mirror of
https://github.com/NicolasBohn/NexQuant.git
synced 2026-07-27 15:37:44 +00:00
TPTBusiness
d35764d44c
Moved to docs/: - CHANGELOG.md (duplicate of changelog/) - IMPLEMENTATION_SUMMARY.md - STRATEGY_BUILDER_DESIGN.md - TODO.md - QWEN.md (AI assistant context only) Root MD files (GitHub standards only): - README.md (main documentation) - LICENSE (legal requirement) - SECURITY.md - CODE_OF_CONDUCT.md - CONTRIBUTING.md - SUPPORT.md - ATTRIBUTION.md Root directory: 31 files → 29 files
3.0 KiB
3.0 KiB
🎯 PREDIX: Vollständige Integration in fin_quant Loop
✅ Implementierte Features
1. Realistisches Backtesting
- Echte OHLCV-Daten aus
intraday_pv.h5(2.26M Bars, 2020-2026) - Forward-Fill täglicher Faktoren auf 1-Min-Frequenz
- Spread-Kosten: 1.5 bps pro Trade
- Korrekte Annualisierung: sqrt(252*1440) für 1-Min-Daten
2. Verbesserter LLM-Prompt
- IC-geführte Faktorwahl: |IC| > 0.10 PRIORITIZE, |IC| > 0.05 USE
- IC-gewichtete Kombinationen: Höhere IC = höheres Gewicht
- Bessere Beispiele mit IC-Gewichten im Prompt
- Verfügbarkeit von 'close' Series für zusätzliche Berechnungen
3. Optuna-Optimierung
- 20 Trials pro Strategie (konfigurierbar)
- TPESampler mit MedianPruner
- Optimiert: entry_threshold, rolling_window, SL, TP, Trailing Stop
- Auto-Update wenn Optuna Sharpe verbessert
4. Automatische Strategiegenerierung
- Trigger: Alle 500 Faktoren (konfigurierbar)
- 3 Strategien pro Zyklus mit zufälligen Faktor-Kombinationen
- Graceful Degradation: Bricht Hauptloop nicht bei Fehlern
🚀 Benutzung
Automatisch (im fin_quant Loop)
# Standard: Alle 500 Faktoren
rdagent fin_quant --auto-strategies
# Custom threshold
rdagent fin_quant --auto-strategies --auto-strategies-threshold 1000
# Mit OpenRouter
rdagent fin_quant -m openrouter --auto-strategies
Manuell
# 5 Strategien mit Optuna
rdagent generate_strategies --count 5 --optuna --optuna-trials 20
# Ohne Optuna (schneller)
rdagent generate_strategies --count 5 --no-optuna
📊 Testergebnisse
MomentumDivergenceZScore (vorher vs. nachher)
| Metrik | Vorher | Nachher |
|---|---|---|
| Datenpunkte | 259 (4.3h) | 823,450 (2.27 Jahre) |
| Sharpe | 3.59 | 6.04 |
| Max DD | -0.22% | -1.57% |
| Win Rate | 49.46% | 49.19% |
| Ann Return | 543% (falsch) | 21.88% ✅ |
🔧 Architecture
fin_quant Loop
│
├─ Factor Generation (LLM → Docker → Evaluation)
│ └─ Every 500 factors → Trigger Strategy Generation
│
└─ StrategyOrchestrator (auto-strategies)
│
├─ Load Top 50 Factors (by IC)
├─ For each strategy (3x):
│ ├─ Select random 2-5 factors
│ ├─ LLM generates code (improved prompt)
│ ├─ Evaluate with real OHLCV
│ ├─ Optuna optimize (20 trials)
│ └─ Save if accepted
│
└─ Log results
📝 Nächste Schritte
- Live Trading: Bestehende Strategien für Paper Trading nutzen
- Mehr Faktoren: Weiterhin Faktoren generieren für bessere Strategien
- Dashboard: Live-Statistiken im Web/CLI Dashboard anzeigen
⚠️ Wichtige Hinweise
- Forward-Fill kann zu Daten-Leakage führen (tägliche Werte werden auf Minuten aufgefüllt)
- Optuna benötigt 20-30 Sekunden pro Strategie
- Auto-Strategies nur wenn ≥10 Faktoren verfügbar
- LLM muss verfügbar sein (local oder openrouter)