Quant Orchestrator Skill
📊 Description
Multi-Agent AI Quant System for automated strategy research and backtesting.
💰 Pricing
- - 1 USDC per call
- 1 USDT = 1000 tokens
- Min deposit: 8 USDT
- Platform fee: 5%
🚀 Features
- - AI Factor Mining - Generate trading factors automatically
- AI Strategy Generation - Create strategies from factors
- Automated Backtesting - One-click backtest with metrics
- Strategy Evaluation - Sharpe, MaxDrawdown, WinRate, IC, IR
Architecture
CODEBLOCK0
Usage
CODEBLOCK1
Output
- - Sharpe Ratio
- Max Drawdown
- Win Rate
- IC (Information Coefficient)
- IR (Information Ratio)
- Strategy code
- Backtest results
Quick Start
CODEBLOCK2
Files
- -
skill.py - Basic skill - INLINECODE1 - Skill with payment
- INLINECODE2 - Payment SDK
- INLINECODE3 - BTC prediction
Quant Orchestrator 技能
📊 描述
用于自动化策略研究和回测的多智能体AI量化系统。
💰 定价
- - 每次调用1 USDC
- 1 USDT = 1000 tokens
- 最低充值：8 USDT
- 平台费用：5%
🚀 功能特性
- - AI因子挖掘 - 自动生成交易因子
- AI策略生成 - 基于因子创建策略
- 自动化回测 - 一键回测并输出指标
- 策略评估 - 夏普比率、最大回撤、胜率、IC、IR
架构
智能体量化平台
├── 数据智能体（市场数据）
├── 因子智能体（AI因子挖掘）
├── 策略智能体（AI策略生成）
├── 回测智能体（自动化回测）
└── 评估智能体（策略评估）
使用方法
python
from skillwithbilling import QuantOrchestrator
使用用户计费运行
orchestrator = QuantOrchestrator()
result = orchestrator.run_pipeline(
task=研究BTC动量策略,
user
id=USERID
)
输出结果
- - 夏普比率
- 最大回撤
- 胜率
- IC（信息系数）
- IR（信息比率）
- 策略代码
- 回测结果
快速开始
bash
安装依赖
pip install lightgbm pandas numpy requests
运行基础流程
python skill.py 研究BTC动量策略
运行带计费功能
python skill
withbilling.py 研究BTC策略 user123
文件说明
- - skill.py - 基础技能
- skillwithbilling.py - 带支付功能的技能
- billing.py - 支付SDK
- btcpredictoroptimized.py - BTC预测模块
