加密货币交易自学习系统，自动记录交易、分析盈亏模式并生成数据驱动的交易规则，持续优化决策准确性。
说明：
## 核心用法
**Crypto Self-Learning** 是一套面向加密货币交易者的AI驱动自改进系统，核心工作流程分为四步：
1. **交易记录**：每次交易后运行 `log_trade.py`，记录交易对、方向、价格、盈亏百分比、使用的技术指标、市场宏观环境（如美元指数、罗素指数）及交易理由
2. **性能分析**：通过 `analyze.py` 发现隐藏模式——例如按星期几的胜率、RSI区间表现、杠杆倍数与胜率关系
3. **规则生成**：`generate_rules.py` 从数据中自动提取可执行规则，如”RSI>70时做多胜率仅23%，建议规避”
4. **记忆更新**：`update_memory.py` 将学习到的规则自动写入MEMORY.md，供后续交易决策参考
## 显著优点
– **数据驱动决策**：摆脱主观直觉，用历史胜率指导交易
– **全上下文记录**：不仅记盈亏，还保留入场时的市场状态，便于复盘
– **自动化闭环**：从记录→分析→规则→记忆更新，无需手动整理
– **渐进式优化**：交易越多，规则越精准，形成个人专属交易系统
## 局限性与风险
– **样本量依赖**：初期交易次数少时，统计结论可能不可靠
– **过拟合风险**：历史规律未必适用于未来市场结构变化
– **数据完整性要求**：漏记亏损交易会严重扭曲分析结果
– **无实时风控**：本系统为事后分析工具，不包含仓位管理或止损执行
## 适合人群
– 有一定Python/命令行基础的活跃交易者
– 希望建立可量化、可迭代交易系统的进阶用户
– 愿意坚持记录每笔交易的纪律型交易者
## 常规风险提醒
?? 所有生成的规则均基于历史数据，不构成投资建议。加密货币市场高波动，过往表现不代表未来收益。建议配合独立风控系统使用。
会员专属
