worldquant-agent/config.py at main · Kcstring/worldquant-agent · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
import os

# ── 市场配置 ──────────────────────────────────────────
# MVP 阶段：只锁定美股。美股的研究资料、示例 alpha、字段覆盖度都最齐全，
# 先把单市场闭环跑通再考虑扩展。未来要加 CHN / EUR / ASI 等，只需在此
# 字典新增对应条目，pipeline / agents / prompts 的 `market` 参数已经是
# per-market 的，不用改动。
MARKET_CONFIGS = {
    "USA": {
        "region": "USA",
        "instrumentType": "EQUITY",
        "universe": "TOP3000",
        "delay": 1,
        "default_neutralization": "INDUSTRY",
    },
}

# MVP 默认市场，main.py 和脚本类入口从这里取。扩展多市场时，此常量作为"默认"，
# 配合交互菜单或 CLI 参数覆盖。
DEFAULT_MARKET = "USA"

# USA + delay=1 可用的股票池档位（平台 UI 原生选项）。
# MVP 单值运行 → MARKET_CONFIGS["USA"]["universe"]；
# 如果做 Universe 扫描实验，从这里取候选，禁止把 Universe 交给 Agent 2 迭代选
# （会让 Agent 靠缩小股票池偷 Sharpe，混淆"改进信号"与"换池子"的信号）。
UNIVERSE_OPTIONS = ["TOP3000", "TOP1000", "TOP500", "TOP200", "TOPSP500"]

# ── 评估标准（Phase A）────────────────────────────────
PERFORMANCE_CRITERIA = {
    "sharpe_min": 1.25,
    "fitness_min": 1.0,
    "turnover_min": 0.01,   # 1%
    "turnover_max": 0.70,   # 70%
}

# ── 迭代控制 ──────────────────────────────────────────
MAX_ITER = 8         # 最大迭代轮数

# ── 回测轮询控制 ───────────────────────────────────────
# WQ 正常回测 2-5 分钟，慢 alpha 5-10 分钟。服务端自身会在约 15-20 分钟后
# 把长跑 simulation 标记为 ERROR（"running too long"），我们更早放弃以：
#   - 让 Agent 2 尽快拿到"该表达式病态"的反馈信号；
#   - 避免 8 轮 × 20 分钟 = 近 3 小时的无聊等待。
# SIMULATION_HEARTBEAT_SEC：progress 日志最小间隔（太密刷屏，太疏像卡死）。
SIMULATION_SOFT_TIMEOUT_SEC = 600   # 10 分钟软超时，触发后 DELETE + 抛异常
SIMULATION_HEARTBEAT_SEC = 30       # 每 30 秒打一行 progress 心跳

# ── 模型 ──────────────────────────────────────────────
LLM_MODEL = os.environ.get("LLM_MODEL", "anthropic/claude-haiku-4-5")
OPENROUTER_BASE_URL = "https://openrouter.ai/api/v1"

# ── WQ Brain API ──────────────────────────────────────
WQ_BASE_URL = "https://api.worldquantbrain.com"

# ── 固定回测参数（不由 Agent 决定）───────────────────
# 说明：
#   - pasteurization 基本只在 debug 时关；长期 ON 安全
#   - maxTrade=OFF：研究阶段不用风控开关，避免 Agent 靠开关"刷"Sharpe。
#     WQ UI 还有 "Max Position" 开关，API 字段名未确认，暂不加；
#     默认服务端应为 OFF，跑出来指标异常时再补。
#   - nanHandling 不在这里：它随策略模式变化（见 settings_patterns.txt 模式 D），
#     交给 Agent 2 每轮决定。
FIXED_SETTINGS = {
    "instrumentType": "EQUITY",
    "pasteurization": "ON",
    "unitHandling": "VERIFY",
    "maxTrade": "OFF",
    "language": "FASTEXPR",
    "visualization": False,
    "testPeriod": "P5Y0M0D",   # 5年回测区间
}

# ── Agent 可决定的回测参数范围 ────────────────────────
# decay 说明：工作区 0~20，降换手可到 30。
#   - 0~8:   快信号（价量 / 新闻 / 情绪 / 短期反转）
#   - 10~20: 大多数基本面 / 分析师 / 模型类
#   - 20~30: Turnover 下不来且字段确为季度/年度更新时使用
#   - 30+:   默认禁用。decay 过大只是把噪音平掉，Sharpe 虚高 OOS 衰减；
#            而且 Turnover<12.5% 后降换手对 Fitness 零贡献（见 iteration_strategy.txt）。
# neutralization 完整列表来自 AlphaGen/neutralizations.json (Jan 2026 验证)
# nanHandling：大多数策略 OFF（WQ 服务端默认）；
#   仅在 ts_zscore/高换手模式下开 ON（参考 settings_patterns.txt 模式 D）。
AGENT_SETTINGS_OPTIONS = {
    "decay": [0, 1, 2, 4, 8, 13, 20, 30],
    "neutralization": [
        "MARKET", "SECTOR", "INDUSTRY", "SUBINDUSTRY",
        "NONE", "SLOW", "FAST", "SLOW_AND_FAST",
        "REVERSION_AND_MOMENTUM", "CROWDING",
    ],
    "truncation": [0.01, 0.02, 0.03, 0.04, 0.08],
    "nanHandling": ["OFF", "ON"],
}

# ── 预设策略大方向（L3 因子族粒度）──────────────────
# 每个方向对应一组"经济逻辑 + 默认数据类别建议"。
# Agent 1 会在该方向内选择具体异象、做理论研究、确认字段。
DIRECTIONS = {
    "value": {
        "desc": "价格偏离内在价值：用基本面锚定合理价格，买低估卖高估",
        "default_categories": ["fundamental"],
    },
    "quality": {
        "desc": "高质量公司长期跑赢：盈利稳定性、资产质量、应计项目",
        "default_categories": ["fundamental", "earnings"],
    },
    "momentum": {
        "desc": "趋势延续：过去涨幅大/技术形态强的股票继续跑赢",
        "default_categories": ["pv"],
    },
    "reversal": {
        "desc": "短期超跌反弹：过度反应后的均值回归",
        "default_categories": ["pv", "sentiment"],
    },
    "analyst": {
        "desc": "分析师预期修正：盈利上调/目标价上调的超额收益",
        "default_categories": ["analyst", "earnings"],
    },
    "sentiment": {
        "desc": "市场情绪 / 新闻：信息冲击驱动的短期信号",
        "default_categories": ["news", "socialmedia", "sentiment"],
    },
    "short_interest": {
        "desc": "空头博弈：空头持仓变化揭示的信息优势",
        "default_categories": ["shortinterest"],
    },
}