Skip to content

0xquqi/crypto-kol-quant

Repository files navigation

锁妖塔 Skill —— 炼化 99 个加密交易员

把 99 个顶级加密交易员的推特"关进锁妖塔",用 LLM 炼出他们的交易直觉,变成 87 个可回测的量化因子。

每天问一句"大家怎么看",99 个交易员同时告诉你方向。

炼了什么

原料 数量
S 级交易员 99 人(从 1000+ 候选中三轮筛选)
推文 39,843 条(2024-01 → 2026-04)
K 线截图 17,657 张(1.7 GB)
蒸馏 profile 99 份(每人 15-25 个能力 + 口头禅 + 信心词汇)
能力库 470 条(70 种子 + 400 涌现)
量化因子 87 个 Python 评估器
价格数据 832 天日线 × BTC/ETH/SOL/DOGE + DXY/黄金/美债/SPX

炼出了什么

87 个量化因子,16 个统计显著

从 99 人的推文和图表里提取出 470 个"交易直觉"(比如"200 周均线附近机械买入"、"4 年周期派发阶段做空"、"假突破后反手"),然后把它们转成 Python 规则,在 832 天历史上回测 IC(信息系数)。

最强 5 个因子:

因子 IC 来源交易员 说明
200W MA 价值区 +0.297 (SOL) @LedgerStatus 价格在 200 周均线附近 = 历史级买点
200W MA 机械买 +0.220 (BTC) @IvanOnTech 触碰 200 周均线直接买,不想理由
4 年周期论 +0.201 (BTC) @rektcapital 减半后 18 月进入派发/熊段
OHLC 锚点 +0.109 @KillaXBT 周开盘价作为日内支撑阻力
强势下行趋势 +0.098 @DrProfitCrypto 价格在 200 日均线下方 + 死叉

最强反指因子(应反向使用):

因子 IC 说明
黄金避险 -0.218 (SOL) 黄金大涨时做多 BTC?错!BTC 常脱钩下跌
强势上升趋势 -0.100 (BTC) "趋势跟随做多"在周期后段反而是见顶信号

99 个交易员的信任分

每个交易员的"自述经验"被量化为一个 composite signal,和历史走势做回归:

  • 58 人正 IC(自述方法和真实盈亏方向一致 → 可以跟)
  • 41 人负 IC(自述方向和真实方向相反 → 当反指用)
  • 21 人 |IC| > 0.1(强信号)

最值得跟的 5 人: @Yodaskk (+0.145) · @dpuellARK (+0.110) · @AnalysisElliott (+0.106) · @Tree_of_Alpha (+0.103) · @ToneVays (+0.099)

最强反指 5 人: @christiaandefi (-0.201) · @shufen46250836 (-0.180) · @WClementeIII (-0.158) · @Engineercryptoo (-0.157) · @GugaOnChain (-0.143)

实时共识输出

跑一次 /consensus,输出:

  1. 🔴 BEARISH / 🟢 BULLISH 大字判定
  2. 99 人投票:多 X / 空 X / 中性 X
  3. 30 天隐含价格区间(多头 box + 空头 box)
  4. 当前触发的因子列表
  5. 交互式 K 线图(Plotly HTML)
  6. 交易员信号面板

回测验证

BTC 日线(近 7 天):

  • 跟信号方向:胜率 57%,$1000 → $1079(+7.9%)

BTC 剥头皮(日线定方向 × 5m 入场):

  • 日线共识做方向过滤 → 胜率从 50% 提升到 59%(+9%)
  • 盈亏比 1.28

使用方式

方式 1:Claude Code skill

/consensus              # 用缓存数据(秒出)
/consensus --refresh-ohlc  # 拉最新 Binance 行情
/consensus eth           # 看 ETH

方式 2:直接跑 Python

python3 quant_factors/run_consensus.py --refresh-ohlc
# 输出 consensus_snapshot.html + consensus_snapshot.json

可扩展

  • 加交易员:跑 codex 蒸馏 → 自动进因子库
  • 加数据源:Binance perpetual (funding/OI) / Glassnode (MVRV/NVT) / FRED (M2/PMI) → 激活 20 个 mock 因子
  • 加自定义因子:在 capabilities/ 里写 Python 函数即可
  • 多时间框架:接 5m K 线 → 剥头皮模式

文件结构

├── quant_factors/
│   ├── run_consensus.py        # 一键运行
│   ├── feature_engine.py       # 88 特征
│   ├── capabilities/           # 87 个因子评估器
│   ├── backtest.py             # IC 回测
│   ├── trader_composite.py     # 信任分
│   ├── consensus_now.py        # 共识快照
│   └── render_consensus.py     # Plotly 渲染
├── profiles_v2/                # 99 份交易员 profile
├── capabilities_v1.json        # 470 条能力库
├── ohlc_daily.json             # 价格数据
└── macro_daily.json            # 宏观数据

⚠️ 声明

这是研究项目,不是交易建议。回测 ≠ 实盘。7 天样本不具统计意义。请自行承担风险。

License

MIT

About

首个将99位加密KOL交易经验LLM蒸馏为可回测量化因子的开源项目 | First to distill 99 crypto KOL trading experience into backtestable quant factors via LLM

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors