核心用法
Crypto Self-Learning 是一套面向加密货币交易者的AI驱动自改进系统，核心工作流程分为四步：
1. 交易记录：每次交易后运行 log_trade.py，记录交易对、方向、价格、盈亏百分比、使用的技术指标、市场宏观环境（如美元指数、罗素指数）及交易理由
2. 性能分析：通过 analyze.py 发现隐藏模式——例如按星期几的胜率、RSI区间表现、杠杆倍数与胜率关系
3. 规则生成：generate_rules.py 从数据中自动提取可执行规则，如"RSI>70时做多胜率仅23%，建议规避"
4. 记忆更新：update_memory.py 将学习到的规则自动写入MEMORY.md，供后续交易决策参考
显著优点
- 数据驱动决策：摆脱主观直觉，用历史胜率指导交易
- 全上下文记录：不仅记盈亏，还保留入场时的市场状态，便于复盘
- 自动化闭环：从记录→分析→规则→记忆更新，无需手动整理
- 渐进式优化：交易越多，规则越精准，形成个人专属交易系统
局限性与风险
- 样本量依赖：初期交易次数少时，统计结论可能不可靠
- 过拟合风险：历史规律未必适用于未来市场结构变化
- 数据完整性要求：漏记亏损交易会严重扭曲分析结果
- 无实时风控：本系统为事后分析工具，不包含仓位管理或止损执行
适合人群
- 有一定Python/命令行基础的活跃交易者
- 希望建立可量化、可迭代交易系统的进阶用户
- 愿意坚持记录每笔交易的纪律型交易者
常规风险提醒
⚠️ 所有生成的规则均基于历史数据，不构成投资建议。加密货币市场高波动，过往表现不代表未来收益。建议配合独立风控系统使用。