agentsclimarketplace

Ir short term trading

Skill LechuanWANG/ir-skill/skills/ir-short-term-trading

Codex skill for local investment research

Install
npx -y skills add LechuanWANG/ir-skill --skill ir-short-term-trading

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 2 stars2 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

Evidence-led short-term trading research for one-month events, technical analysis, momentum, factor screens, entries, price dislocations, and price-led 1-3 month decisions.

SKILL.md

9.3 KB, ~3.2k tokens by cl100k_base, as published. Nobody here has run it

短期事件与交易研究

用于约 5–20 个交易日的 trade 和约 20–60 个交易日的 swing。先读取 ../shared/research-discipline.md;不评价长期价值。

按需读取

1. 全市场筛选

全市场找机会时先运行本地、时点一致的筛选:

python3 scripts/short_term_screen.py screen --as-of 20260719 --profile trade --benchmark 000300.SH
  • 先看 screen_status、排除原因、数据缺口和现金比较;no_edge_found 时不得补足名单。
  • screen 只负责时点一致的候选发现;evidence_ready 仅表示机械筛选通过,不表示事件、预期差、定价或交易计划已经确认。
  • 推荐结果不会在本轮自动复盘,也不会读取历史推荐或用户执行记录。
  • 排名只在可投资股票池内使用综合可买性得分;相对强弱只占其中一部分,趋势、参与度、流动性和扣除追高风险后的价格质量保持独立,不重复计算同源指标。
  • 先看行业 classification_source;仅 signal=significant 才限定行业,快照分类不得用于历史归因。
  • 用户已给标的时可跳过全市场排名,但仍执行个股确认。
  • screen 回答“选什么”,不回答“何时买”;候选必须再映射到一个冻结的技术形态,禁止把排名直接当作入场信号。

候选统一分为三类:

  • A类:可执行候选:机械筛选和追高风险门槛通过,可进入执行检查,但仍须等待原始价格触发、账户约束和可成交性确认。
  • B类:研究合格但等待价格:研究方向保留,但价格偏离、成交确认、波动或市场环境仍需改善,不追价。
  • C类:强势观察对象:相对强势仍在,但追高风险或其他硬门槛过高,只观察,不进入买入计划。

计算追高风险时至少使用个股自身 120 日延伸分位、横截面延伸分位、ATR 标准化价格偏离、5 日相对 20 日收益加速度、开盘跳空、最近三日连续上涨、20 日价格位置和成交量异常。先执行硬门槛,再按相对强弱、趋势、成交、价格质量和流动性计算综合可买性;高涨幅不得通过其他分数抵消过度延伸或不可成交风险。

2. 技术形态与个股确认

只使用与策略合同匹配、能够历史重放的技术形态:

  • momentum_breakout:相对强势、趋势支持、不过度延伸,并由下一交易日价格与参与度确认突破。
  • trend_pullback:趋势支持、回撤仍在结构内,并由下一交易日重新转强确认;不得把下跌本身当作低吸理由。
  • event_continuation:已核验事件、正向预期差和价格延续共同成立;没有时点一致的事件证据时不得使用。

MACD、RSI、布林带和均线是描述性状态,不是独立买卖信号。每个技术形态必须写明行为或资金假设、相对强弱、趋势结构、成交参与、延伸程度、可观察触发、价格失效、有效期和反证;任一关键项为 unknown 时不得输出 优先行动

内部计算与兼容数据可以保留技术形态代码,但用户报告不得出现 setupsetup_typemomentum_breakouttrend_pullbackevent_continuation 等原始字段或代码。报告统一使用“技术形态”以及“动量突破 / 趋势回踩 / 事件延续”等中文名称,并通过 reportrecommendation.report_card 输出。

对最终候选运行指标并读取相对基准、价格结构和数据覆盖:

python3 scripts/tushare_mode_data.py indicators --symbol 000001.SZ --benchmark 000300.SH --end-date 20260719

核验事件的预期差、事件前涨幅、可交易时间、剩余驱动和反向情景;known_event_count 只是线索。过度延伸、赔率不足、成交未确认或关键数据缺失时移出名单或等待。指标输出会写入 evidence.technical_snapshot.indicator_snapshotconfirm 不得脱离该时点证据另编技术叙事。

技术计算使用前复权价;报告中的触发、失效和委托价格必须使用当时未复权原始价。execution_reference_available=false 时可以继续研究,但 execution_ready 必须保持 false

完整的结构化闭环分为三个显式阶段:

# 1) 先保存筛选证据(仅在需要跨命令继续时)
python3 scripts/short_term_screen.py screen --as-of 20260719 --profile trade --save-run

# 2) 为单个候选生成证据包;不会形成推荐
python3 scripts/short_term_screen.py evidence \
  --screen-run-id <screen-run-id> --symbol 000001.SZ \
  --strategy-contract event_trade --save-run

# 3) 用户或 Agent 提交结构化判断后,确认并写入推荐集合
python3 scripts/short_term_screen.py confirm \
  --evidence-run-id <evidence-run-id> --assessment assessment.json \
  --project-dir <项目目录>

confirm 的输出是研究推荐,不是订单、持仓或用户已执行事实。非现金推荐会进入项目的 data/research-library/tracking/research-watchlist.json,同时在 SQLite 留下一条 short_confirmation 记录;这两个动作都不会创建复盘任务。

如果只想保存完整的当时判断,再显式加 --save-decision;不加时只保存推荐索引和行动条件。用户没有要求保存时,证据和判断可以只在本次输出中存在。

3. 验证与执行

先审计数据是否可执行;blocked_for_execution 时只能研究,不能下单:

python3 scripts/short_term_screen.py quality --as-of 20260719 --profile trade --benchmark 000300.SH

修改筛选阈值或将其作为稳定策略前,运行历史回放并保留样本外区间:

python3 scripts/short_term_screen.py backtest --start-date 20240101 --end-date 20260719 --out-of-sample-start 20260101 --profile trade --save-run

先看 inference.statusexploratory、样本缺失或远期结果未成熟时不得宣称策略有效,也不得在同一留出区间继续调参。回放先产生候选,再重放技术形态触发、未触发、价格失效和时间退出;trigger_replay.no_trade_is_counted 必须为真,并分别报告 A/B/C 三类的入选数、触发数、未触发数和成本后表现。日线回放只能把开盘跳空按开盘价处理,把盘中穿越视作预先挂出的触发单,并在 trigger_replay.execution_assumption 公开该假设;没有分钟或逐笔数据时不得宣称真实成交。事件、预期差和 Agent 判断没有历史时点证据时不伪造重放。

除均值、胜率和 MAE/MFE 外,检查成本后期望、平均盈亏、赔率、利润因子、5% 尾部收益、最大连续亏损和均值区间;按开发/样本外、候选等级、市场环境、流动性和波动分层。逐层比较“相对强弱基线 → 趋势 → 技术形态触发 → 参与度 → 反追高约束”,没有稳定增量贡献的指标不进入合同。

优先行动 还要求 readiness.personal_investor_controls=pass:至少记录决策频率、最大持仓数、单笔风险预算、组合 heat 上限、单日新增交易上限、隔夜跳空缓冲和最低流动性倍数;选择现金不要求这些参数。用户提供账户、风险预算、原始入场价、原始失效价和上限后,才运行 short_term_screen.py risk。需要时同时提供当前组合热度及上限、持仓数及上限、20 日中位成交额和单笔成交额占比上限;任何组合或流动性硬约束触发时仓位为零。plan_ready=true 只表示风险参数形成了合格计划,execution_ready 仍为 false,直到账户、实时原始价和委托可成交性在执行层另行核验。最终使用 recommendation.report_card 输出行动标签、候选等级、技术形态、行为假设、主导驱动、技术确认、已定价程度、原始价触发/失效、赔率、追高风险、最长持有期、仓位状态和复核时间;没有 A 类候选时不得为了填满名单强行行动。

4. 推荐集合与可选复盘

查看已保存的推荐只读取索引,不复用旧论点,也不触发复盘:

python3 scripts/short_term_screen.py recommendations --project-dir <项目目录>

只有用户明确要求复盘时才运行:

python3 scripts/short_term_screen.py review \
  --recommendation-run-id <recommendation-run-id> \
  --review-as-of 20260819 \
  --assessment review.json \
  --save-run

复盘分为研究结果和执行结果:没有用户提供真实交易信息时,execution_status=not_observed,只计算事件结果、触发/失效、标的远期收益、基准超额收益、MAE/MFE;这些是研究路径结果,不是账户收益。未调用 review 时,review_status 不会被系统自动生成。

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.