mcpField
S
stockbee-setup-fluency-trainer

stockbee-setup-fluency-trainer

github.com/tradermonty其他3.4k2.7k 次安装2 天前更新
代码仓库

关于 stockbee-setup-fluency-trainer

这项 Python 技能用于建立并维护 Stockbee 风格 Momentum Burst 设置的研究记录。交易者可导入筛选候选、更新 3 天和 5 天表现，并查看哪些设置特征与结果相关。

主要功能

  1. 01导入 Momentum Burst 候选
  2. 02维护 JSONL 设置模型记录
  3. 03跟踪后续收益、MFE 和 MAE
  4. 04记录止损触发与结果标签
  5. 05按设置属性汇总分组

适用场景

  1. 01在 3 天和 5 天后复查筛选候选
  2. 02比较不同设置标签和触发条件的结果
  3. 03分析失败候选与错过的交易
  4. 04依据分组证据调整设置规则

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/tradermonty/claude-trading-skills --skill stockbee-setup-fluency-trainer

安装后在 Claude Code 中输入/stockbee-setup-fluency-trainer确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

requirements.txt
references/
model_book_schema.md
outcome_tags.md
review_workflow.md
scripts/
build_model_book.py
fmp_client.py
scripts/tests/
test_build_model_book_coverage.py
test_build_model_book.py

详细介绍

Stockbee 设置熟练度训练器

构建并维护 Stockbee 风格的 Momentum Burst 设置模型书。此技能会将每日筛选候选项转化为结构化学习记录，在 3 天和 5 天窗口成熟后更新记录，并总结哪些设置特征有效或失效。

适用场景

  • 用户想要系统地研究 Stockbee Momentum Burst 设置
  • 用户要求根据 stockbee-momentum-burst-screener 的输出构建模型书
  • 用户想要复盘失败的候选项、错过的交易或 A/B 设置质量
  • 用户想要查看 3 天 / 5 天远期收益、MFE、MAE 和止损触发结果
  • 用户想要在增加仓位前提升设置识别能力
  • 用户询问应该升级、降级或过滤哪些 Stockbee 标签

前提条件

  • Python 3.10+
  • stockbee-momentum-burst-screener JSON 报告，或兼容的候选项 JSON
  • 可选：若未提供离线 OHLCV JSON，可使用 FMP API 密钥更新结果
  • 建议的本地状态路径：state/stockbee/model_book.jsonl

工作流

第 1 步：导入 Momentum Burst 候选项

Stockbee Momentum Burst 筛选器生成 JSON 报告后运行。

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/

有意构建负面示例集时使用 --include-rejects。否则会跳过被拒绝的候选项。

第 2 步：更新 3 天和 5 天结果

使用 FMP：

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/

使用离线 OHLCV JSON：

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/

更新步骤会记录：

  • 各个周期的远期收盘收益
  • 各个周期内的 MFE 和 MAE
  • 止损触发状态和首次触发止损的日期
  • 结果标签，例如 STRONG_WINNER、WORKED、FAILED_STOP、FAILED_FADE、CHOPPY_FAILURE 或 NEUTRAL
第 3 步：汇总分组
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/

查看生成的 Markdown 和 JSON 报告。将 rule_candidates 视为证据提示，而非自动规则变更。

第 4 步：将证据转化为实践

对于样本量足够的分组：

  • 提升胜率高、5 天预期收益为正且平均 MAE 可接受的标签
  • 降级或过滤 5 天预期收益较弱、止损频繁触发或反复回落失败的标签
  • 更改交易规则前，手动检查有代表性的图表
  • 在 trader-memory-core 或月度复盘流程中记录采纳的经验

模型书字段

每条 JSONL 记录包含：

  • 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 和 outcomes.5d
  • overall_outcome、matured、raw_candidate

解读规则

  • STRONG_WINNER：5 天收盘收益 >= 8% 或 MFE >= 12%，且未触发止损
  • WORKED：5 天收盘收益 >= 4% 或 MFE >= 6%，且未触发止损
  • FAILED_STOP：周期内触及止损
  • FAILED_FADE：远期收益 <= -2%，且未记录止损触发
  • CHOPPY_FAILURE：不利波动较大且远期进展不佳
  • NEUTRAL：没有明确的后续走势或失败表现
  • PENDING：未来 K 线数据尚不足

输出

  • state/stockbee/model_book.jsonl - 持久化的设置模型书
  • 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

资源

  • references/model_book_schema.md - JSONL 架构和生命周期状态
  • references/outcome_tags.md - 结果分类和标签定义
  • references/review_workflow.md - 每日、3 天、5 天和每月复盘流程

共享 FMP 客户端

实时 FMP 访问使用随附生成的 scripts/fmp_client.py，仅在 FMP 运行开始时加载，因此离线模式无需 requests 也能正常工作。CLI 密钥／环境变量的优先级、API 调用预算和成功时的输出格式均保持不变。请求仅使用稳定端点；稳定请求被拒绝、返回空内容或失败时，不会回退到已弃用的 v3 URL。共享客户端会屏蔽原始密钥和 URL 编码密钥回显，对格式错误的 JSON 重试一次，并在等待 60 秒后对 429 最多重试一次；若再次触发速率限制，则停止重试。

如果所有请求的标的代码都在传输层面失败，update 将以状态码 1 退出，并保持模型账簿不变，而不是将每条记录标记为 missing_prices。

评论

支持 Markdown