Algo-Trading-Skills: پیوند ۵۰۱ استراتژی کوانت با زیرساخت‌های عملیاتی

اگر امروز یک عامل هوش مصنوعی را برای مدیریت سرمایه در بازار واقعی رها کنید، احتمالاً در اولین نوسان شدید یا خطای شبکه، کل موجودی شما را به دلیل یک اشتباه ساده در مدیریت توکن‌ها یا تکرار سفارشات از دست می‌دهد. برای جلوگیری از این فجایع، اکنون کتابخانه‌ای شامل ۵۰۱ مهارت ساختاریافته و ماشین‌خوان منتشر شده است که غریزه و تجربه یک مهندس ارشد کوانت را به مدل‌های زبانی منتقل می‌کند. این مجموعه که توسط HimanshuJ16 تحت لایسنس Apache 2.0 عرضه شده است، پروژه‌ای متن‌باز به نام Algo-Trading-Skills است که هدف آن تبدیل شهودهای انسانی به کدهای قابل اجرا برای ماشین‌هاست. این کتابخانه دقیقاً همان زمینه عملیاتی لازم برای انتقال یک استراتژی از محیط‌های آزمایشگاهی (Notebook) به بازارهای زنده و پرریسک را فراهم می‌کند.

مدل‌های زبانی بزرگ (LLM) می‌توانند کلاینت‌های WebSocket، حلقه‌های بک‌تست یا توابع ثبت سفارش بنویسند که از نظر سینتکس کاملاً درست به نظر برسند؛ یعنی فراخوانی کتابخانه‌ها درست است، ساختار کد تمیز است و منطق آن پذیرفتنی است، اما در دنیای واقعی شکست می‌خورند. آن‌ها معمولاً حالت‌های شکست بحرانی (Failure Modes) را نادیده می‌گیرند. برای مثال، ممکن است یک بروکر توکن دسترسی را شبانه به گونه‌ای باطل کند که در مستندات رسمی‌اش ذکر نشده باشد، یا یک بک‌تست به طور خاموش از قیمت بسته شدن (Close) یک کندل برای پیش‌بینی جهت همان کندل استفاده کند (Look-ahead bias). همچنین ممکن است یک محدودیت ریسک دقیقاً داخل همان تابعی قرار بگیرد که قرار است آن را محدود کند، یا یک Callback در WebSocket در هنگام جهش نوسانات بازار، حلقه خواندن داده‌ها را مسدود کند. این کتابخانه با پیروی از استاندارد باز agentskills.io، این خلأهای دانشی را پر می‌کند. این رویکرد در واقع تکامل‌یافته‌ی مفاهیمی است که در ۵ مهارت قابل‌حمل برای تبدیل پرامپت‌های تکراری به گردش‌کارهای بازرسی‌پذیر بررسی کردیم تا خروجی‌های AI از حالت تصادفی به ساختارهای مهندسی‌شده تبدیل شوند.

تصور کنید یک عامل هوش مصنوعی در حال تلاش برای مدیریت یک Timeout شبکه هنگام ثبت سفارش است. بدون راهنمایی خاص، مدل احتمالاً صرفاً درخواست را تکرار می‌کند که این کار ریسک اجرای تکراری سفارش (Duplicate Execution) را به شدت افزایش می‌دهد. اما با این کتابخانه، عامل مهارت order-placement-idempotency را شناسایی می‌کند، ابتدا دفتر سفارشات (Order Book) را تطبیق می‌دهد و سپس اطمینان حاصل می‌کند که هیچ سفارش تکراری ثبت نشود؛ دقیقاً همان کاری که یک متخصص انسانی انجام می‌دهد. هر مهارت همچنین شامل بخشی با عنوان «چه زمانی استفاده نکنید» (When NOT to Use) است تا از کاربرد اشتباه یک دستورالعمل درست برای یک مشکل غلط جلوگیری شود؛ خطایی که معمولاً به دلیل تطبیق ساده کلمات کلیدی در مدل‌های زبانی رخ می‌دهد.

هسته مهندسی و حوزه‌های پوشش

این کتابخانه مجموعه‌ای از اسکریپت‌های ساده یا نمونه‌های آموزشی نیست، بلکه یک زیرساخت تأییدشده است که ۱۶ حوزه مهندسی را پوشش می‌دهد و با چارچوب‌های نظارتی و قوانین صرافی‌های جهانی همراستا شده است. جزئیات این حوزه‌ها به شرح زیر است:

• یکپارچگی با بروکرها (۳۶ مهارت): شامل احراز هویت بدون سر (Headless Auth) از طریق REST و Selenium، مدیریت چرخه حیات توکن‌ها با استفاده از پروب‌های زنده (Live Probing)، Idempotency سفارشات، محدودیت نرخ درخواست‌ها (Rate Limiting) به تفکیک هر بروکر، مدل‌سازی هزینه استقراض (Borrow Cost) و بودجه‌بندی هزینه‌ها.
• مدیریت ریسک (۳۹ مهارت): شامل کلیدهای قطع اضطراری (Kill Switches)، مدارشکن‌های کاهش سرمایه (Drawdown Circuit Breakers)، محدودیت‌های مواجهه با دارایی بر اساس همبستگی (Correlation-aware Exposure)، بک‌تست VaR با استفاده از تست Kupiec، پوشش ریسک‌های دم (Tail Risk Hedging) و ماتریس‌های ارتقای ریسک.
• الگوریتم‌های اجرا (۳۲ مهارت): تمرکز بر خرد کردن سفارشات با متدهای TWAP و VWAP، اجرای POV (درصد حجم بازار)، به حداقل رساندن کمبود اجرای (Implementation Shortfall)، شناسایی سفارشات یخ‌بندان (Iceberg)، مسیریابی هوشمند سفارشات (SOR)، مسیریابی در Dark Poolها و مدیریت حراج‌ها.
• یادگیری ماشین مالی (۳۸ مهارت): مهندسی ویژگی بدون نشت داده (Leakage-free)، استقرار مدل با متد آموزش آفلاین و استنتاج آنلاین، برچسب‌گذار سه‌حریره‌ای (Triple Barrier Labeler)، وزن‌دهی به نمونه‌ها و شناسایی کهنگی مدل (Model Staleness).
• معماری بلادرنگ (۳۱ مهارت): شامل خط لوله‌های تیک-داده تولیدکننده-مصرف‌کننده (Producer-Consumer)، بافرهای مقاوم در برابر انفجار داده (Burst-safe)، سیاست‌های صریح فشار معکوس (Backpressure) و تطبیق اشتراک‌های WebSocket پس از اتصال مجدد.
• یکپارچگی بازارهای جهانی (۴۴ مهارت): پشتیبانی کامل از کریپتو (Binance, Coinbase, Kraken, Deribit, Bybit, OKX)، فارکس (OANDA, MT5) و بورس‌های بزرگی مانند CME Globex, Eurex, HKEX, SGX, ASX, JPX, CBOE, LSE و Xetra.
• تطبیق نظارتی جهانی (۳۸ مهارت): نقشه‌برداری برای قوانین SEC Rule 15c3-5 آمریکا، قوانین PDT، FINRA، استانداردهای MiFID II/RTS 6/MAR اروپا، FCA انگلیس، ASIC استرالیا، MAS سنگاپور، SEBI هند، IIROC کانادا، SFC هنگ‌کنگ و FSA ژاپن.
• مشتقات چند-دارایی (۲۸ مهارت): محاسبه مارجین SPAN، اتوماسیون رول قراردادهای آتی، تجميع بلادرنگ یونانی‌های آپشن (Greeks)، نرخ‌های تامین مالی (Funding Rates) در فیوچرز دائمی، Variance Swaps، قراردادهای CDS و آپشن‌های Quanto.
• مدیریت داده‌های جهانی (۳۷ مهارت): تقویم تعطیلات بورس‌های جهانی، مدیریت انتقال ساعت تابستانی (DST)، زمان‌بندی جلسات در مناطق زمانی مختلف، محاسبه P&L چند-ارزی و تطبیق متقاطع شناسه‌های ISIN/CUSIP/SEDOL.
• امنیت و حضانت کریپتو (۲۹ مهارت): حضانت کلیدهای کیف پول، تفکیک کیف پول گرم و سرد، لیست سفید برداشت، تاییدیه امضای چندگانه (Multi-sig)، یکپارچگی با HSM، اشتراک راز شامیر (Shamir Secret Sharing) و حضانت MPC.
• پورتفوی چند-استراتژی (۲۸ مهارت): نظارت بر همبستگی بین استراتژی‌ها، بازتخصیص سرمایه بر اساس عملکرد، معیارهای بازنشستگی استراتژی، تخصیص بر اساس برابری ریسک (Risk Parity) و داوری سیگنال‌های متا-استراتژی.
• ریزساختار بازار و تأخیر (۲۴ مهارت): بودجه تأخیر در Colocation، همگام‌سازی ساعت PTP، اندازه‌گیری Tick-to-Trade، سیگنال‌های دفتر سفارشات، اندازه‌گیری انتخاب نامطلوب (Adverse Selection) و ارزیابی FPGA/Microwave.
• پژوهش کوانت و داده‌های جایگزین (۲۰ مهارت): سیگنال‌های تصاویر ماهواره‌ای، داده‌های تراکنش‌های کارت اعتباری، تحلیل احساسات استخراج شده از وب، شبکه‌های زنجیره تأمین، گوگل ترندز، فیلتر کردن بات‌های شبکه‌های اجتماعی و NLP متون گزارشات.
• مالیات و گزارش‌دهی جهانی (۱۶ مهارت): ردیابی Wash Sale در آمریکا، حسابداری FIFO در مقابل Lot-specific، انتخاب Section 475 MTM، ردیابی مالیاتی لوت‌های کریپتو، تطبیق 1099-B و مالیات فیوچرز Section 1256.

تطبیق با قوانین نظارتی و صرافی‌ها

یکی از consequential‌ترین جنبه‌های این پروژه، همسویی آن با دستورات نهادی است. مهارت‌ها مستقیماً به پنج چارچوب نظارتی و استاندارد اصلی متصل شده‌اند:

• SEC / FINRA (آمریکا): تطبیق با SEC Rule 15c3-5، قانون Reg NMS Rule 611، Reg SHO، قانون PDT Rule 4210 و فرم 1099-B. مهارت‌های کلیدی شامل us-reg-nms-order-protection-rule-compliance و sec-rule-15c3-5-risk-controls-us است.
• MiFID II / RTS 6 / MAR (اتحادیه اروپا): پوشش ماده ۴۸ MiFID II، الزامات سازمانی RTS 6 و نظارت بر سوءاستفاده از بازار (MAR). مهارت‌های کلیدی شامل mifid-ii-algo-trading-compliance-eu و wash-trade-and-spoofing-self-detection است.
• FCA و رژیم مدیران ارشد (انگلیس): پرداختن به FCA SYSC 25، MIFIDPRU و رژیم SM&CR برای پاسخگویی در معاملات الگوریتمی. مهارت کلیدی: uk-fca-algorithmic-trading-systems-controls.
• نظارت جهانی (ASIC, SEBI, MAS, IIROC): مدیریت ASIC MIR، بخشنامه‌های Algo SEBI، بهداشت سایبری MAS و معاملات الکترونیک IIROC. مهارت‌های کلیدی شامل asic-market-integrity-rules-automated-trading و india-sebi-algo-trading-tagging-requirements است.
• ISDA و مشتقات OTC: مدیریت قراردادهای Master ISDA، مارجین SPAN، یونانی‌های آپشن و Variance Swaps. مهارت‌های کلیدی: options-margin-span-calculation-global و total-return-swap-synthetic-exposure.

ایمنی عملیاتی در عمل

برای درک کاربرد عملی، این کتابخانه مهارت‌های خاص را به دستورات نظارتی و نقاط تماس بروکرها متصل می‌کند تا ایمنی عملیاتی حاصل شود:

• Idempotency ثبت سفارش: متصل به SEC Rule 15c3-5 و MiFID II RTS 6. این قابلیت با بروکر‌هایی مثل Fyers, Zerodha, Breeze, Upstox, Alpaca و IBKR یکپارچه شده تا اجرای تکراری سفارش در هنگام اتصال مجدد را به صفر برساند.
• Kill-Switch و مدارشکن‌های کاهش سرمایه: همسو با کنترل‌های پیش از معامله (Pre-Trade) در SEC Rule 15c3-5. این ابزار مستقل از بروکر است و در صورت نقض حد ضرر، فوراً محافظت از سرمایه را فعال می‌کند.
• شناسایی خودکار Wash-Trade و Spoofing: متصل به EU MAR و FINRA Rule 5210. این سیستم از فیدهای سفارشات صرافی برای جلوگیری از تلاقی سفارشات خودکار (Self-cross) پیش از معامله استفاده می‌کند.
• الزامات Locate برای فروش استقراضی (Short Sale): همسو با US SEC Reg SHO Rule 203(b)(1). این مهارت با بروکر‌های Equity و Prime در آمریکا برای تأیید اجباری موجودی پیش از فروش استقراضی کار می‌کند.
• محدودیت سرعت برداشت (Withdrawal Velocity): متصل به MAS Cyber Hygiene و ریسک حضانت. این سیستم با Coinbase, Fireblocks, BitGo و HSMها یکپارچه شده تا در صورت نقض سرعت برداشت، کیف پول‌های گرم را مسدود کند.

تأییدیه ماشین‌محور و سخت‌گیرانه

برای تضمین قابلیت اطمینان، کتابخانه از یک خط لوله CI (یکپارچه‌سازی مداوم) بسیار سخت‌گیرانه استفاده می‌کند. این پروژه شامل ۵۰۱ پیاده‌سازی مرجع فعال است که در مجموع حدود ۲۹۲,۰۰۰ خط کد پایتون را تشکیل می‌دهند. این‌ها شبه‌کد نیستند، بلکه ماژول‌های قابل وارد کردن (Importable) هستند که ورودی‌ها را اعتبارسنجی کرده و استثناهای (Exceptions) خاصی را صادر می‌کنند. نکته قابل توجه این است که ۴۶۶ مهارت از ۵۰۱ مورد، هیچ نیازی به کتابخانه‌ای خارج از کتابخانه استاندارد پایتون ندارند و ۳۵ مورد باقی‌مانده عمدتاً به numpy یا pandas متکی هستند.

این پیاده‌سازی‌ها توسط ۲۰,۲۹۱ تست واحد (Unit Test) پشتیبانی می‌شوند (حدود ۲۲۸,۰۰۰ خط کد تست). هر مجموعه تست در یک زیرپردازش (Subprocess) جداگانه با یک Timeout اجرا می‌شود تا از نشت وضعیت ماژول‌ها یا توقف Build جلوگیری شود. هر مهارتی که پیاده‌سازی مرجع آن در تست‌های خود شکست بخورد، کل فرآیند Build را با شکست مواجه می‌کند.

هر مهارت باید از یک قرارداد سخت‌گیرانه که توسط tools/validate_skills.py اجرا می‌شود، عبور کند. این ابزار موارد زیر را بررسی می‌کند:

• رعایت فرمت YAML در ابتدای فایل (Frontmatter).
• وجود هفت بخش ضروری در بدنه: چه زمانی استفاده شود، چه زمانی استفاده نشود، پیش‌نیازها، جریان کاری (Workflow)، اشتباهات رایج، تأییدیه و مهارت‌های مرتبط.
• ساختار صحیح پوشه scripts/ و قابلیت اجرای دستورات تست از ریشه مخزن.
• یکپارچگی ارجاعات متقاطع در سراسر مخزن و مستندات.

علاوه بر این، CI ابزار skills-ref (اعتبارسنج رسمی agentskills.io) را روی پایتون ۳.۱۱+ اجرا می‌کند، در حالی که کتابخانه با نسخه‌های ۳.۱۰، ۳.۱۲ و ۳.۱۳ سازگار است. سیستم همچنین تضمین می‌کند که ۴۵۸ مهارت از ۵۰۱ مورد، به منابع اولیه (مانند متن قوانین یا مشخصات فروشنده) در فایل‌های references/standards.md ارجاع دهند.

ادغام با عامل‌ها و مکانیزم کشف

به دلیل اینکه حجم کل کتابخانه از ۳.۵ میلیون توکن فراتر می‌رود، از یک مکانیزم «افشای تدریجی» (Progressive Disclosure) استفاده شده است. عامل‌ها کل کتابخانه را بارگذاری نمی‌کنند، بلکه یک فرآیند سه مرحله‌ای را طی می‌کنند:

۱. کشف (Discover): عامل فایل index.json را کوئری می‌کند (یک شیء JSON واحد شامل آرایه‌ای از مهارت‌ها و نقشه‌ای از تعداد زیردامنه ها). عامل توصیفات ۲۸۰ کاراکتری که با «Use when...» شروع می‌شوند را می‌خواند تا کاندیداهای مناسب را شناسایی کند. این مرحله برای هر مهارت حدود ۸۰ تا ۲۵۰ توکن هزینه دارد.
۲. بارگذاری (Load): عامل فایل SKILL.md خاص را بارگذاری می‌کند که شامل جریان کاری، مرزهای محدوده و اشتباهات رایج است. این فایل‌ها به طور متوسط ۲,۷۰۰ توکن دارند (بین ۲,۰۰۰ تا ۳,۷۰۰).
۳. پیاده‌سازی (Implement): عامل تنها برای همان مهارت خاص، به بخش references/ (استانداردها و جریان‌ها) و scripts/ (پیاده‌سازی‌های مرجع) دسترسی پیدا می‌کند.

این معماری اجازه می‌دهد کتابخانه با ابزارهایی مانند Claude Code، GitHub Copilot، OpenAI Codex CLI، Cursor، Gemini CLI، Cline/Roo Code، Windsurf، Continue و Aider کار کند. برای Claude Code، در مارکت‌پلیس برای هر حوزه مهندسی یک پلاگین مجزا (مثلاً algo-trading-risk-management) عرضه شده تا هزینه توکن‌های هر جلسه پایین بماند، هرچند پلاگین algo-trading-skills-all برای تکمیل بودن وجود دارد. توجه داشته باشید که اگرچه فقط مهارت‌های یک دامنه در جلسه بارگذاری می‌شوند، اما نصب حتی یک دامنه، کل درخت مخزن ۱۰۰ مگابایتی را دریافت می‌کند.

کالبدشناسی و ساختار مهارت

هر مهارت در یک ساختار دایرکتوری ثابت سازماندهی شده است تا عامل بتواند بدون نویز به عمق فنی دست یابد:

• SKILL.md: تعریف اصلی شامل متادیتای YAML و هفت بخش Markdown الزامی.
• references/standards.md: جزئیات پوشش بروکرها/چارچوب‌ها و نقاط تماس نظارتی.
• references/workflows.md: ارجاعات رویه‌های فنی عمیق، شامل نمودارهای توالی (Sequence Diagrams).
• scripts/: شامل پیاده‌سازی مرجع فعال (مثلاً order_ledger.py) و مجموعه unittest مربوط به آن.
• assets/checklist.md: یک چک‌لیست قابل چاپ برای تأیید نهایی پیش از استقرار در محیط عملیاتی.

هر اسکریپت کمکی یک ماژول مستقل است و هیچ Importی از مهارت‌های دیگر ندارد. این امر به توسعه‌دهندگان اجازه می‌دهد یک فایل واحد را بدون وابستگی به بقیه کدها، به کدبیس خود منتقل کنند. متادیتای YAML شامل اطلاعات حیاتی مانند brokers_frameworks (مثلاً Fyers API v3 یا Zerodha Kite Connect) و tags برای کشف در کسری از ثانیه است.

تحلیل: تغییر پارادایم کوانت در عصر هوش مصنوعی

این پروژه تمرکز را از «هوش مصنوعی به عنوان کدنویس» به «هوش مصنوعی به عنوان متخصص» تغییر می‌دهد. اکثر کتابخانه‌های معاملاتی، SDKها یا فرمول‌ها را ارائه می‌دهند، اما جریان تصمیم‌گیری یک مهندس ارشد را منتقل نمی‌کنند. با کدگذاری «چرا» و «چه زمانی استفاده نکنید» در کنار «چگونه»، این کتابخانه ریسک عملیاتی نرم‌افزارهای مالی تولید شده توسط AI را کاهش می‌دهد.

برای توسعه‌دهنده، این بدان معناست که مانع ساخت زیرساخت‌های در سطح نهادی (Institutional-grade) به شدت کاهش می‌یابد. اثر مرتبه دوم این اتفاق، احتمالاً افزایش پیچیدگی بات‌های الگوریتمی مستقل است، زیرا آن‌ها اکنون می‌توانند گیت‌های ریسک پیچیده و تطبیق‌های نظارتی را پیاده کنند که پیش از این نیازمند یک تیم کامل کوانت بود.

برای شروع، توسعه‌دهندگان می‌توانند از مارکت‌پلیس پلاگین‌های Claude Code (/plugin install algo-trading-risk-management)، CLI مهارت‌ها (npx skills add HimanshuJ16/Algo-Trading-Skills) یا کلون کردن مخزن برای اجرای گیت‌های اعتبارسنجی محلی استفاده کنند. برای کسانی که به دنبال خط لوله‌های کامل هستند، دایرکتوری examples/ walkthroughهای قابل اجرایی ارائه می‌دهد، مانند:

• 01_resilient_order_execution_and_circuit_breaker.py: ترکیبی از Idempotency سفارش، مدارشکن‌های کاهش سرمایه و پروب‌های زنده توکن.
• 02_lookahead_free_backtest_with_slippage.py: پیاده‌سازی موتور سیگنال Point-in-time با لغزش (Slippage) اثر بازار و Tear-sheets عملکرد.
• 03_cross_strategy_risk_parity_allocation.py: مدیریت همبستگی‌های غلتان استراتژی‌ها، بازتخصیص Risk Parity و بازنشستگی خودکار استراتژی‌ها.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ برای درک اینکه چگونه FPGAها تأخیر را به میکروثانیه می‌رسانند، به تحلیل ما درباره سخت‌افزارهای High-Frequency Trading مراجعه کنید.