@weaxs/openclaw-stock-analysis 0.2.8 → 0.2.10
This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.
- package/README.md +3 -1
- package/dist/index.js +154 -20
- package/index.ts +126 -6
- package/openclaw.plugin.json +4 -1
- package/package.json +4 -3
- package/scripts/profile-offline.py +127 -0
- package/scripts/profile-workflows.py +87 -0
- package/scripts/setup-python.mjs +11 -4
- package/scripts/venv-python.mjs +7 -0
- package/skills/event-driven/SKILL.md +2 -0
- package/skills/growth-quality/SKILL.md +2 -0
- package/skills/market-review/SKILL.md +1 -1
- package/skills/sector-rotation/SKILL.md +57 -0
- package/skills/sector-rotation/references/computation.md +83 -0
- package/skills/sector-rotation/references/strategy_rules.md +62 -0
- package/skills/sector-rotation/scripts/rotation_metrics.py +11 -0
- package/skills/stock-analysis/SKILL.md +15 -4
- package/skills/stock-analysis/references/host-workflows.md +45 -0
- package/skills/stock-analysis/references/stateless-analysis.md +16 -2
- package/skills/stock-screener/SKILL.md +6 -0
- package/skills/strategy-backtest/SKILL.md +10 -3
- package/tools/_cache.py +93 -21
- package/tools/_subproc.py +43 -8
- package/tools/anomaly_detect.py +11 -6
- package/tools/backtest.py +225 -70
- package/tools/capabilities.py +3 -0
- package/tools/cli_budgets.json +2 -1
- package/tools/gather.py +63 -8
- package/tools/market_regime.py +26 -15
- package/tools/market_review.py +2 -2
- package/tools/position_context.py +5 -2
- package/tools/report_renderer.py +4 -0
- package/tools/requirements.txt +2 -2
- package/tools/risk_screening.py +40 -15
- package/tools/screener.py +44 -18
- package/tools/search_intel.py +94 -32
- package/tools/sec_holders.py +27 -25
- package/tools/sector_rotation.py +466 -0
- package/tools/signal_tracker.py +100 -49
- package/tools/stateless_analysis.py +600 -33
- package/tools/stock_data.py +111 -26
- package/tools/technical.py +42 -40
- package/tools/trading_calendar.py +26 -21
- package/tools/value_data.py +6 -2
- package/tools/watchlist.py +24 -15
- package/tools/watchlist_context.py +63 -49
|
@@ -0,0 +1,127 @@
|
|
|
1
|
+
#!/usr/bin/env python3
|
|
2
|
+
"""Offline baseline: python scripts/profile-offline.py > baseline.json.
|
|
3
|
+
|
|
4
|
+
CLI --help includes interpreter/import/argparse cost, never provider latency.
|
|
5
|
+
Synthetic compute timings exclude imports; this is not a production throughput test.
|
|
6
|
+
"""
|
|
7
|
+
|
|
8
|
+
import cProfile
|
|
9
|
+
import json
|
|
10
|
+
import platform
|
|
11
|
+
import pstats
|
|
12
|
+
import statistics
|
|
13
|
+
import subprocess
|
|
14
|
+
import sys
|
|
15
|
+
import tempfile
|
|
16
|
+
import time
|
|
17
|
+
from pathlib import Path
|
|
18
|
+
|
|
19
|
+
ROOT = Path(__file__).resolve().parents[1]
|
|
20
|
+
sys.path.insert(0, str(ROOT / "tools"))
|
|
21
|
+
|
|
22
|
+
|
|
23
|
+
def measure(operation, repeats=5):
|
|
24
|
+
samples = []
|
|
25
|
+
for _ in range(repeats):
|
|
26
|
+
start = time.perf_counter()
|
|
27
|
+
operation()
|
|
28
|
+
samples.append(round((time.perf_counter() - start) * 1000, 3))
|
|
29
|
+
return {"median_ms": statistics.median(samples), "samples_ms": samples}
|
|
30
|
+
|
|
31
|
+
|
|
32
|
+
def main():
|
|
33
|
+
cli = {}
|
|
34
|
+
for path in sorted((ROOT / "tools").glob("*.py")):
|
|
35
|
+
if '__name__ == "__main__"' not in path.read_text():
|
|
36
|
+
continue
|
|
37
|
+
|
|
38
|
+
def help_call(path=path):
|
|
39
|
+
subprocess.run(
|
|
40
|
+
[sys.executable, str(path), "--help"],
|
|
41
|
+
stdout=subprocess.DEVNULL,
|
|
42
|
+
stderr=subprocess.PIPE,
|
|
43
|
+
timeout=15,
|
|
44
|
+
check=True,
|
|
45
|
+
)
|
|
46
|
+
|
|
47
|
+
cli[path.name] = measure(help_call, 3)
|
|
48
|
+
|
|
49
|
+
import _cache
|
|
50
|
+
import numpy as np
|
|
51
|
+
import pandas as pd
|
|
52
|
+
from backtest import load_strategy, simulate
|
|
53
|
+
from stateless_analysis import portfolio
|
|
54
|
+
from technical import analyze_records
|
|
55
|
+
|
|
56
|
+
def bars(count):
|
|
57
|
+
rng = np.random.default_rng(68)
|
|
58
|
+
close = 100 * np.exp(np.cumsum(rng.normal(0.0002, 0.01, count)))
|
|
59
|
+
return pd.DataFrame(
|
|
60
|
+
{
|
|
61
|
+
"date": pd.bdate_range("2000-01-03", periods=count).strftime("%Y-%m-%d"),
|
|
62
|
+
"open": close,
|
|
63
|
+
"close": close,
|
|
64
|
+
"high": close * 1.01,
|
|
65
|
+
"low": close * 0.99,
|
|
66
|
+
"volume": rng.integers(100000, 1000000, count),
|
|
67
|
+
}
|
|
68
|
+
)
|
|
69
|
+
|
|
70
|
+
compute = {}
|
|
71
|
+
strategy = load_strategy(str(ROOT / "strategies/examples/ma_crossover.yaml"))
|
|
72
|
+
for count in (120, 2500):
|
|
73
|
+
frame = bars(count)
|
|
74
|
+
records = frame.to_dict("records")
|
|
75
|
+
assert "error" not in analyze_records("TEST", records)
|
|
76
|
+
compute[f"technical_{count}"] = measure(lambda records=records: analyze_records("TEST", records))
|
|
77
|
+
compute[f"backtest_{count}"] = measure(lambda frame=frame: simulate(frame, strategy, 100000, "TEST"))
|
|
78
|
+
for count in (10, 50, 100):
|
|
79
|
+
histories = []
|
|
80
|
+
for i in range(count):
|
|
81
|
+
records = bars(250).to_dict("records")
|
|
82
|
+
histories.append({"symbol": f"S{i}", "prices": [{"date": r["date"], "close": r["close"]} for r in records]})
|
|
83
|
+
payload = {
|
|
84
|
+
"base_currency": "USD",
|
|
85
|
+
"cash": 0,
|
|
86
|
+
"positions": [{"symbol": f"S{i}", "quantity": 1, "price": 100, "currency": "USD"} for i in range(count)],
|
|
87
|
+
"histories": histories,
|
|
88
|
+
}
|
|
89
|
+
result = portfolio(payload)
|
|
90
|
+
assert len(result["correlations"]) == count * (count - 1) // 2
|
|
91
|
+
compute[f"portfolio_{count}_assets_250_dates"] = measure(lambda payload=payload: portfolio(payload), 3)
|
|
92
|
+
profiler = cProfile.Profile()
|
|
93
|
+
profiler.runcall(simulate, frame, strategy, 100000, "TEST")
|
|
94
|
+
stats = pstats.Stats(profiler)
|
|
95
|
+
hotspots = [
|
|
96
|
+
{"function": f"{Path(file).name}:{line}:{name}", "calls": values[1], "cumulative_s": round(values[3], 4)}
|
|
97
|
+
for (file, line, name), values in sorted(stats.stats.items(), key=lambda item: item[1][3], reverse=True)[:12]
|
|
98
|
+
]
|
|
99
|
+
original_dir = _cache.CACHE_DIR
|
|
100
|
+
with tempfile.TemporaryDirectory() as directory:
|
|
101
|
+
try:
|
|
102
|
+
_cache.CACHE_DIR = Path(directory)
|
|
103
|
+
payload = [{"symbol": str(i), "value": i} for i in range(10000)]
|
|
104
|
+
_cache.cached("profile", 60, lambda: payload)
|
|
105
|
+
|
|
106
|
+
def unexpected_fetch():
|
|
107
|
+
raise AssertionError("warm cache missed")
|
|
108
|
+
|
|
109
|
+
compute["cache_read_10000_rows"] = measure(lambda: _cache.cached("profile", 60, unexpected_fetch))
|
|
110
|
+
finally:
|
|
111
|
+
_cache.CACHE_DIR = original_dir
|
|
112
|
+
print(
|
|
113
|
+
json.dumps(
|
|
114
|
+
{
|
|
115
|
+
"python": platform.python_version(),
|
|
116
|
+
"platform": platform.platform(),
|
|
117
|
+
"cli": cli,
|
|
118
|
+
"compute": compute,
|
|
119
|
+
"backtest_hotspots": hotspots,
|
|
120
|
+
},
|
|
121
|
+
indent=2,
|
|
122
|
+
)
|
|
123
|
+
)
|
|
124
|
+
|
|
125
|
+
|
|
126
|
+
if __name__ == "__main__":
|
|
127
|
+
main()
|
|
@@ -0,0 +1,87 @@
|
|
|
1
|
+
#!/usr/bin/env python3
|
|
2
|
+
"""Offline workflow baseline with counted, fixed-latency CLI substitutes.
|
|
3
|
+
|
|
4
|
+
Run with the repo venv (pytest/pandas/numpy installed):
|
|
5
|
+
python scripts/profile-workflows.py [checkout-root]
|
|
6
|
+
This measures orchestration only, not provider throughput. Reuses the test OHLCV fixture.
|
|
7
|
+
"""
|
|
8
|
+
|
|
9
|
+
import importlib.util
|
|
10
|
+
import json
|
|
11
|
+
import sys
|
|
12
|
+
import threading
|
|
13
|
+
import time
|
|
14
|
+
from collections import Counter
|
|
15
|
+
from pathlib import Path
|
|
16
|
+
|
|
17
|
+
root = Path(sys.argv[1]) if len(sys.argv) > 1 else Path(__file__).resolve().parents[1]
|
|
18
|
+
sys.path.insert(0, str(root / "tools"))
|
|
19
|
+
import anomaly_detect # noqa: E402
|
|
20
|
+
import gather # noqa: E402
|
|
21
|
+
import risk_screening # noqa: E402
|
|
22
|
+
import technical # noqa: E402
|
|
23
|
+
import watchlist_context # noqa: E402
|
|
24
|
+
|
|
25
|
+
spec = importlib.util.spec_from_file_location("perf_fixtures", root / "tests/conftest.py")
|
|
26
|
+
fixtures = importlib.util.module_from_spec(spec)
|
|
27
|
+
spec.loader.exec_module(fixtures)
|
|
28
|
+
bars = fixtures.make_kline_data.__wrapped__()(120, "volatile")
|
|
29
|
+
for row in bars:
|
|
30
|
+
row["date"] = row["date"].strftime("%Y-%m-%d")
|
|
31
|
+
calls = Counter()
|
|
32
|
+
lock = threading.Lock()
|
|
33
|
+
active = peak = 0
|
|
34
|
+
|
|
35
|
+
|
|
36
|
+
def invoke(script, args, **kwargs):
|
|
37
|
+
global active, peak
|
|
38
|
+
if script == "risk_screening.py" and args[0] == "screen":
|
|
39
|
+
return risk_screening.screen_risk(args[1])
|
|
40
|
+
if script == "technical.py":
|
|
41
|
+
rows = invoke("stock_data.py", ["kline", args[1], "--count", "120"])
|
|
42
|
+
return technical.analyze_records(args[1], rows)
|
|
43
|
+
if script == "anomaly_detect.py":
|
|
44
|
+
return anomaly_detect.detect_anomalies(args[1])
|
|
45
|
+
key = script + ":" + args[0]
|
|
46
|
+
with lock:
|
|
47
|
+
calls[key] += 1
|
|
48
|
+
active += 1
|
|
49
|
+
peak = max(peak, active)
|
|
50
|
+
time.sleep(0.01)
|
|
51
|
+
with lock:
|
|
52
|
+
active -= 1
|
|
53
|
+
if args[0] == "kline":
|
|
54
|
+
n = int(args[args.index("--count") + 1]) if "--count" in args else 120
|
|
55
|
+
return bars[-n:]
|
|
56
|
+
if args[0] == "quote":
|
|
57
|
+
return {"price": 10, "pe": 15, "pb": 2}
|
|
58
|
+
if args[0] == "lockup":
|
|
59
|
+
return {"upcoming_30d": [], "flags": [], "available": True}
|
|
60
|
+
if args[0] == "capital_flow":
|
|
61
|
+
return []
|
|
62
|
+
if script == "market_regime.py":
|
|
63
|
+
return {"market": args[1]}
|
|
64
|
+
return []
|
|
65
|
+
|
|
66
|
+
|
|
67
|
+
gather._run = lambda script, args, **kw: json.dumps(invoke(script, args, **kw))
|
|
68
|
+
risk_screening._run_tool = invoke
|
|
69
|
+
anomaly_detect._run_tool = invoke
|
|
70
|
+
anomaly_detect.fetch_kline = lambda symbol, period, count: invoke(
|
|
71
|
+
"stock_data.py", ["kline", symbol, "--count", str(count)]
|
|
72
|
+
)
|
|
73
|
+
watchlist_context._run_json = invoke
|
|
74
|
+
start = time.perf_counter()
|
|
75
|
+
result = watchlist_context.build_context(["600519", "000001", "000002"], workers=3)
|
|
76
|
+
assert result["summary"]["success"] == 3
|
|
77
|
+
print(
|
|
78
|
+
json.dumps(
|
|
79
|
+
{
|
|
80
|
+
"seconds": time.perf_counter() - start,
|
|
81
|
+
"calls": dict(calls),
|
|
82
|
+
"total_calls": sum(calls.values()),
|
|
83
|
+
"peak_leaf_calls": peak,
|
|
84
|
+
"summary": result["summary"],
|
|
85
|
+
}
|
|
86
|
+
)
|
|
87
|
+
)
|
package/scripts/setup-python.mjs
CHANGED
|
@@ -1,17 +1,18 @@
|
|
|
1
1
|
#!/usr/bin/env node
|
|
2
2
|
import { execFileSync } from "node:child_process";
|
|
3
|
-
import { existsSync } from "node:fs";
|
|
3
|
+
import { existsSync, mkdirSync, renameSync } from "node:fs";
|
|
4
4
|
import { join } from "node:path";
|
|
5
5
|
import { fileURLToPath } from "node:url";
|
|
6
|
-
import { venvPythonPath } from "./venv-python.mjs";
|
|
6
|
+
import { pythonEnvironmentRoot, venvPythonPath } from "./venv-python.mjs";
|
|
7
7
|
|
|
8
8
|
// fileURLToPath (not URL.pathname) — the latter yields a bogus "/C:/..." path
|
|
9
9
|
// on Windows, which would put the venv in the wrong place or fail outright.
|
|
10
10
|
const pkgDir = fileURLToPath(new URL("..", import.meta.url));
|
|
11
|
-
const
|
|
11
|
+
const envRoot = pythonEnvironmentRoot(pkgDir);
|
|
12
|
+
const venvDir = join(envRoot, ".venv");
|
|
12
13
|
// Drive pip through the venv's own python (`-m pip`) instead of a pip/pip.exe
|
|
13
14
|
// shim — resolves correctly on both POSIX (bin/python3) and Windows (Scripts/python.exe).
|
|
14
|
-
const venvPython = venvPythonPath(
|
|
15
|
+
const venvPython = venvPythonPath(envRoot);
|
|
15
16
|
const requirements = join(pkgDir, "tools", "requirements.txt");
|
|
16
17
|
|
|
17
18
|
function run(bin, args) {
|
|
@@ -41,6 +42,12 @@ try {
|
|
|
41
42
|
process.exit(1);
|
|
42
43
|
}
|
|
43
44
|
|
|
45
|
+
if (envRoot !== pkgDir && existsSync(join(pkgDir, ".venv"))) {
|
|
46
|
+
// Preserve installed dependencies; never leave an old environment in captured source.
|
|
47
|
+
if (existsSync(venvDir)) throw new Error("Both legacy and current Python environments exist; move the legacy .venv outside the plugin package");
|
|
48
|
+
mkdirSync(envRoot, { recursive: true });
|
|
49
|
+
renameSync(join(pkgDir, ".venv"), venvDir);
|
|
50
|
+
}
|
|
44
51
|
if (!existsSync(venvDir)) {
|
|
45
52
|
run(python, ["-m", "venv", venvDir]);
|
|
46
53
|
}
|
package/scripts/venv-python.mjs
CHANGED
|
@@ -6,6 +6,13 @@ import { join } from "node:path";
|
|
|
6
6
|
|
|
7
7
|
const isWin = process.platform === "win32";
|
|
8
8
|
|
|
9
|
+
// OpenClaw captures package source, including .venv symlinks; node_modules is excluded.
|
|
10
|
+
export function pythonEnvironmentRoot(rootDir) {
|
|
11
|
+
return existsSync(join(rootDir, "openclaw.plugin.json"))
|
|
12
|
+
? join(rootDir, "node_modules", ".stock-analysis-python")
|
|
13
|
+
: rootDir;
|
|
14
|
+
}
|
|
15
|
+
|
|
9
16
|
// Windows venvs ship Scripts/python.exe (there is no python3); POSIX venvs ship bin/python3.
|
|
10
17
|
export function venvPythonPath(rootDir) {
|
|
11
18
|
return join(rootDir, ".venv", isWin ? "Scripts" : "bin", isWin ? "python.exe" : "python3");
|
|
@@ -5,6 +5,8 @@ description: 事件驱动分析:评估公告、业绩、政策、订单或资
|
|
|
5
5
|
|
|
6
6
|
# 事件驱动分析
|
|
7
7
|
|
|
8
|
+
批量研究、子任务分工或报告文件交付时,必须读取[宿主研究与报告交付](../stock-analysis/references/host-workflows.md),使用当前宿主实际提供的能力。
|
|
9
|
+
|
|
8
10
|
## 无状态分析扩展
|
|
9
11
|
|
|
10
12
|
历史事件窗口验证或公告原文变化分析时,MUST 读取[无状态研究工具](../stock-analysis/references/stateless-analysis.md),使用 analyze_event_study/analyze_disclosure_changes。事件日期、盘前盘后、价格窗口和正文覆盖必须核实。
|
|
@@ -28,6 +28,8 @@ gather 工具返回:
|
|
|
28
28
|
|
|
29
29
|
需要财务趋势时调用 `get_financials(symbol, annual=true, periods=10)`。港股配置 `LIXINGER_TOKEN` 后优先理杏仁非金融公司财报,按真实 `report_type` 判断年报,保留实际财年末、披露日期、币种;历史 ROE/毛利率/净利率为百分数,顶层 `roe/profit_margin` 延续小数比例。读取 `available_periods/warnings`,缺期不补造。有效 Yahoo 顶层快照与历史行分开读:`currency` 为快照财报币种、`market_cap_currency` 为市值币种,历史币种在 `periods` 每行,`snapshot_source` 标记快照来源;null 不用历史值补成跨期或跨币种数字;顶层 `report_date` 未知时读取 `periods` 的历史日期,不当作当前快照报告期。
|
|
30
30
|
|
|
31
|
+
Yahoo 顶层快照单位以 `snapshot_units` 为准:`roe/profit_margin/dividend_yield=ratio`,`debt_to_equity=percent`,例如 150 表示 150%,不是 150 倍;`pe=trailing`,不与 dynamic PE 直接比较。
|
|
32
|
+
|
|
31
33
|
`financials` 通常只是单期摘要。多期趋势、经营现金流、应收账款或同业估值未返回时,把对应维度标为“数据不足”,不推断趋势、不计分。
|
|
32
34
|
|
|
33
35
|
## 分析框架(4 步法)
|
|
@@ -63,7 +63,7 @@ gather 工具返回以下字段:
|
|
|
63
63
|
|
|
64
64
|
## 输出
|
|
65
65
|
|
|
66
|
-
按 [市场复盘 schema](../../schemas/market_review_schema.json) 构建报告对象,再调用 `render_market_report`。缺失的市场数据保持为空并在 `risks`
|
|
66
|
+
按 [市场复盘 schema](../../schemas/market_review_schema.json) 构建报告对象,再调用 `render_market_report`。缺失的市场数据保持为空并在 `risks` 中说明,不用定性文字补齐。报告文件/连接器交付或分工研究时,必须读取[宿主研究与报告交付](../stock-analysis/references/host-workflows.md);本轮仅剩回复时才传 `final=true`,否则保持默认 false。
|
|
67
67
|
|
|
68
68
|
## 多市场支持
|
|
69
69
|
|
|
@@ -0,0 +1,57 @@
|
|
|
1
|
+
---
|
|
2
|
+
name: sector-rotation
|
|
3
|
+
description: 行业ETF轮动研究:核对SSRN 4280640论文规则,复核预测分布集中度与历史配权,评估轮动对现有策略的增益。提供确定性计算与配权分项回测,不生成深度模型预测或实盘买卖计划。
|
|
4
|
+
---
|
|
5
|
+
|
|
6
|
+
# 行业 ETF 轮动研究
|
|
7
|
+
|
|
8
|
+
用于研究一组行业 ETF 的周度轮动,以及它是否值得补充现有趋势、题材或组合策略。市场由用户指定,允许跨市场;论文的美国样本不构成插件市场限制。
|
|
9
|
+
|
|
10
|
+
实现状态:**共享Python数值计算与配权分项回测已实现,论文完整训练与信号模型未实现**。MUST 将“原文已披露规则”“尚未披露的实现细节”“插件的跨市场扩展”分别说明。MUST NOT 声称已经严格复现论文或重现其收益。
|
|
11
|
+
|
|
12
|
+
## 1. 明确要改善什么
|
|
13
|
+
|
|
14
|
+
- 行业配置:比较不同 ETF 的取舍、空仓和资金分配。这是与现有能力最直接的补充。
|
|
15
|
+
- 热点题材:`hot-theme` 判断板块强度与催化,不能用本论文证明其预测能力得到改善。
|
|
16
|
+
- 个股趋势:`bull-trend` 的月度持有与本论文的周内清仓时钟不同。MUST NOT 自动把轮动筛选叠加为个股买入过滤器。
|
|
17
|
+
- 单股回测:`strategy-backtest` 的单标的 YAML 不能代表跨 ETF 共享资金组合。
|
|
18
|
+
|
|
19
|
+
仅问是否有用时,结合上述区别回答;无独立对照证据时,结论为“有能力补充价值,收益增益未证实”。
|
|
20
|
+
|
|
21
|
+
## 2. 核对论文与数据
|
|
22
|
+
|
|
23
|
+
研究具体规则、复现、模型预测或交易时,MUST 先读取 [论文规则、缺项与输入格式](references/strategy_rules.md)。严格复现所需的损失函数或参数缺失时,列出缺项,停止生成模型信号;MUST NOT 自选参数并冠以原策略名称。
|
|
24
|
+
|
|
25
|
+
用户提供代码即可通过现有 `get_kline` 获取整个池的 daily OHLCV,按研究区间加预热历史;行业归属、ETF身份、币种或复权未知时明确标记。没有代码时才需要确定标的池。MUST 保留整池成员、来源、实际区间及缺失项,不能静默删掉失败成员改变横截面。
|
|
26
|
+
|
|
27
|
+
跨市场时,分别记录交易所、时区、币种、当地交易日和周末决策截止时间;只使用截止时已发布的数据。共同资金研究还需要历史汇率、换汇成本及结算约束,数据缺失时停止组合收益计算。MUST NOT 将不同币种净值相加、把后收盘市场的数据用于早开盘市场的历史订单,或把本地周线按日期直接拼接后宣称无前视。
|
|
28
|
+
|
|
29
|
+
## 3. 复核已披露计算
|
|
30
|
+
|
|
31
|
+
已有模型生成的 MC-dropout 样本或历史成交计数时,调用 `calculate_rotation_metrics(prediction_samples?, trade_counts?)`。Agent负责提供有来源的输入和解释结果,MUST 使用工具计算,不临场手算或重写算子。交易计数可直接复用分项回测返回的 `trade_counts`;缺原模型预测时,MUST NOT 用动量、随机数或语言模型猜测代替。
|
|
32
|
+
|
|
33
|
+
- `confidence`:复核预测值在“中位数 ± 总体标准差”内的经验占比。
|
|
34
|
+
- `allocation`:复核 `1 + wins/buys + streak/(wins+1)` 原始配权分数。
|
|
35
|
+
|
|
36
|
+
输入格式、样本来源与零历史边界见参考。所有算子以共享 `tools/sector_rotation.py` 为唯一实现,四宿主转发同一JSON。skill里的 `scripts/rotation_metrics.py` 仅保留旧调用兼容入口;没有另一套公式。没有模型训练、账户存储或下单功能。
|
|
37
|
+
|
|
38
|
+
MUST 同时报 `paper_reproduction=partial_calculations_only`。集中度不是盈利概率;原始配权分数不是目标权重、股数或已确认可用资金。两项计算都不能独立决定买入。
|
|
39
|
+
|
|
40
|
+
## 4. 运行配权分项回测
|
|
41
|
+
|
|
42
|
+
MUST 先读取 [计算与回测接口](references/computation.md),再调用 `backtest_rotation_allocation`。用户给代码时使用 `symbols` 自动获取行情与报价币种;已有核实的行情才传 `datasets`。两种模式互斥,不能要求正常用户手工准备行情文件。
|
|
43
|
+
|
|
44
|
+
该工具在相同全池周内买卖下比较等权与历史配权,自动计数、费用扣除、净值和回撤;MUST NOT 让Agent自行计算回测收益。按交易所与报价币种分组,每组独立初始资金;报告每组实际区间、跳过周、费用、两组表现及差值。混合代码池不等于跨币种共享资金组合。任一取数失败、复权/价格检查失败或评估期完整交易周缺bar/零成交量则停止,不缩小股票池,不按事后数据完整性选择交易周。预热不足不能用评估期收益补齐初始化。
|
|
45
|
+
|
|
46
|
+
该分项入口不需要缺失的神经网络,也不能替代它。MUST 同时报 `paper_reproduction=allocation_ablation_only`,并把历史分数归一化和预热约定与原文已披露公式分开。
|
|
47
|
+
|
|
48
|
+
## 5. 评估相对现有策略的增益
|
|
49
|
+
|
|
50
|
+
取得完整可执行模型后,按预先固定的区间、标的池、初始资金、成交时点和成本比较:
|
|
51
|
+
|
|
52
|
+
1. 基准持有、行业 ETF 等权、简单动量轮动、论文模型;现有月度策略仅在标的池和资金口径可比时加入。
|
|
53
|
+
2. 保持年度训练与周度更新的时间边界,归一化和阈值选择均只看当时已知数据;额外报告论文发表后的独立区间。
|
|
54
|
+
3. 分别比较净收益、最大回撤、换手、交易次数和资金占用;逐项关闭置信筛选、亏损过滤或动态配权,检验各部件实际贡献。
|
|
55
|
+
4. 如需改善某个现有策略,另做“原策略 vs 加入该部件”的同条件对照,不能凭独立策略收益推定组合效果。
|
|
56
|
+
|
|
57
|
+
完成时报告:已实现内容、缺项、对照条件和增益结论。没有完整模型或合格组合回测时,MUST 报“尚未验证”,不能用论文表3、单股回测相加或技术测试通过代替实际增益证据。
|
|
@@ -0,0 +1,83 @@
|
|
|
1
|
+
# 确定性计算与配权分项回测
|
|
2
|
+
|
|
3
|
+
共享核心为 `tools/sector_rotation.py`。Pi、Hermes、OpenClaw、dsh 暴露相同的两个工具;Agent负责输入来源与结论,计算和资金递推均由Python完成。它们不包含尚未披露的神经网络训练或预测。
|
|
4
|
+
|
|
5
|
+
## calculate_rotation_metrics
|
|
6
|
+
|
|
7
|
+
`prediction_samples` 与 `trade_counts` 至少提供一项。每组样本2..100000个有限数,全请求最多100000个;最多100组唯一标识。同一组必须属于同一模型、标的和决策时间,来源由调用方核实。
|
|
8
|
+
|
|
9
|
+
```json
|
|
10
|
+
{
|
|
11
|
+
"prediction_samples": [{"symbol":"XLK","samples":[0.1,0.2,0.1,0.15]}],
|
|
12
|
+
"trade_counts": [{"symbol":"XLK","buys":4,"wins":3,"streak":2}]
|
|
13
|
+
}
|
|
14
|
+
```
|
|
15
|
+
|
|
16
|
+
返回逐标的 `confidence` 和/或 `allocation`,其中原始配权分数为2.25;`model_status=not_implemented_missing_specification`、`is_buy_signal=false`、`paper_reproduction=partial_calculations_only`。零历史和零方差边界见 [规则参考](strategy_rules.md)。不验证预测来源的真实性,不把集中度当作盈利概率。
|
|
17
|
+
|
|
18
|
+
## backtest_rotation_allocation
|
|
19
|
+
|
|
20
|
+
正常调用直接传股票/ETF代码,无须用户提供行情文件:
|
|
21
|
+
|
|
22
|
+
```json
|
|
23
|
+
{
|
|
24
|
+
"symbols":["XLK","XLE","512000","512010","1306.T"],
|
|
25
|
+
"start_date":"2021-01-01",
|
|
26
|
+
"end_date":"2026-10-16",
|
|
27
|
+
"history_start_date":"2020-01-01",
|
|
28
|
+
"warmup_weeks":26,
|
|
29
|
+
"capital":1000000,
|
|
30
|
+
"cost_per_side":0.001
|
|
31
|
+
}
|
|
32
|
+
```
|
|
33
|
+
|
|
34
|
+
| 字段 | 约束 |
|
|
35
|
+
|---|---|
|
|
36
|
+
| `symbols` | 1..20个插件格式代码;与datasets互斥,重复别名拒绝;任一成员取数失败整池停止 |
|
|
37
|
+
| `start_date/end_date` | 必填、有序的YYYY-MM-DD评估区间;截止日不得晚于当前UTC日期,不能使用未收盘bar;完整交易周才成交 |
|
|
38
|
+
| `history_start_date` | 仅代码模式,默认评估前一年;早于start_date,取数长度包括这段预热 |
|
|
39
|
+
| `warmup_weeks` | 评估前完整全池交易周,整数1..104,默认26;不足则停止,不延后起点冒充完整评估 |
|
|
40
|
+
| `capital` | 每个市场/报价币种分组的独立初始资金,默认1000000,0.01..1e12;不是混合池总资金 |
|
|
41
|
+
| `cost_per_side` | 假设的每边比例成本0..0.1,默认0.001;包含预算内买入成本及卖出成本,非交易所费率声明 |
|
|
42
|
+
|
|
43
|
+
A/HK/US/JP/KR/TW均按真实交易所日历取周内首末交易日。币种采用已核实的报价币种,不能依据市场猜测港股ETF一定报价HKD。跨市场或同市场多币种分成独立资金组,MUST NOT 把各组净值相加或称为完成了外汇/结算模拟。
|
|
44
|
+
|
|
45
|
+
复核已有行情时,用 `datasets` 代替symbols,省略history_start_date。每项包含:
|
|
46
|
+
|
|
47
|
+
```json
|
|
48
|
+
{
|
|
49
|
+
"symbol":"XLK",
|
|
50
|
+
"currency":"USD",
|
|
51
|
+
"price_basis":"total_return",
|
|
52
|
+
"bars":[
|
|
53
|
+
{"date":"2020-01-02","open":100,"high":102,"low":99,"close":101,"volume":1000}
|
|
54
|
+
]
|
|
55
|
+
}
|
|
56
|
+
```
|
|
57
|
+
|
|
58
|
+
上例只展示单条格式,不能单独运行:每个数据集需2..20000行,并覆盖完整预热及评估交易周;最多20组、总行数不超过100000,JSON输入最大8 MiB。日期递增唯一,OHLC为有限正数且范围一致、volume非负;currency为调用方核实的三字母币种。price_basis限 `qfq/total_return/split_adjusted`,不能把unknown或原始价改标签冒充已复权。额外逐bar `adjusted` 若存在,须与数据集口径一致。
|
|
59
|
+
|
|
60
|
+
### 固定分项实验
|
|
61
|
+
|
|
62
|
+
1. 每周全池均买入,没有预测挑选;相同周内首个交易日开盘买入、最后交易日收盘卖出。
|
|
63
|
+
2. 首次评估前必须有足够完整观察周。历史计数仅使用决策前已结束的周内交易,毛收益>0算赢,持平重置连胜;计数累计,不做未经披露的年度重置。
|
|
64
|
+
3. 等权组均分预算;历史组对 `1+wins/buys+streak/(wins+1)` 分数归一化。预热、全池买入、归一化是此独立实验的约定,不宣称为作者的完整策略。
|
|
65
|
+
4. 每笔预算含买入比例成本,按合成复权价格计算小数名义份额;逐日收盘盯市、末日扣卖出成本。费用、最终净值和收盘净值最大回撤由核心计算。
|
|
66
|
+
5. 评估期完整交易周中任一成员缺bar或零成交量,整组回测停止;不能用周末才知道的数据完整性决定周初是否买入。预热期的不完整周不计观察次数、不删除成员。周跨越评估边界时跳过;首周缺前几天不算完整预热周。
|
|
67
|
+
|
|
68
|
+
返回 `groups`:market/currency/symbols、实际period、price_basis/data_coverage、evaluated_weeks/skipped_weeks、决策日期和weights、最终trade_counts、equal_weight/historical_weight的净值与成本和指标、年化收益差。指标沿用共享回测函数的四位小数精度。历史计数包括预热,closed_trades仅包含评估期。
|
|
69
|
+
|
|
70
|
+
`paper_reproduction=allocation_ablation_only`。这不是ROC/MC/神经网络挑选后的组合,更不是现有月度策略的直接前后对照。无外汇、结算、整手、价格限制、盘口、税务或成交量容量模型;比例成本与成交时点只是该模拟假设。
|
|
71
|
+
|
|
72
|
+
### 数据验收
|
|
73
|
+
|
|
74
|
+
价格序列跳变大于1.5倍(或低于其倒数)、单日high/low大于1.5时,需要独立核查公司行动后再研究;这是一道保守审查阈值,不是认定真实市场不可能发生该涨跌。复权未知、日期/交易时段不符、未收盘或可疑价格会返回安全JSON错误,`market_data_requires_review` 表示整池未生成回测。检查通过也不证明来源无误。
|
|
75
|
+
|
|
76
|
+
## CLI 与兼容入口
|
|
77
|
+
|
|
78
|
+
```bash
|
|
79
|
+
python3 tools/sector_rotation.py analyze --input request.json
|
|
80
|
+
python3 tools/sector_rotation.py backtest --input request.json
|
|
81
|
+
```
|
|
82
|
+
|
|
83
|
+
skill中的 `scripts/rotation_metrics.py confidence predictions.json` 与 `allocation counts.json` 保留兼容,转调同一核心。所有入口stdout为JSON,错误非零退出,不保存账户或提交订单。
|
|
@@ -0,0 +1,62 @@
|
|
|
1
|
+
# Deep Sector Rotation Swing Trading:原文与可复现边界
|
|
2
|
+
|
|
3
|
+
来源:Joel R. Bock、Akhilesh Maewal,2023-01-04,*Deep Sector Rotation Swing Trading*,[SSRN 4280640](https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4280640),9页版本。页码为论文印刷页码。下述记录来自完整论文,不以引用文献或二手摘要代替本论文规则。
|
|
4
|
+
|
|
5
|
+
## 已披露的规则
|
|
6
|
+
|
|
7
|
+
| 内容 | 原文依据 |
|
|
8
|
+
|---|---|
|
|
9
|
+
| 参考池 | §2.1、表1,第3页:XLK、XLV、XLY、VOX、XLF、XLI、XLP、XLU、XLB、IYR、XLE;只是论文复现样本,允许另做跨市场研究 |
|
|
10
|
+
| 输入 | §2.1,第3页:最近N周的周五收盘价格;使用成交量时输入为 `N × (2l+m)`,最终报告只使用行业基金输入,不含辅助经济数据 |
|
|
11
|
+
| 标签 | §2.1,第3页:下一周周一开盘到周五收盘上涨100bp作为正类定义;恰好等于阈值的边界未明确 |
|
|
12
|
+
| 归一化 | §2.1,第3页:非目标输入零均值、单位方差;拟合窗口及更新方式未说明 |
|
|
13
|
+
| 网络 | §2.2,第3页:四层全连接内部层,每层ReLU及dropout;全连接输出、线性激活;TensorFlow/Keras |
|
|
14
|
+
| 训练 | §2.2,第3—4页:各交易年以前两年数据训练,年内逐周增量更新;使用纳入近期盈亏的自定义损失函数 |
|
|
15
|
+
| 买卖 | §2.3,第4—5页:周五收盘后分析,下一周周一开盘买入,本周临近周五收盘全部卖出 |
|
|
16
|
+
| 买入阈值 | §2.3,第5页:逐ETF独立阈值,以近期数据的ROC成本优化并每周更新;不是预测收益率阈值 |
|
|
17
|
+
| 置信筛选 | §2.3,第5页:输出层MC dropout反复预测,以中位数一个标准差内约80%的概率质量衡量集中度;不是上涨概率达到80% |
|
|
18
|
+
| 原始配权 | §2.3,第5—6页:`w_s = 1 + wins_s/buys_s + streak_s/(wins_s+1)`;wins为盈利平仓次数,buys为买入周数,streak为连续盈利买入次数,交易周不必连续 |
|
|
19
|
+
|
|
20
|
+
表2(第5页)列出:近期单ETF周损失5%剔除;周间损失$300暂停一周;Q4组合水下5%暂停一周;Q1—Q4单ETF最大损失27.5%剔除;Q4单ETF胜率低于45%剔除。这些是历史统计过滤,**不能解释为盘中保证按这些阈值止损**。
|
|
21
|
+
|
|
22
|
+
## 严格复现仍缺什么
|
|
23
|
+
|
|
24
|
+
- N、各层宽度、dropout比例、优化器、学习率、batch、epochs、初始化种子和增量更新次数。
|
|
25
|
+
- 自定义盈亏损失函数的公式、盈亏与监督标签的结合方式。
|
|
26
|
+
- ROC成本函数、估计窗口、单一标签类别时的处理、阈值与模型更新的确切先后。§2.2与§2.3的文字不足以确定同周信号是否使用更新后模型。
|
|
27
|
+
- MC抽样次数、具体dropout位置、点预测与抽样预测的组合方式,以及80%判断的精确边界。
|
|
28
|
+
- 表2的损失统计口径、起始资金、冷启动胜率/配权、剔除后的恢复条件;$300为金额阈值,不能静默换成某个百分比或其他币种数额。
|
|
29
|
+
- 周一/周五休市、无成交、复权价格、分红、尾盘成交价的处理与冻结数据。论文结果不含交易成本(第7页),不能声称已证明净收益。
|
|
30
|
+
|
|
31
|
+
本 skill 实现下述统计计算及独立配权分项对照,不以猜测填补神经网络缺项。计算与回测工具参数见 [计算与回测接口](computation.md)。完整模型需作者源码或补充材料。跨市场时区、汇率、费用和结算是额外工程扩展,MUST 与论文复现结果分开报告。
|
|
32
|
+
|
|
33
|
+
## 计算脚本
|
|
34
|
+
|
|
35
|
+
### 预测分布集中度
|
|
36
|
+
|
|
37
|
+
```bash
|
|
38
|
+
python3 {baseDir}/scripts/rotation_metrics.py confidence predictions.json
|
|
39
|
+
```
|
|
40
|
+
|
|
41
|
+
输入为同一ETF、同一决策时间、同一模型的MC-dropout输出数值数组,2..100000个。不能混合不同标的、模型或日期。输出样本数、中位数、总体标准差(ddof=0)、区间内经验占比及判断。数值输出可正可负,线性输出不要求在0..1。
|
|
42
|
+
|
|
43
|
+
脚本采用包含区间边界、占比 `>=0.8` 的明确计算约定,原文未精确规定等号边界,因此标记为部分计算而非严格完整复现。总体标准差为0时占比仍可计算,但判断为null:重复输出无法证实MC dropout确实开启。此保护不冒充作者的原始实现。
|
|
44
|
+
|
|
45
|
+
集中度高的预测可以全部为负;它不验证方向正确、模型校准或盈利能力。输入来源、模型与决策时间由调用方随报告记录,脚本无法从裸数组验证这些事实。
|
|
46
|
+
|
|
47
|
+
### 历史原始配权
|
|
48
|
+
|
|
49
|
+
```bash
|
|
50
|
+
python3 {baseDir}/scripts/rotation_metrics.py allocation counts.json
|
|
51
|
+
```
|
|
52
|
+
|
|
53
|
+
输入为1..100条记录,例如:
|
|
54
|
+
|
|
55
|
+
```json
|
|
56
|
+
[{"symbol":"510300","buys":4,"wins":3,"streak":2},
|
|
57
|
+
{"symbol":"1306.T","buys":2,"wins":0,"streak":0}]
|
|
58
|
+
```
|
|
59
|
+
|
|
60
|
+
对应原始分数为2.25和1.0。symbol只是唯一标识,无市场限制;同一标的的不同代码别名必须先统一。计数为非负整数且 `streak <= wins <= buys`,只包含决策前已完成的交易;持平不算盈利。各计数的年度重置口径仍需作者材料确认。
|
|
61
|
+
|
|
62
|
+
`buys=0` 时 `raw_weight=null`,原因是原文未定义除零及冷启动处理。脚本不补默认分数,不把分数归一化为组合预算,也不根据这些分数筛选ETF。输入文件最大8 MiB,未知字段、重复JSON键、重复标识及非法数值均拒绝。
|
|
@@ -0,0 +1,11 @@
|
|
|
1
|
+
#!/usr/bin/env python3
|
|
2
|
+
"""Compatibility CLI for the shared rotation calculations in tools/."""
|
|
3
|
+
|
|
4
|
+
import sys
|
|
5
|
+
from pathlib import Path
|
|
6
|
+
|
|
7
|
+
sys.path.insert(0, str(Path(__file__).resolve().parents[3] / "tools"))
|
|
8
|
+
from sector_rotation import main
|
|
9
|
+
|
|
10
|
+
if __name__ == "__main__":
|
|
11
|
+
sys.exit(main())
|
|
@@ -5,6 +5,8 @@ description: 综合股票分析:联合技术、基本面、资金、消息和
|
|
|
5
5
|
|
|
6
6
|
# 综合股票分析
|
|
7
7
|
|
|
8
|
+
批量研究、子任务分工、网页原文补证或报告文件交付时,必须读取[宿主研究与报告交付](references/host-workflows.md)。最终回复用 renderer 的 `final=true`;仍需保存附件、发送或继续分析时保持默认 false。
|
|
9
|
+
|
|
8
10
|
在启用原生工具发现的 Pi 中,所需工具尚未暴露时,先用 `tool_search` 搜索确切工具名或英文关键词,再按本文流程调用;其搜索器目前不对中文分词。旧 Pi 或其他宿主按当前实际提供的工具直接执行。
|
|
9
11
|
|
|
10
12
|
在 dsh 提供 `stock_tool_search` 且所需工具尚未暴露时,先搜索中文功能关键词或确切工具名,加载后按原名调用;搜索不执行分析。没有发现入口时直接使用当前提供的工具。
|
|
@@ -15,7 +17,7 @@ description: 综合股票分析:联合技术、基本面、资金、消息和
|
|
|
15
17
|
|
|
16
18
|
## 无状态分析扩展
|
|
17
19
|
|
|
18
|
-
|
|
20
|
+
当用户要求同行比较、组合风险/压力测试、目标权重调仓、仓位预算或新旧分析比较时,MUST 读取[无状态研究工具](references/stateless-analysis.md),分别使用 compare_stocks、analyze_portfolio_risk、plan_portfolio_rebalance、calculate_position_size、compare_analysis_snapshots。所有用户状态均由本次输入提供;调仓计划数量不等于成交,现金不足或整手差额必须读取 unfilled 说明。
|
|
19
21
|
|
|
20
22
|
## 意图路由表
|
|
21
23
|
|
|
@@ -82,8 +84,13 @@ python3 scripts/gather.py <symbol>
|
|
|
82
84
|
1. 按 [报告 schema](../../schemas/report_schema.json) 构建结构化报告。
|
|
83
85
|
2. 每个结论只使用成功返回的数据;缺失维度在 `risk_warning` 中说明影响。必须填写 `evidence`,每项使用原始工具结果路径(如 `get_quote.price`)、读者可理解的 `label`、原始 `value`、实际 `source` 和数据时间 `as_of`;未知来源或时间填 null,不用采集时间替代。历史财报与顶层快照分别引用日期、币种和单位,不把不同期间的数值拼成同一结论。 来源与时间沿证据 path 继承最近父对象的 source(该键缺失时用 snapshot_source)和 data_as_of,子对象的对应值(包括显式 null)覆盖祖先;数组项及 warnings 字符串同样继承,不能仅因叶子字段没有来源就填 null。整条路径均未提供对应元数据时才填 null,不能用工具名或策略方法名代替来源;as_of 保留完整数据时间及其时区。report_date 是财报报告期,应单独引用 value,不能当成披露日期或 data_as_of。证据 path 不含调用参数,例如 get_financials.periods.0.roe;股票名称未返回时 stock_name 填“未知”,不能凭常识补名;已知返回对象中未提供的末级字段可用 value=null 表示未知,其 source/as_of 可填 null,若填写则必须来自已知父对象;不能编成空数组、字符串或数值,不能跨缺失对象或数组编造路径;错误 value 保留原始字符串,不加 error: 前缀。请求的期间或文件路径不证明实际数据覆盖期或文件内容,需与实际返回数据区分。
|
|
84
86
|
同时填写 `data_quality.flags/limitations`:关键数据缺失用 `partial_data`,明确过期行情用 `stale_quote`,同期间同口径来源冲突用 `conflicting_data`,回测/信号样本不足用 `insufficient_sample`。出现这些限制时降低置信度,不能给出 strong_buy;没有有效现价时不编造数值交易计划。数据完整时 flags 为空数组,限制仍按实际模拟条件说明。
|
|
85
|
-
3.
|
|
86
|
-
|
|
87
|
+
3. 提交前逐项核对 `evidence.path`,以下字段只要本次工具已返回,就必须各有独立的 path/value 项:
|
|
88
|
+
- 行情:`get_quote.price`、`get_quote.data_as_of`。
|
|
89
|
+
- 财务:`get_financials.report_date`、`get_financials.roe`,以及历史 `periods` 中实际返回的 `report_date`、`roe`,路径含数字下标。
|
|
90
|
+
- 回测:`run_backtest.metrics.total_trades`、`run_backtest.metrics.win_rate`。
|
|
91
|
+
每项保留原始 value,并按第 2 项填写 source/as_of;正文中的数字及其他证据的 as_of 元数据不替代独立引用。漏项先补齐再提交。报价过期时保留原始价格与时间作为历史证据,说明时效限制,等待新报价后再制定当前数值交易计划。
|
|
92
|
+
4. 调用 `render_stock_report`:快速问答用 `brief`,完整研判用 `full`。
|
|
93
|
+
5. 输出渲染后的 Markdown;只在用户要求机器可读数据时附加结构化 JSON。
|
|
87
94
|
|
|
88
95
|
## 信号跟踪闭环
|
|
89
96
|
|
|
@@ -93,6 +100,10 @@ python3 scripts/gather.py <symbol>
|
|
|
93
100
|
|
|
94
101
|
## 注意事项
|
|
95
102
|
- `get_kline` 的 A 股股票/ETF 数据为前复权,每条记录 `adjusted="qfq"`;显式指数 `sh000xxx` / `sz399xxx` 为原始点位,`adjusted="none"`。复权数据源全部失败时说明数据缺失,不用未复权价格补算指标或信号。
|
|
103
|
+
- `get_quote` 的 PE 必须连同 `pe_basis` 解读;dynamic、trailing 与 unknown 不是同一口径,不能直接比较。
|
|
104
|
+
- `get_financials` 的 Yahoo 顶层快照按 `snapshot_units` 解读:`roe/profit_margin/dividend_yield=ratio`,`debt_to_equity=percent`,例如 150 表示 150%,不是 150 倍。
|
|
105
|
+
- `detect_market_regime` 用 `index.as_of` 核对实际日期并披露 `warnings`;`above_ma60=null` 表示历史不足,不能当作高于或低于 MA60。
|
|
106
|
+
- `get_technical_analysis` 的 RSI 全涨窗口为 100、全平为 50;预热不足的 RSI/量比不得解释为中性。量比是当根成交量除以前 5 根均量,不包含当根本身;不足时返回 unavailable/insufficient_data,不称为正常量价。
|
|
96
107
|
- 行情读取 `source/fetched_at/data_as_of`,`fetched_at` 是 UTC 采集时间;`as_of_basis=trading_calendar` 是日历推断,不能声称是提供方报价时间。提供方时间未知时明确说明时效性未核实。
|
|
97
108
|
- 始终提供风险提示
|
|
98
109
|
- 不做绝对化的涨跌预测
|
|
@@ -123,6 +134,6 @@ get_shareholder_structure 的 northbound 优先使用沪深官方季度总量;
|
|
|
123
134
|
|
|
124
135
|
实际披露股票持仓可用 get_etf_details(include_full_holdings=true) 获取半年度/年度表;按 as_of 解释,数量为股、市值为人民币元。默认不取大量明细;不是实时全资产组合,不与 PCF 对价数量混同。
|
|
125
136
|
|
|
126
|
-
|
|
137
|
+
信号价格使用原始报价口径,自动记录的默认 `record_date` 与 `price_date` 均按标的市场时区确定(显式 `date` 不变),并保存原始 `price_as_of`;`price_date` 晚于 `record_date` 时拒绝记录与结算。多头 target 必须高于 entry、stop 必须低于 entry,空头相反,否则拒绝记录。开盘先触 stop 按 open 结算,先触 target 按 target 保守结算;日内顺序未知的双触发仍 stop 优先。复权 K 线需有该报价日的可核实 adjustment_factor,才能换算入场/目标/止损及收益;缺失时 skipped_price_basis 并保持未结算,不得猜测拆股或除权比例,重复日期返回 skipped_no_data。记录日无 K 线时仅在前后因子一致(或已有明确报价日)时使用最近锚点;旧信号缺少报价时点且记录日因子发生变化时必须保持未结算。evaluate_signals 返回 complete/deferred/warnings;预算耗尽时已完成结果保存,未处理记录下次重试。当前仅日线 Tushare、Alpha Vantage 提供可验证换算系数,其余复权来源可能跳过结算。
|
|
127
138
|
|
|
128
139
|
自选股上下文异动检查失败时 anomaly_status=unavailable、anomaly_count=null,并提供 anomaly_error/warnings;summary.partial 不得写成无异常或完整成功。
|
|
@@ -0,0 +1,45 @@
|
|
|
1
|
+
# 宿主研究与报告交付
|
|
2
|
+
|
|
3
|
+
在批量筛选、多角色研究、网页证据补充或报告文件交付时使用本文。先读取当前宿主实际提供的工具说明;没有相应能力时按原有股票工具流程完成任务。
|
|
4
|
+
|
|
5
|
+
## 批量研究与 PTC / codemode
|
|
6
|
+
|
|
7
|
+
1. 独立股票或维度可并行取数;沿用已有 gather / 批量工具,不对同一数据重复请求。
|
|
8
|
+
2. dsh 的可选研究配置启用 PTC `persistent-in-memory`。按当前宿主生成的 SDK 调用股票工具;本插件输出为 JSON 文本,需要解析后再计算。Pi codemode 同样先查看工具声明,按实际返回类型解析。
|
|
9
|
+
3. 在会话内保留本次采集结果、派生数组及函数,进行筛选、同行比较与参数敏感性分析;每项结果携带标的、币种、复权口径、覆盖期间、来源和实际数据日期。先排除 error、缺失与口径不一致的数据,再计算;未知值不补零。
|
|
10
|
+
4. 新的实时行情问题重新取数;复用的数据必须标为其原始时点的快照。内存不等于最新行情,也不作为持仓或账户存储。
|
|
11
|
+
5. dsh persistent 模式使用最终表达式或 console.log 返回结果,没有顶层 return;复用已有变量时赋值或换新变量名,避免重复 let/const 声明。超时、取消、重启或恢复会话后重新建立状态。
|
|
12
|
+
6. Pi codemode 使用它自己的脚本规则,不套用 dsh REPL 语法。工具声明中已有的 integer、上下限、枚举与默认值都必须遵守;模型缓存是否保留由宿主和所选 provider 决定。
|
|
13
|
+
|
|
14
|
+
## 分工研究
|
|
15
|
+
|
|
16
|
+
仅在问题确实涉及多个独立维度且当前宿主提供委派工具时分工。简单报价或单工具查询直接回答。
|
|
17
|
+
|
|
18
|
+
dsh 可选研究配置提供 `stock_research_subagent` 和三个 `agent_preset`:
|
|
19
|
+
|
|
20
|
+
| 预设 | 任务 | 交回父任务的内容 |
|
|
21
|
+
| --- | --- | --- |
|
|
22
|
+
| stock-fundamentals | 基本面、财务质量与估值 | 字段、报告期、币种、口径、来源与缺失 |
|
|
23
|
+
| stock-technical | 技术结构、策略回测与验证 | 数据覆盖、复权、参数、费用、结果与限制 |
|
|
24
|
+
| stock-events | 公告、事件与原文核对 | 原文 URL、事件/披露时间、事实与未验证点 |
|
|
25
|
+
|
|
26
|
+
向每个子任务明确传递股票、市场、研究时点、问题、已有证据与需要返回的字段;spawn 不自动继承父任务全部背景。子任务仅返回研究证据,父任务核对冲突、重复与市场适用性后形成结论,不能把三个子任务的意见投票变成买卖信号。
|
|
27
|
+
|
|
28
|
+
如宿主可实时查看、steer 或 stop 子任务,发现跑题时及时纠正并使用其已验证的部分结果。dsh 角色使用宿主原生工具可见性限制;这不是不可信插件的安全沙箱。
|
|
29
|
+
|
|
30
|
+
## 网页证据
|
|
31
|
+
|
|
32
|
+
dsh 开启 DeepSeek Search/Fetch 后,通过当前提供的网页搜索工具检索,再读取原文。记录 URL、发布/事件日期和适用市场;搜索摘要只作线索。行情、财务与回测数值仍以结构化股票工具的实际返回为准。
|
|
33
|
+
|
|
34
|
+
Search/Fetch 未配置、失败或权限不足时,使用现有可用检索工具;不能将失败写成“没有相关新闻”。缺少原文或时间时在结论中标明证据缺口。
|
|
35
|
+
|
|
36
|
+
## 最终报告与文件交付
|
|
37
|
+
|
|
38
|
+
1. 完成证据核对、用户要求的归档/信号记录及其他操作后,再渲染最终报告。
|
|
39
|
+
2. 两个报告工具的 `final` 默认 false。只有本轮只剩将报告回复给用户时才传 `final=true`;支持原样交付的 OpenClaw 可立即结束本轮。错误结果继续交给模型处理;旧宿主仍返回原 JSON,按 content 展示 Markdown。
|
|
40
|
+
3. 用户需要文件、邮件或 Drive 等交付时,保持 `final=false`,从成功结果取 `format=markdown` 的 `content`,用宿主现有文件工具保存为工作区中的 `.md` 文件。文件名使用明确标的/市场与报告日期,已有文件先确认可覆盖或使用新名称。不能把 Markdown 改后缀冒充 PDF。
|
|
41
|
+
4. Hermes 连接器的文件输入使用实际本地绝对路径;读取当前连接器 schema,单文件传路径,多文件按其数组格式传入,不编造上传描述对象。返回文件使用宿主给出的 path,失败文件保留其错误。
|
|
42
|
+
5. 按用户已经授权的目标及内容发送。只有连接器返回成功才报告已交付;尚无目标或权限时保留本地文件并说明待完成项。连接器不支持当前执行后端的路径时,提供本地报告,不虚构链接。
|
|
43
|
+
6. 用户指定只保存或尚需审核时,完成本地文件即可。完整分析内容与来源留在报告中,交付后的回复只给实际文件或成功回执。
|
|
44
|
+
|
|
45
|
+
宿主配置见各接入指南:dsh 研究与搜索 overlay 为可选配置;Hermes 可在研究 profile 用 `skills.auto_load: [stock-analysis:stock-analysis]` 常驻综合方法,其他策略 skill 按任务加载。
|