Files

T

mike e23f8d38c0 feat(strategy-management): exit_levels.py - 港美股做T 出场点位算法 (混合公式)

方法 2 (百分比波动率) + 方法 3 (关键价位) 混合算法

feat(intraday-regime-detector): 新 skill - 日内市场状态判别

来源: DeepSeek chat share 26iikphv8h94feze9q
核心: R² + ADF + 历史波动率, 识别趋势市 / 震荡市 / 混乱
推荐: 趋势跟踪 / 网格交易 / 布林带回归 / NO_TRADE

2026-07-18 21:26:14 +08:00

8.4 KiB

Raw Blame History

name, description, version, author, tags, metadata, scripts, references

name

description

version

author

Intraday Regime Detector (港美股日内做T 元策略)

核心定位:不是替代 longbridge-t-monitor 或 strategy-management, 而是在它们之前先判断"现在适不适合做T、做哪个策略"。

intraday-regime-detector (本 skill)  →  告诉用户 "用什么策略 + 为什么"
              ↓
longbridge-t-monitor (现有)         →  执行入场/出场
strategy-management (现有)           →  选策略 + 算 SL/TP

🎯 解决的痛点

痛点	解决
趋势市用网格 = 反复止损	R² > 0.75 → 强制趋势策略
震荡市用趋势 = 追涨杀跌	R² < 0.30 → 强制震荡策略
混乱行情硬做 = 越做越亏	ADF p > 0.05 → NO_TRADE
不知道用宽网格还是窄网格	波动率高 → 布林带, 低 → 网格

📦 决策树 (DeepSeek 原始版)

第一步: 输入近 20-30 根 5 分钟 K 线 + 开盘缺口
第二步: 计算趋势效率 R² (线性回归)
        ├─ R² > 0.75: 强趋势市 → 趋势跟踪 (顺势 EMA5 支撑/阻力)
        ├─ R² < 0.30: 强震荡市
        │   ├─ ADF p < 0.05 (平稳):
        │   │   ├─ 波动率 > 30%: 布林带回归
        │   │   └─ 波动率 ≤ 30%: 网格交易
        │   └─ ADF p ≥ 0.05 (不平稳): 混乱 → NO_TRADE
        └─ 0.30 ≤ R² ≤ 0.75: 过渡 → 暂停, 等模式清晰

🚀 快速使用

Python API

import sys
sys.path.insert(0, '/home/openclaw/.hermes/skills/trading/intraday-regime-detector/scripts')
from intraday_regime import IntradayStrategySelector

# 假设 df 是 5min K线 DataFrame, 包含 open/high/low/close
selector = IntradayStrategySelector()
diagnosis = selector.diagnose(df, open_gap_pct=0.3)

print(f"状态: {diagnosis.regime.value}")
print(f"推荐: {diagnosis.recommended_strategy.value}")
print(f"R²: {diagnosis.r_squared}, 置信度: {diagnosis.confidence}")
print(f"参数: {diagnosis.strategy_params}")

CLI 扫描 (港美股 top 5)

/home/openclaw/.hermes/hermes-agent/venv/bin/python \
    /home/openclaw/.hermes/skills/trading/intraday-regime-detector/scripts/regime_scan.py

输出示例:

🔲 9888.HK (HK) 现价 $110.30 (+1.21%) 置信度 85%
  状态: 低波震荡 | R²=0.2363 | 波动率=3.32% | ADF p=0.01
  推荐: 网格交易做T
  grid_spacing: 0.500%
  grid_levels: 3
  base_price: 110.30

📊 输出数据结构

MarketDiagnosis (dataclass):

@dataclass
class MarketDiagnosis:
    regime: MarketRegime           # 6 种状态之一
    r_squared: float              # 趋势效率 0-1
    volatility: float              # 年化波动率
    adf_pvalue: float              # ADF 平稳检验 p 值
    recommended_strategy: StrategyType  # 4 种策略之一
    strategy_params: Dict          # 动态参数 (SL/TP/grid 等)
    confidence: float              # 0-1
    reasoning: str                 # 人话解释

MarketRegime 枚举:

STRONG_TREND_UP / STRONG_TREND_DOWN
HIGH_VOL_SHAKE (高波动震荡)
LOW_VOL_STABLE (低波动震荡)
CHAOTIC (混乱)
UNKNOWN (过渡区间)

StrategyType 枚举:

TREND_FOLLOWING (EMA5 顺势)
GRID_TRADING (3 格 × 0.5%)
BOLLINGER_REVERSION (20 期 ±2σ)
NO_TRADE (暂停)

🔧 配置参数

selector = IntradayStrategySelector(
    trend_r2_threshold=0.75,    # R² 高于此 = 趋势市
    chaos_r2_threshold=0.30,   # R² 低于此 = 震荡市
    adf_significance=0.05,      # ADF p < 此 = 平稳
    vol_lookback=20,           # 历史波动率窗口
    high_vol_threshold=0.30,   # 年化波动率高/低分界
    grid_count=3,               # 网格层数
    bb_period=20,               # 布林带周期
    bb_std=2.0,                 # 布林带 σ
    ema_period=5,               # 趋势策略 EMA 周期
)

🔄 与现有 skill 的关系

Skill	关系
`longbridge-t-monitor`	下游 - 本 skill 决定"该不该做T + 用什么策略", 然后 longbridge-t-monitor 执行
`strategy-management`	互补 - strategy-management 有具体的 5 策略 (rsi2_revert/vwap_revert/early_bird/turtle/sma), 本 skill 是"先用元策略筛一下再用具体策略"
`intraday-trading`	理论来源 - 已有 4 策略设计 + 5 步预检 + 资金管理表
`crypto-t-monitor`	独立 - 币圈用 OKX ATR 公式, 本 skill 不涉及

集成路径 (建议):

盘前 cron (c3401d727f39, cfa0c1d6baa5)
    ↓ 生成候选池
盘中 cron (新加): regime_scan
    ↓ 输出 "可做 T 的票 + 推荐策略"
手动 / agent: 看推送
    ↓ 决定是否入场
longbridge-t-monitor: 执行

⚠️ Pitfalls

ADF 是简化版 — 实际生产用 statsmodels.tsa.stattools.adfuller. 代码已 fallback, 有 statsmodels 就用真 ADF
30 根 K 线窗口 — 跟 longbridge-t-monitor 一样的限制, period 选 5m → 2.5h 窗口
网格/布林带参数是建议值 — 实盘要按资金 + 流动性 + 个人风险偏好调整
本 skill 不替代风控 — 出场点位 / 仓位管理 / 单日最大亏损 → 用 longbridge-t-monitor
不主动下单 (用户偏好 2026-07-16): 用户原话 "在跑日内交易扫描任务时使用 intraday-regime-detector, 不主动下单". 本 skill 只输出状态 + 推荐策略, 不要在 diagnose() 里加任何下单逻辑.
港股 candlesticks 不支持 --json: 长桥 CLI 港股 candlesticks 只输出中文表格, 表格分隔符是 │ (不是 |). regime_scan.py 已处理. 美股用 --json.

👤 用户偏好 (2026-07-16)

来源: https://chat.deepseek.com/share/26iikphv8h94feze9q
要求: 跑日内交易扫描任务时使用 intraday-regime-detector, 不主动下单
三段式 pipeline (已部署):
1. 候选池 (quant-factor-mining) → top 5
2. 元策略 (本 skill) → confidence ≥ 0.6 算 actionable
3. 点位 (strategy-management/exit_levels) → SL/TP/TP2
部署位置:
- /home/openclaw/qdrant/calc_hk_levels.py - 港股
- /home/openclaw/qdrant/calc_us_levels.py - 美股
- Cron c4dc9ac8854c (港股 */15 9-15) + 70d24624637c (美股 */15 21-3) 周一到周五
- Wrapper: ~/.hermes/scripts/hk_t_levels.sh / us_t_levels.sh
A 股 vs 港美股 (重要区分, 用户 2026-07-16 强调):
- A 股做T = 底仓滚动 (T+1 制度)
- 港美股做T = 直接双向交易 (T+0)
- 本 skill 只服务港美股。A 股做T 完全用不上这个。

🛡️ 已知问题

问题	处理
statsmodels 未装	自动 fallback 到自相关近似
K 线 < 10 根	抛 ValueError, 跳过
R² 边界值 (0.30 / 0.75)	默认参数, 可在 init 调整
大量候选 NO_TRADE	正常, 实测 10 支 7 支 NO_TRADE. 算法价值正在于"拒绝不值得做的票"

📚 参考

来源: https://chat.deepseek.com/share/26iikphv8h94feze9q
决策树详细: references/decision-tree.md
测试数据: intraday_regime.py 的 __main__ 跑自检
集成代码:
- ~/.hermes/qdrant/calc_hk_levels.py (港股)
- ~/.hermes/qdrant/calc_us_levels.py (美股)
- ~/.hermes/scripts/hk_t_levels.sh / us_t_levels.sh (wrapper)

🔄 版本历史

v1.0.0 (2026-07-16): 初始版本
- intraday_regime.py - 核心判别器 (DeepSeek 原始代码 + statsmodels fallback + dataclass)
- regime_scan.py - 长桥 K线集成扫描器
- 自检场景 (震荡市/趋势市) 全部通过

8.4 KiB Raw Blame History Unescape Escape