fyers-supercharge

Supercharge モード — マルチエージェント最適化ループ

単一のバックテスト済み戦略を、進化し続けるリサーチプロジェクトに変えます。中心となる オーケストレーター が 専門ストラテジストの評議会 を招集し、戦略を研究し、改善点を議論し、 最適化されたバリアントを生成し、それらをバックテストし、測定可能により優れたバージョンを 探し続けます — 反復ラウンドで、3 ラウンドごとにユーザーを関与させながら。

目的は戦略を 検証することではなく、改善すること です。「この戦略は優れているか?」ではなく、 「この戦略はどうすれば大幅に良くなるか?」が問いとなります — 過剰適合と不要な複雑さを 防ぎながら。すべての変更は正当化され、テストされ、以前のバージョンと比較されます。単一のエージェントが決定するのではなく、出力は評議会のコンセンサスです。

元の戦略は常に不変のベースラインとして保持されます。 すべてのバリアントは それに対して測定されます。ベースラインを決して変更しないでください。

fyers-trading に依存します。 このスキルは fyers-trading が構築し バックテストした戦略を最適化します。そのスキルのバックテストパス(references/backtesting.md)と メトリクス(scripts/quantstats_report.py)を再利用するため、ベースラインと同じ物差しで スコアリングされます。両方のスキルを一緒にインストールしてください。fyers-trading のリアルマネー安全ルールはすべて そのまま適用されます(シークレットは環境変数経由、デフォルトでドライラン、銘柄検証、ライブ注文の確認、レート制限): 評議会はデプロイやライブ運用を 推奨 することはありますが、自身でライブ注文を出すことは決してありません。

これが有効になるタイミング

Supercharge モードは、戦略が最初のバックテストに成功した直後に自動的に 提供されます (fyers-trading スキルがここに引き継ぎます)。次の提案を提示してください:

あなたの戦略は準備できました。

Supercharge モードを解除しますか?

プロのトレーディングストラテジストによる当社の AI チームが、あなたの戦略を分析し、改善点を議論し、 複数の最適化されたバリアントを生成し、それらをバックテストし、より強力な代替案を推奨します。最適化は 反復サイクルで実行され、続行する前に 3 ラウンドごとにあなたを関与させます。

ユーザーが はい と答えたら、すぐに起動します。また、戦略を最適化 / 改善 / 進化 / ストレステストする という明示的な意図でも有効化します。ユーザーが戦略を 構築または実行 したいだけの場合は、 それは fyers-trading です — バックテストが存在するようになったらここに戻ってきてください。

仕組み — ハイブリッドオーケストレーション

あなた(ホストエージェント)がオーケストレーターです。 あなたは Agent ツールを介して評議会の席ごとに 1 つの サブエージェントを生成することで、推論と議論を実行します。決定論的 な作業 — スコアリング、ランキング、 永続化 — は 3 つのバンドルされたスクリプトに委任されるため、すべてのバリアントが同一に測定され、 過程が再現可能になります:

• scripts/scorecard.py — バリアントごとに 1 つの標準化されたメトリクス辞書(fyers-trading の quantstats_report.key_metrics() を再利用し、トレードレベルのメトリクスは自身で計算します)。
• scripts/dashboard.py — アクティブな目的に対してベースラインとすべてのバリアントをランク付けします。
• scripts/evolution_log.py — すべてのラウンド、バリアント、決定を記録する追記専用の JSONL ジャーナル。

最適化ループ

各ラウンドは 6 つのフェーズを実行します。ライフサイクル全体とコンセンサスルールについては references/optimization-loop.md をお読みください：

1. 理解 — 各席がルール、サイジング、資本、時間軸、バックテストの証拠を調査します。
2. 診断 — 各席が強み、弱み、隠れたリスク、改善すべき指標を挙げます。
3. 討論 — 席同士が互いに異議を唱え、オーケストレーターが対立を実験へと解決します。
4. バリアントの生成 — それぞれが少数の変数のみを変更する候補（references/variants.md）。
5. バックテスト — すべてのバリアントを同一の前提で、fyers-trading を介して実行し、scorecard.py で採点します。
6. 学習 — うまくいったこと／失敗したことが次のラウンドに反映されます。結果は evolution_log.py を介して記録されます。

それぞれが特定の目的を狙ったバリアントを作成してください：より高いリターン、より低いドローダウン、より良いリスク調整後パフォーマンス、より高い勝率、より良い資本効率、より良い執行、またはレジームをまたいだより良いロバスト性。目標は、1 つの「最良」ではなく、デプロイ可能なバリアントのライブラリです。

評議会

1 つの席につき 1 つのサブエージェントを、Agent を介して生成し、references/council.md からブリーフィングします（12 の席：リスク、リターン、エントリー精度、エグジットインテリジェンス、市場レジーム、バックテスト整合性、執行、オプション、資本効率、シンプルさとロバスト性、バリアント生成、パフォーマンスランキング）。名簿はループを変更せずに拡張可能です — エントリを追加するだけで席を追加できます。

3 ラウンドごとのチェックポイント

決して黙って続行しないでください。 3 ラウンドごとに、一時停止して最適化レポートを提示します（改善点、作成／破棄されたバリアント、改善／悪化した指標、主要な意見の不一致、現在のリーダー、推奨される次の方向性）。その後、ユーザーが方向性を選ぶのを待ちます — 続行、ドローダウン／リターン／一貫性／頻度／執行へのフォーカス、または確定。references/checkpoints.md を参照してください。

最終成果物

ユーザーが確定したとき：エグゼクティブサマリー、戦略進化タイムライン、バリアントライブラリ、比較ダッシュボード、AI コンセンサス。references/deliverables.md を参照してください。

リファレンス

トピック	参照先
6 フェーズのループ + コンセンサスルール	references/optimization-loop.md
評議会名簿（12 の席、責務、拒否権）	references/council.md
バリアント契約、戦略インターフェース、バリアントライブラリ	references/variants.md
指標 + 比較ダッシュボード（各数値の出所）	references/metrics.md
3 ラウンドごとのユーザーチェックポイント	references/checkpoints.md
最終成果物 + 成功基準	references/deliverables.md
過剰適合／ロバスト性のガードレール	references/overfitting.md

スクリプト

• scripts/scorecard.py — 標準化されたバリアントごとの指標辞書。fyers-trading の quantstats_report.key_metrics() を stdlib フォールバック付きで再利用し、トレードレベルの指標と ロバスト性スコアを計算します。CLI：demo。
• scripts/dashboard.py — ある目的に対してベースライン + バリアントをランク付けし、 比較ダッシュボードを Markdown としてレンダリングします。CLI：demo。
• scripts/evolution_log.py — 追記専用の JSONL ジャーナル（fyers-trading の trade_logger.py を踏襲）：log_round/log_variant/log_decision/log_checkpoint + timeline/checkpoint_report/summary。CLI：demo / timeline / summary / tail。

完全な忠実度のスコアリングには fyers-trading および QuantStats のインストールが必要です。これらがない場合でも スクリプトは実行されますが（stdlib フォールバック）、CAGR/Calmar と HTML ティアシートは利用できません。