data
多 venue 行情:crypto / 美股 / A 股 / 港股 / 日韩澳印巴英德 / 全球指数 / FRED 宏观。freshness 锚定。
from inalpha_data import get_bars可审计的量化 agent, 能进化的策略。
Agent 自己挑当前有效的因子来择时,叫上投资大师团对立辩论,写策略、自进化——每一笔下单都过机器审批。LLM 只写代码,工程纪律为每个决策背书。
git clone https://github.com/mirror29/inalpha「买入 BTC,置信度 0.62」——到底哪份数据、哪一步出了错,无从查起。
是真本事,还是运气?复现不出来,就没法信。
模型直接握着你的账户钥匙,一句乱指令就变成一笔真单。
把那次决策原样重放:它看了什么数据、跑了什么逻辑、给了什么理由。
每个想法、每次测试都留底,是真本事还是碰运气,能验证给你看。
AI 只负责提议,真正下单由你设好的规则执行——它自己扣不动扳机。
一个会解释自己、也绝不背着你下单的 AI。
factor.timing 用滚动 Rank IC 给因子库排名,浮出当前有效的信号——每个因子都经形式化、IC 检验、多重检验校正,并记录提出人、时点与经济学故事门的判定。
一次 deep dive 会召集技术、基本面、情绪、估值分析师,需要时再加一桌投资大师团。他们各执一词、正反交锋,再由 Inalpha 把分歧综合成一份留底的决策。
agent 用 Python 写出完整策略。先过三道沙盒关,才允许跑第一次回测。然后在多目标 fitness 下变异迭代,单一指标刷不动分——只有跑赢基线的策略才留下。
class Strategy(Bar): ...禁 os / eval / 越狱式 import
与内核隔墙运行
必须继承 + 实现 on_bar
sharpe + 0.3·calmar − 0.1·turnover − 1.0·(maxDD > 30%)策略代码只写一次。回测、模拟盘、live runner 共用同一份——只换 Clock 和 Gateway,业务逻辑不动。剩下能让分歧出现的,只有物理差异(滑点、延迟、数据精度)。
多 venue 行情:crypto / 美股 / A 股 / 港股 / 日韩澳印巴英德 / 全球指数 / FRED 宏观。freshness 锚定。
from inalpha_data import get_bars内存撮合 + 回测引擎 + 持久化模拟盘。状态可任意回放。
from inalpha_paper import run_backtest多分析师 LLM 对抗辩论。立场天然对立。绝不把过期数据当洞察。
from inalpha_research import debate每一个下单意图都走一条单向路:agent 起草一份 plan,由你设的规则(或你本人)批准,之后才有一枚一次性、会过期的 token 解锁执行。模型手里没有任何能直接碰到订单簿的工具——越狱也好、幻觉也好,都绕不过去。
所有市场共享同一个 orchestrator。新增一个 venue,所有 agent 即刻可用。
add a venue — every agent gets it for free
── 诚实告知 ——
坦诚回答我们被问得最多的几个问题。