diff --git a/README.md b/README.md
index 64640ee..48a6645 100644
--- a/README.md
+++ b/README.md
@@ -15,7 +15,21 @@
 
 ## 简介
 
-Omicron是Zillionare的核心公共模块，向其它模块提供行情数据、交易日历、证券列表、时间操作及Trigger等功能。
+Omicron是Zillionare的核心模块，提供以下功能：
+
+1. 行情数据读取（需要启动[zillionare-omega](https://github.com/zillionare/omega)服务。
+2. [概念板块数据](/api/board)，也需要启动[zillionare-omega](https://github.com/zillionare/omega)服务。
+3. [交易日历及时间帧相关操作](/api/timeframe)
+4. [证券列表及相关查询操作](/api/security)
+5. [numpy数组功能扩展](/api/omicron/#extensions-package)
+6. [技术指标及形态分析功能](/api/talib])
+   1. 各种均线、曲线拟合、直线斜率和夹解计算、曲线平滑函数等。
+   2. 形态分析功能，如交叉、顶底搜索、平台检测、RSI背离等。
+7. [策略编写框架](/usage#stragety)，不修改代码即可同时用于实盘与回测。
+8. 绘图功能。提供了[交互式k线图](/usage#candlestick)及[回测报告](/usage#metrics)。
+9. 其它
+   1. 修正Python的round函数错误，改用[math_round](/api/omicron/#extensions.decimal)
+   2. 判断价格是否相等的函数：[price_equal](/api/omicron/#extensions.decimal)
 
 Omicron是大富翁量化框架的一部分。您必须至少安装并运行[Omega](https://zillionare.github.io/omega)，然后才能利用omicron来访问上述数据。
 
diff --git a/docs/api/extensions.md b/docs/api/extensions.md
new file mode 100644
index 0000000..f4aa600
--- /dev/null
+++ b/docs/api/extensions.md
@@ -0,0 +1,3 @@
+::: omicron.extensions
+    rendering:
+        heading_level: 1
diff --git a/docs/usage.md b/docs/usage.md
index 8eaf70d..c70edae 100644
--- a/docs/usage.md
+++ b/docs/usage.md
@@ -1,12 +1,15 @@
-# 配置和初始化omicron
+## 1. 配置、初始化和关闭 OMICRON
 
+Omicron 依赖于 [zillionare-omega](https://github.com/zillionare/omega) 服务来获取数据。但它并不直接与 Omega 服务通讯，相反，它直接读取 Omega 服务器会写入数据的`Influxdb`和`redis`数据库。因此，在使用 Omicron 之前，我们需要提供这两个服务器的连接地址，并进行初始化。
+
+### 1.1. 配置和初始化
 Omicron 使用 [cfg4py](https://pypi.org/project/cfg4py/) 来管理配置。
 
-cfg4py 使用 yaml 文件来保存配置项。在使用 cfg4py 之前，您需要在某处初始化 cfg4py，然后再初始化omicron:
+cfg4py 使用 yaml 文件来保存配置项。在使用 cfg4py 之前，您需要在某处初始化 cfg4py，然后再初始化 omicron:
 
 ???+ tip
 
-    为了简洁起见，我们在顶层代码中直接使用了async/await。通常，这些代码能够直接在notebook中运行，但如果需要在普通的python脚本中运行这些代码，您通常需要将其封装到一个异步函数中，再通过`asyncio.run`来运行它。
+    为了简洁起见，我们在顶层代码中直接使用了 async/await。通常，这些代码能够直接在 notebook 中运行，但如果需要在普通的 python 脚本中运行这些代码，您通常需要将其封装到一个异步函数中，再通过`asyncio.run`来运行它。
 
     ```python
     import asyncio
@@ -15,7 +18,7 @@ cfg4py 使用 yaml 文件来保存配置项。在使用 cfg4py 之前，您需
     async def main():
         cfg4py.init('path/to/your/config/dir')
         await omicron.init()
-        # do your great job with omicron
+        # DO YOUR GREAT JOB WITH OMICRON
 
     asyncio.run(main())
     ```
@@ -30,10 +33,10 @@ await omicron.init()
 
 注意初始化 cfg4py 时，需要提供包含配置文件的**文件夹**的路径，而**不是配置文件**的路径。配置文件名必须为 defaults.yml。
 
-您至少应该为omicron配置Redis 连接串和influxdb连接串。下面是常用配置示例：
+您至少应该为 omicron 配置 Redis 连接串和 influxdb 连接串。下面是常用配置示例：
 
 ```yaml
-# defaults.yaml
+# DEFAULTS.YAML
 redis:
   dsn: redis://${REDIS_HOST}:${REDIS_PORT}
 
@@ -54,50 +57,52 @@ notify:
     dingtalk_secret: ${DINGTALK_SECRET}
 ```
 
-请根据您实际环境配置来更改上述文件。上述配置中，${{REDIS_HOST}}意味着环境变量。如果是windows，您需要在系统 > 环境变量中进行设置。如果是Linux或者Mac，您需要修改.bashrc，例如：
+请根据您实际环境配置来更改上述文件。上述配置中，${{REDIS_HOST}}意味着环境变量。如果是 windows，您需要在系统 > 环境变量中进行设置。如果是 Linux 或者 Mac，您需要修改.bashrc，例如：
 ```
 export REDIS_HOST=localhost
 ```
 
-Omicron提供了证券列表、交易日历、行情数据及其它功能。
-
-# 2. 关闭omicron
-在您的进程即将退出之前，请记得关闭omicron。如果您是在notebook中使用omicron,则可以忽略此步聚。
+### 1.2. 关闭 omicron
+在您的进程即将退出之前，请记得关闭 omicron。如果您是在 notebook 中使用 omicron, 则可以忽略此步聚。
 
 ```python
     await omicron.close()
 ```
 
-# 3. 证券列表
-您可以通过以下方法来获取某一天的证券列表
+## 2. 数据读取
+### 2.1. 证券列表
+
+[Security](/api/security) 和 [Query](/api/security/#omicron.models.security.Query) 提供了证券列表和查询操作。查询被设计成为链式 API。通常，我们通过调用 `Security.select()`来生成一个`Query`对象，然后可以针对此对象，进行各种过查询过滤，最后，我们调用`query.eval()`方法结束链式调用，并返回结果。
+
+#### 2.1.1. 查询所有证券代码
+您可以通过以下方法来获取某一天的证券列表：
+
 ```python
-# 4. assume you have omicron init
+# 4. ASSUME YOU HAVE OMICRON INIT
 dt = datetime.date(2022, 5, 20)
 
 query = Security.select(dt)
 codes = await query.eval()
 print(codes)
-# the outputs is like ["000001.XSHE", "000004.XSHE", ...]
+# THE OUTPUTS IS LIKE ["000001.XSHE", "000004.XSHE", ...]
 ```
-这里的`dt`如果没有提供的话，将使用最新的证券列表。但在回测中，您通常不同时间的证券列表，因此，`dt`在这种情况下是必须的，否则，您将会使用最新的证券列表来回测过去。
-
-这里的`Security.select()`方法返回一个`Query`对象，用以按查询条件进行过滤。该对象支持链式操作。它的方法中，除了`eval`，基本都是用来指定过滤条件，构建查询用的。如果要得到最终结果，请使用`Query.eval`方法。
+这里的`dt`如果没有提供的话，将使用最新的证券列表。但在回测中，您通常不同时间的证券列表，因此，`dt`在这种情况下是必须的，否则，您将引入未来数据。
 
-## 返回所有股票或者指数
+#### 2.1.2. 返回所有股票或者指数
 ```python
 query = Security.select(dt)
 codes = await query.types(["stock"]).eval()
 print(codes)
 ```
 
-## 排除某种股票（证券）
+#### 2.1.3. 排除某种股票（证券）
 ```python
 query = Security.select(dt)
 codes = await query.exclude_st().exclude_kcb().exclude_cyb().eval()
 print(codes)
 ```
 
-## 如果只要求某种股票（证券）
+#### 2.1.4. 如果只要求某种股票（证券）
 ```python
 query = Security.select(dt)
 codes = await query.only_kcb().only_st().only_cyb().eval()
@@ -105,18 +110,22 @@ print(codes)
 #得到空列表
 ```
 
-## 按别名进行模糊查询
-A股的证券在标识上，一般有代码（code或者symbol)、拼音简写(name)和汉字表示名(display_name)三种标识。比如中国平安，其代码为601318.XSHG;其拼音简写为ZGPA；而中国平安被称为它的别名(`alias`)。
+#### 2.1.5. 按别名进行模糊查询
+
+A 股的证券在标识上，一般有代码（code 或者 symbol)、拼音简写 (name) 和汉字表示名 (display_name) 三种标识。比如中国平安，其代码为 601318.XSHG; 其拼音简写为 ZGPA；而中国平安被称为它的别名 (`alias`)。
 
 如果要查询所有中字头的股票：
+
 ```python
 query = Security.select(dt)
 codes = await query.alias_like("中").eval()
 print(codes)
 ```
 
-## 通过代码查询其它信息
+#### 2.1.6. 通过代码查询其它信息
+
 通过前面的查询我们可以得到一个证券列表，如果要得到具体的信息，可以通过`info`接口来查询：
+
 ```python
     dt = datetime.date(2022, 5, 20)
     info = await Security.info("688001.XSHG", dt)
@@ -133,39 +142,39 @@ print(codes)
     'name': 'HXYC'
 }
 ```
-# TimeFrame时间计算
-Omicron不仅提供了交易日历，与其它量化框架相比，我们还提供了丰富的时间相关的运算操作。这些操作都有详细的文档和示例，您可以通过[TimeFrame](/api/timeframe)来进一步阅读。
+### 2.2. 交易日历及时间帧计算
+Omicron 不仅提供了交易日历，与其它量化框架相比，我们还提供了丰富的与时间相关的运算操作。这些操作都有详细的文档和示例，您可以通过 [TimeFrame](/api/timeframe) 来进一步阅读。
 
-omicron中，常常会遇到时间帧(Time Frame)这个概念。因为行情数据都是按一定的时间长度组织的，比如5分钟，1天，等等。因此，在omicron中，我们经常使用某个时间片结束的时间，来标识这个时间片，并将其称之为帧(Time Frame)。
+omicron 中，常常会遇到时间帧 (Time Frame) 这个概念。因为行情数据都是按一定的时间长度组织的，比如 5 分钟，1 天，等等。因此，在 omicron 中，我们经常使用某个时间片结束的时间，来标识这个时间片，并将其称之为帧 (Time Frame)。
 
-omicron中，我们支持的时间帧是有限的，主要是日内的分钟帧(FrameType.MIN1), 5分钟帧(FrameType.MIN5), 15分钟帧、30分钟帧和00分钟帧，以及日线级别的FrameType.DAY, FrameType.WEEK等。关于详细的类型说明，请参见[coretypes](https://zillionare.github.io/core-types/)
+omicron 中，我们支持的时间帧包括日内的分钟帧 (FrameType.MIN1), 5 分钟帧 (FrameType.MIN5), 15 分钟帧、30 分钟帧和 60 分钟帧，以及日线级别的 FrameType.DAY, FrameType.WEEK 等。关于详细的类型说明，请参见 [coretypes](https://zillionare.github.io/core-types/)
 
-omicron提供的交易日历起始于2005年1月4日。提供的行情数据，最早从这一天起。
+omicron 提供的交易日历起始于 2005 年 1 月 4 日。提供的行情数据，最早从这一天起。
 
-大致上，omicron提供了以下操作：
-## 交易时间的偏移
-如果今天是2022年5月20日，您想得到100天前的交易日，则可以使用day_shift:
+大致上，omicron 提供了以下时间帧操作：
+#### 2.2.1. 交易时间的偏移
+如果今天是 2022 年 5 月 20 日，您想得到 100 天前的交易日，则可以使用 day_shift:
 ```python
 from omicron import tf
 dt = datetime.date(2022, 5, 20)
 
 tf.day_shift(dt, -100)
 ```
-输出是datetime.date(2021, 12, 16)。在这里，day_shift的第二个参数`n`是偏移量，当它小于零时，是找`dt`前`n`个交易日;当它大于零时，是找`dt`之后的`n`个交易日。
+输出是 datetime.date(2021, 12, 16)。在这里，day_shift 的第二个参数`n`是偏移量，当它小于零时，是找`dt`前`n`个交易日；当它大于零时，是找`dt`之后的`n`个交易日。
 
-比如有意思的是`n` == 0的时候。对上述`dt`，day_shift(dt, 0)得到的仍然是同一天，但如果`dt`是2022年5月21日是周六，则day_shift(datetime.date(2022, 5, 21))将返回2022年5月20日。因为5月21日这一天是周六，不是交易日，day_shift将返回其对应的交易日，这在多数情况下会非常方便。
+比如有意思的是`n` == 0 的时候。对上述`dt`，day_shift(dt, 0) 得到的仍然是同一天，但如果`dt`是 2022 年 5 月 21 日是周六，则 day_shift(datetime.date(2022, 5, 21)) 将返回 2022 年 5 月 20 日。因为 5 月 21 日这一天是周六，不是交易日，day_shift 将返回其对应的交易日，这在多数情况下会非常方便。
 
-除了`day_shift`外，timeframe还提供了类似函数比如`week_shift`等。一般地，您可以用shift(dt, n, frame_type)来对任意支持的时间进行偏移。
+除了`day_shift`外，timeframe 还提供了类似函数比如`week_shift`等。一般地，您可以用 shift(dt, n, frame_type) 来对任意支持的时间进行偏移。
 
-## 边界操作 ceiling和floor
-很多时候我们需要知道具体的某个时间点(moment)所属的帧。如果要取其上一帧，则可以用floor操作，反之，使用ceiling。
+#### 2.2.2. 边界操作 ceiling 和 floor
+很多时候我们需要知道具体的某个时间点 (moment) 所属的帧。如果要取其上一帧，则可以用 floor 操作，反之，使用 ceiling。
 ```python
 tf.ceiling(datetime.date(2005, 1, 4), FrameType.WEEK)
-# output is datetime.date(2005, 1, 7)
+# OUTPUT IS DATETIME.DATE(2005, 1, 7)
 ```
 
-## 时间转换
-为了加快速度，以及方便持久化存储，在timeframe内部，有时候使用整数来表示时间。比如20220502表示的是2022年5月20日，而202205220931则表示2022年5月20日9时31分钟。
+#### 2.2.3. 时间转换
+为了加快速度，以及方便持久化存储，在 timeframe 内部，有时候使用整数来表示时间。比如 20220502 表示的是 2022 年 5 月 20 日，而 202205220931 则表示 2022 年 5 月 20 日 9 时 31 分钟。
 
 这种表示法，有时候要求我们进行一些转换：
 ```python
@@ -181,7 +190,7 @@ tf.date2int(datetime.date(2022, 5, 22)) # 20220520
 tf.date2time(datetime.datetime(2022, 5, 22, 9, 21)) # 202205220921
 ```
 
-## 列时间帧
+#### 2.2.4. 列出区间内的所有时间帧
 有时候我们需要得到`start`和`end`之间某个时间帧类型的所有时间帧：
 ```python
 start = arrow.get('2020-1-13 10:00').naive
@@ -191,11 +200,11 @@ tf.get_frames(start, end, FrameType.MIN30)
 ```
 
 ???+ Important
-    上面的示例中，出现了可能您不太熟悉的`naive`属性。它指的是取不带时区的时间。在python中，时间可以带时区（timezone-aware)和不带时区(naive)。
+    上面的示例中，出现了可能您不太熟悉的`naive`属性。它指的是取不带时区的时间。在 python 中，时间可以带时区（timezone-aware) 和不带时区 (naive)。
 
-    如果您使用datetime.datetime(2022, 5, 20)，它就是不带时区的，除非您专门指定时区。
+    如果您使用 datetime.datetime(2022, 5, 20)，它就是不带时区的，除非您专门指定时区。
 
-    在omicron中，我们在绝大多数情况下，仅使用naive表示的时间，即不带时区，并且假定时区为东八区（即北京时间）。
+    在 omicron 中，我们在绝大多数情况下，仅使用 naive 表示的时间，即不带时区，并且假定时区为东八区（即北京时间）。
 
 如果您只知道结束时间，需要向前取`n`个时间帧，则可以使用`get_frames_by_count`。
 
@@ -205,9 +214,9 @@ start = datetime.date(2019, 12, 21)
 end = datetime.date(2019, 12, 21)
 tf.count_frames(start, end, FrameType.DAY)
 ```
-输出将是1。上述方法还有一个快捷方法，即`count_day_frames`，并且，对week, month, quaters也是一样。
+输出将是 1。上述方法还有一个快捷方法，即`count_day_frames`，并且，对 week, month, quaters 也是一样。
 
-# 取行情数据
+### 2.3. 读取行情数据
 现在，让我们来获取一段行情数据：
 ```python
 code = "000001.XSHE"
@@ -215,7 +224,7 @@ code = "000001.XSHE"
 end = datetime.date(2022, 5, 20)
 bars = await Stock.get_bars(code, 10, FrameType.DAY, end)
 ```
-返回的`bars`将是一个numpy structured array, 其类型为[bars_dtype](https://zillionare.github.io/core-types/)。一般地，它包括了以下字段：
+返回的`bars`将是一个 numpy structured array, 其类型为 [bars_dtype](https://zillionare.github.io/core-types/)。一般地，它包括了以下字段：
 
     * frame（帧）
     * open（开盘价）
@@ -224,37 +233,214 @@ bars = await Stock.get_bars(code, 10, FrameType.DAY, end)
     * close（收盘价）
     * volume（成交量，股数）
     * amount（成交额）
-    * factor(复权因子)
+    * factor（复权因子）
+
+缺省情况下，返回的数据是到`end`为止的前复权数据。你可以通参数`fq = False`关闭它，来获得不复权数据，并以此自行计算后复权数据。
+
+如果要获取某个时间段的数据，可以使用[get_bars_in_range](/api/stock/#omicron.models.stock.Stock.get_bars_in_range)。
+
+上述方法总是尽最大可能返回实时数据，如果`end`为当前时间的话，但由于`omega`同步延时是一分钟，所以行情数据最多可能慢一分钟。如果要获取更实时的数据，可以通过[get_latest_price](/api/stock/#omicron.models.stock.Stock.get_latest_price)方法。
+
+要获涨跌停价格和标志，请使用:
+
+* [get_trade_price_limits](/api/stock/#omicron.models.stock.Stock.get_trade_price_limits)
+* [trade_price_limits_flags](/api/stock/#omicron.models.stock.Stock.trade_price_limit_flags)
+* [trade_price_limit_flags_ex](/api/stock/#omicron.models.stock.Stock.trade_price_limit_flags_ex)
+
+### 2.4. 板块数据
+
+提供同花顺板块行业板块和概念板块数据。在使用本模块之前，需要进行初始化：
+
+```python
+# 请先进行omicron初始化，略
+from omicron.models.board import Board, BoardType
+Board.init('192.168.100.101')
+```
+
+此处的IP为安装omega服务器的ip。
+
+通过[board_list](/api/board/#omicron.models.board.Board.board_list)来查询所有的板块。
+
+其它方法请参看[API文档](/api/board/#omicron.models.board.Board)
+
+
+## 3. 策略编写
+
+omicron 通过 [strategy](/api/strategy) 来提供策略框架。通过该框架编写的策略，可以在实盘和回测之间无缝转换 -- 根据初始化时传入的服务器不同而自动切换。
+
+omicron 提供了一个简单的 [双均线策略](/api/strategy/#omicron.strategy.sma) 作为策略编写的示范，可结合其源码，以及本文档中的[完整策略示例](/usage/#完整sma回测示例)在notebook中运行查看。
+
+
+策略框架提供了回测驱动逻辑及一些基本函数。要编写自己的策略，您需要从基类[BaseStrategy](/api/strategy/#omicron.strategy.base.BaseStrategy)派生出自己的子类，并改写它的`predict`方法来实现调仓换股。
+
+策略框架依赖于[zillionare-trader-client](https://zillionare.github.io/trader-client/)，在回测时，需要有[zillionare-backtesting](https://zillionare.github.io/backtesting/)提供回测服务。在实盘时，需要[zilllionare-gm-adaptor](https://github.com/zillionare/trader-gm-adaptor)或者其它实盘交易网关提供服务。
+
+策略代码可以不加修改，即可使用于回测和实盘两种场景。
+
+
+### 3.1. 回测场景
+
+实现策略回测，一般需要进行以下步骤：
+1. 从此基类派生出一个策略子类，比如sma.py
+2. 子类需要重载`predict`方法，根据当前传入的时间帧和帧类型参数，获取数据并进行处理，评估出交易信号。
+3. 子类根据交易信号，在`predict`方法里，调用基类的`buy`和`sell`方法来进行交易
+4. 生成策略实例，通过实例调用`backtest`方法来进行回测，该方法将根据策略构建时指定的回测起始时间、终止时间、帧类型，逐帧生成各个时间帧，并调用子类的`predict`方法。如果调用时指定了`portfolio`和`min_bars`参数，`backtest`还将进行数据预取，并将截止到当前回测帧时的数据传入。
+4. 在交易结束时，调用`plot_metrics`方法来获取如下所示的回测指标图
+![](https://images.jieyu.ai/images/2023/05/20230508160012.png?2)
+
+如何派生子类，可以参考[sma][omicron.strategy.sma.SMAStrategy]源代码。
+
+
+```python
+from omicron.strategy.sma import SMAStrategy
+sma = SMAStrategy(
+    url="", # the url of either backtest server, or trade server
+    is_backtest=True,
+    start=datetime.date(2023, 2, 3),
+    end=datetime.date(2023, 4, 28),
+    frame_type=FrameType.DAY,
+)
+
+await sma.backtest(portfolio=["600000.XSHG", min_bars=20])
+```
+在回测时，必须要指定`is_backtest=True`和`start`, `end`参数。
+### 3.2. 回测报告
+
+在回测结束后，可以通过以下方法，在notebook中绘制回测报告：
+
+```python
+await sma.plot_metrics()
+```
 
-# 评估指标
-omicron提供了mean_absolute_error函数和pct_error函数。它们在scipy或者其它库中也能找到，为了方便不熟悉这些第三方库的使用者，我们内置了这个常指标。
+这将绘制出类似以下图：
 
-对一些常见的策略评估函数，我们引用了empyrical中的相关函数，比如alpha, beta, shapre_ratio， calmar_ratio等。
+![](https://images.jieyu.ai/images/2023/05/20230508160012.png?2)
 
-# talib库
-您应该把这里提供的函数当成实验性的。这些API也可能在某天被废弃、重命名、修改，或者这些API并没有多大作用，或者它们的实现存在错误。
+#### 3.2.1. 在回测报告中添加技术指标
 
-但是，如果我们将来会抛弃这些API的话，我们一定会通过depracted方法提前进行警告。
+!!! info
+    Since 2.0.0.a76
 
-# 策略编写
+首先，我们可以在策略类的predict方法中计算出技术指标，并保存到成员变量中。在下面的示例代码中，我们将技术指标及当时的时间保存到了一个indicators数组中（注意顺序！），然后在回测结束后，在调用 plot_metrics时，将其传入即可。
 
-omicron通过[strategy](/api/strategy)来提供策略框架。通过该框架编写的策略，可以在实盘和回测之间无缝转换 -- 根据初始化时传入的服务器不同而自动切换。
+```
+indicators = [
+    (datetime.date(2021, 2, 3), 20.1),
+    (datetime.date(2021, 2, 4), 20.2),
+    ...,
+    (datetime.date(2021, 4, 1), 20.3)
+    ]
+await sma.plot_metrics(indicator)
+```
+时间只能使用主周期的时间，否则可能产生无法与坐标轴对齐的情况。
+
+加入的指标默认只显示在legend中，如果要显示在主图上，需要点击legend进行显示。
+
+指标除可以叠加在主图上之外，还会出现在基准线的hoverinfo中（即使指标的计算与基准线无关），参见上图中的“指标”行。
+
+
+### 3.3. 使用数据预取
+
+!!! info
+    since version 2.0.0-alpha76
+
+在回测中，可以使用主周期的数据预取，以加快回测速度。工作原理如下：
+
+如果策略在调用`backtest`时传入了`portfolio`及`min_bars`参数，则`backtest`将会在回测之前，预取从[start - min_bars * frame_type, end]间的portfolio行情数据，并在每次调用`predict`方法时，通过`barss`参数，将[start - min_bars * frame_type, start + i * frame_type]间的数据传给`predict`方法。传入的数据已进行前复权。
+
+如果在回测过程中，需要偷看未来数据，可以使用peek方法。
+
+### 3.4. 完整SMA回测示例
 
-omicron提供了一个简单的[双均线策略](/api/strategy/#omicron.strategy.sma)作为策略编写的示范。
+以下策略需要在notebook中运行，并且需要事先安装omega服务器同步数据，并正确配置omicron。
 
-# 绘图
+该示例在《大富翁量化课程》课件环境下可运行。
 
-omicron通过[Candlestick](/api/plotting/candlestick/)提供了k线绘制功能。默认地，它将绘制一幅显示120个bar，可拖动（以加载更多bar)，并且可以叠加副图、主图叠加各种指标的k线图：
+```python
+import cfg4py
+import omicron
+import datetime
+from omicron.strategy.sma import SMAStrategy
+from coretypes import FrameType
+
+cfg = cfg4py.init("/etc/zillionare")
+await omicron.init()
+
+sec = "600000.XSHG"
+start = datetime.date(2022, 1, 4)
+end = datetime.date(2023, 1,1)
+
+sma = SMAStrategy(sec, url=cfg.backtest.url, is_backtest=True, start=start, end=end, frame_type=FrameType.DAY)
+await sma.backtest(portfolio=[sec], min_bars=10, stop_on_error=False)
+await sma.plot_metrics(sma.indicators)
+
+```
+
+### 3.5. 实盘
+在实盘环境下，你还需要在子类中加入周期性任务(比如每分钟执行一次），在该任务中调用`predict`方法来完成交易，如以下示例所示：
+
+```python
+import cfg4py
+import omicron
+import datetime
+from omicron.strategy.sma import SMAStrategy
+from coretypes import FrameType
+from apscheduler.schedulers.asyncio import AsyncIOScheduler
+
+
+cfg = cfg4py.init("/etc/zillionare")
+await omicron.init()
+
+async def daily_job():
+    sma = SMAStrategy(sec, url=cfg.traderserver.url, is_backtest=False,frame_type=FrameType.DAY)
+    bars = await Stock.get_bars(sma._sec, 20, FrameType.DAY)
+    await sma.predict(barss={sma._sec: bars})
+
+async def main():
+    scheduler = AsyncIOScheduler()
+    scheduler.add_job(daily_job, 'cron', hour=14, minute=55)
+    scheduler.start()
+```
+策略代码无须修改。
+
+该策略将自动在每天的14：55运行，以判断是否要进行调仓换股。您需要额外判断当天是否为交易日。
+
+## 4. 绘图
+
+omicron 通过 [Candlestick](/api/plotting/candlestick/) 提供了 k 线绘制功能。默认地，它将绘制一幅显示 120 个 bar，可拖动（以加载更多 bar)，并且可以叠加副图、主图叠加各种指标的 k 线图：
 
 ![](https://images.jieyu.ai/images/2023/05/20230508164848.png)
 
 上图显示了自动检测出来的平台。此外，还可以进行顶底自动检测和标注。
 
-omicron通过[metris](/api/plotting/metrics)提供回测报告。该报告类似于：
+!!! note
+    通过指定`width`参数，可以影响初始加载的bar的数量。
+
+omicron 通过 [metris](/api/plotting/metrics) 提供回测报告。该报告类似于：
 
 ![](https://images.jieyu.ai/images/2023/05/20230508160012.png)
 
 它同样提供可拖动的绘图，并且在买卖点上可以通过鼠标悬停，显示买卖点信息。
 
-omicron的绘图功能只能在notebook中使用。
+omicron 的绘图功能只能在 notebook 中使用。
+## 5. 评估指标
+omicron 提供了 mean_absolute_error 函数和 pct_error 函数。它们在 scipy 或者其它库中也能找到，为了方便不熟悉这些第三方库的使用者，我们内置了这个常指标。
+
+对一些常见的策略评估函数，我们引用了 empyrical 中的相关函数，比如 alpha, beta, shapre_ratio， calmar_ratio 等。
+
+## 6. TALIB 库
+您应该把这里提供的函数当成实验性的。这些 API 也可能在某天被废弃、重命名、修改，或者这些 API 并没有多大作用，或者它们的实现存在错误。
+
+但是，如果我们将来会抛弃这些 API 的话，我们一定会通过 depracted 方法提前进行警告。
+
+## 7. 扩展
+Python当中的四舍五入用于证券投资，会带来严重的问题，比如，像`round(0.3/2)`，我们期望得到`0.2`，但实际上会得到`0.1`。这种误差一旦发生成在一些低价股身上，将会带来非常大的不确定性。比如，1.945保留两位小数，本来应该是1.95，如果被误舍入为1.94，则误差接近0.5%，这对投资来说是难以接受的。
+
+!!! info
+    如果一天只进行一次交易，一次交易误差为0.5%，一年累积下来，误差将达到2.5倍。
+
+我们在[decimals](/api/omicron/#omicron.extensions.decimals)中提供了适用于证券交易领域的版本，`math_round`和价格比较函数`price_equal`。
+
+我们还在[np](/api/omicron/#omicron.extensions.np)中，对numpy中缺失的一些功能进行了补充，比如`numpy_append_fields`, `fill_nan`等。
+
 
diff --git a/mkdocs.yml b/mkdocs.yml
index 410cbad..4dbc777 100644
--- a/mkdocs.yml
+++ b/mkdocs.yml
@@ -5,26 +5,27 @@ repo_name: omicron
 nav:
   - 简介: index.md
   - 安装: installation.md
-  - 快速入门: usage.md
+  - 使用教程: usage.md
   - 版本历史: history.md
   - 开发者文档: developer.md
   - API文档:
     - omicron: api/omicron.md
-    - timeframe: api/timeframe.md
-    - triggers: api/triggers.md
-    - stock: api/stock.md
-    - security: api/security.md
-    - board: api/board.md
+    - 行情数据:
+      - timeframe: api/timeframe.md
+      - stock: api/stock.md
+      - security: api/security.md
+      - board: api/board.md
     - metrics: api/metrics.md
     - talib: api/talib.md
-    - strategy: api/strategy.md
-    - plotting:
+    - 策略框架: api/strategy.md
+    - 绘图:
       - CandleStick: api/plotting/candlestick.md
       - MetricsGraph: api/plotting/metrics.md
     - dal:
       - Flux: api/dal/flux.md
       - InfluxClient: api/dal/influxclient.md
       - Serialize: api/dal/serialize.md
+
 theme:
   name: material
 
diff --git a/omicron/models/board.py b/omicron/models/board.py
index ba51e9d..b8b199a 100644
--- a/omicron/models/board.py
+++ b/omicron/models/board.py
@@ -55,7 +55,23 @@ async def _rpc_call(cls, url: str, param: str):
             return {"rc": 200, "data": rsp}
 
     @classmethod
-    async def board_list(cls, _btype: BoardType = BoardType.CONCEPT):
+    async def board_list(cls, _btype: BoardType = BoardType.CONCEPT) -> List[List]:
+        """获取板块列表
+
+        Args:
+            _btype: 板块类别，可选值`BoardType.CONCEPT`和`BoardType.INDUSTRY`.
+
+        Returns:
+            板块列表。每一个子元素仍为一个列表，由板块代码(str), 板块名称(str)和成员数组成。示例：
+            ```
+            [
+                ['881101', '种植业与林业', 24],
+                ['881102', '养殖业', 27],
+                ['881103', '农产品加工', 41],
+                ['881104', '农业服务', 16],
+            ]
+            ```
+        """
         rsp = await cls._rpc_call("board_list", {"board_type": _btype.value})
         if rsp["rc"] != 200:
             return {"status": 500, "msg": "httpx RPC call failed"}
diff --git a/omicron/models/stock.py b/omicron/models/stock.py
index e487643..dd9a61e 100644
--- a/omicron/models/stock.py
+++ b/omicron/models/stock.py
@@ -1384,7 +1384,7 @@ async def trade_price_limit_flags_ex(
     ) -> Dict[datetime.date, Tuple[bool, bool]]:
         """获取股票`code`在`[start, end]`区间的涨跌停标志
 
-        !!!Note:
+        !!!Note
             如果end为当天，注意在未收盘之前，这个涨跌停标志都是不稳定的
 
         Args:
diff --git a/omicron/plotting/candlestick.py b/omicron/plotting/candlestick.py
index 322cd8f..56d9fe9 100644
--- a/omicron/plotting/candlestick.py
+++ b/omicron/plotting/candlestick.py
@@ -130,7 +130,7 @@ def __init__(
             width: the width in 'px' units of the figure
             height: the height in 'px' units of the figure
         Keyword Args:
-            rsi_win: default is 6
+            rsi_win int: default is 6
         """
         self.title = title
         self.bars = bars