build-trading-strategies

构建交易策略

快速入门

此技能使用 AI 生成完整、可用于生产环境的策略代码。这是 Robonet 中成本最高的工具（每次生成 $1-$4.50）。

先加载工具：

Use MCPSearch to select: mcp__workbench__create_strategy
Use MCPSearch to select: mcp__workbench__create_prediction_market_strategy

基本用法：

create_strategy(
    strategy_name="RSIMeanReversion_M",
    description="Buy when RSI(14) < 30 and price at lower Bollinger Band (20,2).
                 Sell when RSI > 70 or price at middle Bollinger Band.
                 Stop loss at 2% below entry. Position size 90% of available margin."
)

返回可直接用于回测的完整 Python 策略代码。

适用场景：

• 你有明确的策略概念，并希望获得可运行的代码
• 你已探索过数据，并知道要使用哪些指标/交易对
• 你准备好投入高额开发费用（$1-$4.50）

不适用场景：

• 你仍在探索想法 → 先使用 design-trading-strategies（$0.05-$1.00）
• 你有现有代码需要改进 → 使用 improve-trading-strategies（$0.50-$3.00）
• 你尚未检查数据是否可用 → 先使用 browse-robonet-data（免费-$0.001）

可用工具（2 个）

create_strategy

用途：使用 AI 生成完整的加密货币交易策略代码

参数：

• strategy_name（必填，字符串）：名称遵循 {Name}_{RiskLevel}[_suffix] 模式
  • 风险等级：H（高）、M（中）、L（低）
  • 示例："RSIMeanReversion_M"、"MomentumBreakout_H_v2"
• description（必填，字符串）：详细要求，包括：
  • 入场条件（具体指标值和阈值）
  • 离场条件（止损、止盈、跟踪止损）
  • 仓位规模（保证金使用比例）
  • 风险管理（每笔交易的最大亏损）
  • 要使用的指标（使用 browse-robonet-data 中的确切名称）
  • 时间周期背景（5m 剥头皮交易与 1h 波段交易）

返回：完整的 Python 策略代码，包括：

• should_long() - 检查是否满足做多入场条件
• should_short() - 检查是否满足做空入场条件
• go_long() - 按仓位规模执行做多入场
• go_short() - 按仓位规模执行做空入场
• 可选方法：on_open_position()、update_position()、should_cancel_entry()

定价：实际 LLM 成本 + 利润（最高 $4.50）

• 典型成本：$1.00-$3.00，具体取决于复杂程度
• Robonet 中成本最高的工具

执行时间：约 30-60 秒

适用场景：

• 构建新的加密货币永续合约交易策略
• 你有清晰、详细的要求
• 你已确认指标/交易对可用（browse-robonet-data）
• 你准备好投入高额费用执行操作

create_prediction_market_strategy

用途：生成包含 YES/NO 代币交易逻辑的 Polymarket 策略代码

参数：

• strategy_name（必填，字符串）：名称遵循与 create_strategy 相同的模式
• description（必填，字符串）：YES/NO 代币逻辑的详细要求：
  • 买入 YES 代币的条件（概率阈值）
  • 买入 NO 代币的条件
  • 离场标准（利润目标、基于时间的离场）
  • 仓位规模（每个市场的比例）
  • 市场选择标准（类别、流动性要求）

返回：完整的 Python 策略代码，包括：

• should_buy_yes() - 检查是否满足买入 YES 代币的条件
• should_buy_no() - 检查是否满足买入 NO 代币的条件
• go_yes() - 按仓位规模执行 YES 代币买入
• go_no() - 按仓位规模执行 NO 代币买入
• 可选方法：should_sell_yes()、should_sell_no()、on_market_resolution()

定价：实际 LLM 成本 + 利润（最高 $4.50）

• 典型成本：$1.00-$3.00

执行时间：约 30-60 秒

适用场景：

• 构建 Polymarket 预测市场策略
• 交易现实世界事件（政治、经济、体育）
• 希望根据概率分析持有 YES/NO 代币头寸

核心概念

Jesse 框架结构

所有加密货币策略都必须实现以下必需方法：

class MyStrategy(Strategy):
    def should_long(self) -> bool:
        """Check if all conditions are met for long entry"""
        # Return True to signal long entry opportunity
        # Called every candle

    def should_short(self) -> bool:
        """Check if all conditions are met for short entry"""
        # Return True to signal short entry opportunity
        # Called every candle

    def go_long(self):
        """Execute long entry with position sizing"""
        # Calculate position size (qty)
        # Place buy order
        # Set stop loss and take profit in on_open_position()

    def go_short(self):
        """Execute short entry with position sizing"""
        # Calculate position size (qty)
        # Place sell order
        # Set stop loss and take profit in on_open_position()

可选但建议实现的方法：

    def on_open_position(self, order):
        """Set stop loss and take profit after entry"""
        # Called when position opens
        # Set self.stop_loss and self.take_profit

    def update_position(self):
        """Update position (trailing stops, etc.)"""
        # Called every candle while in position
        # Modify stop loss for trailing stops

    def should_cancel_entry(self) -> bool:
        """Cancel unfilled entry orders"""
        # Return True to cancel pending entry order

策略命名约定

遵循此模式：{Name}_{RiskLevel}[_suffix]

风险级别：

• H（高）：激进策略、高杠杆、止损紧，接受超过 20% 的回撤
• M（中）：平衡策略、中等杠杆、标准止损，回撤为 10-20%
• L（低）：保守策略、低杠杆、止损宽，回撤低于 10%

示例：

• RSIMeanReversion_M - 基础策略，中等风险
• MomentumBreakout_H_optimized - 优化后的高风险策略
• TrendFollower_L_allora - 使用 Allora ML 增强的低风险策略
• BollingerBands_M_v2 - 策略的第 2 版

命名的重要性：

• 帮助按风险概况整理策略
• 清晰的版本号（_v2、_v3）可跟踪演进
• 后缀（_optimized、_allora）表示增强功能
• 统一的命名便于筛选和比较

仓位大小模式

建议的仓位大小：可用保证金的 85-95%

常见方法：

1. 固定百分比（简单、可预测）：

def go_long(self):
    qty = utils.size_to_qty(self.balance * 0.90, self.price)
    self.buy = qty, self.price

2. 基于波动率（根据市场状况调整）：

def go_long(self):
    atr = ta.atr(self.candles, period=14)
    # Reduce size in high volatility
    size_multiplier = 0.90 if atr < self.price * 0.02 else 0.70
    qty = utils.size_to_qty(self.balance * size_multiplier, self.price)
    self.buy = qty, self.price

3. 基于风险（根据止损距离确定仓位大小）：

def go_long(self):
    atr = ta.atr(self.candles, period=14)
    stop_distance = atr * 2  # Stop at 2× ATR
    # Risk 2% of balance per trade
    risk_amount = self.balance * 0.02
    qty = risk_amount / stop_distance
    self.buy = qty, self.price

最佳实践：创建策略时，在描述中注明仓位大小的计算方法

风险管理要求

每个策略都应包含：

1. 止损（必需）：

def on_open_position(self, order):
    atr = ta.atr(self.candles, period=14)
    # Stop at 2× ATR below entry (long) or above entry (short)
    self.stop_loss = qty, self.price - (atr * 2)  # Long
    # or
    self.stop_loss = qty, self.price + (atr * 2)  # Short

2. 止盈（建议）：

def on_open_position(self, order):
    atr = ta.atr(self.candles, period=14)
    # Target at 3× ATR (risk/reward = 1.5)
    self.take_profit = qty, self.price + (atr * 3)  # Long

3. 仓位大小（参见上文）

危险信号（应避免）：

• 没有止损（下行风险无限）
• 止损过紧（距离入场价 <0.5%）——会被市场噪声触发
• 止损过宽（距离入场价 >5%）——每笔交易的风险过高
• 仓位大小 >保证金的 95%——应对保证金追缴的缓冲不足
• 没有止盈——仓位可能回吐收益

可用指标

可通过 jesse.indicators 使用 170+ 个技术指标：

描述策略要求时，请使用准确名称：

动量（16 个指标）：

• RSI、MACD、Stochastic、ADX、CCI、MFI、ROC、Williams %R 等

趋势（12 个指标）：

• EMA、SMA、DEMA、TEMA、WMA、Supertrend、Parabolic SAR、VWAP、HMA 等

波动率（8 个指标）：

• Bollinger Bands、ATR、Keltner Channels、Donchian Channels、Standard Deviation 等

成交量（10 个指标）：

• OBV、Volume Profile、Chaikin Money Flow 等

查找指标的方法：

(Use browse-robonet-data skill)
get_all_technical_indicators(category="momentum")

在策略描述中使用准确名称： ✓ “使用周期为 14 的 RSI” ✓ “使用周期为 20、标准差为 2 的 Bollinger Bands” ✗ “使用相对强度”（含义不明确） ✗ “使用 BB”（缩写不清楚）

最佳实践

成本管理

这是成本最高的工具（$1-$4.50）。尽量避免浪费：

使用 create_strategy 前：

1. ✅ 使用 browse-robonet-data 浏览数据（确认可用的交易对和指标）
2. ✅ 可选：使用 design-trading-strategies 生成想法（探索成本 $0.05-$1.00）
3. ✅ 预先写好详细需求
4. ✅ 了解 Jesse 框架基础知识

避免以下高成本错误：

• ❌ 未检查指标是否可用就创建策略 → 浪费 $2.50
• ❌ 描述含糊（“构建一个出色的 BTC 策略”）→ 结果不佳，需要重新生成
• ❌ 需求不明确 → 代码不符合预期，浪费生成成本
• ❌ 未指定风险管理 → 需要添加止损和仓位设置后重新生成

节省成本的模式：

1. browse-robonet-data ($0.001) → Verify resources
2. design-trading-strategies ($0.30) → Explore 3 ideas
3. Pick best idea and refine description
4. create_strategy ($2.50) → Generate once, correctly
Total: $2.80 with high success rate

vs.

1. create_strategy ($2.50) → Vague requirements
2. Doesn't work, try again ($2.50)
3. Still not right ($2.50)
Total: $7.50 with frustration

编写有效的描述

优秀描述的构成：

Entry Conditions:
- Specific indicator with exact parameters
- Exact thresholds
- Multiple conditions with AND/OR logic

Exit Conditions:
- Stop loss method and distance
- Take profit method and target
- Trailing stop if applicable

Position Sizing:
- Percentage of margin to use
- Or risk-based sizing method

Risk Management:
- Maximum loss per trade
- Any position limits

Context:
- Timeframe (5m, 1h, 4h, 1d)
- Market regime (trending, ranging)

优秀描述示例：

"RSI Mean Reversion strategy for BTC-USDT on 1h timeframe.

ENTRY (Long):
- RSI(14) < 30 (oversold)
- Price touches lower Bollinger Band (20-period, 2 std dev)
- Confirm with volume: current volume > 1.2× 20-period average

EXIT (Long):
- Take profit: Price reaches middle Bollinger Band
- Stop loss: 2% below entry price
- Trailing stop: Once profit >3%, trail stop at 1.5% below highest price

POSITION SIZING:
- Use 90% of available margin per trade
- Single position at a time (no pyramiding)

RISK MANAGEMENT:
- Maximum loss: 2% of account per trade
- No new trades if in drawdown >10%"

糟糕描述示例：

"Build a profitable BTC strategy using RSI and Bollinger Bands"

问题：

• 未指定入场条件（RSI 值是多少？）
• 未指定出场条件（何时平仓？）
• 未指定仓位大小（承担多少风险？）
• 未指定时间周期（1m？1d？）
• 过于含糊 → 需要重新生成

验证清单

策略生成后，请确认代码包含：

• 所有必需的方法（should_long、should_short、go_long、go_short）
• 止损逻辑（位于 on_open_position 或 go_long/go_short 中）
• 止盈逻辑（推荐）
• 仓位大小计算（在 go_long/go_short 中计算 qty）
• 有效的指标调用（例如，ta.rsi(self.candles, period=14)）
• 与描述相符的正确入场/出场条件
• 没有语法错误（代码可运行）
• 指标参数合理（没有过度优化）

如果验证未通过：

• 使用 improve-trading-strategies 技能修复问题（$0.50-$3.00）
• 比使用 create_strategy 重新生成更便宜（$1-$4.50）

时间周期注意事项

使策略逻辑与时间周期匹配：

超短线（1m-5m）：

• 较紧的止损（0.2-0.5%）
• 快速出场（数分钟到数小时）
• 高频指标（较短周期）
• 注重执行和手续费

日内交易（15m-1h）：

• 适中的止损（0.5-2%）
• 持仓数小时至 1 天
• 标准指标周期（14、20、50）
• 平衡交易频率与噪声

波段交易（4h-1d）：

• 较宽的止损（2-5%）
• 持仓数天至数周
• 较长的指标周期（50、100、200）
• 注重大趋势

在描述中指定时间周期：

"For 1h timeframe..." (helps AI tune indicator parameters appropriately)

常见工作流

工作流 1：从头构建

目标：根据构想创建新策略

1. Explore data (use browse-robonet-data):
   get_all_symbols() → Choose BTC-USDT
   get_all_technical_indicators(category="momentum") → Pick RSI
   get_all_technical_indicators(category="volatility") → Pick Bollinger Bands

2. Optional: Generate ideas (use design-trading-strategies):
   generate_ideas(strategy_count=3) → Get concepts
   Pick best concept as starting point

3. Write detailed description:
   - Entry: RSI < 30 AND price at lower BB
   - Exit: Price at middle BB OR stop loss 2%
   - Sizing: 90% margin
   - Timeframe: 1h

4. Create strategy:
   create_strategy(
       strategy_name="RSIMeanReversion_M",
       description="[detailed description from step 3]"
   )

5. Validate generated code:
   - Check all required methods present
   - Verify indicators match description
   - Confirm risk management included

6. Test immediately (use test-trading-strategies):
   run_backtest(strategy_name="RSIMeanReversion_M", ...)

费用：总计约 $2-4（$0.30 构想 + $2.50 创建 + $0.001 测试）

工作流 2：根据构想构建

目标：将 AI 生成的构想转化为可运行的代码

1. Generate ideas (use design-trading-strategies):
   generate_ideas(strategy_count=3)

   Idea #2: "Bollinger Band Breakout"
   Entry: Price breaks above upper BB with high volume
   Exit: Price returns to middle BB
   Uses: Bollinger Bands, Volume

2. Refine idea into detailed description:
   "Bollinger Band Breakout strategy for ETH-USDT on 4h timeframe.

   ENTRY (Long):
   - Price closes above upper Bollinger Band (20, 2)
   - Current volume > 1.5× 20-period average volume
   - ADX(14) > 25 (confirm trend strength)

   EXIT (Long):
   - Price closes below middle Bollinger Band
   - Or stop loss 3% below entry
   - Or take profit at 9% above entry (3:1 reward:risk)

   POSITION SIZING: 85% of margin
   RISK: Max 3% loss per trade"

3. Create strategy:
   create_strategy(
       strategy_name="BollingerBreakout_H",
       description="[detailed description from step 2]"
   )

4. Test and validate:
   run_backtest(strategy_name="BollingerBreakout_H", ...)

费用：约 $3（$0.30 构想 + $2.50 创建 + $0.001 测试）

工作流 3：构建预测市场策略

目标：创建 Polymarket YES/NO 代币交易策略

1. Browse prediction markets (use browse-robonet-data):
   get_data_availability(data_type="polymarket")
   → See available markets

2. Analyze market data:
   get_prediction_market_data(condition_id="...")
   → Study YES/NO token price history

3. Write detailed description:
   "Polymarket probability arbitrage strategy for crypto_rolling markets.

   BUY YES TOKEN when:
   - YES token price < 0.40 (implied 40% probability)
   - Market has >$10k volume (sufficient liquidity)
   - Time to resolution > 2 hours (avoid last-minute volatility)

   BUY NO TOKEN when:
   - NO token price < 0.40 (YES price > 0.60)
   - Same liquidity and time criteria

   EXIT:
   - Sell when price reaches 0.55 (15% profit target)
   - Or hold until market resolution
   - Stop loss: Sell if price drops to 0.25 (37.5% loss)

   POSITION SIZING: 5% of capital per market
   MAX POSITIONS: 10 simultaneous markets"

4. Create prediction market strategy:
   create_prediction_market_strategy(
       strategy_name="PolymarketArbitrage_M",
       description="[detailed description from step 3]"
   )

5. Test on historical markets:
   run_prediction_market_backtest(...)

费用：约 $2.50 + $0.001 测试 = $2.501

高级用法

多时间周期策略

在策略要求中描述更高时间周期的背景信息：

"ETH-USDT swing trading strategy on 1h timeframe with 4h trend filter.

HIGHER TIMEFRAME (4h):
- Only take long trades when 4h EMA(50) is rising
- Only take short trades when 4h EMA(50) is falling

ENTRY TIMEFRAME (1h):
- [standard entry conditions on 1h]
..."

AI 会生成用于检查更高时间周期条件的代码。

复杂入场逻辑

明确指定多项条件的精确逻辑：

"Entry requires ALL of these conditions (AND logic):
1. RSI(14) < 30
2. Price < Lower Bollinger Band (20, 2)
3. MACD histogram positive (bullish divergence)
4. Volume > 1.3× average

OR entry if these alternative conditions met:
1. Price makes higher low
2. RSI makes higher low (bullish divergence)
3. Volume surge (>2× average)"

只要说明清楚，AI 就能处理复杂的多条件逻辑。

动态仓位大小

在描述中指定自适应仓位大小：

"Position sizing based on volatility:
- When ATR(14) < 2% of price: Use 95% margin (low volatility)
- When ATR between 2-4%: Use 85% margin (normal)
- When ATR > 4%: Use 70% margin (high volatility)

This reduces risk during volatile periods."

故障排除

“生成的代码存在错误”

问题：策略代码无法运行或存在语法错误

解决方案：

• 使用 improve-trading-strategies 技能中的 refine_strategy 修复错误
• 比重新生成更便宜（$0.50-$3.00，而非 $1-$4.50）
• 在优化描述中注明确切的错误信息

“策略与描述不符”

问题：生成的逻辑与请求内容不同

解决方案：

• 描述可能存在歧义
• 使用 improve-trading-strategies 技能优化特定部分
• 如果差异较大，可能需要用更清晰的描述重新生成

“指标不可用”

问题：策略使用了 Jesse 中不存在的指标

解决方案：

• 应先使用 browse-robonet-data 确认指标是否可用
• 使用 refine_strategy 替换为有效指标
• 检查指标名称拼写（RSI 而不是 rsi，MACD 而不是 macd）

“策略过于复杂”

问题：生成的代码过于复杂，包含 8 个或更多指标

解决方案：

• 简化描述（要求使用更少的指标）
• 使用 refine_strategy 去除不必要的复杂性
• 复杂策略往往会过拟合，表现不佳

“未包含风险管理”

问题：生成的代码缺少止损或仓位大小计算

解决方案：

• 必须在描述中明确要求风险管理
• 使用 refine_strategy 添加止损和仓位大小计算
• 始终明确指定：“止损设为 X%，仓位大小设为 Y%”

后续步骤

构建策略后：

测试策略（至关重要——接下来就做）：

• 使用 test-trading-strategies 技能进行回测
• 费用：每次回测 $0.001
• 在进行任何后续工作前验证性能
• 检查：夏普比率 >1.0、回撤 <20%、胜率 45-65%

改进策略（如有需要）：

• 使用 improve-trading-strategies 技能优化代码
• 费用：每次操作 $0.50-$4.00
• 比从头重新生成更便宜
• 选项：refine_strategy、optimize_strategy、enhance_with_allora

部署到生产环境（仅在充分测试后）：

• 使用 deploy-live-trading 技能（高风险）
• 费用：$0.50 部署费
• 切勿在未进行广泛回测的情况下部署（建议至少回测 6 个月）
• 从小规模开始，并密切监控

总结

此技能可提供AI 驱动的策略代码生成：

• 2 个工具：create_strategy（加密货币）、create_prediction_market_strategy（Polymarket）
• 费用：每次生成 $1.00-$4.50（费用最高的工具）
• 执行时间：30-60 秒
• 输出：符合 Jesse 框架结构的生产就绪 Python 代码

核心原则：此工具费用高昂。使用前请做好充分准备：

1. 浏览数据（确认资源可用）
2. 可选：生成创意（以较低成本探索概念）
3. 撰写详细描述（明确需求）
4. 一次生成，确保正确
5. 立即测试

重要警告：生成的代码可能存在错误，也可能不符合预期。部署前务必使用 test-trading-strategies 进行测试。切勿将未经测试的策略部署到实盘交易中。

优化成本：花 5 分钟准备（探索成本 $0-$0.30），可避免在无效生成上浪费数美元，并大幅提高成功率。