AlphaMaster/strategies

MT5 AlphaGPT — 策略因子库

注意：*.json 策略文件仅保存在本地，已加入 .gitignore，不会上传到 GitHub。

生成时间: 2026-07-06 09:38 训练框架: AlphaGPT (REINFORCE + Transformer + 公式 DSL) 回测周期: H1 时间帧，独立验证脚本 verify_all_strategies.py

策略一览

策略名	品种组	品种	数据长度	年化收益	Sharpe	MDD	多空比	判定
forex_v1	forex	EURUSD, USDJPY	8.01年 (49998 bars)	+3.23%	0.879	7.03%	38/38	✅ VALID
forex_v2	forex	EURUSD, USDJPY	8.01年 (49998 bars)	+2.85%	0.684	6.88%	49/49	✅ VALID
index_v1	index	US30.cash, US100.cash, US500.cash	5.15年 (32134 bars)	-1.79%	-1.136	9.68%	11/7	❌ INVALID
index_v2	index	US30.cash, US100.cash, US500.cash	5.15年 (32134 bars)	-1.79%	-1.136	9.68%	11/7	❌ INVALID
metals_comm_v1	metals_comm	XAUUSD, AAVUSD, COCOA.c	1.37年 (8546 bars)	+125.63%	3.420	22.18%	49/49	❌ INVALID
metals_comm_v2	metals_comm	XAUUSD, AAVUSD, COCOA.c	1.37年 (8546 bars)	+151.58%	4.072	13.62%	55/42	⚠️ SUSPICIOUS

index_v1 和 index_v2 公式相同（v2 是 v1 的副本）

公式详情

forex_v1

• Token IDs: [20, 53, 57, 73, 34, 73, 56, 50]
• Decoded: AROON_OSC_25 → TS_MIN_10 → EMA_20 → CS_SCALE → SIGN → CS_SCALE → EMA_5 → MOMENTUM_5
• 训练 best_score: 0.4851
• 公式逻辑: Aroon 振荡器的 10 周期最小值经 EMA 平滑后横截面标准化，取符号再标准化，最后用 EMA+动量平滑

forex_v2

• Token IDs: [21, 3, 60, 29, 60, 42, 73, 54]
• Decoded: DMI_DIFF_14 → HL_RANGE → TS_MIN_20 → SUB → TS_MIN_20 → TS_MEAN_20 → CS_SCALE → WMA
• 训练 best_score: 0.6354
• 公式逻辑: DMI 差值减去高低价差的 20 周期最小值，再减去另一个 TS_MIN_20，经 TS_MEAN_20 平滑后横截面标准化，最后 WMA 加权

index_v1 (= index_v2)

• Token IDs: [13, 47, 75, 47, 77, 40, 86, 82]
• Decoded: PPO → TS_RANK_10 → TS_SUM_5 → TS_RANK_10 → TS_SUM_20 → TS_MEAN_5 → CLIP → SQRT
• 训练 best_score: 0.4464
• 问题: TS_RANK 输出 [0,1) 恒正，导致整个公式链恒正，因子退化为 beta 因子

metals_comm_v1

• Token IDs: [27, 57, 52, 88, 57, 17, 79, 50]
• Decoded: CS_ZSCORE_RET20 → EMA_20 → TS_MAX_10 → TANH_SQUASH → EMA_20 → AMIHUD_ILLIQ → MAX → MOMENTUM_5
• 训练 best_score: 2.3198
• 注意: 仅 1.37 年数据，MDD 22.18%，XAUUSD 亏损 -11.23%

metals_comm_v2

• Token IDs: [25, 11, 47, 61, 26, 71, 70, 89]
• Decoded: SAR_DIST → TREND_STRENGTH_50 → TS_RANK_10 → TS_MAX_20 → ROLL_KURT_20 → DELTA_5 → TS_DECAY_EXP_5 → IF_GT
• 训练 best_score: 2.6153
• 注意: 仅 1.37 年数据，MDD 13.62%

回测方法

• target_ret: log(open[t+2] / open[t+1]) — 无前视偏差
• 仓位: pos = tanh(factor)，|pos| < 0.05 时归零
• PnL: pos[t] × target_ret[t] - |pos[t] - pos[t-1]| × cost_rate
• 成本: 单边 0.01% (1bp)
• 年化: mean(daily_pnl) × 6240 (H1 bars/year)
• Walk-Forward: 4 折时间序列切分，每折独立计算年化/Sharpe/MDD
• 成本压力: 1x/2x/3x/5x 成本倍数

文件结构

strategies/
├── README.md                          # 本文件
├── STATUS_20250705.md                 # 训练状态记录
├── best_forex.json                    # forex_v2 策略
├── best_index.json                    # index_v2 策略
├── best_metals_comm.json              # metals_comm_v2 策略
├── best_group_forex.json              # forex 组策略
├── best_EURUSD.json                   # EURUSD 单品种
├── best_USDJPY.json                   # USDJPY 单品种
├── archive/
│   ├── best_forex_20250705_pre_refactor.json       # forex_v1 策略
│   ├── best_index_20250705_pre_refactor.json       # index_v1 策略
│   └── best_metals_comm_20250705_pre_refactor.json # metals_comm_v1 策略
└── verification_results.json           # 独立回测验证详细结果

使用方式

import json
from model_core.vm import StackVM
from model_core.vocab import FORMULA_VOCAB
from data_pipeline.fetcher import MT5DataFetcher
from data_pipeline.data_manager import MT5DataManager
from config import Config
from strategy_manager.signal import compute_target_positions_stateless

# 加载策略
with open("strategies/best_forex.json") as f:
    strat = json.load(f)
formula = strat["formula"]

# 解码公式
decoded = [FORMULA_VOCAB.token_names[t] for t in formula]
print(" → ".join(decoded))

# 加载数据
Config.SYMBOLS = ["EURUSD", "USDJPY"]
with MT5DataFetcher(offline=True) as fetcher:
    mgr = MT5DataManager(fetcher)
    mgr.load()
    
    # 执行公式
    vm = StackVM()
    factor = vm.execute(formula, mgr.feat_tensor)
    
    # 计算仓位
    positions = compute_target_positions_stateless(factor)
    # positions: [N, T] in [-1, +1]

免责声明

• metals_comm 组仅 1.37 年数据，统计显著性不足
• index 组策略已确认无效（TS_RANK 恒正问题），保留仅供分析
• 实盘交易需考虑滑点、点差、流动性等额外成本
• 过去表现不代表未来收益