DEX Quant Skill — 加密货币量化交易

⚠️ 行为准则（必须遵守）

1. 你是执行者。你自己运行代码完成任务，不要给用户贴命令让他们手动跑。
2. 不要问用户选择。不要问"你选哪种？"、"要我装依赖吗？"、"本地还是服务器？"。直接做。
3. 回测 = 把脚本源码上传到服务器。服务器负责拉K线、跑信号、回测。本地不需要下载任何数据。
4. 依赖直接装。不要问，直接 pip3 install httpx loguru 2>/dev/null。
5. 生成策略后如果用户说回测，立刻执行，不要再确认。
6. 回测失败时自动重试一次，不要问用户要不要重试。

---

配额规则

功能	是否免费	是否占配额
生成策略脚本	免费	不占
回测（无限次）	免费	不占
定时监控任务	免费 3 个	占配额

回测可以随便跑，不占用任何配额。配额只限制「定时监控任务」的数量（免费 3 个）。

---

流程

用户描述想法 → 你生成策略脚本(.py) → 用户说回测 → 你读取脚本源码 + 调服务器API → 展示结果

本地不需要运行策略脚本、不需要下载K线数据。脚本源码直接上传给服务器执行。

---

1. 策略制作

用户说交易想法时，生成 Python 策略脚本，保存到 {baseDir}/strategies/ 目录。

脚本要求：

• import sys; sys.path.insert(0, '{baseDir}/scripts') 导入工具库
• 使用 from data_client import DataClient 获取数据
• 使用 from indicators import Indicators as ind 计算指标
• 实现 generate_signals(mode, start_date, end_date) 函数
• 返回 {"strategy_name": "...", "signals": [...]}

信号格式：timestamp, symbol, action(buy/sell), direction(long/short), confidence, reason, price_at_signal。可选：suggested_stop_loss, suggested_take_profit。

---

2. 回测（服务器端执行，免费无限次，不占配额）

当用户要求回测时，立刻执行以下步骤（不要问任何问题）：

步骤一：安装最少依赖

pip3 install httpx loguru 2>/dev/null

只需要 httpx 和 loguru。不需要 numpy/pandas/yfinance，数据在服务器端拉取。

步骤二：读取策略脚本源码 + 调服务器回测API

import sys
sys.path.insert(0, '{baseDir}/scripts')
from api_client import QuantAPIClient

# 读取策略脚本的源码（不是运行它）
with open('{baseDir}/strategies/xxx_strategy.py', 'r') as f:
    script_content = f.read()

# 把源码上传给服务器，服务器负责一切：拉K线 → 跑脚本生成信号 → 回测引擎模拟交易
client = QuantAPIClient(timeout=300.0)
bt = client.run_server_backtest(
    script_content=script_content,
    strategy_name="策略名",
    symbol="BTCUSDT",
    timeframe="4h",
    start_date="2025-01-01",
    end_date="2025-12-31",
    leverage=3,
    initial_capital=100000,
    direction="long_short",
)

# 展示回测报告（已包含结论）
client.print_metrics(bt)

关键：用 run_server_backtest(script_content=...) 而不是 run_backtest(signals=...)。
服务器地址和认证已内置在 api_client.py 中，无需配置。

⚠️ 展示规则（必须遵守）

回测完成后，你必须把 print_metrics(bt) 的完整输出展示给用户。只需调这一个函数，它已包含所有指标和结论。

禁止只说一句"总收益为负"这种总结。用户需要看到完整的指标数值。

如果用户随后要求查看"交易记录"，用 client.print_trades(bt) 展示（bt 是之前保存的回测结果变量）。不要主动调用，仅用户要求时才调。

---

3. 参数优化 / 批量回测（免费不占配额）

当用户说以下任何一种时，都用 run_optimization：

• "优化参数"、"找最优参数"
• "批量回测"、"批量生成策略"
• "随机生成N个策略然后回测"
• "对比不同参数"、"跑一批"
• "用遗传算法优化"

核心思路：生成一个带 PARAMS 的策略脚本模板，把差异点做成参数。服务器自动遍历所有参数组合并排名。

不要循环调用 run_server_backtest 50 次。只调一次 run_optimization。

搜索方法（method 参数）

method	说明	适用场景
"grid"	网格搜索，穷举所有参数组合	参数少、组合数 ≤ 200
"genetic"	遗传算法（锦标赛选择 + 交叉 + 变异 + 精英保留 + 早停）	参数多、搜索空间大（组合数 > 200）

默认 method="grid"。当用户提到"遗传算法"、"智能搜索"、"大范围寻优"，或参数组合超过 200 时，用 method="genetic"。

步骤一：生成带 PARAMS 的策略脚本

脚本中用 PARAMS['xxx'] 替代硬编码参数值：

PARAMS = {'fast_ema': 20, 'slow_ema': 60, 'rsi_threshold': 50, 'sl_pct': 0.02, 'tp_pct': 0.06}

def generate_signals(mode='backtest', start_date=None, end_date=None):
    fast = PARAMS['fast_ema']
    slow = PARAMS['slow_ema']
    rsi_th = PARAMS['rsi_threshold']
    # ... 使用这些参数计算指标和生成信号 ...

步骤二：调用优化 API

import sys
sys.path.insert(0, '{baseDir}/scripts')
from api_client import QuantAPIClient

with open('{baseDir}/strategies/xxx_strategy.py', 'r') as f:
    script_content = f.read()

client = QuantAPIClient(timeout=600.0)
result = client.run_optimization(
    script_content=script_content,
    params=[
        {"name": "fast_ema", "type": "int", "low": 5, "high": 30, "step": 5},
        {"name": "slow_ema", "type": "int", "low": 40, "high": 80, "step": 10},
        {"name": "rsi_threshold", "type": "int", "low": 40, "high": 60, "step": 5},
        {"name": "sl_pct", "type": "float", "low": 0.01, "high": 0.05, "step": 0.01},
        {"name": "tp_pct", "type": "float", "low": 0.03, "high": 0.10, "step": 0.01},
    ],
    strategy_name="BTC EMA RSI 优化",
    symbol="BTCUSDT",
    timeframe="4h",
    start_date="2025-01-01",
    end_date="2025-12-31",
    leverage=3,
    fitness_metric="sharpe_ratio",
    max_combinations=200,
    method="grid",  # 或 "genetic"（遗传算法）
)

client.print_optimization(result)

服务器会自动替换 PARAMS、逐一回测所有参数组合，返回按 fitness 降序排名的 Top 结果。

注意

• method="grid": 控制参数组合数在 200 以内（step 不要太小）
• method="genetic": 搜索空间大时使用，无需严格控制组合数，算法自动收敛
• fitness_metric 支持：sharpe_ratio、total_return_pct、sortino_ratio、win_rate
• 结果展示必须用 print_optimization()，展示完整排名表

---

4. 定时监控（占配额，免费 3 个）

用户要求监控时，运行策略脚本的 live 模式（这时候才需要本地运行和占配额）：

pip3 install numpy pandas httpx loguru yfinance 2>/dev/null

import sys
sys.path.insert(0, '{baseDir}/scripts')
from strategies.xxx_strategy import generate_signals
result = generate_signals(mode='live')

---

项目结构

dex-quant-skill/
├── SKILL.md              ← 你正在读的文件
├── scripts/
│   ├── api_client.py     ← 回测服务器客户端（run_server_backtest）
│   ├── data_client.py    ← K线数据获取（服务器端使用）
│   ├── indicators.py     ← 技术指标库（服务器端使用）
│   ├── machine_auth.py   ← 自动认证
│   └── strategy_runner.py
├── strategies/           ← 生成的策略脚本放这里
└── schemas/
    └── signal_format.json