Back to Details

longbridge-ml-strategy

Compare original and translation side by side

🇺🇸

Original

English
🇨🇳

Translation

Chinese

longbridge-ml-strategy

longbridge-ml-strategy

Walk-forward machine-learning framework for stock direction prediction. Fetches historical OHLCV data, engineers technical features, trains a rolling classifier (Random Forest or Gradient Boosting), generates probabilistic buy/sell signals, and evaluates backtest performance.
Response language: match the user's input language — Simplified Chinese / Traditional Chinese / English.
用于股票走势预测的滚动向前机器学习框架。获取历史OHLCV数据，构建技术特征，训练滚动分类器（Random Forest或Gradient Boosting），生成概率性买卖信号，并评估回测表现。
响应语言：匹配用户输入语言——简体中文 / 繁体中文 / 英文。

Dependencies

依赖项

Requires: 
scikit-learn
, 
pandas
, 
numpy
(usually pre-installed). Optional: 
xgboost
or 
lightgbm
for gradient-boosting models. If unavailable, fall back to a simpler logistic-regression model.
需要：
scikit-learn
、
pandas
、
numpy
（通常已预装）。 可选：用于梯度提升模型的
xgboost
或
lightgbm
。 若上述可选依赖不可用，则退回到更简单的逻辑回归模型。

When to use

使用场景

  • User asks for ML-based prediction, rolling model training, feature-importance analysis, or AI-driven entry/exit signals for a single stock.
  • Triggers: "用机器学习预测 TSLA 涨跌", "NVDA random forest strategy", "walk-forward backtest AAPL".
  • 用户询问基于机器学习的预测、滚动模型训练、特征重要性分析，或单只股票的AI驱动买卖信号。
  • 触发示例："用机器学习预测TSLA涨跌"、"NVDA random forest strategy"、"walk-forward backtest AAPL"。

Workflow

工作流程

  1. Fetch 504 daily candles (≈ 2 years): 
    longbridge kline <SYMBOL> --period day --count 504 --format json
  2. Feature engineering (compute on rolling windows):
    • MACD line and signal (EMA12 − EMA26, signal EMA9)
    • RSI-14
    • Bollinger Band width: (upper − lower) / mid, window 20
    • Volume change rate: (vol_t − vol_{t-5}) / vol_{t-5}
    • 5-day price momentum: (close_t / close_{t-5}) − 1
    • Label: 1 if close_{t+5} > close_t × 1.01, 0 if < close_t × 0.99, else drop
  3. Walk-forward training:
    • Training window: 252 days; retrain every 60 days
    • Model: 
      RandomForestClassifier(n_estimators=100)
      or 
      GradientBoostingClassifier
    • Predict probability for the current bar
  4. Signal generation:
    • prob > 0.60 → Buy signal
    • prob < 0.40 → Sell/Short signal
    • Otherwise → Hold / neutral
  5. Backtest metrics (on out-of-sample predictions):
    • Win rate (% correct directional calls)
    • Profit factor (gross profit / gross loss)
    • Annualised Sharpe ratio (assuming daily rebalance)
    • Max drawdown
  6. Feature importance: rank top-5 features by mean decrease in impurity.
Run 
longbridge kline --help
to confirm flag names before calling.
  1. 获取504根日K线（约2年数据）： 
    longbridge kline <SYMBOL> --period day --count 504 --format json
  2. 特征工程（基于滚动窗口计算）：
    • MACD线与信号线（EMA12 − EMA26，信号线为EMA9）
    • RSI-14
    • 布林带宽度：(上轨 − 下轨) / 中轨，窗口为20
    • 成交量变化率：(vol_t − vol_{t-5}) / vol_{t-5}
    • 5日价格动量：(close_t / close_{t-5}) − 1
    • 标签：若close_{t+5} > close_t × 1.01则标记为1，若< close_t × 0.99则标记为0，其余情况丢弃
  3. 滚动向前训练：
    • 训练窗口：252天；每60天重新训练一次
    • 模型：
      RandomForestClassifier(n_estimators=100)
      或
      GradientBoostingClassifier
    • 预测当前K线的走势概率
  4. 信号生成：
    • prob > 0.60 → 买入信号
    • prob < 0.40 → 卖出/做空信号
    • 其他情况 → 持有 / 中性
  5. 回测指标（基于样本外预测）：
    • 胜率（方向判断正确的比例）
    • 盈亏比（总盈利 / 总亏损）
    • 年化夏普比率（假设每日调仓）
    • 最大回撤
  6. 特征重要性：按杂质减少均值排序前5位特征。
调用前请运行
longbridge kline --help
确认参数名称。

CLI

命令行界面（CLI）

bash
longbridge kline --help

longbridge kline <SYMBOL> --period day --count 504 --format json
bash
longbridge kline --help

longbridge kline <SYMBOL> --period day --count 504 --format json

Output

输出

Metric简体繁體English
Current signal当前信号當前訊號Current signal
Signal probability预测概率預測概率Signal probability
Win rate胜率勝率Win rate
Profit factor盈亏比盈虧比Profit factor
Sharpe ratio夏普比率夏普比率Sharpe ratio
Max drawdown最大回撤最大回撤Max drawdown
Top features重要特征重要特徵Top features
Output: current signal box → backtest summary table → feature importance list → caveats (past performance, data snooping). Cite Longbridge Securities / 数据来源：长桥证券 / 數據來源：長橋證券.
指标简体繁体English
Current signal当前信号當前訊號Current signal
Signal probability预测概率預測概率Signal probability
Win rate胜率勝率Win rate
Profit factor盈亏比盈虧比Profit factor
Sharpe ratio夏普比率夏普比率Sharpe ratio
Max drawdown最大回撤最大回撤Max drawdown
Top features重要特征重要特徵Top features
输出顺序：当前信号卡片 → 回测汇总表格 → 特征重要性列表 → 提示说明（过往表现、数据窥探偏差）。标注Longbridge Securities / 数据来源：长桥证券 / 數據來源：長橋證券。

Error handling

错误处理

Situation简体回复繁體回復English reply
command not found: longbridge
回退到 MCP 或提示安装 longbridge-terminal回退到 MCP 或提示安裝 longbridge-terminalFall back to MCP or install longbridge-terminal
not logged in
/ 
unauthorized
请运行 
longbridge auth login
請執行 
longbridge auth login
Run 
longbridge auth login
scikit-learn
not found		提示 
pip install scikit-learn pandas numpy
，并改用逻辑回归降级		提示安裝，降級至邏輯回歸Prompt install; degrade to logistic regression
Fewer than 252 candles数据不足，无法完成 walk-forward 训练數據不足Insufficient data for walk-forward
Other stderr直接显示原始错误直接顯示原始錯誤Surface verbatim
场景简体回复繁体回复English reply
command not found: longbridge
回退到MCP或提示安装longbridge-terminal回退到MCP或提示安裝longbridge-terminalFall back to MCP or install longbridge-terminal
not logged in
/ 
unauthorized
请运行
longbridge auth login
請執行
longbridge auth login
Run 
longbridge auth login
scikit-learn
未找到		提示
pip install scikit-learn pandas numpy
，并改用逻辑回归降级		提示安裝，降級至邏輯回歸Prompt install; degrade to logistic regression
K线数量不足252根数据不足，无法完成walk-forward训练數據不足Insufficient data for walk-forward
其他标准错误输出直接显示原始错误直接顯示原始錯誤Surface verbatim

MCP fallback

MCP回退方案

Use 
mcp__longbridge__candlesticks
with 
period=Day
, 
count=504
when CLI is unavailable.
当CLI不可用时，使用
mcp__longbridge__candlesticks
，参数设置为
period=Day
、
count=504
。

Related skills

相关技能

  • longbridge-kline
    — OHLCV data source
  • longbridge-volatility-strategy
    — vol regime as an additional feature
  • longbridge-multifactor
    — cross-sectional factor signals complement
  • longbridge-kline
    — OHLCV数据源
  • longbridge-volatility-strategy
    — 将波动率状态作为额外特征
  • longbridge-multifactor
    — 横截面因子信号补充

File layout

文件结构

longbridge-ml-strategy/
└── SKILL.md
longbridge-ml-strategy/
└── SKILL.md