Oft3r/agentic-trading-desk

解决的问题

该项目提供了一个个人股票和ETF交易台，消除了AI在金融计算中的幻觉。通过将所有技术指标和评分逻辑委托给确定性Python脚本，解决了依赖LLM进行数学分析的问题，同时使用AI代理作为数据获取、用户交互和交易执行的协调者。

工作原理

该系统采用混合架构，AI代理（集成Claude Code和Robinhood MCP协议）处理非确定性任务，而一系列Python脚本执行实际分析：

• 数据编排：代理通过Robinhood获取价格历史和报价，从Investing.com获取宏观数据。
• 确定性计算：代理将这些数据以JSON格式传递给专用脚本：
  • macro_pillar.py：分析跨资产情绪（例如收益率曲线、行业轮动），生成宏观评分。
  • indicators.py：计算原始技术指标（EMA、RSI、MACD、TRIX）。
  • score.py：将指标和宏观评分整合到“三支柱框架”（趋势、动量、宏观情绪）中，生成具体的交易决策（例如，退出、重新进入、持有）。
• 执行防护机制：为防止AI错误，系统采用PreToolUse钩子（mandate-order-guard.sh）拦截对经纪商的工具调用。它强制执行订单类型、会话时间（市价单 vs. 限价单）和最大名义价值（$1,200）的硬性限制。
• 定性补充：代理会补充来自Google Finance和Investing.com的新闻和分析师共识，但不会改变确定性评分。

适用人群

专为希望使用代理工作流进行短期投资组合管理的个人交易员设计，但需要严格的数学确定性和风险防护机制，以防止AI做出未经授权或错误的交易。

亮点

• 三支柱评分：一个定量框架，对趋势、动量和宏观情绪进行-2到+2的评分。
• 确定性引擎：完全不依赖LLM进行数学计算；所有指标均使用Python标准库计算。
• 沙箱级防护：使用shell钩子在订单到达经纪商前阻止禁止的订单类型（如止损单）。
• MCP集成：利用Model Context Protocol实现与Robinhood经纪账户的无缝交互。