TraderAlice / Auto-Quant
설명이 제공되지 않았습니다.
이 프로젝트에 대해
TraderAlice 님의 Auto-Quant 프로젝트는 GitHub에서 345개의 별을 받으며 많은 개발자들의 주목을 받고 있습니다. 특히 Jupyter Notebook 환경에서 유용하게 활용될 수 있으며, 최근 오픈소스 커뮤니티에서 활발한 기여와 토론이 이루어지고 있는 트렌딩 레포지토리입니다.
Language Breakdown
🇰🇷 한국어 번역 README
캐시 히트자동퀀트
LLM-네이티브 자율 퀀트 연구 루프. Karpathy의 자동연구 패턴을 5쌍의 암호화폐(BTC, ETH, SOL, BNB, AVAX) 1시간 / 4시간 / 1일 타임프레임에서 FreqTrade 전략에 적용.
아이디어: LLM 에이전트에게 FreqTrade 백테스트 환경과 단일 전략 파일을 제공. 에이전트는 전략을 수정하고, 백테스트를 실행하고, 결과가 개선되었는지 확인하며, 유지하거나 폐기하고 반복. 여러 번 반복하면서 LLM이 실제로 어떤 패턴을 유용하게 찾는지 관찰하는 것이 목표. 이 루프는 program.md에 존재하며, 어떤 오케스트레이터에도 포함되지 않고, 저장소를 가리킨 어떤 LLM 에이전트로든 실행 가능.
이것은 Karpathy의 자동연구 패턴이 퀀트 연구로 이전 가능한지 검증하는 프로토타입. 성공 지표는 "루프가 실행되어 해석 가능한 results.tsv를 생성했는가"이며, "수익성 있는 전략을 찾았는가"는 아님. 이 저장소의 어떤 내용도 실제 자본 거래를 권장하는 것은 아님.
한 장의 그림으로 보는 실행
BTC/USDT + ETH/USDT @ 1h에서 99번 실험한 백테스트마다 한 점. 초록 점은 에이전트가 유지한 것이고, 회색 점은 폐기한 것. 빨간 선은 유지된 것만의 실행 최고값 — 샤프 지수 1.44에서 수평선, 오른쪽 샤프-18 클러스터에서는 아님. 샤프 지수가 높은 실행이 회색인 이유는 에이전트가 이를 오라클 게임(실제 수익 향상 없이 ROI 변동을 압축)으로 식별하고 후속적으로 폐기했기 때문. 전체 작성 내용은 versions/0.1.0/retrospective.md에 있음.
작동 방식
네 가지 thi
🌐 본 텍스트는 빠른 이해를 돕기 위한 요약 번역본입니다. 정확한 기술 정보 및 전체 코드는 GitHub 원문에서 확인하실 수 있습니다.
이 정보는 AI가 자동으로 분석한 결과입니다. 정확한 내용은 원문을 확인하세요.
TraderAlice/Auto-Quant GitHub 원문 바로가기 →