stockbee-setup-fluency-trainer

Stockbee セットアップ習熟トレーナー

Stockbee スタイルのモメンタムバースト・セットアップのモデルブックを作成、維持します。このスキルは、毎日のスクリーナー候補を構造化された学習記録に変換し、3日後と5日後の期間が経過した時点で更新して、どのセットアップ特徴が機能しているか、または機能していないかを要約します。

使用するタイミング

• Stockbee のモメンタムバースト・セットアップを体系的に学習したい場合
• stockbee-momentum-burst-screener の出力からモデルブックを作成したい場合
• 失敗した候補、見逃したトレード、または A/B セットアップの品質を確認したい場合
• 3日後／5日後のリターン、MFE、MAE、ストップ到達の結果を確認したい場合
• ポジションサイズを増やす前に、セットアップの認識力を高めたい場合
• どの Stockbee タグを昇格、降格、または除外すべきか知りたい場合

前提条件

• Python 3.10+
• stockbee-momentum-burst-screener の JSON レポート、または互換性のある候補 JSON
• オプション：オフラインの OHLCV JSON が指定されていない場合、結果の更新に FMP API キーが必要です
• 推奨ローカル状態パス：state/stockbee/model_book.jsonl

ワークフロー

ステップ 1：モメンタムバースト候補を取り込む

Stockbee モメンタムバースト・スクリーナーが JSON レポートを生成した後に実行します。

python3 skills/stockbee-setup-fluency-trainer/scripts/build_model_book.py ingest \
  --screener-json reports/stockbee_momentum_burst_YYYY-MM-DD_HHMMSS.json \
  --model-book state/stockbee/model_book.jsonl \
  --output-dir reports/

意図的に否定例のセットを作成する場合は、--include-rejects を使用します。それ以外の場合、除外された候補はスキップされます。

ステップ 2：3日後と5日後の結果を更新する

FMP を使用する場合：

python3 skills/stockbee-setup-fluency-trainer/scripts/build_model_book.py update \
  --model-book state/stockbee/model_book.jsonl \
  --horizons 3,5 \
  --output-dir reports/

オフラインの OHLCV JSON を使用する場合：

python3 skills/stockbee-setup-fluency-trainer/scripts/build_model_book.py update \
  --model-book state/stockbee/model_book.jsonl \
  --prices-json data/daily_ohlcv.json \
  --horizons 3,5 \
  --output-dir reports/

更新ステップでは、以下を記録します。

• 各期間の将来の終値リターン
• 各期間の MFE と MAE
• ストップ到達のステータスと最初の到達日
• STRONG_WINNER、WORKED、FAILED_STOP、FAILED_FADE、CHOPPY_FAILURE、NEUTRAL などの結果タグ

ステップ 3：コホートを要約する

python3 skills/stockbee-setup-fluency-trainer/scripts/build_model_book.py summarize \
  --model-book state/stockbee/model_book.jsonl \
  --group-by rating,primary_trigger,setup_tags \
  --min-sample 5 \
  --output-dir reports/

生成された Markdown レポートと JSON レポートを確認します。rule_candidates は、ルールを自動的に変更するものではなく、根拠を確認するための手がかりとして扱います。

ステップ 4：根拠を実践に活用する

十分な数の事例があるコホートについては、以下を行います。

• 勝率が高く、5日間の期待値がプラスで、平均 MAE が許容範囲内のタグを昇格させます
• 5日間の期待値が低く、ストップ到達が頻繁で、フェード失敗が繰り返されるタグを降格または除外します
• トレードルールを変更する前に、代表的なチャートを手動で確認します
• 採用した教訓を trader-memory-core または月次レビューのプロセスに記録します

モデルブックのフィールド

各 JSONL レコードには、以下が含まれます。

• record_id、symbol、setup_date、primary_trigger
• rating、setup_score、setup_tags
• entry_reference、stop_reference、risk_pct_to_stop
• human_label、human_decision、human_notes
• outcomes.3d と outcomes.5d
• overall_outcome、matured、raw_candidate

解釈ルール

• STRONG_WINNER：5日後の終値リターンが 8% 以上、または MFE が 12% 以上で、ストップに到達していない
• WORKED：5日後の終値リターンが 4% 以上、または MFE が 6% 以上で、ストップに到達していない
• FAILED_STOP：期間内にストップ価格に到達した
• FAILED_FADE：記録されたストップ到達がなく、将来リターンが -2% 以下
• CHOPPY_FAILURE：不利な変動幅が大きく、将来の値動きが乏しかった
• NEUTRAL：明確な続伸も失敗もなかった
• PENDING：将来の足がまだ十分に揃っていない

出力

• state/stockbee/model_book.jsonl - 永続的なセットアップモデルブック
• stockbee_setup_fluency_ingest_YYYY-MM-DD_HHMMSS.json/md
• stockbee_setup_fluency_update_YYYY-MM-DD_HHMMSS.json/md
• stockbee_setup_fluency_summary_YYYY-MM-DD_HHMMSS.json/md

リソース

• references/model_book_schema.md - JSONL スキーマとライフサイクルの状態
• references/outcome_tags.md - 結果の分類とタグの定義
• references/review_workflow.md - 毎日、3日後、5日後、月次のレビュー手順

共有 FMP クライアント

FMP へのライブアクセスでは、バンドルされている生成済みの scripts/fmp_client.py を使用します。このファイルは FMP の実行開始時にのみ読み込まれるため、オフラインモードは引き続き requests なしで動作します。CLI キーと環境変数の優先順位、API 呼び出し予算、成功時の出力形式は維持されます。リクエストでは安定したエンドポイントのみを使用します。安定したエンドポイントへのリクエストが拒否、空応答、または失敗となっても、廃止済みの v3 URL にはフォールバックしません。共有クライアントはキーの生値と URL エンコード値のエコーをマスキングし、不正な JSON を 1 回再試行します。また、429 は 60 秒待機後に最大 1 回再試行し、レート制限が再発した場合は停止します。

リクエストされたすべての銘柄でトランスポートレベルのエラーが発生した場合、update は終了コード 1 で終了し、各レコードに missing_prices を設定するのではなく、モデルブックを変更せずに残します。