从金融术语到项目使用：读懂 Vibe-Trading

从金融术语到项目使用：读懂 Vibe-Trading

这份教程写给没有金融专业背景、交易经验也不多的读者。它不教你“稳赚策略”，而是帮助你理解 Vibe-Trading 里的因子、策略、回测、数据源、券商连接器和 Shadow Account 分别是什么，以及如何按安全顺序把它用起来。

来源: wiki/tutorials/vibe-trading-beginner-zh.html（中文原文，可直接复用，无需汉化）

1. 先建立项目地图

Vibe-Trading 可以先理解成“交易研究工作台”。你用自然语言提出问题，项目把问题拆成数据读取、因子计算、策略生成、回测、报告和账户连接等步骤。它不是券商，也不托管资金；核心价值是让研究步骤能运行、能复查、能沉淀。

• 01 Prompt: 你提出问题，例如“回测一组大盘股的动量策略”。

• 02 Data loader 拉取股票、加密、期货、外汇等市场数据。

• 03 Signal因子或策略代码把数据变成买卖信号。

• 04 Backtest回测引擎按市场规则模拟交易路径。

• 05 Report输出指标、图表、报告、run card 和可复查 artifacts。

• 数据层：loader：agent/backtest/loaders/ 负责行情和财务数据。它按市场类型选择公开源、可选 key 数据源、券商网关数据源或本地文件，并在可用时做 fallback。

• 因子层：factor / alpha：agent/src/factors/ 内置 456 个 alpha。因子是给股票打分的数值信号，不是下单规则，也不是收益保证。

• 回测层：backtest：agent/backtest/ 根据 config.json 和 code/signal_engine.py 运行模拟交易。股票、加密、期货、外汇和组合资产有不同引擎。

• 券商层：connector：agent/src/trading/ 把不同券商统一成账户、持仓、委托、行情、历史 K 线、下单、撤单等 profile。这里和 loader 不同：loader 读市场数据，connector 读或操作你的券商账户。

• 工具层：MCP tools：agent/src/tools/ 把能力暴露成 agent 可以调用的工具，例如 backtest、factor_analysis、trading_positions、analyze_trade_journal。

• 复盘层：Shadow Account：agent/src/shadow_account/ 从你的交易流水里提取习惯规则，回测一个“规则版的你”，再和真实交易做差异归因。

2. 常见金融术语翻译

先把词翻译成人话，再看代码会轻松很多。下面这些词会反复出现在 README、Alpha Zoo、回测和券商连接器里。

3. 因子和 Alpha Zoo

因子是 Vibe-Trading 里最容易让非金融读者困惑的部分。你可以把它理解成“排序公式”：每天给很多股票各打一个分，然后看分数高的一组未来表现是否更好。

💡 重要：因子不是策略。因子只回答“哪个标的分数更高”。策略还要回答“买多少、什么时候买、什么时候卖、交易成本多少、是否允许集中持仓、是否能成交”。

当前仓库的 Alpha Zoo 有 456 个 alpha，分成四类：

常见 theme 可以这样读：

• momentum：最近强的标的是否继续强。
• reversal：最近跌多或涨多后是否反向修复。
• volume：成交量变化是否包含资金行为信息。
• volatility：波动率是否能解释之后的收益或风险。
• liquidity / microstructure：流动性、盘口、成交结构相关信号。
• value / quality：估值或质量风格，通常更偏中长期。

先用 CLI 浏览，而不是直接读 456 个源码文件：

vibe-trading alpha list --zoo academic
vibe-trading alpha show academic_mkt_rf
vibe-trading alpha bench --zoo academic --universe sp500 --period 2020-2025 --top 10
​

alpha bench 会把因子放到一个 universe 上测试。项目内置的分类逻辑是：IC 均值大于 0.02、IC 为正的比例至少 55%、t 统计显著时归为 alive；IC 显著为负时归为 reversed；其他归为 dead。这不是“可以买入”的结论，只是研究阶段的第一道筛选。

4. 策略和 Signal Engine

策略是把研究想法变成可执行规则。一个很朴素的策略可以是：“如果 20 日均线高于 60 日均线，就持有；否则空仓。”多因子策略则可能是：“在一个股票池里，用动量、质量、波动率三个因子合成分数，买前 20 只，每月调仓一次。”

在 Vibe-Trading 里，策略通常落到一个 run dir：

my_run/
  config.json
  code/
    signal_engine.py
​

config.json 告诉回测系统：标的、起止日期、数据源、bar 周期、使用哪个市场引擎。signal_engine.py 告诉系统：每根 K 线或每个交易日应该生成什么信号。

⚠️ 新手最常见错误是把“因子分数高”直接等同于“马上满仓买入”。实际策略还需要仓位上限、调仓频率、交易成本、停牌/涨跌停、风险控制和 benchmark 对比。

5. 回测如何工作

回测不是预测器，而是历史模拟器。它的价值是让你在投入真实资金前，先看清一套规则在历史数据里经历过什么：赚了多少、最大亏了多少、交易频率多高、是否只是某一年有效、是否被手续费吃掉。

回测入口

vibe-trading run -p "Backtest a momentum strategy on a broad equity universe from 2020 to 2025. Include benchmark comparison, drawdown, turnover, and a short explanation."
​

如果 agent 生成了 run dir，最终会调用 backtest 工具。这个工具会校验 config.json 和 code/signal_engine.py，再运行 agent/backtest/runner.py。

为什么市场引擎很重要

不同市场不是同一套交易规则。项目里股票、加密、期货、外汇和组合资产会走不同 engine；某些股票市场需要处理 T+1、涨跌停、一手股数、佣金、印花税、结算费和滑点，另一些市场可能支持 T+0、做空或小数股。

这意味着你不能只看“信号准不准”，还要看它落到真实市场规则后能不能成交、成本有多高、仓位会不会过度集中。很多看起来很漂亮的短线策略，一加入滑点和费用就会失效。

6. 市场和数据源怎么选

陌生用户第一次使用时，最容易混淆的是“市场”“数据源”和“券商账户”。市场决定交易规则，数据源决定历史数据从哪里来，券商账户只在你需要读取真实账户或模拟/真实下单时才涉及。

• 公开行情源：适合入门研究、普通价格数据和快速试跑。优点是启动门槛低；缺点是覆盖、速率、复权、字段质量和可用性会随来源变化。
• 可选 key 数据源：适合更稳定的研究和更丰富的字段，例如指数成分、财务数据、基本面字段或专业行情。缺点是需要申请 token 或付费。
• 本地数据：local loader 可以读你自己的 CSV、Parquet 或 DuckDB 数据。对于清洗后的历史数据、离线研究、可复现实验，本地数据通常最可控。
• 组合市场：CompositeEngine 可以做跨市场组合研究。比如同一个策略里同时持有股票、加密和期货时，不同市场由不同 engine 处理。

7. 券商连接器

connector 和 loader 要分清：loader 读行情，connector 连接券商账户。connector 的典型能力包括读取账户、持仓、委托、报价、历史 K 线，以及在允许的 profile 下下单或撤单。

vibe-trading connector list
vibe-trading connector use 
vibe-trading connector check
​

看 connector 时，不要先问“能不能自动交易”，先看 profile 的安全属性：

如果你只是想学习项目，建议先只用 read-only 和 paper。等你能解释每一笔 simulated order 为什么产生，再考虑真实账户连接。

8. Shadow Account

Shadow Account 是“复盘你自己”的功能。它不是从网上找一个通用策略，而是读取你的交易流水，配对买入和卖出，找出你赚钱交易里反复出现的规则，再回测一个规则版的 shadow strategy。

当前交易流水解析支持若干常见券商导出格式和 generic CSV。它会输出持仓天数、胜率、盈亏比、回撤、处置效应、过度交易、追涨、锚定等行为诊断。随后 Shadow Account 会提取 3 到 5 条 if-then 规则，生成策略代码，跑多市场回测，最后渲染 HTML/PDF 报告。

vibe-trading --upload trades_export.csv
vibe-trading run -p "Analyze my trading behavior, extract my shadow strategy, and compare it with my actual trades."
​

如果你想给某个新券商补齐这条路径，优先方向是：把官方 API 或用户导出的交易记录归一化成项目里的 TradeRecord 格式，然后复用现有 Trade Journal 和 Shadow Account 流程。

9. 建议学习路线

1. 第一天：只跑起来。 安装、初始化、打开 CLI 或 Web UI，问一个你熟悉的问题，不连券商，不下单。
2. 第二天：只看数据。 选几个你熟悉的标的，理解 symbol、OHLCV、数据源 fallback 和缺失值。
3. 第三天：只看因子。 从 academic zoo 开始，用 alpha show 看公式，用 alpha bench 看 IC/IR，不急着交易。
4. 第四天：做一个简单回测。 让 agent 生成一个动量或均线策略，重点看 config、signal_engine、回测指标和交易明细。
5. 第五天：复盘自己的交易。 如果你有券商导出的 CSV，先用 Trade Journal 和 Shadow Account 看行为画像。没有也没关系，先读报告模板和数据结构。
6. 第六天以后：连接券商。 从 read-only 和 paper 开始，确认账户、持仓、订单读取正常，再理解 mandate、kill switch 和 fail-closed 的实盘边界。

一组适合入门的命令：

pip install vibe-trading-ai
vibe-trading init
vibe-trading
vibe-trading serve --port 8899
vibe-trading alpha list --zoo academic
vibe-trading alpha bench --zoo academic --universe sp500 --period 2020-2025 --top 10
vibe-trading connector list
​

10. 可以贡献什么

如果你想给项目做贡献，不必一上来碰实盘下单。更稳的路线是从文档、例子、解析器和测试开始。

• 入门文档。 把因子、策略、回测、数据源、券商连接器这些概念写得更适合普通投资者。
• 可复现实例。 增加多市场教学 run，包含数据源、参数、回测指标和风险提示，但不要写成投资建议。
• 交易记录导入。 如果某个券商的官方 API 或导出文件能拿到成交、订单、持仓，就把它归一化到 TradeRecord，接入 Trade Journal 和 Shadow Account。
• 连接器文档。 把 paper/live/read-only/trade profile 的差异讲清楚，避免用户误以为所有连接器都可以直接实盘下单。
• 安全测试。 给 connector guard、live mandate、paper-only 限制、路径 sandbox、上传文件解析补回归测试。

⚠️ 这份教程和 Vibe-Trading 都不是投资建议。任何真实交易都应先经过你自己的判断、券商确认、模拟盘验证和风险控制。