Skip to content

About

持续采集 TradingView 开源策略,在 A 股/期货上自动回测与证伪

Topics

Resources

Contributing

Stars

14 stars

Watchers

0 watching

Forks

Repository files navigation

alpha-radar · 策略雷达

持续从 TradingView 采集开源策略,在 A 股 / 期货 上自动回测、筛选、记录结论。 数据源 Tushare,agent 底座 Codex harness + deepseek-flash。

这个项目不是「策略生成器」,是「策略证伪器」。 它批量地读、批量地测, 并把「什么不行、为什么不行」沉淀成可复现的记录 —— 因为量化研究里 90% 的工作量在否定,而不是在发现。

在线演示:https://alpha-radar.infiniti.website —— 选品种 / 策略 / 周期,直接跑一次含成本回测,看 HTML 报告。 实时看板:https://alpha-radar.infiniti.website/runs —— 服务器上每 6 小时自动采集 + 扫描全品种,这里按 PF 排序看结果、按品种/策略筛选、查运行历史。

它长什么样

$ alpharadar harvest --max-fetch 300
搜索通道:40 个关键词,命中 1180 个唯一脚本
脚本流通道:新增 779 个候选(累计 1959)
论坛通道:新增 0 个候选,其中正文代码块 0 段
语料库更新:1200 个脚本(开源 1200,本轮新下载 300)-> corpus/sources

$ alpharadar corpus -n 5
     点赞  标题                                作者             类型    行数
 171640   Smart Money Concepts [LuxAlgo]      LuxAlgo          study   1002
  82983   Supertrend                           KivancOzbilgic   study     72
  59634   UT Bot Alerts                        QuantNomad       study     83
  29378   Chandelier Exit                      everget          study     64

$ alpharadar run --symbol P.DCE --strategy utbot --freq 5min --start 20220101
===== 棕榈油(P.DCE · futures) / UT Bot =====
笔数 1060   胜率 42.7%   PF 1.05   每手均点 +1.059   合计 +11,227 元
最大回撤 -25,076(-18.5%)   收益回撤比 0.45   正年数 2/5
分年: 2022 +23,554 / 2023 +5,915 / 2024 -2,666 / 2025 -3,885 / 2026 -11,691
-> HTML 报告:reports/P.DCE_utbot_5min.html

注意上面这条结论:PF 大于 1,但依然不能实盘(利润全在 2022 年、 最近三年连亏、收益回撤比 0.45)。把它如实印出来,比印一条漂亮曲线重要。

三条采集通道

通道 接口 说明
关键词搜索 pubscripts-suggest-json 按 40 个策略族关键词找「热门」脚本
脚本流 api/v1/scripts/ 「最新发布」脚本,分页 1000 条,补齐搜索漏掉的近期发布
论坛帖 api/v1/ideas/ 社区帖子;脚本型帖子带 script_id_part,正文里的代码块也会被抠出来

三条通道统一走 pine-facade 取完整 Pine 源码,只收 scriptAccess=open 的。 max_fetch 限制每轮新增下载数,语料库在连续几轮里逐步补齐。

实测(2026-10-06):脚本流 1000 条里 779 条开源,而原搜索通道只覆盖 233 条; 论坛帖最新 996 条没有一条含代码块或脚本(全是看盘分析)—— 通道保留并记录产出,一旦出现代码会入库。

快速开始

git clone <your-fork> && cd alpha-radar
pip install -e .
cp .env.example .env          # 填入 TUSHARE_TOKEN

alpharadar harvest            # 采集 TradingView 开源策略
alpharadar list               # 看内置策略
alpharadar matrix --symbols P.DCE,Y.DCE,M.DCE \
                  --strategies utbot,orb,vreversal --freqs 5min,15min

期货分钟线需要 Tushare 的 ft_mins 权限;A 股分钟线需要 stk_mins 权限。 日线(--freq 1d)权限门槛低得多,A 股建议从日线开始。

内置策略

key 名称 出处 许可
utbot UT Bot TradingView @QuantNomad —
supertrend SuperTrend TradingView @KivancOzbilgic MPL-2.0
chandelier Chandelier Exit TradingView @everget MIT
orb 开盘区间突破 TradingView @LuxAlgo CC BY-NC-SA 4.0
false_breakout 假突破反向 TradingView @Zeiierman CC BY-NC-SA 4.0
orb_classic 开盘区间突破(原创实现) 原创实现,思路来源 Toby Crabel (1990) MIT
breakout_fade 假突破反向(原创实现) 原创实现,思路来源 Raschke & Connors《Street Smarts》Turtle Soup MIT
vreversal 冰点反转 原创 MIT
ema_cross 双均线交叉(基线) 通用 MIT

移植脚本保留了原作者与许可声明。CC BY-NC-SA 许可禁止商业使用, 商业场景请自行确认许可或改用 MIT/MPL 来源。orb / false_breakout 只留作研究对照; 对外使用的是 alpharadar/strategies/cleanroom.py 里按公开交易思路独立实现的 orb_classic / breakout_fade(未参照任何 TradingView 源码)。

证伪档案:五道闸门自动判定 + 对外导出

五道闸门(样本 → 尺度 → 分年 → 收益回撤比 → 稳健性)的阈值在 config/gates.json(带 threshold_version),判定逻辑在 alpharadar/judge.py;精选档案在 docs/archive/curated.json。

alpharadar falsify-export --out falsification.json          # 默认不含「样本不足」
alpharadar falsify-export --out - --include-insufficient    # 输出到 stdout
curl -s localhost:8901/api/falsification                    # 只读接口,免鉴权

非商用许可(CC BY-NC*、禁止再分发)的策略不会出现在导出里。 对外 JSON 契约见 docs/falsification-export.md。

两只手:确定性内核 + agent 大脑

全市场回测:任务队列 + 常驻 worker

全市场是 4 万量级的回测单元(全 A 股 + 全期货品种 × 各自可用周期 × 全部策略), 一轮跑不完,所以用持久化任务队列而不是固定清单:

alpharadar-scheduler.timer  (每 6h)  -> 采集语料库 + 同步品种表/任务队列
alpharadar-worker.service   (常驻)   -> 从队列取到期任务,串行回测
  • 成功 → next_due = 现在 + 7 天;失败 → +6 小时自动重试
  • 进程内 flock 防重入;磁盘低于 2GB 自动暂停(同机还有两个邻居服务)
  • Nice=10 / CPUWeight=20 / IOWeight=20,不抢资源
  • 看板 https://alpha-radar.infiniti.website/runs 有实时队列进度与 ETA

改范围只动 config/universe.json 的 auto 段:

"stocks":  {"freqs": ["1d","1min","5min","15min","30min","60min"],
            "minute_top_n": 300, "start_minute": "20240101"},
"futures": {"freqs": ["1min","5min","15min","30min","60min","1d"]}

物理约束(必须知道):全市场 1 分钟数据约 78GB,普通云主机放不下。 所以默认策略是「日线跑全市场,分钟级按流动性分层」—— A 股全市场跑日线,分钟级只覆盖成交额前 300 只;期货品种少(103 个),六个周期全开。

磁盘不够怎么办:按品种回收行情缓存

worker 是按品种成批处理任务的(一个品种 6~11 个任务共用一份行情), 一个品种全部跑完后立刻删掉它的行情缓存,需要时再下:

[cache] 000153.SZ 完成,回收 2 个文件 0.1MB
[cache] 000155.SZ 完成,回收 2 个文件 0.1MB
  • 删的是合约行情;主力映射表保留(很小,且每个期货任务都要用)
  • 再加一道全局兜底:缓存超过 cache.max_gb(默认 3GB)按 LRU 删到 80%
  • 代价:每轮扫描都相当于冷启动,稳定态约 30 小时/轮(requeue 是 7 天一次,够用)
  • 扩盘后:给 worker 加 --keep-cache,省掉全部重复下载,一轮降到几小时

无人值守:alpharadar-scheduler.timer 每 6 小时跑一轮 「增量采集 TradingView 开源脚本 → 扫描 config/universe.json 里的品种×周期×策略 → 写 SQLite」。 某个组合在 max_age_days 内成功过就跳过;需要重跑的按上次成功时间从旧到新排队, 一轮跑不完也不会饿死后面的组合。

内核(alpharadar/)是可独立运行的 Python 包:数据、撮合、成本、指标、报告。 不依赖任何 agent,pip install 后即可用。

大脑(AGENTS.md + .codex/skills/alpha-radar/)把 Codex 变成研究员: 按固定循环 发现 → 筛选 → 移植 → 回测 → 记录,并受一组铁律约束:

  • 没有含成本的回测,不许说有效
  • 必须给分年结果、声明搜索规模、报样本量
  • 不许为了好看而调参;失败的结论也要写进 docs/findings.md

内核刻意把所有交易规则(撮合顺序、成本、T+1)锁在 engine.py 一处, agent 只能产出信号列 —— 这样它没有能力通过改口径造出一条好看的曲线。

回测口径

  • 信号当根收盘确认,按收盘价 ± 1 跳滑点成交
  • 止损优先于止盈;止盈按触价成交(限价单),止损吃滑点
  • 期货:按手手续费(可叠加成交额比例);A 股:佣金 + 卖出印花税 + 最低 5 元
  • A 股 T+1 强制执行(当日买入当日不可卖,含止损)
  • 默认只做日盘、09:10 前与 14:30 后不开仓、收盘强平

我们已经得到的结论

完整记录见 docs/findings.md 与 docs/pitfalls.md:

  1. 成本是第一道闸门:往返成本 ÷ 平均振幅 > 25% 的尺度不要做。 棕榈油 1 分钟是 58%,五个策略家族全负。
  2. 宽止损 > 紧止损,没有例外。ATR 倍数 1.0→3.0 单调改善; 1.5×ATR 止损和保本止损都是负贡献。
  3. 胜率和赚钱没关系:胜率最高的策略(49.3%)亏得最多。
  4. 体制支配一切:加一个 ER 效率系数闸门,PF 从 1.043 抬到 1.578、 正年数从 2/5 抬到 4/5 —— 比两轮入场调优加起来都有效。
  5. 没有圣杯:目前最好的一档只有 55 笔(约 12 笔/年),样本太薄; 千笔样本那一档收益回撤比只有 0.45。都还不能实盘。

路线图

  • 跨品种验证体制闸门(Y / OI / M / C / RB / A 股指数)
  • 把「不交易」做成正式状态机(体制转弱立刻空仓)
  • 补 2016–2021 高波动年,检验趋势族的真样本外表现
  • 组合层:多品种同时交易的资金分配与相关性控制
  • dsh(DeepSeek Harness)插件形态,支持定时自动扫描
  • 更多数据源(AkShare / 本地 CTP 行情)

免责声明

本项目是研究工具,不构成投资建议。回测不含冲击成本、涨跌停无法成交、 盘中流动性枯竭等实盘约束;历史表现不代表未来收益。作者不对任何使用后果负责。

采集的 TradingView 脚本版权归原作者所有,本仓库仅用于研究检索与许可范围内的移植。

License

MIT(本项目代码)。第三方策略按其原始许可(见上表与各文件头)。

其他

如果你喜欢我的项目,可以给我买杯咖啡:

image

About

持续采集 TradingView 开源策略,在 A 股/期货上自动回测与证伪

Topics

Resources

Contributing

Stars

14 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages