石头 (@Stone141319) “刚搓了一个量化回测工具，开源给需要的朋友，如果能够帮助到大家，欢迎点点关注，感谢” — TopicDigg
石头
@Stone141319
链上照妖镜 / Degen DNA Report 创始人｜用链上数据做钱包人格、交易心理和心理健康自测｜纯公益、开源、无授权、只读公开数据｜照完钱包，也记得照顾好自己。
INFP+双鱼座｜爱区块链，爱分享，布网以待下雨天！
💌 ➣TG:
加入 November 2022
2.2K 正在关注 4.9K 粉丝
刚搓了一个量化回测工具，开源给需要的朋友，如果能够帮助到大家，欢迎点点关注，感谢支持！！！
交易想法靠谱吗？别靠感觉了，先扔进历史 K 线跑一遍再说！！！
由于我是 Hermes 新手，之前验证交易策略只知道跑模拟盘测试，参加了BG的黑客松我才知道，还可以进行数据回测。
所以我开源了一个本地加密货币回测工具：石头量化回测实验室（Hermes Backtest Lab）
开源地址：
它不需要 API Key，也不是交易所机器人，核心就干一件事：把你的交易想法，丢进真实历史数据里跑一遍，看看数据怎么说。
——————————————————
支持的核心能力如下：
1、OKX 现货 + USDT 永续合约回测
2、多币种组合账户回测（模拟真实多标的账户）
3、多空双向（可只做多 / 只做空 / 双向）
4、链上 Token 回测（GeckoTerminal 数据源）
5、完整成本建模（手续费 + 滑点）
6、动态仓位、杠杆、保证金、回撤熔断
7、内置常用因子（趋势、均值回归、ATR、ADX、RSI、EMA、布林、成交量 z-score 等）
8、报告导出，每次回测会生成三类文件：
report.md：适合人看的回测报告
metrics.json：适合程序读取的指标
trades.csv：每一笔模拟交易明细
——————————————————
可以用 powershell 跑，或者直接丢给你的AI处理
新手最快上手（推荐）：
python -m pip install -r requirements.txt
python scripts/hermes_backtest_lab.py --preset demo
常用预设直接跑：
--preset balanced / conservative / aggressive / spot / onchain-demo
想自定义跑 OKX 永续：
python scripts/hermes_backtest_lab.py --symbols BTC,ETH,SOL,SUI --inst-type SWAP --days 180 --bar 1H
想跑现货（禁止做空）：
--symbols BTC,ETH,SOL --inst-type SPOT --allow-short 0 --days 180
想跑链上 Token：
--data-source geckoterminal --symbols base:token:0x... --days 30 --bar 1H
更多用法直接看仓库 README。
——————————————————
为什么我认为回测最有价值？
它不是用来证明你能赚钱的，而是给你一个冷冰冰铁面无私的质检员：
你的策略怕不怕手续费和滑点？
是靠几笔大赚撑起来的吗？
胜率、盈亏比、最大回撤、交易频率是否合理？
换一组币、换一个周期，还能不能活？
连历史数据 + 成本这一关都过不了的策略，上实盘大概率是送钱。
所以这个工具适合三类人：
想验证自己交易想法的人
想系统研究不同币种、周期、参数的人
想做自动化交易，但不想一上来就拿真金白银试错的人
——————————————————
最后提醒：历史回测不代表未来收益，但没有回测，很多时候你连自己亏在哪里都不知道。
欢迎 Star 、直接 clone 跑起来试试，跑完欢迎提 Issue 或反馈建议！
显示更多
现在很多人聊 AI Web3，都在盯着模型、应用、空投这些地方，但真到了一堆 AI Agent 上链执行任务、调用数据、协同交易、管理资产的时候，问题就会变得特别特别现实：
它的推理能不能被验证？
它调用的数据靠不靠谱？
它的记忆放在哪里？
它和其他 Agent 协作时，出了问题谁来审计？
底层协议有没有隐藏的 bug？
这些东西听起来一点也不性感，而且作为乐观主义者，我平时也反感只提问题不给解决方案，但真出事的时候，以上的每一个都会是扎心的大问题。
——————————————————
这也是我觉得 @0G_labs 近期的几个动作值得看的原因。
根据这次 APAC Hackathon 黑客松的最终数据，1.04M+ 社媒曝光、1145 名全球参与者、293 个最终提交项目，放在现在这个市场环境里，已经能说明 0G 生态不只有声音，是实实在在的有人在持续动手构建。
更关键的是，这批项目并没有只挂一个链上 AI 的概念，很多都实际落地应用到了 0G 存储、0G 算力、0G 链、隐私计算、Agentic ID。
这也说明 0G 的全栈基础设施，已经开始被开发者拿去做真实的东西了。
从我的视角看，黑客松最有价值的地方在于它能不能把开发者、场景和工具栈一起给跑通了,因为如果一个生态只有叙事，没有人愿意去动手搭东西，那热度一定会很快就消散了。
但是如果有几百个项目提交，有人用存储、有人用算力、有人用隐私计算、有人尝试 Agentic ID，这就说明 0G 的生态闭环开始有雏形了。
另一个点我觉得更硬，那就是 0G Lab 的这篇多智能体安全论文。
——————————————————
他们联合新加坡国立、北大、北邮做了一个叫 Agora 的框架，专门拿来 debug 共识协议。
共识协议直白的说就是链和分布式系统最底层的记账规则，节点怎么达成一致、异常节点怎么处理、状态怎么同步、签名和执行结果怎么保证不出问题，很多核心风险都藏在这里。
Agora 的思路是让多个 Agent 分工协作，有人负责理解全局状态、有人负责设计异常场景、有人负责生成测试代码、有人负责跑结果和复盘问题。
最后在 Raft、EPaxos、HotStuff、BullShark 等主流共识协议里，挖出了 15 个之前没人发现的协议级深层逻辑漏洞（零日漏洞），论文也中了顶会（我特意去查了下，论文已被 ICML 2026 接收，这是全球人工智能和机器学习领域历史最悠久、规模最大、最具影响力的顶级学术会议之一，这含金量懂的都懂）。
因为 AI Agent 以后真的要在链上跑，光靠会聊天、会生成内容、会自动执行任务肯定不够，底层系统必须能被测试，能被验证，能提前把风险挖出来，毕竟安全才是第一位的。
所以模型会换、应用会换，但 AI Agent 需要的可信执行、链上存储、隐私保护、安全验证这些需求不会消失。
这才是我看 0G 的核心逻辑，它正在补齐 AI Agent 上链之前必须要具备的底层能力。
熊市里，真正做事的项目反而更容易看清楚 ，你们觉得呢？
@0G_labs @0g_cn
显示更多
