AI 工具 14 min read

claude-trading-skills 實測:4 個紀律 skill 管台股下單,3 個情境擋下 2 個

tradermonty/claude-trading-skills 是 MIT 開源的 Claude 交易 skill 集(3,825 星、74 個 skill),作者明說它不是訊號引擎,而是用寫死的 Python 規則管下單前後的紀律。我串起其中 4 個紀律 skill 跑 3 個台股情境,連虧扳回和超額風險都被擋下——可以用,但代號不能帶 .TW、時間邊界寫死美東,正式管台股前要先改時區。

claude-trading-skills 實測:4 個紀律 skill 管台股下單,3 個情境擋下 2 個
本文目錄 · 6
懶人包
  • tradermonty/claude-trading-skills 是 MIT 開源的 Claude 交易 skill 集,2026-11-13 查是 3,825 星、74 個 skill;作者在 PROJECT_VISION.md 直接寫它「不是訊號引擎」,要做的是決策流程。
  • 我用原版 CLI 串起 4 個紀律 skill:position-sizer 算股數 → drawdown-circuit-breaker 看熔斷 → pre-trade-discipline-gate 下單前檢查,trader-memory-core 負責交易紀錄。
  • 3 個台股情境(帳戶 100 萬、標的 2317):照計畫下單 GO;連虧兩筆想扳回 NO_GO;計畫冒 1 萬卻想冒 3 萬 NO_GO。
  • 4 個 skill 自帶的 818 支測試在 Windows + Python 3.11.9 全過;整套離線,不下單、不連券商、不抓行情,判斷全是寫死的 Python 規則。
  • 台股有兩個坑:代號只能寫 2330 不能寫 2330.TW;日/週/月邊界寫死美東時間,台北早上看盤時前一天的虧損會算成「今天」。

這篇回答一個問題:claude-trading-skills 裡那幾個「擋住自己」的 skill,拿來管台股交易紀律到底擋不擋得住? 起點是 Threads 上工程師阿穆(@homuchen.build.ai)的一篇介紹,他點出這套 skill 最特別的地方是花很多力氣在下單前和交易後。我把 repo 拉下來,只呼叫原版 CLI,丟了 3 個台股情境進去,結果 3 個裡擋下 2 個。

claude-trading-skills 是什麼?

tradermonty/claude-trading-skills 是一組給 Claude 用的股票交易 skill。每個 skill 一個資料夾,裡面有 SKILL.md、參考資料和 Python 腳本。

項目2026-11-13 實查
授權MIT
建立2025-10-19
最後 push2026-11-12
星數/fork3,825/840
skill 數量74
文件站https://tradermonty.github.io/claude-trading-skills/en
Threads 貼文寫 3,663 星,是比較早的數字,這兩天還在漲。

選股器、板塊輪動、回測、經濟行事曆這些它都有,但專案的定位寫在 PROJECT_VISION.md:核心循環是 Plan -> Trade -> Record -> Review -> Improve,原文是「Claude Trading Skills is not a signal engine」,目標是當交易者的 decision-process OS。這次我只測其中跟紀律有關的 4 個。

4 個紀律 skill 各管什麼?

以下規則都是讀 SKILL.md 和程式確認的預設值:

  • position-sizer:依固定比例風險、ATR 或 Kelly 算該買幾股,可加最大部位比例上限。
  • drawdown-circuit-breaker:讀交易紀錄的已實現損益,決定能不能開新倉。單日虧 2% 停、連虧 2 筆冷卻 24 小時、週虧 5% 停、月虧 8% 停。
  • pre-trade-discipline-gate:下單前檢查清單,輸出 GO/NO_GO/REVIEW_REQUIRED,並寫一筆 JSONL 日誌。檢查進場是否寫在計畫裡、停損有沒有先設、部位是否在計畫內、實際風險有沒有超過計畫、24 小時內有沒有虧損出場。
  • trader-memory-core:每筆交易一份 YAML(thesis),記 IDEA → ENTRY_READY → ACTIVE → CLOSED 的生命週期和損益,給熔斷器和事後檢討讀。
這 4 個的判斷全是確定性的 Python 規則,LLM 不參與「能不能下」的決定。gate 的 SKILL.md 也寫明它「intentionally offline」:不下單、不取消單、不呼叫券商 API、不抓行情。Claude 在這裡的角色是幫你把清單填好、把指令串起來,結論由規則給。

怎麼裝?要什麼環境?

README 給兩條路:Claude 網頁版到 Releases 下載 .skill 檔上傳;Claude Code 則把需要的 skill 資料夾複製到 ~/.claude/skills/(個人)或專案的 .claude/skills/。

我的環境是 Windows 11、Python 3.11.9,用 venv 裝這 4 個 skill 的 requirements.txt:

skill依賴
position-sizer只用標準函式庫
drawdown-circuit-breakerpandas-market-calendars==5.2.2、pyyaml>=6.0
pre-trade-discipline-gatePyYAML>=6.0
trader-memory-corejsonschema>=4.25.1、PyYAML>=6.0
git clone --depth 1 https://github.com/tradermonty/claude-trading-skills
cd claude-trading-skills
python -m venv .venv
.venv/Scripts/python -m pip install pyyaml jsonschema pandas-market-calendars==5.2.2 pytest

裝完先跑官方測試,確認這台機器上行為跟作者一致。我在 repo 根目錄逐個 skill 跑 pytest,結果:

position-sizer             154 passed
drawdown-circuit-breaker    90 passed
pre-trade-discipline-gate   59 passed
trader-memory-core         515 passed (93s)

818 支全過。

3 個台股情境,結果怎樣?

設定:帳戶 1,000,000 元,候選標的 2317,進場 210、停損 200、每筆風險 1%,判斷時間 2026-11-13T09:30:00+08:00。三個情境走同一條流程:

  1. position_sizer.py 算股數。
  2. check_circuit_breaker.py 讀 state/theses 底下的交易紀錄,給熔斷建議。
  3. check_pre_trade_discipline.py 讀下單前清單、熔斷結果和市場狀態,給最終判定。
市場狀態那一步原本要接 market-regime 類 skill 的輸出,這次我直接餵一份 {"recommendation": "NEW_ENTRY_ALLOWED"},讓結果只反映紀律規則。

情境 B 要先有虧損紀錄。我用 trader_memory_cli.py 建兩筆交易並平倉:2330 在 11/10 以 1,080 買 400 股、11/11 以 1,050 停損;2454 在 11/11 以 1,500 買 200 股、11/12 以 1,440 停損,各虧 12,000。

python skills/trader-memory-core/scripts/trader_memory_cli.py store --state-dir state/theses \
  close th_2454_pvt_20261111_258d --exit-reason stop_hit \
  --actual-price 1440 --actual-date 2026-11-12 --event-date 2026-11-12
# th_2454_pvt_20261111_258d → CLOSED (stop_hit), pnl=-12000.0

三個情境的 sizer 都建議 1,000 股、風險 10,000。差別在清單和紀錄:

情境實際/計畫風險熔斷器gate 判定
A 照計畫下單10,000/10,000允許交易GO
B 連虧兩筆後想扳回10,000/10,000冷卻中NO_GO
C 想冒三倍風險30,000/10,000允許交易NO_GO
gate 給的擋下理由(原始輸出):
B_revenge_after_2_losses
  circuit_breaker recommendation is COOLDOWN
  recent losing exit/trim within 24h: 2454 -12000.00 at 2026-11-12T00:00:00-05:00
C_oversized
  size is not confirmed within plan
  actual risk 30000 exceeds planned risk 10000
claude-trading-skills 紀律閘門實測結果:情境 A 照計畫下單 GO,情境 B 連虧兩筆後 NO_GO,情境 C 實際風險超出計畫三倍 NO_GO

情境 B 值得細看。清單本身每一項都合規,股數、停損、風險都照計畫,會被擋是因為最近的交易紀錄。熔斷器的輸出是:

{
  "recommendation": "COOLDOWN",
  "triggered_rules": [
    {
      "rule": "losing_streak_cooldown",
      "threshold": 2,
      "observed": 2,
      "active_until": "2026-11-13T00:00:00-05:00"
    }
  ],
  "metrics": {
    "realized_pnl_today": -12000.0,
    "realized_pnl_wtd": -24000.0,
    "consecutive_losses": 2
  }
}

本週已實現虧損 24,000,是帳戶的 2.4%,沒碰到 5% 的週停損;觸發的是「連虧 2 筆就冷卻 24 小時」。gate 另外獨立抓到「24 小時內有虧損出場」,這條是防報復性交易。兩條理由都會寫進 pre_trade_discipline_2026-11-13.jsonl,之後做週檢討時讀得到。

情境 C 是另一種失控:計畫寫好了,下單時想加碼。gate 拿清單裡的 planned_risk_dollars 和 actual_risk_dollars 直接比,30,000 大於 10,000 就擋。這條規則很單純,前提是你填清單時誠實。

台股使用者要注意哪兩個坑?

代號不能帶 .TW

用 2330.TW 建交易紀錄會被 schema 擋下:

'th_2330.tw_pvt_20261109_e299' does not match '^th_[A-Za-z0-9]+_[a-z]+_[0-9]{8}_[a-f0-9]{4}$'

thesis id 由代號組成,正規式只收英數字。改成 2330 就能建。如果你同時用 Yahoo Finance 格式(2330.TW)的工具抓資料,兩邊代號要自己對齊。依同一條正規式推論,BRK.B 這種帶點的美股代號也會被擋,這點我沒有實測。

時間邊界寫死美東

check_circuit_breaker.py 和 check_pre_trade_discipline.py 都有一行 ET = ZoneInfo("America/New_York")。我傳入台北時間 11/13 09:30,gate 輸出的 as_of 是 2026-11-12T20:30:00-05:00,所以 11/12 那筆 -12,000 被算進 realized_pnl_today。

影響有兩處:

  • 日停損:台股盤中(台北 9:00–13:30)對應美東前一天晚上,「今天」的帳其實是台北的昨天加今天。
  • 冷卻結束時間:active_until 是美東 11/13 00:00,換算台北是 11/13 13:00,剛好落在收盤前半小時。
這兩個邊界在台股都會偏移 12~13 小時。要正式拿來管台股,該做的是把時區改成可設定(例如 Asia/Taipei),而不是記得在腦中換算。

適合誰用?什麼情況不要用?

適合:

  • 已經有交易計畫和停損習慣,但會在連虧後衝動加碼的人。這套 skill 擋的就是這兩種時刻。
  • 想學「skill 怎麼設計」的 Claude Code 使用者。決定交給寫死的規則、LLM 只負責流程,每一步都是本機 JSON、有測試,是很好的範例。
不適合或要先改:
  • 只想要 AI 告訴你買哪支。這套刻意不做訊號,選股器只是其中一部分,紀律 skill 完全不碰。
  • 直接拿來管台股日內或短波段。時區沒改前,日停損和冷卻的邊界都不準。
  • 期待它自動攔單。它不連券商,攔不攔得住取決於你下單前有沒有真的跑它、清單有沒有誠實填。
想自己跑同樣的實驗:先照上面裝好、跑過 818 支測試,再從 pre-trade-discipline-gate 的 SKILL.md 範例清單開始,換成你自己的計畫風險和交易紀錄。同站的 TradingAgents 實測 是另一種方向:讓多個 AI 角色辯論給評等,可以對照著看。
author
陳
陳彥彤

AI 工程師 · AI 顧問。Java 後端 8 年、AI 工程師 2 年。AI 內訓 · AI 導入顧問 · 前後端與雲端培訓。

support

覺得文章有用可以到 GitHub 給個 star,或是透過信箱聊聊 AI 內訓、AI 導入顧問或前後端 / 雲端培訓。

related

相關文章