msd-backtest 0.1.0__tar.gz → 0.1.2__tar.gz

{msd_backtest-0.1.0 → msd_backtest-0.1.2}/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: msd-backtest
-Version: 0.1.0
+Version: 0.1.2
 Summary: MSD backtest framework
 Requires-Python: >=3.11
 Description-Content-Type: text/markdown
@@ -54,7 +54,7 @@ uv add "msd-backtest[server]" # 支持作为服务运行
 
 ```bash
 # 克隆仓库
-git clone https://github.com/your-repo/msd-backtest.git
+git clone https://github.com/msd-rs/msd-backtest.git
 cd msd-backtest
 
 # 安装依赖
@@ -117,7 +117,7 @@ class MyStrategy(Strategy):
 
 ## 🧠 AI 辅助策略编写
 
-本项目深度集成 AI 辅助开发流程。利用 [msd_strategy](.agents/skills/write-strategy/SKILL.md) 技能，AI 可以根据用户描述自动生成符合规范的策略代码。
+本项目深度集成 AI 辅助开发流程。利用 [write_strategy](.agents/skills/write-strategy/SKILL.md) 技能，AI 可以根据用户描述自动生成符合规范的策略代码。
 
 ### 核心方法与目标
 - **目标：** 通过自然语言描述，由 AI 生成高效、可运行的 Python 策略类。
@@ -135,6 +135,21 @@ class MyStrategy(Strategy):
 
 AI 在编写策略时应优先使用这些向量化算子，以确保最佳性能。
 
+### 一个使用 Claude Code 编写的简单双均线策略示例
+
+1. 创建一个目录作为工作目录中
+2. 在该目录中运行 `uv init` 初始化项目
+3. 通过 `npx skills add msd-rs/msd-backtest --skill write_strategy` 添加write_strategy技能
+4. 通过 `uv add "msd-backtest[cli]"` 引入 msd-backtest
+5. 编写 `.env` 配置文件, 例如
+```env
+MSD_HOST=http://localhost:50510
+MSD_BT_FEE=/path/to/fee.json # 一个简单的 fee json 配置文件可以从本仓库复制一份
+```
+6. 运行 `claude` ，然后输入 `编写一个双均线策略`, 如果一切正常, `claude` 会使用 write_strategy 技能为你编写相应的策略并测试运行.
+
+如果未能正常运行, 可以编写 `CLAUDE.md` 来更加详细的描述如何处理Python环境.
+
 ## 📂 项目结构
 
 ```text

{msd_backtest-0.1.0 → msd_backtest-0.1.2}/README.md

@@ -32,7 +32,7 @@ uv add "msd-backtest[server]" # 支持作为服务运行
 
 ```bash
 # 克隆仓库
-git clone https://github.com/your-repo/msd-backtest.git
+git clone https://github.com/msd-rs/msd-backtest.git
 cd msd-backtest
 
 # 安装依赖
@@ -95,7 +95,7 @@ class MyStrategy(Strategy):
 
 ## 🧠 AI 辅助策略编写
 
-本项目深度集成 AI 辅助开发流程。利用 [msd_strategy](.agents/skills/write-strategy/SKILL.md) 技能，AI 可以根据用户描述自动生成符合规范的策略代码。
+本项目深度集成 AI 辅助开发流程。利用 [write_strategy](.agents/skills/write-strategy/SKILL.md) 技能，AI 可以根据用户描述自动生成符合规范的策略代码。
 
 ### 核心方法与目标
 - **目标：** 通过自然语言描述，由 AI 生成高效、可运行的 Python 策略类。
@@ -113,6 +113,21 @@ class MyStrategy(Strategy):
 
 AI 在编写策略时应优先使用这些向量化算子，以确保最佳性能。
 
+### 一个使用 Claude Code 编写的简单双均线策略示例
+
+1. 创建一个目录作为工作目录中
+2. 在该目录中运行 `uv init` 初始化项目
+3. 通过 `npx skills add msd-rs/msd-backtest --skill write_strategy` 添加write_strategy技能
+4. 通过 `uv add "msd-backtest[cli]"` 引入 msd-backtest
+5. 编写 `.env` 配置文件, 例如
+```env
+MSD_HOST=http://localhost:50510
+MSD_BT_FEE=/path/to/fee.json # 一个简单的 fee json 配置文件可以从本仓库复制一份
+```
+6. 运行 `claude` ，然后输入 `编写一个双均线策略`, 如果一切正常, `claude` 会使用 write_strategy 技能为你编写相应的策略并测试运行.
+
+如果未能正常运行, 可以编写 `CLAUDE.md` 来更加详细的描述如何处理Python环境.
+
 ## 📂 项目结构
 
 ```text

{msd_backtest-0.1.0 → msd_backtest-0.1.2}/mbt/run/cli.py

@@ -106,7 +106,7 @@ def parse_args() -> Tuple[RunRequest, str, str, Fee]:
 
   args.symbols.insert(0, args.benchmark)
 
-  fee = Fee(args.fee_json) if len(args.fee_json) > 0 else Fee()
+  fee = Fee(args.fee) if len(args.fee) > 0 else Fee()
 
   return req, args.msd, args.output, fee
 

{msd_backtest-0.1.0 → msd_backtest-0.1.2}/mbt/run/msd.py

@@ -32,7 +32,7 @@ def load_data(
 
   dfs = client.load(
     objs=symbols,
-    tables=["stock_kline_1d", "stock_dividend", "stock_financial"],
+    tables=["stock_kline_1d", "stock_dividend", "stock_shares", "stock_financial"],
     join={"stock_dividend": "zero", "*": "backward"},
     start=start,
     end=end,

{msd_backtest-0.1.0 → msd_backtest-0.1.2}/mbt/run/report.py

@@ -63,7 +63,7 @@ class Report:
     
 
   @staticmethod
-  def from_dict(symbol: str, d: dict) -> Report:
+  def from_dict(symbol: str, d: dict) -> "Report":
     r = Report('', None, None) # type: ignore
     r.symbol = symbol
     r.date = d.get('date', np.array([], dtype='int64'))

{msd_backtest-0.1.0 → msd_backtest-0.1.2}/msd_backtest.egg-info/PKG-INFO

@@ -1,6 +1,6 @@
 Metadata-Version: 2.4
 Name: msd-backtest
-Version: 0.1.0
+Version: 0.1.2
 Summary: MSD backtest framework
 Requires-Python: >=3.11
 Description-Content-Type: text/markdown
@@ -54,7 +54,7 @@ uv add "msd-backtest[server]" # 支持作为服务运行
 
 ```bash
 # 克隆仓库
-git clone https://github.com/your-repo/msd-backtest.git
+git clone https://github.com/msd-rs/msd-backtest.git
 cd msd-backtest
 
 # 安装依赖
@@ -117,7 +117,7 @@ class MyStrategy(Strategy):
 
 ## 🧠 AI 辅助策略编写
 
-本项目深度集成 AI 辅助开发流程。利用 [msd_strategy](.agents/skills/write-strategy/SKILL.md) 技能，AI 可以根据用户描述自动生成符合规范的策略代码。
+本项目深度集成 AI 辅助开发流程。利用 [write_strategy](.agents/skills/write-strategy/SKILL.md) 技能，AI 可以根据用户描述自动生成符合规范的策略代码。
 
 ### 核心方法与目标
 - **目标：** 通过自然语言描述，由 AI 生成高效、可运行的 Python 策略类。
@@ -135,6 +135,21 @@ class MyStrategy(Strategy):
 
 AI 在编写策略时应优先使用这些向量化算子，以确保最佳性能。
 
+### 一个使用 Claude Code 编写的简单双均线策略示例
+
+1. 创建一个目录作为工作目录中
+2. 在该目录中运行 `uv init` 初始化项目
+3. 通过 `npx skills add msd-rs/msd-backtest --skill write_strategy` 添加write_strategy技能
+4. 通过 `uv add "msd-backtest[cli]"` 引入 msd-backtest
+5. 编写 `.env` 配置文件, 例如
+```env
+MSD_HOST=http://localhost:50510
+MSD_BT_FEE=/path/to/fee.json # 一个简单的 fee json 配置文件可以从本仓库复制一份
+```
+6. 运行 `claude` ，然后输入 `编写一个双均线策略`, 如果一切正常, `claude` 会使用 write_strategy 技能为你编写相应的策略并测试运行.
+
+如果未能正常运行, 可以编写 `CLAUDE.md` 来更加详细的描述如何处理Python环境.
+
 ## 📂 项目结构
 
 ```text

{msd_backtest-0.1.0 → msd_backtest-0.1.2}/pyproject.toml

@@ -1,6 +1,6 @@
 [project]
 name = "msd-backtest"
-version = "0.1.0"
+version = "0.1.2"
 description = "MSD backtest framework"
 readme = "README.md"
 requires-python = ">=3.11"