Menü
为 BudgetAgent 创建预算层任务，扫描已有信号层 run 目录，复制信号层最终策略小文件，并生成标准 budget_run_state.json。
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
为 BudgetAgent 汇总已登记的信号层资产行情数据，生成预算层统一 OHLCV 面板、收益率宽表和数据清单。
为 BudgetAgent 基于预算层统一多资产行情面板生成 train、validation 和 walk-forward 数据切分。
指导 BudgetAgent 在预算层训练结束时登记最终选择的预算策略，生成最终选择报告并更新 budget_run_state.json。
指导 BudgetAgent 按结构化预算策略规范生成 budget_policy_config.json、budget_policy_spec.md、param_space.json 和 budget_policy_meta.json。
指导 BudgetAgent 一次性评估单个或多个预算层策略，生成参数搜索、回测摘要、阶段归因和横向排名产物。
为 BudgetAgent 生成预算层资产池画像；第一步自动补全资产简称、类型、市场、行业/主题等元数据。
| name | budget-run |
| description | 为 BudgetAgent 创建预算层任务，扫描已有信号层 run 目录，复制信号层最终策略小文件，并生成标准 budget_run_state.json。 |
| license | Proprietary project skill |
当 BudgetAgent 收到新的预算层训练任务时，第一步使用本 skill。
本项目的预算层默认建立在已完成的信号层结果之上。用户通常会给出一个或多个信号层结果目录，例如：
artifacts\signal_runs
也可以给出多个目录或单个 run_state.json，用于只纳入部分资产。
本 skill 会：
1. 创建 budget run 标准目录。
2. 递归扫描 source_paths 下的所有 signal run_state.json。
3. 读取每个资产的代码、数据范围、原始主数据路径和最终策略信息。
4. 检查信号层最终策略材料是否完整。
5. 按资产代码分组复制信号层小文件到当前 budget run。
6. 生成 asset_pool_manifest.json 和 signal_artifacts_manifest.json。
7. 写入 budget_run_state.json。
命令格式：
python -m strategy_lab.cli budget new-run POOL_NAME --source-paths SOURCE_PATHS [OPTIONS]
必填参数：
POOL_NAME
资产池名称，例如 sector_etf_pool、macro_pool、custom_pool。
--source-paths
信号层结果来源路径，逗号分隔。
可以传：
- 一个 signal_runs 总目录
- 多个 signal_runs 子目录
- 一个或多个 signal run_state.json 文件
常用可选参数：
--mode
预算层运行模式：
standalone：预算层单独训练，默认模式。此时先令 S_i = 1。
signal_joint：冻结信号层后联合训练，最终仓位为 R_i * S_i。
final_verify：最终端到端验证。
--start-date / --end-date
用来获取数据并训练预算层的数据范围，格式 YYYY-MM-DD。
如果不传，系统会从所有完整信号层 run 的 data_range 自动取共同交集：
start = 所有资产开始日期的最大值；end = 所有资产结束日期的最小值。
这是默认推荐方式，因为预算层需要多资产横向比较，交集区间最稳定。
如果传了，系统会尊重用户指定范围，并逐个资产检查信号层数据是否覆盖该范围。
若用户范围超出某些资产已有数据范围，会在 manifest 和 budget_run_state.json 中列出缺口；
此时不要自己猜测数据是否够用，应读取 data_panel.missing_data 和 data_panel.coverage。
--frequency
数据频率，默认 1d。
--task
自然语言任务描述。
--task-name
可读任务名；不填则使用 budget_run_id。
--run-id
可选。手动指定 budget_run_id；不填则系统按 pool_name 和时间戳生成。
--benchmark
本次预算层评估主基准。可选值：
equal_weight_rebalance
等权定期再平衡。默认值，适合大多数多资产预算层任务。
equal_weight_buy_hold
初始等权买入后不再调仓，用于对比预算层是否优于静态持有。
simple_momentum_topk
简单动量 Top-K 基准，用于对比 BudgetAgent 生成策略是否优于朴素轮动。
cash
空仓/现金基准，用于观察绝对收益和风险暴露。
--strategy-max-iterations
本次预算策略探索最多允许生成和评估的 attempt 数，写入
budget_run_state.json 的 strategy_search.max_iterations。
不填时读取 configs/budget.yaml，当前默认 20。
回测配置覆盖参数：
--initial-cash
覆盖本次预算层回测初始资金。
默认值：100000。
示例：--initial-cash 100000
--commission
覆盖佣金比例。
默认值：0.0001，即 0.01%。
示例：--commission 0.0001
--slippage-perc
覆盖滑点比例。
默认值：0.0001，即 0.01%。
示例：--slippage-perc 0.0001
--execution-price
覆盖撮合价格口径。
默认值：close。
示例：--execution-price close
--allow-short / --no-allow-short
覆盖是否允许做空。
默认值：false。
示例：--no-allow-short
--same-day-sell-cash / --no-same-day-sell-cash
覆盖当日卖出资金是否可用于当日买入。
默认值：false。
示例：--no-same-day-sell-cash
从一个信号层总目录创建预算层任务：
python -m strategy_lab.cli budget new-run sector_etf_pool --source-paths artifacts\signal_runs --start-date 2015-01-01 --end-date 2024-12-31 --task "基于已完成的信号层策略训练预算层。"
从多个信号层结果目录创建预算层任务：
python -m strategy_lab.cli budget new-run selected_pool --source-paths artifacts\signal_runs\signal_512880_SH_xxx,artifacts\signal_runs\signal_512800_SH_xxx --start-date 2018-01-01 --end-date 2024-12-31
创建成功后会生成：
artifacts/budget_runs/{budget_run_id}/
budget_run_state.json
data/
asset_pool_manifest.json
profile/
policies/
attempts/
reports/
logs/
signal_artifacts/
signal_artifacts_manifest.json
{symbol}/
run_state.json
strategy.py
strategy_spec.md
param_space.json
strategy_meta.json
signal_agent_memory.md
metrics.json
说明：
signal_artifacts/{symbol}/
按资产代码分组保存信号层小文件。
primary_dataset
不复制到预算层目录，只在 manifest 中登记原始路径。后续 budget-data-panel 读取这些路径汇总多资产数据。
信号层小文件说明：
run_state.json
该资产信号层任务的完整状态文件。预算层可从中查看资产代码、数据范围、最终选择的 attempt、数据文件路径、事件记录和各环节产物索引。
strategy.py
信号层最终选中的可执行策略脚本。预算层不直接修改该文件；在 signal_joint 或 final_verify 场景中，可用它理解该资产自身信号 S_i 的生成逻辑。
strategy_spec.md
信号层最终策略的自然语言说明，通常包括策略结构、Alpha 主信号、过滤器、出场/风控、仓位映射、适用市场环境和设计理由。预算层画像和复盘时应优先阅读这个文件理解单资产策略含义。
param_space.json
信号层策略的参数空间或最终参数说明。预算层一般不重新搜索这些参数，但可读取它了解该策略有哪些关键可调参数、参数范围和最终搜索背景。
strategy_meta.json
信号层策略元数据，通常包括策略名称、策略类名、策略结构标签、创建信息、依赖字段、适用约束等。预算层可用它做资产策略清单、策略类型统计和后续自动加载。
signal_agent_memory.md
SignalAgent 在单资产策略探索过程中的简要记忆，记录探索阶段、每轮结果、保留或放弃的原因、最终选择理由等。预算层做跨资产分析时可用它理解每个资产策略是如何形成的。
metrics.json
信号层最终策略的关键回测指标文件。该文件不是强制项；存在时会复制。预算层可用它比较不同资产的信号质量，例如收益、回撤、Sharpe、交易频率等。
每个纳入预算层的资产，必须在对应 signal run 中存在：
1. task.asset.symbol
2. steps.data_acquisition.primary_dataset 或 artifacts.datasets.primary.file
3. 最终选择的 strategy.py
4. strategy_spec.md
5. param_space.json
6. strategy_meta.json
7. reports/signal_agent_memory.md
如果存在 metrics.json，也会复制到对应资产目录，供预算层画像和后续复盘使用。
缺少任何必需材料时，该 signal run 不会作为完整资产纳入；缺失信息会写入：
data/asset_pool_manifest.json
signal_artifacts/signal_artifacts_manifest.json
budget_run_state.json 的 asset_pool.error 和 signal_artifacts.error
状态含义：
success
所有扫描到的有效 signal run 均完整。
partial
至少整理出一个完整资产，但存在不完整 signal run 或来源路径警告。
failed
没有整理出任何完整资产。
预算层数据范围写入：
budget_run_state.json -> task.data_range
data/asset_pool_manifest.json -> data_range
signal_artifacts/signal_artifacts_manifest.json -> data_range
如果用户没有传 --start-date / --end-date：
系统自动取所有完整资产信号层数据范围的交集。
这通常是最稳妥的默认行为，因为预算层需要多资产横向比较。
如果用户传了 --start-date / --end-date：
系统以用户指定范围为准。
如果某些资产的信号层 primary_dataset 不覆盖该范围，系统不会自动补数据，而是返回 missing_data 清单。
BudgetAgent 应先向用户说明哪些资产缺少哪些时间段的数据。
如果用户要求继续补齐，BudgetAgent 再调用 DataAgent 获取对应缺失区间。
missing_data 中会说明：
symbol
missing_start
missing_end
reason
primary_dataset
suggested_output_dir
suggested_file_name
expected_columns
expected_frequency
示例：
{
"symbol": "512880.SH",
"missing_start": "2014-01-01",
"missing_end": "2015-01-01",
"reason": "用户要求的开始日期早于信号层数据开始日期",
"primary_dataset": "artifacts/signal_runs/signal_xxx/data/512880_daily.parquet",
"suggested_output_dir": "artifacts/budget_runs/budget_xxx/data/supplemental/512880_SH",
"suggested_file_name": "512880_SH_20140101_20150101_supplement.parquet",
"expected_columns": ["symbol", "datetime", "open", "high", "low", "close", "volume", "pctchange"],
"expected_frequency": "1d"
}
data_panel.coverage 会按资产列出完整覆盖状态：
covered
该资产信号层 primary_dataset 已覆盖预算层要求范围。
missing
该资产存在一个或多个缺失分段，详见 missing_segments。
unknown
signal run 没有可判断的 data_range，需要人工或 DataAgent 补查。
补数据时应遵守：
1. 每个资产的补充数据保存到对应 suggested_output_dir。
2. 推荐文件名使用 suggested_file_name；如确有需要也可使用其他文件名，但必须放在该资产的 suggested_output_dir 下。
3. 补充数据字段至少包含 expected_columns 中列出的字段。
4. 频率应与 expected_frequency 一致，当前预算层默认是日线 1d。
5. 后续 budget-data-panel 会同时读取信号层 primary_dataset 和 supplemental 目录下的补充数据，并在 task.data_range 内合并为统一面板。
调用 DataAgent 的自然语言任务示例：
请为预算层任务补齐 512880.SH 的日线 OHLCV 数据，时间范围 2014-01-01 至 2015-01-01。
字段至少包含 symbol、datetime、open、high、low、close、volume、pctchange。
请优先使用 MiniQMT 获取，保存到 artifacts/budget_runs/budget_xxx/data/supplemental/512880_SH，
推荐文件名为 512880_SH_20140101_20150101_supplement.parquet。
保存完成后请返回最终数据文件路径、行数、字段列表和实际覆盖日期。
schema_version
当前版本为 0.1.0。
budget_run_id
本次 budget run 的唯一 ID。
mode
standalone、signal_joint 或 final_verify。
task
任务描述、资产池名称、基准、数据范围、优化目标。
directories
本次任务所有标准目录：root、data、profile、policies、attempts、reports、logs、signal_artifacts。
asset_pool
已从信号层结果中整理出的资产列表、来源路径、asset_pool_manifest.json 和缺失信息。
signal_artifacts
已复制/登记的信号层小文件 manifest 和缺失信息。
data_panel
后续 budget-data-panel 生成的多资产统一行情数据路径。
data_split
后续在 task.data_range 范围内生成的 train、validation、walk-forward 切分清单。
budget_profile
后续生成的资产池画像文件、图表和摘要。
strategy_search
预算策略探索状态、当前轮次、attempt 列表、最佳 attempt、最大迭代次数。
final_selection
最终选择的预算策略 attempt、策略路径、选择理由和选择时间。
backtest_config
本次任务默认回测参数，从 configs/budget.yaml 复制，并可被 budget new-run 参数覆盖。
artifacts
run 级产物索引，包括 datasets、profile、policies、run_reports。
events
任务过程事件日志。
创建 budget run 后，不再需要单独资产池整理环节。下一步直接进入：
budget-data-panel
读取 signal_artifacts_manifest.json 中登记的 primary_dataset 路径，
汇总为 panel_ohlcv.parquet 和 returns_wide.parquet。
budget-data-split
在统一面板上生成 train、validation 和 walk-forward 切分。
budget-profile
基于统一面板生成资产池画像。
如果 budget-run 报告某些资产缺数据，BudgetAgent 可以调用 DataAgent 补齐数据，然后放入对应资产目录或更新后续数据面板输入；但正常流程下，信号层完成后这些数据应已存在。
updated_at 较新的 run。