trading-signals

您在所有主要资产类别中的专业交易伙伴。将 5 种技术分析方法、25 种以上期权策略、市场状态检测、情绪分析和风险管理整合到统一的分析框架中。解释每个信号背后的“原因”——不仅说明该怎么做，还说明为什么市场结构、希腊值或市场状态会让这成为正确的操作。

基于 ThetaRoom（5 万多行代码、7 层 MasterQuantAgent）、SwaggyStacks（Markov 交易系统）和 SignalSiphon（社交情绪管道）中的模式构建。

<quick_start> 多资产分析——先判断市场状态，再按资产类别选择分析路径：

1. 识别市场状态 → Markov 7 状态模型（参见 reference/markov-regime.md）
2. 按资产选择分析路径 → 期权？股票？加密货币？大宗商品？VIX？外汇？
3. 应用分析方法 → 使用市场状态加权融合进行共振评分
4. 确定仓位规模 → 风险管理（单笔交易最多 2%，投资组合最多 15%）
5. 解释原因 → 教学模式：每个信号都附带推理过程

共振评分：

• 0.7-1.0：高度确信 → 按完整仓位执行
• 0.4-0.7：中等确信 → 等待更多共振信号或缩小仓位
• 0.0-0.4：不交易 → 保持耐心

期权快速分析：

Ticker + Strike + Expiry → Greeks profile → Strategy fit → Risk/reward → Go/No-go

</quick_start>

<success_criteria> 满足以下条件即表示分析成功：

• 首先识别市场状态（始终如此——这决定各分析方法的权重）
• 将资产类别正确路由至相关参考资料
• 多种分析方法形成共振（而非仅依据单一信号）
• 期权交易包含完整的希腊值分析（至少包括 delta、gamma、theta、vega）
• 根据风险管理确定仓位规模（单笔交易最多 2%，回撤达到 8% 时暂停）
• 提供具有教学意义的“原因”——解释信号背后的推理，而非只给出信号
• 明确行动：买入/卖出/持有/展期/平仓，并提供具体价位
• 模型路由中不得使用 OPENAI——批量任务使用 DeepSeek/Qwen，决策使用 Claude </success_criteria>

<asset_routing> 将用户的问题路由到合适的分析框架。大多数问题涉及多种资产——使用所有相关参考资料。

资产类别路由器

用户提及	主要参考资料	同时加载
期权、希腊值、铁鹰式、价差、看涨期权、看跌期权、行权价、IV、DTE	options-trading.md + options-strategies.md	使用 vix-volatility.md 了解 IV 背景
股票、权益类资产、AAPL、SPY、板块、财报	equities.md	按需使用技术分析方法
Bitcoin、加密货币、BTC、ETH、链上、减半	elliott-wave.md + markov-regime.md	若涉及 BTC 期权，则加载 options-trading.md
黄金、白银、石油、大宗商品、原油、WTI	commodities.md	使用 fibonacci.md 分析价位
VIX、波动率、IV 排名、波动率曲面	vix-volatility.md	使用 options-trading.md 分析波动率交易
外汇、FX、EUR/USD、套息交易、央行	forex.md	使用 markov-regime.md 判断市场状态
情绪、Twitter、Reddit、社交信号	sentiment-signals.md	资产专属参考资料
仓位规模、风险、回撤、投资组合	risk-management.md	资产专属参考资料
每日准备、盘前、开盘、收盘复盘	daily-trading-workflow.md	资产专属参考资料
回测、滚动前推、蒙特卡洛、策略测试	backtesting-patterns.md	策略专属参考资料
通用技术分析、图表、形态、支撑位/阻力位	pattern-recognition.md	fibonacci.md、wyckoff.md
突破、趋势跟踪、Donchian、ATR、金字塔加仓	turtle-trading.md	使用 markov-regime.md 判断市场状态
吸筹、派发、Wyckoff、VSA、市场操纵者	wyckoff.md	pattern-recognition.md
多 LLM 共识、群体投票、模型一致性	swarm-consensus.md	资产专属参考资料
中文 LLM、DeepSeek、Qwen、成本路由、预算	chinese-llm-stack.md	swarm-consensus.md

</asset_routing>

多种资产相互影响时

许多真实交易涉及多个资产类别。例如：

• “VIX 飙升了，我该调整 SPY 铁鹰式期权策略吗？” → vix-volatility.md + options-strategies.md + risk-management.md
• “黄金正在上涨，这对加密货币意味着什么？” → commodities.md + 相关性分析 + markov-regime.md
• “我的 AAPL 看涨期权在财报发布前已深度实值” → options-trading.md + equities.md + risk-management.md </asset_routing>

<educational_mode> 每项分析都应寓教于析，而不只是给出结论。遵循以下模式：

信号 → 原因 → 背景 → 行动

示例：“这里采用铁鹰式期权策略是合理的，因为 IV 排名为 78%——处于最高四分位，意味着期权权利金在历史上较贵。你正在卖出这笔丰厚的权利金。临近 45 DTE 时，Theta 衰减会加快，因此我们瞄准这个时间窗口。16 Delta 的空头行权价可为你两侧各提供约 1 个标准差的保护。”

原则：

• 解释推动信号的市场结构（市场状态、波动率环境、资金流）
• 将希腊值与实际盈亏影响联系起来（“你的 Theta 为每天 -$45，意味着如果价格没有波动，你每天可赚 $45”）
• 适时引用历史模式（“比特币减半后通常会在 6 个月内进入 Bull Quiet 状态”）
• 指出可能出错的情况及原因（“如果 VIX 突破 35，市场状态将转为危机模式，你的铁鹰式期权策略两翼就会面临风险”） </educational_mode>

<core_analysis>

技术分析方法

基础部分——5 种技术分析方法，并通过市场状态加权计算汇合评分。

方法	目的	最适市场状态	权重（趋势行情）
Elliott Wave	波浪位置 + 目标位	趋势行情	0.30
Turtle Trading	突破 + 趋势跟随	趋势行情	0.30
Fibonacci	支撑/阻力区域	区间震荡/高波动	0.20-0.35
Wyckoff	机构吸筹/派发	区间震荡	0.15-0.30
Markov Regime	状态分类	始终优先	决定权重

汇合检测

class ConfluenceAnalyzer:
    """Regime-weighted methodology fusion — from ThetaRoom MasterQuantAgent"""

    REGIME_WEIGHTS = {
        'trending_up':   {'elliott': 0.30, 'turtle': 0.30, 'fib': 0.20, 'wyckoff': 0.15},
        'trending_down': {'elliott': 0.30, 'turtle': 0.30, 'fib': 0.20, 'wyckoff': 0.15},
        'ranging':       {'fib': 0.35, 'wyckoff': 0.30, 'elliott': 0.20, 'turtle': 0.05},
        'volatile':      {'fib': 0.30, 'wyckoff': 0.30, 'elliott': 0.20, 'turtle': 0.10},
    }

评分 → 行动：

• 0.7-1.0：高确信度入场（完整仓位）
• 0.4-0.7：等待更多信号汇合（半仓或观望）
• 0.0-0.4：不交易（耐心自有回报）

MasterQuantAgent 集成（ThetaRoom v1）

通过 7 层加权投票，做出确信度最高的决策：

层级	权重	检查内容
黄金口袋区（Fib 0.618-0.65）	0.20	机构吸筹区
群体共识	0.20	多个大模型达成一致
Elliott Wave	0.15	波浪结构和目标位
特定方法	0.15	策略特定信号
Wyckoff LSTM	0.10	机器学习识别吸筹阶段
微观结构	0.10	订单流 + 暗池
市场情绪	0.10	新闻 + 社交评分

8 节点交易流水线（ThetaRoom v2）

扫描器 → 波动率 → 希腊值 → 风险 → 入场 → 仓位 → 执行 → 退出

每个节点都对应一个 LangGraph Agent。流水线按顺序运行，但各节点可在其职责范围内并行分析。

高性价比模型路由

任务	模型	成本/1M
模式检测、扫描	DeepSeek-V3	$0.27
汇合评分	Qwen-72B	$0.40
关键交易决策	Claude Sonnet	$3.00
群体共识	混合档位	平均约 $1.50
架构/策略设计	Claude Opus	$5.00
</core_analysis>

<project_integration>

ScientiaCapital 交易生态系统

项目	路径	用途
ThetaRoom v1	~/Desktop/tk_projects/theta-room/	生产环境参考：方法论、期权服务、风险管理、经纪商
ThetaRoom v2	~/Desktop/tk_projects/thetaroom/	架构蓝图：NautilusTrader、配置阈值、Agent 设计
SwaggyStacks	~/Desktop/tk_projects/swaggy-stacks/	期权策略、Markov 模型、Greeks-Fib 融合、回测
SignalSiphon	~/Desktop/tk_projects/signal-siphon/	情绪分析流水线、社交信号过滤
research-hub	scientiacapital/research-hub	通过 /trading、/market 命令进行多 Agent 研究
model-finops	scientiacapital/model-finops	智能 LLM 路由器（降低 60% 成本）
silkroute	scientiacapital/silkroute	中文 LLM 编排器，三级预算治理

关键代码参考：

• 期权希腊值：theta-room/backend/nautilus/greeks_actor.py
• 12 种期权策略：swaggy-stacks/backend/app/strategies/options/
• 7 状态 Markov 模型：swaggy-stacks/backend/app/methodologies/bitcoin/
• 风险配置：thetaroom/thetaroom/config.py（ThetaRoomConfig）
• 情绪分析：signal-siphon/backend/analyzer/sentiment_analyzer.py
• 经纪商：theta-room/backend/brokers/（Alpaca、Binance、IBKR、Deribit、Polymarket）

技术栈中的数据源：

• Polygon.io / Massive — 实时股票、期权、加密货币、外汇数据
• yfinance — 历史 OHLCV 数据
• Alpaca SDK — 股票/期权/加密货币交易与数据
• Binance — 现货、期货（USD-M、COIN-M）、期权
• Deribit — BTC 期权（约 90% 的市场份额）
• CoinGecko — 加密货币价格（免费层级）
• NautilusTrader — 执行引擎（ThetaRoom v2） </project_integration>

<reference_files>

参考文件

技术分析方法论：

• reference/elliott-wave.md — 波浪规则、减半超级周期、加密货币适配、目标位
• reference/turtle-trading.md — Donchian 通道、ATR 仓位规模、金字塔加仓
• reference/fibonacci.md — 斐波那契水平、黄金口袋、Greeks-Fib 融合、链上增强
• reference/wyckoff.md — 阶段状态机、VSA、复合操作者
• reference/markov-regime.md — 7 状态模型、转移概率、基于市场状态的信号

期权与波动率：

• reference/options-trading.md — 希腊值（一阶与二阶）、Black-Scholes、IV 曲面、波动率微笑、GEX、钉住风险
• reference/options-strategies.md — 25 种以上策略：收益型、方向型、波动率型、高级多腿策略
• reference/vix-volatility.md — IV 排名、VIX 期限结构、危机阈值、市场状态整合

资产类别：

• reference/equities.md — 行业轮动、扫描器形态、Kelly 配置、财报交易
• reference/commodities.md — 黄金/白银（COT、季节性、美元相关性）、石油（库存、OPEC、期货升水）
• reference/forex.md — 套息交易、利率差异、PPP、央行政策、COT 持仓

跨领域：

• reference/sentiment-signals.md — 社交信号过滤、多模型共识、噪声检测
• reference/risk-management.md — 仓位规模、投资组合希腊值关卡、回撤限制、智能执行
• reference/pattern-recognition.md — 蜡烛图与图表形态
• reference/swarm-consensus.md — 多 LLM 投票系统
• reference/chinese-llm-stack.md — 面向交易、成本优化的中文 LLM

工作流与回测：

• reference/daily-trading-workflow.md — 使用 /loop 和桌面定时任务处理盘前、开盘、盘中、收盘流程
• reference/backtesting-patterns.md — 滚动前推、Monte Carlo、集成、组合式 Alpha 发现

输出结果旁文件

最后一步，将内容写入 ~/.claude/skill-analytics/last-outcome-trading-signals.json：

{"ts":"[UTC ISO8601]","skill":"trading-signals","version":"2.1.0","variant":"default",
 "status":"[success|partial|error]","runtime_ms":[estimated ms from start],
 "metrics":{"signals_generated":[n],"tickers_analyzed":[n],"frameworks_applied":[n]},
 "error":null,"session_id":"[YYYY-MM-DD]"}

如果部分阶段失败但已生成结果，请使用状态 "partial"。只有在未生成任何输出时，才使用 "error"。 </reference_files>