It fills a missing open-source layer in the quantitative trading stack—enforcing hard-coded risk rules (position limits, drawdown circuit breaker, quarantine, etc.) that are often implemented ad hoc, and provides features like tamper-proof audit logs and persistent state that survive process restarts.
给你的交易系统,配一个 7×24、永不情绪化的风控官。
"Rule No.1:永远不要亏钱。Rule No.2:永远不要忘记第一条。" —— 沃伦·巴菲特
简体中文 · English
量化交易的五层积木——数据 → 研究 → 回测 → 风控 → 执行——数据有 OpenBB、研究有 Qlib、回测有 backtesting.py/vectorbt、执行有 Alpaca,唯独风控层没有一个成熟的开源标准件。RiskGuard 就是来补这块空白的。
风控的本质不是技术,而是提前写死的纪律。RiskGuard 把那几条能挡住绝大多数爆仓惨剧的规则,做成一个核心零依赖、可组合的库,让系统自动执行——因为等你真的亏钱上头那一刻,意志力是这世界上最靠不住的东西。
📖 目录
同一个"满仓做多"信号,喂给同一段 −45% 的崩盘行情。一个不设风控,一个套上 RiskGuard(单笔 10% 上限 + 15% 回撤熔断)。看最大回撤的差距:
| 裸奔账户 | 🛡️ RiskGuard 账户 | |
|---|---|---|
| 单笔仓位占比 | 100% | 10%(自动缩单) |
| 期末权益(起始 10 万) | 55,000 | 94,377 |
| 最大回撤 | −45.0% | −5.6% |
同一段崩盘,风控把最大回撤从 45% 压到 5.6%。
纪律不是让你多赚,是让你别在最坏的一天把本金亏光。
这段数字是
examples/06_with_vs_without.py的真实输出,是"仓位封顶"这条纪律的机械结果、可一键复现——不是收益承诺。git clone下来自己跑一遍就知道。
同一档配置,换成 +200% 的单边牛市,风控账户只吃到裸奔涨幅的 10%——120,000 vs 300,000。仓位上限截断的是分布的两端:既拦暴跌,也拦暴涨。这是真实的保费,不是隐藏条款(见 examples/09)。值不值,取决于你更怕错过暴涨,还是更怕活不到下一次机会。
if 判断就好?你当然可以写。但风控真正难的不是"能不能判断",而是分析质量和决策纪律——尤其在你亏钱上头、最不该动手的那一刻。
| 你以为够了 | 现实会发生什么 | RiskGuard 怎么做 |
|---|---|---|
| 记在脑子里"别超过 10%" | 上头时,脑子里的规则第一个失效 | 写进配置、系统强制,越界自动缩单 |
| "跌多了我就手动止损" | 你会犹豫、舍不得、甚至加仓摊平 | 回撤触线自动熔断,拉闸停手 |
| 回测年化 30% 很香 | 滑点/手续费一扣,实盘常年亏 | 模拟盘内建滑点 + 手续费,先扣摩擦再看 |
| 拿不到价就用上一个价 | 用错价 = 敞口算错 = 风控失效 | 拿不到价直接拒单(fail-closed) |
| 平仓单和开仓单一视同仁 | 熔断时把平仓也拦了,风险无法收敛 | 减仓单永远放行 |
| 日志记个 txt | 能被随手改,出事查无对证 | 哈希链留痕,verify() 一键验真伪 |
| 重启一下继续交易 | 高水位/熔断状态全部归零,纪律形同虚设 | 状态可持久化,重启也扛得住熔断 |
这不是"能不能判断"的问题,而是"纪律能不能被系统强制执行"的问题。 RiskGuard 把这七件事全部焊死进代码。
| 能力 | 类 | 一句话 |
|---|---|---|
| 🚫 单笔仓位闸 | MaxPositionLimit | 任一标的名义敞口 ≤ 权益的 max_position_pct(默认 10%)—— 别把身家压一注 |
| 🧯 回撤熔断 | DrawdownCircuitBreaker | 回撤触及 max_drawdown_pct(默认 15%)即停新仓,减仓永远放行 |
| 🐣 新兵隔离区 | `Strate |
券商无关的开源交易风控层:仓位上限 · 回撤熔断 · 动态仓位(Kelly/波动率) · 防篡改审计 · 实时监控守护。补上量化五层积木唯一缺的一层,核心零依赖。
Similar projects matched by category, topics, and programming language.
Harness Engineering is a methodology for improving coding agent outputs by carefully crafting the environment around them—providing curated context, tools, and executable constraints that encode an organization’s nonfunctional requirements and cumulative lessons.
A 28.9 million parameter language model runs on an $8 ESP32-S3 microcontroller entirely on-device, generating simple stories at about 9.5 tokens per second.
mimic captures traffic from any iOS or web app and automatically generates a Python client library that lets you call the app's API like a regular library.