期货品种具有多空方向；而股票品种方向为“净”持仓。
+- 昨仓：其出现衍生于上期所特有的平今、平昨模式的需要
+- 数量：总持仓，即今仓 + 昨仓
+- 均价：历史成交的平均价格（某些巨型委托，会发生多次部分成交，需要计算平均价格）
+- 盈亏：持仓盈亏：多仓情况下，盈利 = 当前价格 - 均价；空仓则反之。
+  
+若平仓离场，持仓数量清零，浮动盈亏变成实际盈亏从而影响账号余额变化。故以下字段：数量、昨仓、冻结、均价、盈亏均为“0”，如下图。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/query_position.png "enter image title here")
+
+### 5.6 资金组件
+资金组件显示了账号的基础信息，如下图需要注意3个字段信息：
+- 可用资金：可以用于委托的现金
+- 冻结：委托操作冻结的金额（与保证金不是一个概念）
+- 余额：总资金，即可用资金 + 保证金 + 浮动盈亏 
+
+注意：若全部平仓，浮动盈亏变成实际盈亏，保证金和浮动盈亏清零，总资金等于可用资金
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/query_account.png "enter image title here")
+
+
+
+### 5.7 日志组件
+日志组件用于显示接口登陆信息以及委托报错信息，如下图。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/write_log.png "enter image title here")
+
+
+
+&nbsp;
+
+## 6. 应用模块
+vnpy官方目前提供2个应用模块组件，分别是用于自动交易的“CTA策略”组件；把第三方数据文件导入到数据库的“CSV载入”组件。在菜单栏中点击“功能”，即显示应用模块，如下图：
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/application.png "enter image title here")
+
+### 6.1 CTA策略
+CTA策略组件默认使用RQData的数据进行自动交易，故需要配置好RQData相关数据。
+
+1） 在用户目录下.vntrader文件夹找到vt_setting.json，输入RQData的账号和密码，保存退出后启动CTA策略组件，会显示“RQData数据接口初始化成功”，如图：
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/RQData.png "enter image title here")
+
+
+2）在左上方的菜单栏选择策略，如“AtrRsiStrategy”，然后点击右边的“添加策略”按钮，用于策略实例创建，选择策略适用品种和修改该测试示例的参数，如图：
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/trader_2.PNG "enter image title here")
+
+
+3）每一个策略示例都有其“初始化”、“启动”、“停止”、“编辑”、“移除”按钮。注意在启动策略前必须先初始化，移除策略前需要先停止策略。右上方菜单栏有批量处理功能，方便用户快速启动、停止策略，如图：
+   
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/turtle_strategy.png "enter image title here")
+
+
+&nbsp;
+
+
+### 6.2 CSV载入
+CSV文件是用户最主要的历史数据来源之一，用户只需根据CSV文件中的表头字段，以及时间格式灵活配置，即可实现一键载入历史数据。
+
+CSV载入操作分为3步：
+
+1）打开CSV文件，查看表头字段以及时间格式，如图：
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/csv_format.png "enter image title here")
+
+2）点击菜单栏的“功能”->“CSV载入”，进入界面后选择要载入的CSV文件，并且修改相关表头字段和时间格式（若有需要的话）。如下图：
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/csv_loader.png "enter image title here")
+
+3）点击“载入数据”后，成功界面如下图所示。
+
+![enter image description here](https://vnpy-community.oss-cn-shanghai.aliyuncs.com/forum_experience/yazhang/quick_start/exito_csv_load.png "enter image title here")
diff --git a/vnpy/app/csv_loader/engine.py b/vnpy/app/csv_loader/engine.py
index c0547036..fa88afe7 100644
--- a/vnpy/app/csv_loader/engine.py
+++ b/vnpy/app/csv_loader/engine.py
@@ -41,17 +41,17 @@ class CsvLoaderEngine(BaseEngine):
         """"""
         super().__init__(main_engine, event_engine, APP_NAME)
 
-        self.file_path: str = ''
+        self.file_path: str = ""
 
         self.symbol: str = ""
         self.exchange: Exchange = Exchange.SSE
         self.interval: Interval = Interval.MINUTE
-        self.datetime_head: str = ''
-        self.open_head: str = ''
-        self.close_head: str = ''
-        self.low_head: str = ''
-        self.high_head: str = ''
-        self.volume_head: str = ''
+        self.datetime_head: str = ""
+        self.open_head: str = ""
+        self.close_head: str = ""
+        self.low_head: str = ""
+        self.high_head: str = ""
+        self.volume_head: str = ""
 
     def load(
         self,
@@ -74,7 +74,7 @@ class CsvLoaderEngine(BaseEngine):
         end = None
         count = 0
 
-        with open(file_path, 'rt') as f:
+        with open(file_path, "rt") as f:
             reader = csv.DictReader(f)
 
             db_bars = []