name: 运行模拟 description: “在运行交易引擎模拟之前和之后使用。帮助：(1) 设置 - 选择配置，通过段集合选择段，批处理大小（推荐2,000-3,000次运行）；(2) 执行 - 使用 --collection 运行批处理模拟；(3) 分析 - 运行后进行全面诊断。触发条件：‘运行模拟’、‘测试配置’、‘批处理模拟’、‘分析模拟结果’、‘测试哪些配置’、‘多少段’、‘模拟设置’。”

运行模拟技能

您正在帮助设置和运行交易引擎模拟，然后执行全面的诊断分析。

当前阶段: 双焦点（验证 + 优化）

系统置信度: ~85% 准确。 模拟系统基本可信，但仍存在差异，找出这些差异至关重要。

优先级 #1: 准确性差异（最重要）

预期与实际行为之间的任何差距都是潜在的错误或误解。这些必须显著突出：

行为是否匹配配置参数？
数据中是否存在逻辑不一致？
结果是否与策略应该产生的一致？

当发现差异时，请显著标记。 即使是小的准确性问题在数千次交易中也会累积。

优先级 #2: 利润优化（主动研究）

拥有可信系统后，我们现在主动研究：

哪些配置表现最佳？
什么市场条件有利于哪些策略？
参数如何影响盈亏？

突出有趣的利润模式 AND 准确性担忧。现在两者都很重要。

重要: 此技能应在运行模拟之前调用，以帮助设置决策（配置选择、通过集合选择段、批处理大小）。

阶段 1: 设置与运行

⚠️ 用户输入优先

如果用户在调用此技能时提供任何参数、指令或上下文，这些绝对优先于以下所有默认设置。

用户说“运行配置 X” → 运行配置 X，忽略默认配置选择
用户说“测试这5个段” → 测试那5个段，忽略默认段查询
用户提出特定问题 → 回答该问题，不要运行完整的默认工作流程
用户提供部分指令 → 用默认填充空白，但尊重用户指定的内容

以下默认行为仅在技能调用时没有任何参数时适用。

默认行为（仅无参数时）

使用段集合选择多样化的配置和段（已弃用旧过滤器）：

查询可用配置: SELECT name, config FROM strategy_configs ORDER BY name
选择10-20个配置，覆盖不同的指标类型（EMA, RSI, Bollinger, 组合）

选择或创建一个段集合（v1中仅AND注释）:

bun src/systems/trading-engine/bd-segments.ts list
bun src/systems/trading-engine/bd-segments.ts create --name=high-activity --annotations=high_activity --limit=100
bun src/systems/trading-engine/bd-segments.ts preview --name=high-activity

运行批处理模拟:

bun src/systems/trading-engine/batch-runner.ts --config-pattern="<pattern>" --collection=high-activity --save

批处理运行器 CLI 参考

位置: src/systems/trading-engine/batch-runner.ts

用法:

bun src/systems/trading-engine/batch-runner.ts [options]

选项:

选项	短选项	描述
`--config=ID`	`-c`	策略配置 ID（可指定多个）
`--all-configs`	`-a`	运行所有可用策略配置
`--config-pattern=PAT`	`-p`	运行名称匹配模式的配置（SQL LIKE）
`--strategy-type=TYPE`		按策略类型过滤配置（波动性、套利、网格）
`–collection=NAME	ID`	`-C`
`--show-selection`		预览集合选择并退出
`--capital=CENTS`		初始资本（美分）（默认: 10000 = $100）
`--workers=N`	`-w`	并行工作线程数（默认: 8）
`--save`	`-S`	将结果保存到数据库
`--dry-run`		显示将要运行的内容而不执行
`--warmup-candles=N`		在段之前预加载 N 个蜡烛图用于指标预热（默认: 50）
`--db-pool-max=N`		主批处理过程的数据库池大小（默认: 10）
`--db-pool-max-worker=N`		工作线程的数据库池大小（默认: 3）

示例:

# 在一个段集合上运行一个配置
bun src/systems/trading-engine/bd-segments.ts create --name=swings100 --annotations=high_activity
bun src/systems/trading-engine/batch-runner.ts --config=abc123 --collection=swings100 --save

# 在一个集合上运行所有配置
bun src/systems/trading-engine/batch-runner.ts --all-configs --collection=swings50 --save

# 在特定段 ID 上运行所有配置（快照集合）
bun src/systems/trading-engine/bd-segments.ts create --name=segment-set --segment-ids=949,950,951,952 --mode=snapshot
bun src/systems/trading-engine/batch-runner.ts --all-configs --collection=segment-set --save

# 在 high_activity 段上运行匹配 "RSI-*" 的配置
bun src/systems/trading-engine/bd-segments.ts create --name=rsi-activity --annotations=high_activity
bun src/systems/trading-engine/batch-runner.ts --config-pattern="RSI-%" --collection=rsi-activity --save

# 干运行以查看将要执行的内容
bun src/systems/trading-engine/batch-runner.ts --all-configs --collection=swings100 --dry-run

关键 CLI 标志（快速参考）

--collection=NAME|ID 或 -C: 必需的段集合选择器
--show-selection: 预览解析后的段列表并退出
--config-pattern="TEST-%" 或 -p: 按名称模式过滤配置
--strategy-type=grid: 按策略类型过滤配置

阶段 2: 全面分析（始终运行）

模拟完成后，运行所有以下诊断查询。以表格形式呈现结果。

2.1 核心统计

SELECT
  sc.name,
  COUNT(*) as runs,
  ROUND(AVG(trade_count)::numeric, 1) as avg_trades,
  ROUND(STDDEV(trade_count)::numeric, 1) as stddev_trades,
  MIN(trade_count) as min_trades,
  MAX(trade_count) as max_trades
FROM (
  SELECT r.id, sc.name, COUNT(t.id) as trade_count
  FROM sim_runs r
  JOIN strategy_configs sc ON r.config_id = sc.id
  LEFT JOIN sim_trades t ON t.run_id = r.id
  WHERE r.created_at > NOW() - INTERVAL '1 hour'
  GROUP BY r.id, sc.name
) sub
JOIN strategy_configs sc ON sc.name = sub.name
GROUP BY sc.name
ORDER BY avg_trades;

2.2 入场信号频率（红旗: 中位数 < 60秒可疑）

WITH entries AS (
  SELECT
    t.run_id, sc.name as config, t.entry_at,
    LAG(t.entry_at) OVER (PARTITION BY t.run_id ORDER BY t.entry_at) as prev_entry
  FROM sim_trades t
  JOIN sim_runs r ON t.run_id = r.id
  JOIN strategy_configs sc ON r.config_id = sc.id
  WHERE r.created_at > NOW() - INTERVAL '1 hour'
)
SELECT
  config,
  COUNT(*) as entry_gaps,
  ROUND(AVG((entry_at - prev_entry)/1000.0)::numeric, 1) as avg_gap_sec,
  ROUND(PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY (entry_at - prev_entry)/1000.0)::numeric, 1) as median_gap_sec,
  COUNT(*) FILTER (WHERE entry_at - prev_entry < 1000) as gaps_under_1s,
  COUNT(*) FILTER (WHERE entry_at - prev_entry < 5000) as gaps_under_5s,
  COUNT(*) FILTER (WHERE entry_at - prev_entry < 60000) as gaps_under_1min
FROM entries
WHERE prev_entry IS NOT NULL
GROUP BY config
ORDER BY median_gap_sec;

解释: 中位数间隙 < 60秒表明过度交易。健康的配置应该有分钟级的间隙（典型20-30分钟）。间隙 < 1秒是主要红旗 - 表明指标不断触发。

2.3 仓位重叠

-- 平均有多少并发仓位？
WITH trade_events AS (
  SELECT t.run_id, sc.name as config, t.entry_at as ts, 1 as delta
  FROM sim_trades t
  JOIN sim_runs r ON t.run_id = r.id
  JOIN strategy_configs sc ON r.config_id = sc.id
  WHERE r.created_at > NOW() - INTERVAL '1 hour'
  UNION ALL
  SELECT t.run_id, sc.name as config, t.exit_at as ts, -1 as delta
  FROM sim_trades t
  JOIN sim_runs r ON t.run_id = r.id
  JOIN strategy_configs sc ON r.config_id = sc.id
  WHERE r.created_at > NOW() - INTERVAL '1 hour' AND t.exit_at IS NOT NULL
),
running_pos AS (
  SELECT run_id, config, ts,
    SUM(delta) OVER (PARTITION BY run_id ORDER BY ts, delta DESC) as open_positions
  FROM trade_events
)
SELECT
  config,
  MAX(open_positions) as max_concurrent,
  ROUND(AVG(open_positions)::numeric, 2) as avg_concurrent,
  PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY open_positions) as median_concurrent
FROM running_pos
GROUP BY config
ORDER BY avg_concurrent DESC;

2.4 持有期限分布

SELECT
  sc.name as config,
  CASE
    WHEN t.holding_duration_ms < 30000 THEN '<30s'
    WHEN t.holding_duration_ms < 60000 THEN '30-60s'
    WHEN t.holding_duration_ms < 120000 THEN '1-2min'
    WHEN t.holding_duration_ms < 180000 THEN '2-3min'
    WHEN t.holding_duration_ms < 240000 THEN '3-4min'
    WHEN t.holding_duration_ms < 300000 THEN '4-5min'
    ELSE '5min+'
  END as hold_bucket,
  COUNT(*) as trades,
  ROUND(AVG(t.net_pnl_cents)::numeric, 1) as avg_pnl,
  ROUND(COUNT(*)::numeric / SUM(COUNT(*)) OVER (PARTITION BY sc.name) * 100, 1) as pct
FROM sim_trades t
JOIN sim_runs r ON t.run_id = r.id
JOIN strategy_configs sc ON r.config_id = sc.id
WHERE r.created_at > NOW() - INTERVAL '1 hour' AND t.holding_duration_ms IS NOT NULL
GROUP BY sc.name, hold_bucket
ORDER BY sc.name, MIN(t.holding_duration_ms);

2.5 出场原因分析

SELECT
  sc.name as config,
  t.exit_reason,
  COUNT(*) as trades,
  ROUND(AVG(t.net_pnl_cents)::numeric, 1) as avg_pnl,
  ROUND(COUNT(*)::numeric / SUM(COUNT(*)) OVER (PARTITION BY sc.name) * 100, 1) as pct
FROM sim_trades t
JOIN sim_runs r ON t.run_id = r.id
JOIN strategy_configs sc ON r.config_id = sc.id
WHERE r.created_at > NOW() - INTERVAL '1 hour'
GROUP BY sc.name, t.exit_reason
ORDER BY sc.name, trades DESC;

2.6 YES vs NO 边分析（重要 - 检查不对称性）

SELECT
  sc.name as config,
  t.side,
  COUNT(*) as trades,
  ROUND(AVG(t.net_pnl_cents)::numeric, 1) as avg_pnl,
  ROUND(AVG(CASE WHEN t.net_pnl_cents > 0 THEN 1 ELSE 0 END)::numeric * 100, 1) as win_pct,
  ROUND(AVG(t.entry_price)::numeric, 1) as avg_entry_price,
  ROUND(AVG(t.exit_price)::numeric, 1) as avg_exit_price,
  ROUND(AVG(t.quantity)::numeric, 1) as avg_qty
FROM sim_trades t
JOIN sim_runs r ON t.run_id = r.id
JOIN strategy_configs sc ON r.config_id = sc.id
WHERE r.created_at > NOW() - INTERVAL '1 hour'
GROUP BY sc.name, t.side
ORDER BY sc.name, t.side;

解释: YES和NO之间显著的不对称性表明价格转换或边选择逻辑存在错误。除非策略明确偏好某一方，否则双方应有相似特征。

2.7 仓位大小验证

-- 检查填充是否匹配预期大小并与订单簿对齐
SELECT
  sc.name as config,
  t.quantity as fill_qty,
  COUNT(*) as occurrences,
  ROUND(AVG(t.entry_price)::numeric, 1) as avg_entry_price,
  ROUND(AVG(t.net_pnl_cents)::numeric, 1) as avg_pnl
FROM sim_trades t
JOIN sim_runs r ON t.run_id = r.id
JOIN strategy_configs sc ON r.config_id = sc.id
WHERE r.created_at > NOW() - INTERVAL '1 hour'
GROUP BY sc.name, t.quantity
ORDER BY sc.name, t.quantity;

检查: 数量是否匹配配置的maxTradeSize？是否发生部分填充？与maxPositionPerMarket比较。

2.8 交易序列表现

WITH numbered_trades AS (
  SELECT t.*, sc.name as config,
    ROW_NUMBER() OVER (PARTITION BY t.run_id ORDER BY t.entry_at) as trade_num
  FROM sim_trades t
  JOIN sim_runs r ON t.run_id = r.id
  JOIN strategy_configs sc ON r.config_id = sc.id
  WHERE r.created_at > NOW() - INTERVAL '1 hour'
)
SELECT
  config,
  CASE
    WHEN trade_num = 1 THEN '1st'
    WHEN trade_num BETWEEN 2 AND 5 THEN '2-5th'
    WHEN trade_num BETWEEN 6 AND 10 THEN '6-10th'
    WHEN trade_num BETWEEN 11 AND 20 THEN '11-20th'
    ELSE '21st+'
  END as position,
  COUNT(*) as trades,
  ROUND(AVG(net_pnl_cents)::numeric, 1) as avg_pnl,
  ROUND(AVG(CASE WHEN net_pnl_cents > 0 THEN 1 ELSE 0 END)::numeric * 100, 1) as win_pct
FROM numbered_trades
GROUP BY config, position
ORDER BY config, MIN(trade_num);

2.9 市场段分析

SELECT
  ms.definition_name,
  COUNT(DISTINCT r.id) as runs,
  COUNT(t.id) as trades,
  ROUND(AVG(r.total_pnl_cents)::numeric, 1) as avg_run_pnl,
  ROUND(AVG((ms.metrics->>'swing_count')::int)::numeric, 1) as avg_swings,
  ROUND(AVG((ms.metrics->>'reversion_rate')::float)::numeric, 2) as avg_reversion_rate
FROM sim_runs r
JOIN market_segments ms ON ms.source_meta->>'legacy_test_case_id' = r.test_case_id::text
LEFT JOIN sim_trades t ON t.run_id = r.id
JOIN strategy_configs sc ON r.config_id = sc.id
WHERE r.created_at > NOW() - INTERVAL '1 hour'
GROUP BY ms.definition_name
ORDER BY runs DESC;

2.10 运行健康检查

SELECT status, COUNT(*) as count
FROM sim_runs
WHERE created_at > NOW() - INTERVAL '1 hour'
GROUP BY status;

红旗: 批处理完成后任何"running"状态 = 崩溃的模拟。

阶段 3: 日志分析（始终运行）

检查最近的模拟日志以查找异常：

# 查找最近的模拟日志
ls -lt logs/sim/ | head -5

# 从带内容的最新日志中采样条目
LOG=$(ls -ltS logs/sim/*.log | head -1 | awk '{print $NF}')
echo "分析: $LOG ($(du -h "$LOG" | cut -f1))"

# 按类别检查日志量（性能红旗: >1M 指标日志）
echo "按类别日志量:"
rg '\"category\"' "$LOG" | jq -r '.category' 2>/dev/null | sort | uniq -c | sort -rn

# 从时间戳检查运行持续时间
echo "运行持续时间:"
FIRST_TS=$(head -1 "$LOG" | jq -r '.time' 2>/dev/null)
LAST_TS=$(tail -1 "$LOG" | jq -r '.time' 2>/dev/null)
if [ "$FIRST_TS" != "null" ] && [ "$LAST_TS" != "null" ]; then
  echo "持续时间: $(( (LAST_TS - FIRST_TS) / 1000 )) 秒"
fi

# 统计出场原因
echo "出场原因分布:"
rg '\"reason\"' "$LOG" | jq -r '.reason' 2>/dev/null | sort | uniq -c | sort -rn | head -20

# 检查错误
echo "日志中的错误:"
rg -i '\"level\":50' "$LOG" | head -10

# 检查警告
echo "日志中的警告:"
rg -i '\"level\":40' "$LOG" | head -10

寻找:

异常的出场原因（不是profit_target, time_limit, collapse, end_of_data）
错误级别（50）条目
暗示错误的模式（重复相同条目，缺少字段）
性能: 日志文件 > 500MB = 过度日志记录
性能: >1M 指标类别日志 = 调试日志瓶颈

阶段 3.5: 性能分析

检查模拟吞吐量：

-- 最近批处理中的每秒运行次数
SELECT
  DATE_TRUNC('minute', created_at) as minute,
  COUNT(*) as runs,
  ROUND(COUNT(*)::numeric / 60, 1) as runs_per_sec
FROM sim_runs
WHERE created_at > NOW() - INTERVAL '1 hour'
GROUP BY minute
ORDER BY minute DESC
LIMIT 10;

预期吞吐量: 使用tick缓存时为20-40次运行/秒。如果 < 10次运行/秒，调查：

是否使用tick缓存？（检查批处理脚本输出中的"Pre-loaded"）
是否启用指标调试日志记录？（检查日志大小）
工作线程是否I/O受限？（检查工作线程数与CPU核心数）

阶段 4: 分析总结

双焦点: 突出准确性担忧和利润见解。

首先: 准确性检查（优先级 #1）

标记预期与实际行为之间的任何差异：

配置行为是否匹配参数？
是否存在无法解释的模式或异常？
指标是否有逻辑意义？

准确性问题优先。 1%的准确性错误可能使利润分析无效。

然后: 利润见解（优先级 #2）

准确性验证后，分析：

哪些配置最有利可图？
跨市场条件出现什么模式？
是否存在优化机会？

验证问题以回答

对于每个发现，问：“这符合我们预期吗？如果不，为什么？”

观察	预期行为	实际	匹配？	如果不，调查
入场间隙	基于指标参数	?	?	指标计算？蜡烛聚合？
出场原因	平衡组合	?	?	出场逻辑？阈值错误？
YES vs NO 表现	相似（市场对称）	?	?	价格转换？边选择？
仓位大小	匹配配置 maxTradeSize	?	?	填充逻辑？深度解析？
持有期限	跨桶分布	?	?	出场条件触发？
交易序列	后期交易 ≈ 早期	?	?	状态累积错误？
Bollinger/其他指标	应有时触发	?	?	指标实现？

关键验证检查

指标触发频率
- 入场之间的间隙是否与指标周期暗示的一致？
- EMA(20) 配60秒蜡烛 = 需要20分钟数据。我们看到入场比这快吗？
价格/边一致性
- YES和NO应该是镜像。主要不对称 = 价格处理可能错误。
- 检查: 我们是否为每边正确转换bid/ask？
配置参数实际应用
- stopLossCents 是否真的在该价格触发？
- profitTargetCents 是否真的触发？
- 是否检查 maxSpreadToEnter？
数据流完整性
- ticks 是否按顺序到达策略？
- 深度数据是否被正确解析？
- 填充是否被准确记录？

阶段 5: 发现与下一步

基于分析，组织发现：

准确性担忧（首先突出）

可能错误 - 暗示代码错误的差异
- “X 应该是 Y，但我们看到 Z” → 调查代码路径
不清楚行为 - 我们尚未理解的事情
- “我们预期 X，得到 Y，不确定原因” → 需要更深调查
确认工作正常 - 符合预期的事情
- “这行为符合预期” → 增加置信度

利润见解（其次突出）

顶级表现者 - 哪些配置显示最佳结果？
市场模式 - 什么条件有利于哪些策略？
优化机会 - 参数调整建议

下一步

准确性担忧的调查优先级
验证利润假设的实验
要测试的配置变体

记住: 准确性优先。显著突出差异，然后提供利润优化见解。两者都重要，但小的准确性错误可能使所有利润分析无效。

运行模拟Skill run-simulations