You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
9.2 KiB
9.2 KiB
WorldQuant BRAIN 每日日报撰写工作流程
概述
本文档详细描述了撰写 WorldQuant BRAIN 平台每日日报的工作流程，旨在帮助秘书或助手接手此任务，确保日报内容全面、准确，并为用户提供有价值的见解和建议。工作流程包括数据收集、分析和报告撰写的具体步骤，以及使用的 BRAIN MCP 工具。
总体工作流程
- 获取当前时间，running get_ny_time.py。
- 认证与准备：使用用户提供的登录凭据，通过 BRAIN MCP 工具认证，访问平台数据。
- 数据收集：获取用户的 收入、 alpha 数据、比赛信息、平台消息和事件等。偏好并行调用工具以提高效率。
- 数据分析：分析 alpha 性能、比赛规则、pyramid 分布和策略建议，包括相关性检查和年度统计。
- 报告撰写：按照预定义结构撰写日报，填充真实数据并提供建议。包括执行摘要，并将 Alpha 部分移到报告后部。
- 修订与更新：根据用户反馈或新数据更新报告内容，撰写并输出相应markdown日报文件。
- 文档记录：记录并更新工作流程以便他人参考。
具体步骤与章节对应
0. 执行摘要 (新增)
- 步骤：
- 基于所有收集数据，总结关键洞见、机会、风险和行动优先级。
- 使用量化指标（如 Sharpe 提升估算）提供决策支持。
- 使用的 MCP 工具：无，直接基于后续分析。
1. 日报基本信息
- 步骤：
- 确定报告日期，通常是当前日期（如 2025年8月9日）。使用系统日期动态获取。
- 填写报告人和收件人信息，通常是秘书（AI 助手）和用户姓名。
- 使用的 MCP 工具：无，直接手动输入或通过简单脚本获取日期。
2. 平台动向 (调整顺序)
- 步骤：
- 获取平台更新：获取 BRAIN 平台最近的公告和更新。
- 使用工具：
mcp_brain-api_get_messages（设置limit为 null，offset为 0）。
- 使用工具：
- 社区动态：从消息中提取社区相关信息，如研究论文或热门话题。
- 排行榜变化：记录用户位置变化。
- 使用工具：
mcp_brain-api_get_leaderboard（设置user_id为用户 ID，如 "CQ89422"）。
- 使用工具：
- 多样性分数：收集用户最近一个季度的多样性分数，获知其value factor趋势，该分数捕捉用户提交Alpha的多样性，来判断其value factor的变化趋势，在0-1之间，越高越好，据此提出具体建议。
- 获取平台更新：获取 BRAIN 平台最近的公告和更新。
- 使用的 MCP 工具：
mcp_brain-api_get_messages：获取平台公告和社区动态。mcp_brain-api_get_leaderboard：获取用户排行榜统计。mcp_brain-api_value_factor_trendScore：用户value factor趋势，又名多样性分数。
3. 比赛参与与进度
- 步骤：
- 获取用户参与的比赛：获取用户当前参与的所有比赛信息。
- 使用工具：
mcp_brain-api_get_user_competitions（设置user_id为 "self"）。
- 使用工具：
- 筛选未截止比赛：根据比赛日期判断哪些比赛尚未截止，优先关注这些比赛。
- 比赛进度报告：记录用户在每个比赛中的排名、提交的 alpha 表现等信息。
- ⚠️ 关键：比赛规则与要求详细分析：获取每个比赛的详细规则和要求。
- 使用工具：
mcp_brain-api_get_competition_details和mcp_brain-api_get_competition_agreement（设置competition_id为具体比赛 ID）。 - 必须仔细阅读比赛协议：特别注意universe要求、delay要求、Alpha类型限制等关键参数。
- 常见错误：例如GAC类比赛要求GLOBAL universe，而非特定region（如USA）。
- 使用工具：
- 比赛相关计划与建议：基于规则和用户当前表现，提供下一步行动建议和研究方向。
- 验证符合性：确保推荐的Alpha完全符合比赛规则要求。
- 结合 pyramid 缺失类别：在符合比赛规则的前提下，考虑pyramid优化。
- 获取用户参与的比赛：获取用户当前参与的所有比赛信息。
- 使用的 MCP 工具：
mcp_brain-api_get_user_competitions：获取用户参与的比赛列表。mcp_brain-api_get_competition_details：获取比赛详细信息。mcp_brain-api_get_competition_agreement：获取比赛规则和条款。
4. 未来活动预告
- 步骤：
- 获取即将到来的事件：获取 BRAIN 平台上的比赛、研讨会或其他活动信息，过滤过去事件（基于当前日期，如 2025-08-09）。
- 使用工具：
mcp_brain-api_get_events（设置random_string为任意值，如 "dummy"）。
- 使用工具：
- 计划任务：基于当前 alpha 和比赛状态，列出未来几天计划完成的任务。
- 获取即将到来的事件：获取 BRAIN 平台上的比赛、研讨会或其他活动信息，过滤过去事件（基于当前日期，如 2025-08-09）。
- 使用的 MCP 工具：
mcp_brain-api_get_events：获取平台事件信息。
5. 研究回归与建议
- 步骤：
- 研究回归：基于当前 alpha 表现总结研究成果，包括年度统计。
- 建议：综合 alpha 表现、比赛要求和平台动向，提供 alpha 优化、比赛策略、数据字段探索和风险管理等方面的建议。优先级列表化。
- 使用的 MCP 工具：基于 Alpha 部分数据。
6. Alpha 进展与状态 (移到后部)
- 步骤：
- 获取 IS (In-Sample) Alpha 数据：获取用户当前正在回测的 alpha 信息。
- 使用工具：
mcp_brain-api_get_user_alphas（设置stage为 "IS"，limit为 30，offset为 0）。
- 使用工具：
- 获取 OS (Out-of-Sample) Alpha 数据：获取用户最近成功提交的 alpha 信息。
- 使用工具：
mcp_brain-api_get_user_alphas（设置stage为 "OS"，limit为 30，offset为 0）。
- 使用工具：
- 昨日进展：查看平台日志或使用
mcp_brain-api_get_user_activities追踪活动。 - 性能分析：分析每个 alpha 的关键指标（如 Sharpe Ratio、PnL、Fitness），与平台标准对比。并行调用工具获取细节。
- 使用工具：
mcp_brain-api_get_alpha_details、mcp_brain-api_analyze_alpha_performance、mcp_brain-api_get_alpha_pnl、mcp_brain-api_get_alpha_yearly_stats、mcp_brain-api_check_correlation(阈值 0.7)。
- 使用工具：
- OS Alpha 详细分析：对每个 OS alpha 分析数据字段、运算符和含义。提供两个角度改进建议：(1) Idea 本身 (e.g., 修改窗口、添加运算符)；(2) 结合比赛 (e.g., GAC2025 要求) 或近季度缺失 pyramid (使用
mcp_brain-api_get_pyramid_alphas和mcp_brain-api_get_pyramid_multipliers，推荐具体数据字段)。 - 其他数据字段建议：基于策略，使用
mcp_brain-api_get_datafields搜索并推荐字段 (e.g., search="EPS")。
- 获取 IS (In-Sample) Alpha 数据：获取用户当前正在回测的 alpha 信息。
- 使用的 MCP 工具：
mcp_brain-api_get_user_alphas：获取 IS/OS 列表。mcp_brain-api_get_alpha_details：详细代码/描述。mcp_brain-api_analyze_alpha_performance：全面性能分析。mcp_brain-api_check_correlation：相关性检查。mcp_brain-api_get_alpha_pnl：PnL 数据。mcp_brain-api_get_alpha_yearly_stats：年度统计。mcp_brain-api_get_pyramid_alphas和mcp_brain-api_get_pyramid_multipliers：pyramid 分布和乘数。mcp_brain-api_get_datafields：推荐数据字段。
其他注意事项
- 认证：在开始任何数据获取之前，需使用
mcp_brain-api_authenticate工具进行认证，提供用户的电子邮件和密码。 - 动态日期：使用系统日期动态获取当前日期，确保事件过滤准确（e.g., 排除过去事件）。
- 并行工具调用：优先并行调用 MCP 工具以加速数据收集。
- 善用论坛：善用论坛，获取更多信息。
- 用户反馈：在每个阶段完成后，检查用户是否有补充信息或修改意见，并相应更新报告。
- 任务管理：使用
todo_write工具创建和更新待办事项列表，确保每个步骤按部就班完成。
质量控制与错误防范
常见错误及防范措施
-
比赛规则理解错误：
- 错误示例：误认为GAC2025接受USA region Alpha，实际要求GLOBAL universe
- 防范措施：必须详细阅读
mcp_brain-api_get_competition_agreement返回的完整规则文档 - 验证步骤：在提供建议前，再次确认Alpha的universe、delay等参数符合比赛要求
-
数据解读错误：
- 防范措施：对关键指标进行交叉验证，如Sharpe ratio、fitness等
- 质量检查：确保所有建议都有数据支撑，避免主观推测
-
输出格式错误：
- 用户偏好：根据用户要求选择聊天输出或markdown文件
- 结构完整性：确保日报包含所有必需章节且逻辑清晰
持续改进机制
- 记录每次错误的根本原因
- 更新工作流程以防止类似错误重复发生
- 建立验证清单确保关键信息准确性
总结
以上工作流程涵盖了撰写 BRAIN 平台每日日报的各个方面，从数据收集到报告撰写和更新。通过使用指定的 MCP 工具，秘书可以获取必要的数据并分析用户在平台上的表现，从而提供有针对性的建议和见解。如有任何问题或需要进一步指导，请随时与前任秘书或平台支持团队联系。