OpenClaw 跑 Backtrader 标准流程

目标：用 OpenClaw + Backtrader 稳定地做指数策略研究，避免“任务做完了但没人知道”“结果散落一地”“Codex 和回测执行混在一起”的问题。

1. 角色分工

A. Codex / 编码代理负责什么

只负责：

新增/修改 Backtrader 策略
改实验脚本
加参数扫描逻辑
改 summary / report 输出
重构 backtrader-lab/ 内的代码

B. OpenClaw exec/process 负责什么

只负责：

真正执行 Backtrader 回测
跑参数扫描
管后台 session
读取日志
确认是否完成
主动反馈结果

C. 不要混用

原则：

Codex 写代码
Backtrader 脚本自己跑

不要把“让 Codex 干活”和“让 Codex 顺便当回测引擎”混成一件事。

2. 工作目录约束

所有 Backtrader 工作都限制在：

/home/erwin/.openclaw/workspace/cyb50-quant/backtrader-lab

规则：

不碰 MEMORY.md / SOUL.md / AGENTS.md / USER.md
不跑去 index-rotation/ 乱改
量化实验只在 backtrader-lab/ 收口

3. 推荐目录结构

backtrader-lab/
├── chinext50.csv
├── chinext50_experiments.py
├── chinext50_experiment_summary.md
├── chinext50_dualthrust_optimization.md
├── results/
│   ├── latest.json
│   ├── latest.log
│   └── runs/
├── scripts/
│   ├── run_experiments.sh
│   ├── run_dualthrust_opt.sh
│   └── notify_summary.sh
└── OPENCLAW_BACKTRADER_WORKFLOW.md

最低要求：

回测脚本
markdown summary
json 结果文件
log 文件

4. 标准执行方式

4.1 单次实验

直接执行 Backtrader 脚本：

cd /home/erwin/.openclaw/workspace/cyb50-quant/backtrader-lab
python3 chinext50_experiments.py

4.2 参数优化

cd /home/erwin/.openclaw/workspace/cyb50-quant/backtrader-lab
python3 chinext50_experiments.py --optimize-dualthrust

4.3 长任务后台运行

让 OpenClaw 用 exec + process 托管：

exec(background=true, pty=false/true 视需要) 启动
process poll/log 只做状态确认
不搞 sleep loop

5. 输出产物规范

每次回测至少产出 3 类东西：

A. summary.md

给人看的结论：

跑了哪些策略
参数是什么
年化 / 夏普 / 最大回撤 / 胜率
推荐继续哪条

B. results.json

给程序看的结构化结果：

strategy name
config
metrics
startedAt
finishedAt
data range
command

C. run.log

给排错用：

stdout
stderr
traceback
执行时长

规则：

有 markdown，方便我直接汇报给用户
有 json，方便后续自动比对/排序
有 log，方便排错

6. 反馈优先协议（最重要）

后台任务默认执行这套：

开始

必须反馈：

跑什么
在哪跑
session 是什么
大概多久

中间

出现以下情况必须主动反馈：

第一批结果出来
发现明显候选最优
某个方向明显不行
卡住 / 报错

结束

必须主动反馈：

最优策略
关键指标
结果文件位置
下一步建议

禁止

不允许任务做完后沉默
不允许等用户追问才汇报

7. 通知机制：不要单点依赖 system event

因为 openclaw system event 可能出现 websocket 1006 abnormal closure，所以不能只靠它。

三层通知方案

第一层：快路径

任务结束时尝试：

openclaw system event --text "Done: backtrader experiment finished" --mode now

第二层：状态落盘

每个任务写状态文件：

backtrader-lab/.task-watch/<task-id>.json

至少包含：

task id
session id
command
status: running / done / failed
summary path
updatedAt
announced: true/false

第三层：watchdog 兜底

如果：

任务已完成
但 announced=false

则父侧必须：

读取 summary
主动发结果
把 announced 标记为 true

结论

system event 是快路径
watchdog 才是兜底

8. OpenClaw 里更适合的使用姿势

情况 A：新增策略

用 Codex：

写新策略类
改 chinext50_experiments.py
加参数扫描

情况 B：跑实验

不用 Codex 代跑，直接：

python3 chinext50_experiments.py
python3 chinext50_experiments.py --optimize-dualthrust

情况 C：定时任务

用 cron isolated：

晚上自动跑回测
跑完自动写 summary
再显式投递到 Feishu 当前聊天

投递必须显式指定：

channel=feishu
to=ou_3923ae1d25c5056a9844718baf153e36
accountId=main

不要再用 last。

9. 推荐的脚本化方式

建议补两个脚本。

9.1 `scripts/run_experiments.sh`

职责：

运行基础实验
stdout/stderr 写入 results/latest.log
结果写入 chinext50_experiment_summary.md
同时生成 results/latest.json

9.2 `scripts/run_dualthrust_opt.sh`

职责：

跑 DualThrust 参数搜索
写 chinext50_dualthrust_optimization.md
生成 json 结果
更新 task status

10. 推荐的节奏

日常研究

白天：问答式、小范围单次回测
晚上：批量参数扫描
周末：统一做 shortlist 排名

研究顺序

先广撒网找候选
再缩到 Top 2~3
再做参数优化
再做样本外验证
最后才考虑实盘映射

11. 当前项目下的建议落地

基于当前 backtrader-lab/，建议后续这样走：

主线候选

DualThrustRegimeStrategy
DonchianRegimeStrategy
MomentumVolTargetStrategy

当前 DualThrust 优化候选

综合最强

range_period=20, k1=0.4, k2=0.4, regime=120

更稳版本

range_period=30, k1=0.3, k2=0.3, regime=120

下一步

做样本内/样本外拆分
做手续费敏感性
做不同时间段稳定性验证

12. 一句话版本

Codex 写 Backtrader，OpenClaw exec 跑 Backtrader，cron 负责定时，watchdog 负责不漏反馈。

OPENCLAW_BACKTRADER_WORKFLOW.md 5.9 KB 고유링크 히스토리 Raw