Vibe Trading

核心定位与功能架构

Vibe-Trading 是一套面向量化研究者与专业交易员的全栈金融研究基础设施，而非简单的数据查询工具。其架构围绕"研究-验证-执行"闭环设计，核心能力可分为四大支柱：

1. 多引擎回测体系（8 Engines）
支持中国A股、港股美股、印度股市、加密货币、中国期货、全球期货、外汇及期权八大市场，内置20个数据源自动降级机制。无需API密钥即可使用yfinance/stooq/OKX/AKShare等免费源，Tushare Token仅影响A股数据质量。回测引擎采用向量化实现，支持自定义信号引擎与成本模型（印度市场精确建模T+1、STT、印花税等）。

2. Alpha Zoo（460预构因子）
五大因子库一键交叉验证：微软Qlib的154个Alpha158、Kakushadze经典101公式化Alpha、国泰君安的191个短周期交易因子、学术经典10因子（Fama-French五因子+动量/反转等）及基本面4因子。每个因子附带元数据（LaTeX公式、适用 universe、预热期、所需字段），并通过AST purity gate与300行前瞻测试保障计算安全。

3. Shadow Account 旗舰闭环
创新性的交易复盘系统：解析券商CSV导出 → 行为诊断（处置效应、锚定、过度交易）→ 提取隐性规则 → 跨市场回测验证 → 生成HTML/PDF诊断报告 → 扫描当日匹配信号。解决"我知道自己亏但不知道为何亏"的痛点。

4. 多智能体研究团队（30 Presets）
基于LangChain的Swarm架构，预设投资委员会、全球股票台、加密货币台、宏观利率台等30支专业团队，支持bull/bear辩论、风险审查、因子研究→回测→审计的完整工作流。

显著优势

• 零门槛启动：港股/美股/加密核心功能无需任何API密钥，pip install后即完整可用
• 数据韧性：20源自动降级，单点故障不影响研究连续性
• 本土化深度：A股龙虎榜、北向资金、融资融券、大宗交易、股东户数、限售解禁等特有数据原生支持
• 行为金融学集成：罕见的交易日志分析+策略提取+归因报告完整链条
• 合规边界清晰：实盘连接器与IBKR官方MCP只读探针分离，写操作需显式授权

局限性与风险

• A股数据质量：无Tushare Token时依赖AKShare等爬虫源，存在字段缺失或延迟
• 印度实盘限制：Shoonya/Dhan连接器仅支持模拟盘+只读实盘，结构性禁止真实下单
• Swarm成本：run_swarm需OpenAI兼容API Key，大规模因子挖掘成本可能较高
• 学习曲线：86个skill文档、460个alpha元数据、8引擎配置参数需要一定上手时间
• 第三方依赖：券商连接器（富途、IBKR等）需本地客户端或OAuth授权，非纯云端方案

适用人群

• 量化研究员：因子挖掘、回测验证、学术复现
• 主观交易员：Shadow Account行为诊断与规则提取
• 多资产PM：跨市场（A/HK/US/加密/期货）组合构建
• 金融开发者：MCP协议集成，构建自有Agent工作流

安全风险评级说明

本工具本身为研究基础设施，风险主要来源于：

• 数据风险：爬虫源可能不稳定（已 mitigated by 多源降级）
• 执行风险：实盘连接器默认只读，写操作需显式配置，符合S级安全设计
• 模型风险：460个预构alpha经AST purity gate过滤，无任意代码执行风险

综合评估为S级（最高安全等级），但用户需注意：任何量化策略的"过拟合风险"是研究方法论问题，非工具安全缺陷。

核心用法

Vibe-Trading 是一套面向专业投资者和量化研究者的金融智能工具集，通过 MCP 协议与主流 AI 助手（Claude、Cursor 等）集成。其核心工作流围绕四大模块展开：

1. Alpha Zoo 因子研究：内置 460 个经过验证的量化因子，涵盖 Microsoft QLib 的 Alpha158、Kakushadze 经典 101 公式化因子、国泰君安 191 短线因子、学术经典因子（Fama-French 五因子等）及基本面因子。用户可通过 CLI 或 REST API 一键完成因子 IC/IR 分析、分层回测及有效性对比，快速构建多因子选股策略。

2. 多引擎回测系统：支持 8 类市场引擎（中国 A 股、全球股票、印度市场、加密货币、中国期货、全球期货、外汇、期权），对接 20 个数据源实现自动降级。特别针对印度市场（NSE/BSE）实现 T+1 交割、熔断机制等本地化规则，无需 API 密钥即可通过 yfinance/stooq/OKX 等免费源获取港股、美股及加密货币数据。

3. Shadow Account 交易复盘：该旗舰功能通过解析用户交易日志（同花顺、东方财富、富途等格式），自动提取盈利交易的隐含规则，生成 3-5 条 if-then 策略描述，并在多市场进行历史回测对比，最终输出 HTML/PDF 诊断报告（含行为偏差分析如处置效应、锚定效应等）。

4. 多智能体投研团队：30 支预构建的 agent 团队模拟真实机构架构，包括投资委员会（多空辩论→风险审查→PM 决策）、全球股票交易台、加密货币交易台、量化策略台等。通过 run_swarm 调用 LLM 驱动的内部工作流，实现复杂研究任务的自动化分解与执行。

显著优点

零门槛数据覆盖：港股、美股、加密货币及印度市场完全无需 API 密钥，中国 A 股通过 AKShare 等免费源亦可基础运行，大幅降低个人研究者成本。

工业化因子生产：Alpha Zoo 的 460 个预构因子均附带元数据（LaTeX 公式、主题标签、所需列、预热期），并通过 AST 纯净性检查与前瞻偏移检测，确保学术级严谨性。

行为金融深度诊断：Shadow Account 不仅回测策略，更量化分析交易者的认知偏差（追逐动量、过度交易、盈亏不对称持仓等），提供可执行的改进建议。

机构级研究基础设施：从宏观数据（FRED）、资金流向（龙虎榜/北向资金）、研报覆盖到 SEC 文件抓取，构建完整的投研数据闭环。

潜在缺点与局限性

A 股数据质量依赖可选密钥：虽然基础功能免费，但 Tushare Token 对于高质量 A 股数据仍是事实上的必需，且部分功能（如多智能体团队）强制要求 LLM API 密钥，增加使用成本。

印度实盘受限：Shoonya/Dhan 连接仅支持模拟和只读实盘，实盘下单被结构性禁用，不适合需要印度市场全自动交易的用户。

外部 MCP 服务器风险：功能文档说明可扩展外部 MCP 服务器（如 IBKR），但配置不当会扩大攻击面，且 Swarm 功能在 v1 中明确排除 MCP 工具，架构存在割裂。

热重载缺失：配置变更需重启进程，在快速迭代策略时不够灵活。

适合的目标群体

• 量化研究员与策略开发者：需要快速验证因子有效性、进行跨市场回测的专业人员
• 个人投资者与交易者：希望通过交易日志复盘发现行为偏差、优化决策纪律的活跃交易者
• 财经教育与学术机构：需要标准化金融数据集和回测框架进行教学与研究的师生
• 多市场配置型投资者：同时关注 A 股、港股、美股及加密货币的全球化资产配置者
• AI 增强投研团队：希望利用多智能体协作处理复杂研究任务（如财报季多公司覆盖）的先锋团队

使用风险

API 密钥管理风险：金融数据服务（Tushare、Finnhub 等）及 LLM 服务密钥需妥善保管，避免在共享环境或日志中硬编码泄露。建议启用密钥轮换机制。

外部数据源依赖：20 个数据源的可用性与质量受第三方服务状态影响，免费源（如 yfinance）偶有数据延迟或中断，关键决策前应交叉验证。

MCP 服务器配置风险：手动配置的外部 MCP 服务器若来源不可信，可能导致权限扩大或数据泄露。建议严格使用 enabledTools 白名单，避免通配符授权。

交易日志隐私风险：Shadow Account 功能需上传个人交易记录，敏感数据（账户标识符、持仓规模）应在导入前脱敏处理。

模型幻觉与决策责任：run_swarm 生成的投研建议由 LLM 驱动，可能存在推理偏差，不应直接作为投资依据，需人工复核。

回测过拟合风险：丰富的因子库和参数空间增加了数据挖掘偏误的可能性，建议配合样本外测试与蒙特卡洛模拟验证策略稳健性。