Trading Coach

核心功能

Trading Coach 是一个AI交易复盘教练的文档型Skill，旨在帮助股票交易者将券商导出的CSV交易记录转化为专业级复盘报告。主要功能包括：智能导入5种主流券商格式（富途中英文、老虎、中信、华泰）、FIFO算法自动配对持仓、8维度交易质量评分（入场/出场/趋势/风险等）、以及10维度AI洞察分析。

显著优点

1. 券商兼容性强：覆盖国内主流港美股券商，解决不同CSV格式解析痛点
2. 评分体系专业：基于技术分析指标（RSI/MACD/布林带/ADX）和行为金融学构建量化评估模型
3. 纯文档零风险：无可执行代码，无网络调用，无数据收集，隐私安全完全可控
4. 指引清晰完整：从安装到使用的全流程文档，包含配置模板和命令示例

潜在局限

1. 仅为文档说明：Skill本身不包含实际运行的Python脚本，用户必须自行从GitHub克隆完整项目才能使用
2. 依赖外部项目：功能实现依赖BENZEMA216/tradingcoach仓库，存在维护持续性风险
3. 无实时验证：无法直接测试评分算法准确性，需用户自行承担模型有效性风险
4. 地域限制：主要针对中文港美股市场，A股券商支持有限

适合人群

• 有一定Python基础、能自主部署开源项目的量化交易者
• 希望系统性复盘交易记录、建立数据驱动决策习惯的股票投资者
• 注重隐私安全、不愿将交易数据上传至第三方云平台的用户

常规风险

• 项目可用性风险：文档与实现分离，若GitHub仓库失效或更新滞后，指引将失效
• 评分模型风险：技术指标评分存在过拟合可能，AI洞察质量依赖底层模型
• CSV格式变更：券商可能调整导出格式，导致导入失败
• 金融建议免责：工具输出仅供参考，不构成投资建议

核心功能与用法

Trading Coach 是一款面向股票交易者的复盘分析工具，主要功能包括：

• 智能CSV导入：自动识别富途（中/英文）、老虎、中信、华泰等5种主流券商的交易记录格式
• FIFO持仓配对：自动将买卖记录配对成完整持仓周期，计算真实盈亏
• 8维度质量评分：入场质量(18%)、出场质量(17%)、趋势把握(14%)、风险管理(12%)、市场环境(11%)、交易行为(11%)、新闻契合(7%)、执行质量(5%)，输出A-F等级
• 10维度AI洞察：深度分析入场时机、止损执行、持仓周期、费用侵蚀、模式识别等

使用流程：用户需本地克隆仓库、配置Python环境、运行4个脚本完成导入→配对→评分→报告生成。

显著优点

1. 券商兼容性强：覆盖中资和外资主流券商，降低用户数据整理成本
2. 评估体系专业：基于技术指标（RSI/MACD/布林带/ADX）和风险管理指标（MAE/MFE/R:R）构建，有明确权重分配
3. 纯本地运行：代码开源、数据不上云，保护交易隐私
4. 输出 actionable：直接指出"RSI>70时追涨""持仓2.3天偏短"等可执行建议

局限性与风险

1. 无实时市场数据：依赖用户提供的CSV，无法获取实时行情做动态分析
2. 技术门槛较高：需命令行操作、Python环境配置，非技术用户上手困难
3. 评分模型黑盒：未公开RSI/MACD阈值的具体计算逻辑，结果可解释性有限
4. 中文金融NLP能力未验证：新闻契合度分析依赖外部数据源，文档未说明实现细节
5. 无回测验证：评分体系的有效性未经历史数据验证

适合人群

• 有Python基础、追求隐私保护的活跃交易者
• 使用富途/老虎等支持券商的中频股票交易者
• 希望量化复盘、系统改进交易纪律的进阶散户

不适合：完全零基础用户、需要实时策略建议的日内交易者、期货/期权等复杂衍生品交易者。

常规风险提示

• 工具输出仅供参考，不构成投资建议
• 券商CSV格式可能更新导致解析失败
• 本地环境配置不当可能造成数据泄露（如共享云盘同步venv）
• 评分模型的"新闻契合"维度依赖外部API，稳定性未知