trade-karne

Trade-Karne — 确定性交易评分卡

功能介绍

Trade-Karne 用单一的每周评分评估你的交易操作——评估的不只是“权益是否增长”，还包括交易是否做得好。它根据你的权益曲线和交易日志计算三维 Karne（成绩单）：

1. 结果（40%） — 风险调整后收益：Sharpe、Sortino、Calmar、最大回撤、相对基准的 alpha
2. 增长（30%） — 已实现交易质量：权益变化、利润因子、胜率、期望值、根据实际成交计算的平均 R 倍数
3. 过程（30%） — 纪律性：R:R 记录率、能力进展、经验总结数量；并扣除闲置现金、盲目操作和连续亏损的惩罚分

评分完全基于数学计算——不消耗任何 LLM token，不调用任何 API，也没有外部依赖。它读取你现有的账本（SQLite、CSV 或内存中的 dict），并生成 JSON 负载和易读的英文报告。

适用场景

当你想要进行以下操作时，可以使用此技能：

• 构建可衡量每周评分的交易质量控制系统
• 设置反停滞护栏，检测“原地踏步”（闲置现金不断累积）
• 为多个交易账本或交易者角色实现每周评分卡
• 使用确定性的 MAE/MFE 和行为标记进行交易后分析
• 坦诚评估你的收益究竟来自运气还是技能

不适用场景

此技能不处理以下事项：

• 实时订单执行或经纪商集成——它仅用于只读分析
• 实时风险管理——它提供的是每周／定期评分
• 投资组合优化或资产配置决策——它只负责衡量，不提供建议

使用方法

快速开始（Python API）

from trade_karne import DictDataSource, load_book_input, compute_book_karne, render_report_en

ds = DictDataSource({
    "equity_series": [10000, 10100, 10250, 10400],
    "cash": 1000,
    "hwm": 10400,
    "trade_pnls": [120, -50, 200],
    "trade_rs": [2.0, -1.0, 2.5],
})
inp = load_book_input(ds, "momentum", lessons_count=3)
karne = compute_book_karne(inp)
print(render_report_en(karne, [karne], week="2026-W26", generated_at="today"))

CLI

trade-karne score --db trades.db --book momentum
trade-karne postmortem --db trades.db --book momentum --out-dir ./reports
trade-karne metrics --list

接入现有系统

实现 TradeDataSource（包含 7 个方法），并将其传递给 load_book_input()。Karne 不会直接访问你的文件或数据库，只会调用这 7 个方法。分步指南请参阅 workflows/integration.md。

验证

评分完成后：

1. 检查过程维度——如果低于 40 分，闲置现金或盲目操作正在拖累你的评分
2. 查看滚动 Sharpe 趋势——趋势下降意味着技能正在退化
3. 运行事后分析并查找标记簇（例如，许多 premature_entry 标记意味着需要优化入场）
4. 比较不同账本的结果维度——差异较大意味着某些交易者角色需要重新平衡或重新审视