# Build Trading Strategies ## 快速入门该技能使用人工智能生成完整的、可用于生产的策略代码。这是 Robonet 中**最昂贵的工具**（每代 1-4.50 美元）。 **Load the tools first** : 使用 MCPSearch 选择：mcp__workbench__create_strategy 使用 MCPSearch 选择：mcp__workbench__create_prediction_market_strategy **基本用法**：创建策略（ strategy_name="RSImeanReversion_M", description="当 RSI(14) < 30 且价格位于布林线下轨 (20,2) 时买入。当 RSI > 70 或价格位于布林线中线时卖出。 Stop loss at 2% below entry. Position size 90% of available margin." ）返回完整的Python策略代码，准备进行回测。 **When to use this skill** : * 你有一个清晰的策略概念并且想要工作代码 * You've explored data and know what indicators/symbols to use * 您已准备好投入昂贵的开发（1-4.50 美元） **When NOT to use this skill** : * 您仍在探索想法 → 首先使用“设计交易策略”（$0.05-$1.00） * 您有现有代码需要改进 → 使用“improve-trading-strategies”（0.50-3.00 美元） * 您尚未检查数据可用性 → 首先使用“browse-robonet-data”（免费 - $0.001） ## 可用工具 (2) ### 创建策略 **目的**：利用人工智能生成完整的加密货币交易策略代码 **参数**： * `strategy_name` （必需，字符串）：按照模式 `{Name}_{RiskLevel}[_suffix]` 命名 * Risk levels: H (high), M (medium), L (low) * 示例：“RSImeanReversion_M”、“MomentumBreakout_H_v2” * `description`（必填，字符串）：详细要求，包括： * 进入条件（具体指标值和阈值） * 退出条件（止损、止盈、追踪止损） * 头寸规模（使用保证金的百分比） * 风险管理（每笔交易的最大损失） * 要使用的指标（来自 browser-robonet-data 的确切名称） * 时间框架背景（500 万剥头皮交易 vs 1 小时波动交易） **返回**：完整的Python策略代码： * `should_long()` \- 检查是否满足长输入的条件 * `should_short()` \- 检查是否满足空头入场条件 * `go_long()` \- 执行长入仓并调整仓位大小 * `go_short()` \- 通过头寸调整执行空头入场 * 可选方法：`on_open_position()`、`update_position()`、`should_cancel_entry()` **Pricing** : Real LLM cost + margin (max $4.50) * 典型成本：1.00-3.00 美元，具体取决于复杂程度 * Most expensive tool in Robonet **Execution Time** : ~30-60 seconds **使用时**： * 构建新的加密货币永续交易策略 * You have clear, detailed requirements * 您已验证可用的指标/符号（browse-robonet-data） * 准备好投入昂贵的运营 ### create_prediction_market_strategy **目的**：生成具有 YES/NO 代币交易逻辑的 Polymarket 策略代码 **参数**： * `strategy_name` （必需，字符串）：名称遵循与 create_strategy 相同的模式 * `description` (required, string): YES/NO token逻辑的详细要求： * 购买 YES 代币的条件（概率阈值） * 购买NO代币的条件 * 退出标准（利润目标、基于时间的退出） * 头寸规模（每个市场的百分比） * 市场选择标准（类别、流动性要求） **返回**：完整的Python策略代码： * `should_buy_yes()` \- 检查是否满足 YES 令牌输入的条件 * `should_buy_no()` \- 检查是否满足 NO 代币输入的条件 * `go_yes()` \- 执行 YES 代币购买并调整规模 * `go_no()` \- 不执行带有大小调整的代币购买 * 可选方法：`should_sell_yes()`、`should_sell_no()`、`on_market_resolution()` **定价**：实际 LLM 成本 + 利润（最高 4.50 美元） * 典型成本：$1.00-$3.00 **执行时间**：~30-60 秒 **使用时**： * Building Polymarket prediction market strategies * 现实世界事件（政治、经济、体育）的交易 * 基于概率分析想要 YES/NO 代币曝光 ## 核心概念 ### Jesse框架结构 **All crypto strategies must implement these required methods** : 类 MyStrategy（策略）： def should_long(self) -> bool: """检查是否满足长期进入的所有条件""" # 返回 True 表示多头入场机会 # Called every candle def should_short(self) -> bool: """Check if all conditions are met for short entry""" # 返回 True 表示空头入场机会 # Called every candle def go_long(self): """通过头寸调整执行多头进场""" # 计算仓位大小（数量） # Place buy order # 在on_open_position()中设置止损和止盈 def go_short(self): """通过头寸调整执行空头入场""" # 计算仓位大小（数量） # Place sell order # Set stop loss and take profit in on_open_position() **可选但推荐的方法**： def on_open_position(自身, 订单): """进场后设置止损和止盈""" # 开仓时调用 # 设置 self.stop_loss 和 self.take_profit def update_position(自身): """更新仓位（追踪止损等）""" # 在位置上调用每根蜡烛 # 修改追踪止损的止损 def should_cancel_entry(self) -> bool: """取消未成交的挂单""" # 返回 True 取消挂单 ### 策略命名约定 **遵循此模式**：`{名称}_{风险级别}[_后缀]` **Risk Levels** : * **H**（高）：激进策略、高杠杆、严格止损、可接受 >20% 的回撤 * **M** (Medium): Balanced strategies, moderate leverage, standard stops, 10-20% drawdown * **L**（低）：保守策略、低杠杆、宽止损、<10% 回撤 **示例**： * `RSIMeanReversion_M` \- Base strategy, medium risk * `MomentumBreakout_H_optimized` \- After optimization, high risk * `TrendFollower_L_allora` \- 具有 Allora ML 增强功能，风险低 * `BollingerBands_M_v2` \- 策略版本 2 **Why naming matters** : * 帮助按风险状况组织策略 * 清晰的版本控制（_v2、_v3）跟踪演变 * Suffixes (_optimized, _allora) indicate enhancements * Consistent naming enables easy filtering and comparison ### 头寸调整模式 **Recommended position sizing** : 85-95% of available margin **Common approaches** : **1\.固定百分比**（简单、可预测）： def go_long(self): qty = utils.size_to_qty(self.balance * 0.90, self.price) 自购=数量，自购价格 **2\. Volatility-based** (adaptive to market conditions): def go_long(self): atr = ta.atr(self.candles, period=14) # 在高波动性下减小大小 size_multiplier = 0.90 if atr < self.price * 0.02 else 0.70 qty = utils.size_to_qty(self.balance * size_multiplier, self.price) 自购=数量，自购价格 **3\.基于风险**（基于止损距离的大小）： def go_long(self): atr = ta.atr(self.candles, period=14) stop_distance = atr * 2 # 在 2× ATR 处停止 # 每笔交易的风险为余额的 2% 风险金额 = self.balance * 0.02 数量 = 风险金额 / 止损距离自购=数量，自购价格 **Best practice** : Specify position sizing approach in description when creating strategy ### 风险管理要求 **每个策略都应包括**： **1\.止损**（强制）： def on_open_position(自身, 订单): atr = ta.atr(self.candles, period=14) # 在低于入场点（多头）或高于入场点（空头）2 倍 ATR 处止损 self.stop_loss = qty, self.price - (atr * 2) # Long # 或 self.stop_loss = 数量, self.price + (atr * 2) # 空头 **2\.获利**（推荐）： def on_open_position(自身, 订单): atr = ta.atr(self.candles, period=14) # 目标为 3× ATR（风险/回报 = 1.5） self.take_profit = 数量, self.price + (atr * 3) # Long **3\.头寸规模**（见上文） **危险信号**（避免这些）： * 无止损（无限下跌） * 止损太紧（入场时<0.5%）- 将被噪音止损 * Stop loss too wide (>5% from entry) - excessive risk per trade * Position size >95% of margin - insufficient buffer for margin calls * 没有止盈 - 仓位可能会回吐收益 ### 可用指标 **通过“jesse.indicators”提供 170 多个技术指标**：描述策略要求时使用准确的名称： **势头**（16 个指标）： * RSI、MACD、随机指标、ADX、CCI、MFI、ROC、威廉姆斯%R等。 **趋势**（12个指标）： * EMA、SMA、DEMA、TEMA、WMA、超级趋势、抛物线转向指标、VWAP、HMA 等。 **波动性**（8个指标）： * Bollinger Bands, ATR, Keltner Channels, Donchian Channels, Standard Deviation, etc. **交易量**（10个指标）： * OBV、成交量概况、Chaikin 资金流向等。 **如何寻找指标**：（使用浏览机器人数据技能） get_all_technical_indicators(category="momentum") **在策略描述中，使用准确的名称**： ✓ “使用周期 14 的 RSI” ✓ “使用周期 20，标准 2 的布林线” ✗ “使用相对强度”（不明确） ✗ “使用 BB”（缩写不清楚） ## 最佳实践 ### 成本管理 **这是最昂贵的工具（1-4.50 美元）。最大限度地减少浪费**： **使用create_strategy之前**： 1. ✅ 使用“browse-robonet-data”浏览数据（验证可用的符号/指示器） 2. ✅ Optionally generate ideas with `design-trading-strategies` ($0.05-$1.00 exploration) 3. ✅ 写出详细的要求 4. ✅ 了解 Jesse 框架基础知识 **避免这些代价高昂的错误**： * ❌ Creating strategy without checking indicator availability → Wasted $2.50 * ❌ Vague description ("build a good BTC strategy") → Poor results, need to regenerate * ❌需求不明确→代码与预期不符，浪费一代 * ❌ 未指定风险管理 → 需要通过止损/规模调整来重新生成 **节省成本的模式**： 1. browse-robonet-data ($0.001) → Verify resources 2. design-trading-strategies ($0.30) → Explore 3 ideas 3. 选择最佳想法并完善描述 4. create_strategy ($2.50) → 生成一次，正确总计：2.80 美元，成功率高与 1. create_strategy ($2.50) → 模糊的要求 2. 不起作用，请重试 ($2.50) 3. 还是不对 ($2.50) 总计：7.50 美元（沮丧） ### 撰写有效的描述 **良好描述的剖析**：入学条件： - 具有精确参数的特定指标 - Exact thresholds - 具有 AND/OR 逻辑的多个条件退出条件： - 止损方法及距离 - 止盈方法和目标 - 追踪止损（如果适用）职位大小： - 使用保证金的百分比 - 或基于风险的规模方法 Risk Management: - 每笔交易的最大损失 - 任何持仓限制背景： - 时间范围（5m、1h、4h、1d） - 市场状况（趋势、范围） **Example of GOOD description** : "RSI Mean Reversion strategy for BTC-USDT on 1h timeframe. ENTRY (Long): - RSI(14) < 30 (oversold) - Price touches lower Bollinger Band (20-period, 2 std dev) - Confirm with volume: current volume > 1.2× 20-period average EXIT (Long): - Take profit: Price reaches middle Bollinger Band - Stop loss: 2% below entry price - Trailing stop: Once profit >3%, trail stop at 1.5% below highest price POSITION SIZING: - Use 90% of available margin per trade - Single position at a time (no pyramiding) RISK MANAGEMENT: - Maximum loss: 2% of account per trade - No new trades if in drawdown >10%" **Example of BAD description** : "Build a profitable BTC strategy using RSI and Bollinger Bands" Problems: * No entry conditions specified (what RSI value?) * No exit conditions (when to close?) * No position sizing (how much to risk?) * No timeframe (1m? 1d?) * Too vague → Will require regeneration ### Validation Checklist **After strategy is generated, verify code includes** : * All required methods (should_long, should_short, go_long, go_short) * Stop loss logic (in on_open_position or go_long/go_short) * Take profit logic (recommended) * Position sizing (qty calculation in go_long/go_short) * Valid indicator calls (e.g., `ta.rsi(self.candles, period=14)`) * Proper entry/exit conditions matching description * No syntax errors (code is runnable) * Indicator parameters are reasonable (not over-optimized) **If validation fails** : * Use `improve-trading-strategies` skill to fix issues ($0.50-$3.00) * Cheaper than regenerating with `create_strategy` ($1-$4.50) ### Timeframe Considerations **Match strategy logic to timeframe** : **Scalping (1m-5m)** : * Tight stops (0.2-0.5%) * Quick exits (minutes to hours) * High-frequency indicators (short periods) * Focus on execution and fees **Intraday (15m-1h)** : * Moderate stops (0.5-2%) * Hold hours to 1 day * Standard indicator periods (14, 20, 50) * Balance between frequency and noise **Swing Trading (4h-1d)** : * Wide stops (2-5%) * Hold days to weeks * Longer indicator periods (50, 100, 200) * Focus on larger trends **Specify timeframe in description** : "For 1h timeframe..." (helps AI tune indicator parameters appropriately) ## 常见工作流程 ### Workflow 1: Build from Scratch **Goal** : Create new strategy from concept 1. Explore data (use browse-robonet-data): get_all_symbols() → Choose BTC-USDT get_all_technical_indicators(category="momentum") → Pick RSI get_all_technical_indicators(category="volatility") → Pick Bollinger Bands 2. Optional: Generate ideas (use design-trading-strategies): generate_ideas(strategy_count=3) → Get concepts Pick best concept as starting point 3. Write detailed description: - Entry: RSI < 30 AND price at lower BB - Exit: Price at middle BB OR stop loss 2% - Sizing: 90% margin - Timeframe: 1h 4. Create strategy: create_strategy( strategy_name="RSIMeanReversion_M", description="[detailed description from step 3]" ） 5. Validate generated code: - Check all required methods present - Verify indicators match description - Confirm risk management included 6. Test immediately (use test-trading-strategies): run_backtest(strategy_name="RSIMeanReversion_M", ...) **Cost** : ~$2-4 total ($0.30 ideas + $2.50 creation + $0.001 test) ### Workflow 2: Build from Idea **Goal** : Transform AI-generated concept into working code 1. Generate ideas (use design-trading-strategies): generate_ideas(strategy_count=3) Idea #2: "Bollinger Band Breakout" 进场：价格突破上BB线，成交量较大退出：价格回到中线BB Uses: Bollinger Bands, Volume 2. 将想法细化为详细描述： "Bollinger Band Breakout strategy for ETH-USDT on 4h timeframe. ENTRY (Long): - Price closes above upper Bollinger Band (20, 2) - Current volume > 1.5× 20-period average volume - ADX(14) > 25（确认趋势强度） EXIT (Long): - 价格收于布林线中线以下 - 或止损低于入场价 3% - 或以高于入场价 9% 的价格获利（回报：风险 3:1）头寸规模：保证金的 85% 风险：每笔交易最大损失 3%” 3. Create strategy: create_strategy( strategy_name="BollingerBreakout_H", description="[detailed description from step 2]" ） 4. Test and validate: run_backtest(strategy_name="BollingerBreakout_H", ...) **成本**：~3 美元（0.30 美元创意 + 2.50 美元创作 + 0.001 美元测试） ### 工作流程 3：构建预测市场策略 **Goal** : Create Polymarket YES/NO token trading strategy 1. Browse prediction markets (use browse-robonet-data): get_data_availability（data_type =“polymarket”） → 查看可用市场 2. Analyze market data: get_prediction_market_data(condition_id="...") → 研究 YES/NO 代币价格历史 3. Write detailed description: "Polymarket probability arbitrage strategy for crypto_rolling markets. BUY YES TOKEN when: - YES token price < 0.40 (implied 40% probability) - 市场交易量>1万美元（流动性充足） - 解决问题的时间 > 2 小时（避免最后一刻的波动） BUY NO TOKEN when: - 否代币价格 < 0.40（是代币价格 > 0.60） - Same liquidity and time criteria EXIT: - Sell when price reaches 0.55 (15% profit target) - 或持有直至市场决议 - Stop loss: Sell if price drops to 0.25 (37.5% loss) 头寸规模：每个市场资本的 5% MAX POSITIONS: 10 simultaneous markets" 4. Create prediction market strategy: create_prediction_market_strategy( strategy_name="PolymarketArbitrage_M", description="[第 3 步的详细描述]" ） 5. Test on historical markets: run_prediction_market_backtest(...) **成本**：~2.50 美元 + 0.001 美元测试 = 2.501 美元 ## Advanced Usage ### 多时间框架策略 **描述策略要求中更高的时间框架背景**： "ETH-USDT swing trading strategy on 1h timeframe with 4h trend filter. HIGHER TIMEFRAME (4h): - Only take long trades when 4h EMA(50) is rising - Only take short trades when 4h EMA(50) is falling ENTRY TIMEFRAME (1h): - [standard entry conditions on 1h] ..." AI will generate code that checks higher timeframe conditions. ### Complex Entry Logic **Specify precise logic for multiple conditions** : “参赛需要满足所有这些条件（AND 逻辑）： 1. RSI(14) < 30 2. Price < Lower Bollinger Band (20, 2) 3. MACD histogram positive (bullish divergence) 4. 音量 > 1.3×平均值 OR entry if these alternative conditions met: 1.价格走高走低 2. RSI 走高走低（看涨背离） 3. Volume surge (>2× average)" AI can handle complex multi-condition logic if clearly specified. ### 动态头寸调整 **Specify adaptive sizing in description** : "Position sizing based on volatility: - When ATR(14) < 2% of price: Use 95% margin (low volatility) - When ATR between 2-4%: Use 85% margin (normal) - When ATR > 4%: Use 70% margin (high volatility) This reduces risk during volatile periods." ## 故障排除 ### "Generated Code Has Errors" **Issue** : Strategy code doesn't run or has syntax errors **解决方案**： * Use `improve-trading-strategies` skill with `refine_strategy` to fix errors * Cheaper than regenerating ($0.50-$3.00 vs $1-$4.50) * Specify exact error message in refine description ### "Strategy Doesn't Match Description" **Issue** : Generated logic differs from what you requested **解决方案**： * Description may have been ambiguous * Use `improve-trading-strategies` skill to refine specific parts * For major mismatch, may need to regenerate with clearer description ### "Indicators Not Available" **Issue** : Strategy uses indicators that don't exist in Jesse **解决方案**： * Should have used `browse-robonet-data` first to verify indicators * Use `refine_strategy` to replace with valid indicators * Check indicator spelling (RSI not rsi, MACD not macd) ### "Strategy Too Complex" **Issue** : Generated code is overly complicated with 8+ indicators **解决方案**： * Simplify description (request fewer indicators) * Use `refine_strategy` to remove unnecessary complexity * Complex strategies often overfit and perform poorly ### "No Risk Management Included" **Issue** : Generated code lacks stop loss or position sizing **解决方案**： * Description must explicitly request risk management * Use `refine_strategy` to add stop loss and sizing * Always specify: "Include stop loss at X% and position size of Y%" ## 后续步骤 After building a strategy: **Test the strategy** (CRITICAL - do this next): * Use `test-trading-strategies` skill to backtest * Cost: $0.001 per backtest * Validate performance before ANY further work * Check: Sharpe >1.0, drawdown <20%, win rate 45-65% **Improve the strategy** (if needed): * Use `improve-trading-strategies` skill to refine code * Cost: $0.50-$4.00 per operation * Cheaper than regenerating from scratch * Options: refine_strategy, optimize_strategy, enhance_with_allora **Deploy to production** (only after thorough testing): * Use `deploy-live-trading` skill (HIGH RISK) * Cost: $0.50 deployment fee * NEVER deploy without extensive backtesting (6+ months recommended) * Start small, monitor closely ## 总结 This skill provides **AI-powered strategy code generation** : * **2 tools** : create_strategy (crypto), create_prediction_market_strategy (Polymarket) * **Cost** : $1.00-$4.50 per generation (MOST EXPENSIVE tool) * **Execution** : 30-60 seconds * **Output** : Production-ready Python code with Jesse framework structure **Core principle** : This is expensive. Prepare thoroughly before using: 1. Browse data (verify resources available) 2. Optionally generate ideas (explore concepts cheaply) 3. Write detailed description (clear requirements) 4. Generate once, correctly 5.立即测试 **Critical warning** : Generated code may have bugs or not match expectations. ALWAYS test with `test-trading-strategies` before deploying. NEVER deploy untested strategies to live trading. **Cost optimization** : Spending 5 minutes preparing ($0-$0.30 exploration) saves dollars in wasted generations and improves success rate dramatically.

制定交易策略

包含技能