Skip to content

LLzijian/TradeSoul

Repository files navigation

TradeSoul System (极寒风控复盘系统)

📌 系统定位

TradeSoul 是一个完全本地化部署的个人股票交易风控与复盘系统。 本系统绝不用于预测市场走势或提供买卖建议。 其唯一目的是通过比对"客观交易流水"与"主观操作逻辑",利用大语言模型(如本地部署的 OpenClaw)作为无情的裁判,审查交易者的执行力,揪出频繁 T+0、知行不一、扛单等致命系统性违纪行为。


🏗️ 系统架构设计 (Architecture)

系统采用严格的四层解耦架构设计,确保数据隐私绝对安全(100% 本地闭环),并有效应对国内券商导出的非标准脏数据。

1. 数据清洗层 (ETL Engine)

  • 模块: src/etl_engine.py
  • 功能: 监控 data_raw/ 目录下的券商交割单 CSV 附件。针对 GBK 编码、表头割裂(日期与时间分离)、科学计数法导致的代码/单号失真进行强制硬核清洗。
  • 输出: 标准化、去重的底层结构化数据。

2. 本地存储层 (SQLite Database)

  • 模块: database/trading_data.db
  • 结构 (SCHEMA.md):
  • transactions: 客观流水表(时间、买卖、标的、量价、手续费/印花税)。
  • positions: 持仓快照表(根据流水动态推演的底仓与移动平均成本)。
  • journals: 主观日记表(强制绑定每一笔客观交易的买卖逻辑)。

3. 前端交互与计算层 (Streamlit UI & Risk Calc)

  • 模块: src/app.py, src/risk_calc.py
  • 功能: * 通过 akshare 获取 A 股实时现价,计算并渲染底仓浮动盈亏。
  • 提供极简的风控看板,展示当日流水。
  • 提供文本输入框,强制用户录入主观交易原因(如:"突破箱体上沿"、"回踩支撑位")。

4. AI 风控审查大脑 (LLM Agent)

  • 模块: src/llm_agent.py, ai_memory/
  • 引擎: 默认对接本地 Docker 容器化部署的大模型服务(例如 http://localhost:8000/v1)。
  • 核心逻辑: * 读取静态规则 SOUL.md(定义禁止行为,如高频摩擦限制)。
  • 读取动态记忆 Memory.md(记录历史常犯错误)。
  • 将上述规则与本周期流水+日记打包为超级 Prompt 喂给大模型,生成带有极强压迫感的审查报告,并提取新的违纪点静默追加到 Memory.md 中,实现系统进化。

⏱️ 标准工作流规范 (Standard Operating Procedure)

系统的有效性完全取决于数据的连贯性与输入的真实性。请严格执行以下 SOP:

【每日收盘 Routine】(耗时 < 5分钟)

  1. 导出数据 (15:05): 收盘后,从券商 PC 端软件导出当日或历史交割单。
  2. 归档文件: 将文件直接拖入本项目的 data_raw/ 目录。

    [!TIP] 关于数据载入的标准化说明

    • 命名无要求:你可以把文件命名为任何名字(如 table.xls, 20240901.csv 等),系统只认支持的后缀名(.csv, .xls, .xlsx, .tsv)。
    • 允许数据重合:每次导出数据时,哪怕日期和之前完全重合也没关系。底层引擎 (etl_engine.py) 使用了严格的券商级“成交编号”作为防重主键 (UNIQUE 约束),旧流水会自动被安全忽略,仅吸收和增加全新的流水。可以放心大胆地全选导出。
  3. 刷新底层数据: 打开终端,执行命令自动扫描 data_raw 文件夹并清洗入库:
python src/etl_engine.py
  1. 录入主观逻辑: 启动并打开系统前端看板:
python -m streamlit run src/app.py

在主界面的"交易日记录入区",针对今日的每一笔流水,诚实、客观地写下操作原因。(注:即便操作再愚蠢,也必须如实记录,拒绝事后粉饰,否则复盘将毫无意义)。

【周末复盘 Routine】(耗时 15分钟)

  1. 触发审查: 在周五收盘完成每日 Routine 后,或在周末,打开看板,日期选择器选中"本周"。
  2. 迎接暴击: 点击界面的 [⚖️ 启动极寒风控审查] 按钮。
  3. 阅读报告: 仔细阅读大模型基于 SOUL.md 规则给出的无情批斗。
  4. 记忆沉淀: 系统会自动将报告中提取的核心违纪点写入 Memory.md,作为你下周交易的"前置警告"。

🛠️ 部署与环境要求

  • 语言: Python 3.10+
  • 依赖安装:
pip install -r requirements.txt
  • AI 接口前提: 确保本地 Docker 环境中的 OpenClaw 或兼容 OpenAI API 格式的大语言模型服务已启动,且端口配置与 llm_agent.py 中的 base_url 一致。

⚠️ 设计哲学 (GIGO 警告)

Garbage In, Garbage Out. 本系统无法拯救一个在记录数据时撒谎的交易员。你对系统有多坦诚,系统展现出的照妖镜效果就有多锐利。遵守纪律,敬畏市场。

About

交易复盘

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors

Languages