企业官网建设流程全解析

anti-gambling-trader-tw（反詐投資王）是一款免费开源的投资反诈、交易统计与可回测策略生成工具：把你的交易记录（台股 / 美股 / 加密货币）丢进本地，它会统计判定你的交易更像「可重复的优势」还是「运气 + 赌博」，并顺手生成一份可回测的策略骨架（backtrader / vectorbt / generic 三种框架通用）。全程在你自己电脑上执行，数据不出本地。

它的立场很明确：把赌博行为自动化，只会让人赔得更快。所以它生成的不是「能下单的程序」，而是「先过统计与回测验证、再谈自动化的策略起点」。

为什么是「骨架」而不是完整策略？

大多数人的交易记录只说明了「你做了什么」，没说明「你按什么规则做的」。这个工具的解决思路是：

1. 从交易记录反推你的风格（持仓多久、做多还是做空、集中在哪些标的）；
2. 给出统计裁决（是优势、疑似运气还是赌博）；
3. 生成带安全机制的策略骨架：进/出场条件留空，逼你把「脑中的规则」写成可量化、可回测的条件。

写不出明确的规则，本身就是警讯：说明交易可能没有可重复的逻辑。这一点直接写在骨架源码的注释里（见 core/strategy/skeleton.py）。

生成管线：从 CSV 到 .py 的 4 个步骤

整条管线入口在 core/analyzer.py 的analyze_log()，串起四段：

第 1 步：载入交易记录（本地）

支持 CSV / JSON / Excel，自动估算手续费、识别市场。缺时间、缺方向的数据会被「诚实标记」为不可用，而不是用猜值硬算（fail closed 原则，详见 docs/user-guide.md）。

第 2 步：统计裁决（Verdict）

judge()把绩效指标 + 统计检验（t 检验 + 置中 bootstrap）翻译成五档结论，定义在 core/verdict/judge.py：

设计原则是「宁可错杀，不可放过」——把优势误判成赌博，代价是时间；把赌博说成优势，代价可能是毕生积蓄。

第 3 步：反推交易风格（StrategyProfile）

profile_strategy()（core/strategy/profiler.py）从客观特征反推风格，核心是平均持仓天数 + 当日冲销比例两个指标：

同时还会统计标的集中度、每个 tag（进场理由）的胜率等，作为警讯和提示写进骨架。

第 4 步：渲染骨架（generate_skeleton）

generate_skeleton(profile, verdict, framework, stage)（core/strategy/skeleton.py）把「裁决横幅 + 风格 + 方向 + 持仓天数 + 进场提示」填进对应框架模板。

三种框架模板有什么差别？

三个模板的共同点：都只生成回测 / 纸上模拟代码，不含任何真实下单功能。

核心安全设计：安全闸门（safety gate）

这是整套机制里最值得新手看懂的一段（示例见 core/strategy/skeleton.py）：

• 骨架顶部有一个由裁决结果决定的开关_DISCOURAGED。若裁決为「应劝退」，或阶段分流（core/onboarding.py）未达到tiny_live_validation，该开关为True；
• 程序一启动就执行_safety_gate()：闸门开启时直接SystemExit，阻止你「先跑起来再说」；
• 文件头还嵌入完整裁决结论横幅（等级、理由、警讯）与免责声明，让你每次打开文件都先看到工具对你的判词。

换句话说：统计没过关的策略，工具宁可让它「跑不起来」。

快速上手：一条命令生成策略骨架

git clone https://gitcode.com/gh_mirrors/an/anti-gambling-trader-tw cd anti-gambling-trader-tw python -m pip install -e .

然后用内建范例体验（零数据也能跑）：

anti-gambling-trader demo --edge --strategy my_strategy.py

换成你自己的记录（示例数据见 core/examples/tw_stock_gambling.csv 等）：

# 默认生成 backtrader 骨架 anti-gambling-trader analyze my_trades.csv --strategy out.py # 生成 vectorbt 版本 anti-gambling-trader analyze my_trades.csv --framework vectorbt --strategy out_vbt.py

骨架写好文件后（见 core/cli.py 的输出逻辑），接着打开.py，把signal = False # TODO处换成你自己的进场规则，再用模板里自带的run_backtest()搭配历史数据回测即可。

想更进一步？anti-gambling-trader scaffold --from-analysis out.json可生成完整的交易程序专案（默认 PaperBroker 纸上模拟、14 种券商/交易所选项），骨架的安全闸门会一并嵌入（core/scaffold/generator.py）。

生成骨架之后该做什么？

1. 填规则：把进场条件写成明确、可量化的代码（写不出来 = 重新审视你的交易方法）；
2. 带 tag 记录：每笔交易标注进场理由，工具会按 tag 统计胜率，帮你分辨「哪套逻辑真的带来获利」（逐策略体检见 core/strategy/per_tag.py）；
3. 回测验证：样本外、含手续费，优势还在才算数；
4. 再谈自动化：规则冻结 + 样本外通过之后，才考虑接真实券商，且风险自担。

相关模块路径速查

免责声明：anti-gambling-trader-tw 仅提供统计分析与回测骨架，不构成投资建议；过去绩效不代表未来表现。生成的策略骨架默认只在回测 / 纸上模拟模式运行，任何真实交易决策与后果由使用者自行承担。