MCP hackathon (Scgr 1)

______________________________________________________________________

标题：股票回测MCP 表情符号📈 颜色来源：蓝色 颜色To：绿色 sdk：毕业 app_file：app.py 固定：false 标签：

• “建设mcp轨道xx”

______________________________________________________________________

LinkedIn帖子：https://www.linkedin.com/feed/update/urn:li:activity:7400976801524629504/

演示视频：https://youtu.be/EKdxNMhcD8I

LLM驱动的策略回溯测试

一个轻量级的模块化回溯测试应用程序，可以转换 自然语言交易策略 使用OpenAI GPT-4o-mini将其转化为结构化的可执行策略。

技术支持：

• 格拉迪奥 --交互式web UI
• 模态 --云托管LLM策略解析器端点
• OpenAI GPT-4o-mini --自然语言理解
• python --可插拔回溯测试引擎
• AlphaVantage --历史每日价格数据（免费等级：~100个交易日）

______________________________________________________________________

特性

自然语言策略解析（LLM模式）

用户可以编写自由形式的策略描述，系统会自动将其转换为结构化配置：

示例：

• “当10天均线超过50天均线时买入，当均线低于50天时卖出”
• “每7天投资1000美元，初始现金为5000美元”
• “DCA每周500美元”
• “买入并长期持有”

LLM（OpenAI GPT-4o-mini）解析描述并返回结构化配置：

{
  "type": "ma_cross",
  "params": {"short_window": 10, "long_window": 50},
  "initial_cash": 5000
}

手动模式

或者，用户可以直接通过UI手动选择策略类型并设置参数。

支持的策略

1. 移动平均线交叉（ma_cross）

- 当空头MA超过多头MA时买入 - 当空头MA跌破多头MA时卖出 - 参数： short_window, long_window

1. 美元成本平均值（dca）

- 定期投资固定金额 - 参数： interval_days, buy_amount - 支持 initial_cash 从LLM中提取 - 注：对于DCA，显示的“初始现金”指标表示总投资（初始现金+所有定期投资）

1. 买入并持有

- 在开始时购买并持有至结束 - 参数： buy_fraction （默认值：1.0）

1. 其他

- 当策略描述与上述任何一项都不匹配时返回 - 参数： {} （空）

回溯测试指标

• 初始现金/最终权益
• 总回报/年化回报
• 最大跌幅
• 交易次数/胜率
• 股权曲线可视化

______________________________________________________________________

设置

先决条件

• Python 3.8+
• 模态账户（用于LLM端点）
• OpenAI API密钥
• AlphaVantage API密钥（提供免费层）

安装

1. 克隆仓库

   git clone 
   cd "MCP Hackathon"

1. 安装依赖项

   pip install -r requirements.txt

1. 设置环境变量

创建一个 .env 项目根目录中的文件：

   ALPHAVANTAGE_API_KEY=your_alphavantage_api_key
   MODAL_STRATEGY_URL=https://your-username--strategy-config-service-strategy-config-web.modal.run

注： OPENAI_API_KEY 不需要 .env 为了地方发展。模态端点使用来自模态机密的API密钥。但是，如果你想在本地测试LLM解析，你可以选择添加它。

1. 部署模态端点

Modal应用程序托管LLM策略解析器。使用以下方式进行部署：

   modal deploy modal_app.py

部署后，Modal将提供一个URL。更新 MODAL_STRATEGY_URL 在你的 .env 文件。

1. 设置模态秘密

在Modal web UI中，创建一个名为 openai-secret 与：

   OPENAI_API_KEY=your_openai_api_key

运行应用程序

python app.py

Gradio界面将在 http://127.0.0.1:7860

______________________________________________________________________

用法

LLM模式（推荐）

1. 选择 LLM 从“策略模式”下拉列表中
2. 输入自然语言策略描述
3. 在描述中可选地指定初始现金（例如，“初始现金为5000美元”）
4. 点击“运行回溯测试”

输入示例：

• “当10天均线超过50天均线时买入，当均线低于50天时卖出”
• “DCA每7天1000美元，初始现金=5000”
• “每周投资500美元，起始资本为10000美元”
• “用初始现金20000美元购买并长期持有”

注： LLM自动提取 initial_cash 如果在描述中提及。如果没有提及，系统将使用UI中的默认值（10000）。

手动模式

1. 选择 “手册” 从“策略模式”下拉列表中
2. 选择策略类型（ma_cross、dca或buy_and_hold）
3. 设置所需参数
4. 设定初始现金
5. 点击“运行回溯测试”

______________________________________________________________________

数据限制

AlphaVantage免费套餐：

• 提供约100个交易日的历史数据
• 每天25个API请求
• 开始日期必须在最近100天内

UI包括验证，以确保日期在可用范围内。

______________________________________________________________________

项目结构

.
├── app.py                 # Main Gradio UI application
├── llm_strategy.py        # Client-side LLM strategy parser (calls Modal)
├── modal_app.py           # Modal deployment: LLM endpoint (OpenAI GPT-4o-mini)
├── mcp_server.py          # MCP server implementation (FastMCP tools for strategy parsing and backtesting)
├── backtest/
│   ├── __init__.py        # Package initialization
│   ├── engine.py          # Backtest orchestrator
│   ├── strategies.py      # Strategy implementations (ma_cross, dca, buy_and_hold)
│   ├── data.py            # AlphaVantage data fetcher
│   └── metrics.py         # Performance metrics calculation
├── requirements.txt       # Python dependencies
├── README.md             # This file
└── .env                  # Environment variables (create this file)

注： 其他文件，如 mcp_client_http.py 和 test_client.py 可以用于MCP客户端测试，但不是核心回测功能所必需的。

______________________________________________________________________

运作原理

1. 用户输入 → Gradio用户界面(app.py)
2. LLM解析 → 模态端点(modal_app.py)调用OpenAI GPT-4o-mini
3. 策略配置 → 返回给客户端的结构化JSON(llm_strategy.py)
4. 数据获取 → AlphaVantage API(backtest/data.py)
5. 回溯测试 → 战略执行(backtest/strategies.py)
6. 度量与可视化 → 结果显示在UI中

______________________________________________________________________

API密钥

AlphaVantage

• 免费层：从获取您的API密钥https://www.alphavantage.co/support/#api-钥匙
• 速率限制：每天25个请求

OpenAI

• 从获取API密钥https://platform.openai.com/api-keys
• 由Modal端点用于策略解析

模态

• 注册地址：https://modal.com
• 部署端点并获取的URL MODAL_STRATEGY_URL

______________________________________________________________________

故障排除

“模态端点返回非200状态：404”

• 确保已部署Modal应用程序： modal deploy modal_app.py
• 检查一下 MODAL_STRATEGY_URL 在 .env 与部署的端点URL匹配

“超过AlphaVantage API费率限制”

• 免费套餐每天允许25个请求
• 等待24小时或升级到高级计划

“指定日期范围内没有数据”

• AlphaVantage免费套餐仅提供约100个交易日
• 使用过去100天内的开始日期

“LLM策略解析失败”

• 检查一下 OPENAI_API_KEY 设置在模态秘密中
• 验证模态端点是否正在运行
• 检查与Modal的网络连接

______________________________________________________________________