核心用法
Quant Trading System 是一个模块化的量化交易框架，采用五代理架构（Data → Factor → Strategy → Backtest → Execution）实现从数据采集到订单执行的完整闭环。
典型工作流程：
1. Data Agent 从 Hyperliquid/Binance 获取实时价格、历史K线及订单簿数据
2. Factor Agent 计算 RSI/MACD/布林带等技术指标，支持另类数据融合
3. Strategy Agent 通过 AI 生成交易信号，结合模板匹配与置信度评估
4. Backtest Agent 执行历史回测、参数优化与绩效评估
5. Execution Agent 完成订单执行、仓位管理与实时风控
显著优点
- 端到端自动化：覆盖量化交易完整生命周期，减少人工干预
- AI 增强决策：ML 预测与多信号融合提升策略鲁棒性
- 多源数据支持：同时接入 CeFi（Binance）与 DeFi（Hyperliquid）数据源
- 灵活回测机制：支持多时间粒度（15m/1h/4h）的参数优化
潜在局限与风险
- 数据质量依赖：实时性与准确性直接影响因子有效性
- 过拟合风险：AI 模型在历史数据上可能产生虚假模式识别
- 执行滑点：高频场景下 Execution Agent 的延迟可能影响收益
- 合规灰色地带：自动化交易在某些司法管辖区受限
- 无实盘验证：当前文档仅提及回测模式，实盘表现未披露
适合人群
量化研究员、算法交易员、加密货币投资者、金融科技开发者
常规风险
| 风险类型 | 等级 | 说明 |
|---------|------|------|
| 资金风险 | **高** | 自动化策略可能产生意外亏损 |
| 模型风险 | 中高 | AI 黑箱决策缺乏可解释性 |
| 技术风险 | 中 | 多代理通信故障或数据延迟 |
| 合规风险 | 中 | 需确认所在地区对自动化交易的监管要求 |