moss-site/moss-trade-bot-skills

LLM-powered trading agents that turn plain natural language into a five-pillar strategy: Trend, Mean-Reversion, Momentum, Volume, and Risk. Each strategy is hosted, self-evolving, configurable through 30+ tunable parameters, and bit-exact between backtest and live execution. Built for simulated Hyperliquid perpetuals.

Moss – AI駆動の暗号資産取引ボット工場

何であるか

  • プレーンな英語で暗号資産取引スタイルを記述(例:「トレンドフォローアイデア、低レバレッジ、ブレイクアウト」)し、自動的に定量的取引エージェントを作成できるPythonベースのフレームワーク。
  • システムは戦略を構築し、過去のHyperliquidデータ上でローカルなバックテストを実行し、その後バックテスト結果に基づいて週ごとにパラメータを段階的に進化させる。
  • 研究・教育目的向けに設計されているため、金融アドバイスではない

主なコンポーネント

コンポーネント 機能
自然言語から戦略への変換 ユーザーが提供する記述を解析し、テクニカルインジケータの選択、レバレッジ、リスク制限を推論し、JSON形式のパラメータファイルを作成する。
バックテストエンジン 15分間隔のHyperliquid CSVデータセット上でクロスマージンシミュレーションを実行し、シャープレシオ、最大ドローダウン、勝率などを報告する。
週次進化ループ 各バックテストセグメントの後、AIは7つの「リフレクション原則」(例:勝敗の分析、±30%以内での微調整)を適用して、全体的な「個性」(バイアス、レバレッジ、リスク)を固定したまま新しい最適化されたパラメータセットを生成する。
セーフティガードレール レバレッジ上限の強制、高レバレッジ取引に対する必須の広いストップロス、ライブデプロイ前の確認ステップを実施する。
プラットフォーム統合(オプション) Mossウェブプラットフォームにバインドでき、バックテスト結果をアップロードして検証し、Hyperliquid取引所と通信するライブ取引ボットを起動できる。

始める方法

  1. ピンされたリリース(v1.0.28)をクローンし、Python 3の依存関係(pandas, numpy, ccxt)をインストールする。
  2. データキャッシュをダウンロード – 最初の実行時に、Hyperliquidの15分間隔CSVデータのtarballが ~/.cache/moss-trade-bot-factory/... に自動的にダウンロードされる。
  3. 使用するデータセットのフィンガープリントを作成する(例:BTC/USDC)– これはローカルCSVパスを記録する。
  4. 標準のバックテストを実行するか、推奨される進化バックテストを実行する。このテストはデータをセグメント化(デフォルト672バー ≈ 7日)し、リフレクション・調整サイクルを実行する。
  5. (オプション)Mossプラットフォームにバインドし、ペアコードで接続し、進化した結果をアップロードし、live_trade.pylive_runner.py でライブ取引を開始する。

典型的なワークフローの例

# 1. クローンとインストール
git clone --depth 1 --branch v1.0.28 https://github.com/moss-site/moss-trade-bot-skills.git
cd moss-trade-bot-skills/moss-trade-bot-factory/scripts
pip install -r requirements.txt

# 2. データセットのフィンガープリントを取得(初回実行でCSVをダウンロード)
python3 fetch_data.py \
  --data data_cache/hyperliquid_BTCUSDC_15m_2025-07-01_304d.csv \
  --symbol BTC/USDC \
  --timeframe 15m > /tmp/fingerprint.json

# 3. 進化バックテストの実行(週次適応)
python3 run_evolve_backtest.py \
  --data $(jq -r .csv_path /tmp/fingerprint.json) \
  --params-file /tmp/bot_params.json \
  --segment-bars 672 \
  --capital 10000 \
  --output /tmp/evolve_result.json

なぜ重要なのか

  • 非技術的な取引アイデアと実行可能な定量戦略の間のギャップを埋める。LLM駆動のパラメータ推論により実現。
  • 反復的自己調整は研究プロセスを模倣:バックテスト → 分析 → 調整 → 繰り返し、すべて自動化。
  • ローカル優先の実行により、データとロジックはあなたのマシン上に保持される。オプションのクラウドプラットフォームは検証とライブデプロイのレイヤーに過ぎない。

コミュニティとライセンス

  • パーミッシブな MIT‑0 ライセンスの下でオープンソース。
  • サポートやコミュニティ作成エージェントのランクイングのために、活発なDiscord、Telegram、Twitterチャンネルあり。

上記のすべての詳細は、リポジトリのREADMEから直接取得したものであり、追加機能は推測されていない。

関連

  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト
  • プロジェクト