Moss Trade Bot Factory Review 2026: AI Agent Quant Workbench — Why Pretty Backtests Lie

date: 2026-05-26 00:00:00+08:00 lastmod: 2026-05-26 00:00:00+08:00 tech_stack: [‘Python’, ‘pandas’, ’numpy’, ‘ccxt’, ‘Hyperliquid’] application_domain: Ai Trading source_version: ‘v1.0.26’ licensing_model: Open Source license_type: MIT-0 file_size: ’’ file_md5: ’’ download_url: ’’ backup_url: ’’ github_repo: ‘https://github.com/moss-site/moss-trade-bot-skills' last_maintained: ‘2026-05-25’ draft: false categories: [‘ai-trading’] aliases:

• /게시물/moss-trade-bot-factory-2026-review/ 자주 묻는 질문:
• q: “moss-trade-bot-factory를 설치해도 안전한가요?” a: “서류 거래의 경우 예. 코드 감사에서는 비밀을 업로드하지 않는 평가/실행, HMAC 서명 API 호출, MIT-0 라이센스 및 지갑 개인 키 액세스가 없음을 확인합니다. 이 기술은 관리 서비스가 아닌 퀀트 전략 구축자입니다. 실시간 거래에는 moss.site 플랫폼에 대한 명시적인 바인딩이 필요하고 자신의 Hyperliquid 지갑에 연결해야 합니다.”
• q: “Sharpe 연율화 버그가 무엇인가요?” a: “backtest.py 라인 828은 sqrt(8760)(시간별 연간 계산 요소)를 사용하지만 형평성은 15분 막대 단위로 증가합니다. 15m 막대의 올바른 상수는 sqrt(35040) = sqrt(365 × 24 × 4)입니다. 결과: 모든 기본 Sharpe 값은 체계적으로 ~2x만큼 낮게 편향됩니다. 쉬운 수정: 8760을 35040으로 대체합니다. 로컬 복사본에 있습니다.”
• q: “진화 모드가 실제로 결과를 개선합니까?” a: “샘플 내에서는 그렇습니다. 샘플 외부에서는 그렇지 않은 경우가 많습니다. 실습 테스트: 훈련 기간(212일) 이익 계수가 0.99 → 2.08(두 배) 향상되었습니다. OOS 기간(92일) PF는 1.68 → 0.94로 붕괴되었고 승률은 14% 포인트 하락했으며 수익률은 +7.22% → -2.43%로 반전되었습니다. 이는 교과서 내 샘플 피팅입니다. — LLM Reflection은 시장 구조를 학습하기보다는 기차 소음을 기억합니다.”
• q: “왜 스킬이 ai.moss.site 플랫폼으로 기본 설정되어 있나요?” a: “Moss는 상업용 AI 거래 플랫폼입니다. 오픈 소스 기술은 배포 채널입니다. 플랫폼을 건드리지 않고 전체 백테스트 파이프라인을 오프라인으로 실행할 수 있습니다. live_trade.py / package_upload.py / live_runner.py를 건너뛰기만 하면 됩니다. 플랫폼 통합은 리더보드 및 카피 트레이딩 기능을 추가하지만 선택 사항입니다.”
• q: “실시간 거래에 진화된 매개변수를 사용할 수 있나요?” a: “독립적인 OOS 검증 없이는 권장되지 않습니다. 스킬에 내장된 진화 루프에는 OOS 분할이 없습니다. 세그먼트에 반영하고 테스트한 동일한 데이터의 매개변수를 조정합니다. 자체 70/30 열차/OOS 분할을 실행하고 진화된 매개변수가 실제 자본이 생기기 전에 샘플 외부에서 살아남는지 확인하세요. 대부분의 진화된 매개변수 세트는 이 테스트에 실패합니다.”
• q: “데이터를 기반으로 Hyperliquid perps에 실제로 어떤 전략이 작동합니까?” a: “v1.0.26 BTC 304일 데이터로 제한됩니다. 23배 레버리지의 평균 복귀 지배 그리드는 유일한 긍정적인 수익(+4.36%)을 생성했습니다. 510배 레버리지를 사용한 추세 추종은 같은 창에서 -8%-20% 손실되었습니다. 이는 체제에 따라 다릅니다. BTC 2025-072026-04는 고르지 않았습니다. 동일한 그리드 로직이 강세에서 손실될 가능성이 높습니다. 트렌드 시장.” 자주 묻는 질문:
• q: ‘Moss Trade Bot Factory’의 진화 모드는 샘플 외 테스트에서도 살아남나요?’ a: ‘아니요. 대개 실패합니다. 실습 테스트에서 진화된 매개변수는 Train Profit Factor를 두 배로 늘렸지만(0.99에서 2.08) 샘플 밖에서는 붕괴되었습니다(PF 1.68에서 0.94, 수익률은 +7.22%에서 -2.43%로 역전됨). 내장된 진화 루프에는 OOS 분할이 없으므로 시장 구조를 학습하기보다는 열차 세그먼트 노이즈를 기억합니다.’
• q: ‘moss-trade-bot-skills의 Sharpe 연간화 버그는 무엇입니까?’ a: ‘backtest.py 828행에서 코드는 형평성이 15분 단위로 증가하더라도 시간별 연간 계산 계수인 sqrt(8760)를 사용합니다. 올바른 상수는 sqrt(35040)(365 x 24 x 4)이므로 모든 기본 Sharpe 값은 약 2x만큼 낮게 편향됩니다. 8760을 35040으로 대체하여 로컬에서 수정할 수 있지만 검증 패리티를 위해 moss.site에 백테스트를 업로드하는 경우 8760을 유지하세요.’
• q: ‘moss.site 플랫폼 없이 Moss Trade Bot Factory 백테스트를 오프라인으로 실행할 수 있나요?’ 가: ‘그렇습니다. 전체 백테스트 파이프라인은 제공된 Hyperliquid CSV 데이터를 사용하여 오프라인으로 실행됩니다. live_trade.py, package_upload.py 및 live_runner.py를 건너뛰세요. 플랫폼 통합은 선택적 리더보드 및 카피 트레이딩 기능을 추가하지만 로컬 전략 테스트에는 필요하지 않습니다.’
• q: ‘Moss 백테스트 데이터에서 Hyperliquid BTC perps에 대해 어떤 전략이 수익성이 있었습니까?’ a: ‘2배 레버리지의 보수적인 평균 복귀 그리드만이 BTC’의 304일 창(2025-072026-04)에 비해 긍정적인 수익(+4.36%)을 생성했습니다. 510배 레버리지의 추세 추종 및 돌파 전략은 -8%에서 -20% 사이에서 손실을 입었습니다. 왜냐하면 해당 BTC 창은 추세가 계속 실패하는 고르지 못한 횡보 시장이었기 때문입니다.’
• q: ‘moss-trade-bot-skills를 설치해도 안전한가요?’ a: ‘종이 백테스팅에는 그렇습니다. 코드 감사에서는 평가 또는 실행, 비밀을 업로드하지 않는 HMAC 서명 API 호출, MIT-0 라이선스 및 지갑 개인 키 액세스가 없음을 발견했습니다. 관리 서비스가 아닌 퀀트 전략 수립 도구입니다. 실시간 거래에는 moss.site에 대한 명시적인 바인딩이 필요하며 자신의 Hyperliquid 지갑에 연결됩니다.’

—{{< 리소스 정보 >}}> 메타 설명: Moss Trade Bot Factory는 산업 등급 십진 정밀도 백테스트 엔진을 갖춘 Hyperliquid perps용 MIT 라이선스 자연어 퀀트 에이전트 빌더입니다. 그러나 일단 진화를 활성화하면 Sharpe 버그와 교과서 OVERFIT 트랩이 발생합니다. 이 검토에서는 감사, 설치, 버그 수정 및 중요한 유일한 검증(샘플 외)을 다룹니다.YouTube에서 “AI 트레이딩 봇으로 5만 달러를 벌었습니다” 동영상을 본 적이 있다면 멋진 백테스트 곡선, 진화된 매개변수, 3.5의 샤프 비율, 브로커 대시보드 스크린샷 등의 트릭을 보셨을 것입니다. 거의 볼 수 없는 것은 봇이 한 번도 건드린 적이 없는 데이터에 대해 실행되는 동일한 매개변수입니다.**샘플 내 환상과 샘플 외부 현실 사이의 격차가 바로 이 리뷰의 내용입니다.**Moss Trade Bot Factory(moss-trade-bot-skills v1.0.26, MIT-0)는 자연어 거래 스타일 설명(“리버모어 추세 추종, 보수적 레버리지, 돌파 전략”)을 완전히 매개변수화된 Hyperliquid perp 전략으로 바꾸고, 제공된 CSV 데이터에 대해 로컬 백테스트를 실행하고, 선택적으로 LLM 반영을 통해 매개변수를 발전시키는 오픈 소스 AI 에이전트입니다. 보안 감사, Sharpe-annualization 버그 수정, 5가지 전략 비교, 진화 모드 및 엄격한 70/30 열차/OOS 검증을 포함하여 이틀 동안의 실제 테스트를 거친 후 결과는 팬이나 회의론자가 말하는 것보다 더 미묘한 차이가 있습니다.## ⚡ TL;DR — 90초 평결> What it is: An open-source CLI skill that converts natural-language strategy descriptions into 30+ Hyperliquid perp parameters, runs Decimal-precision backtests on shipped CSV data, and offers an LLM-reflection-driven evolution loop.

What it’s not: A live trading system (without explicit --platform-url bind to ai.moss.site). Not a paper-trading sandbox in the traditional sense — backtests are historical replay, not real-time market emulation.

Best for: Quant learners who want to see industrial-grade backtest internals (Decimal arithmetic, 20-level depth book modeling, liquidation accounting). Strategy designers comparing rule-based templates against natural-language LLM-generated parameters.

Not for: Anyone planning to deploy evolved params to live without independent OOS validation. The evolution loop is an in-sample fitting machine with cosmetic LLM commentary, not a learning system. 우리는 아래에 증거를 문서화합니다.

Open-source posture: MIT-0 license, no eval/exec, HMAC-signed platform calls that never upload secrets, no wallet private key access. The funnel is moss.site (a commercial AI trading platform), but the local backtest pipeline runs entirely offline.—

Moss Trade Bot Factory란 무엇인가?이 프로젝트는 moss-site GitHub 조직(Moss AI, moss.site, 2025-07년 설립)의 github.com/moss-site/moss-trade-bot-skills에 있습니다. v1.0.26(2026년 5월 25일 출시) 기준으로 별 98개, 포크 14개, 커밋 101개, 기여자 3명(slowfirary 79개 커밋, fei-moss 14, lokix006 1)이 있습니다.기계적으로 이 기술은 세 단계로 작동합니다.1. 분석: 자연어 입력(“지난 90일 동안의 BTC 보수 그리드”)은 에이전트에 의해 30개 이상의 전술 및 성격 매개변수, 즉 5가지 신호 가중치(추세/모멘텀/평균 복귀/거래량/변동성), 레버리지, 진입/퇴출 임계값, ATR 기반 중지 및 목표 승수, 체제 전환 매개변수 등을 포함하는 구조화된 params.json으로 구문 분석됩니다.2. 재생: 백테스트 엔진은 배송된 Hyperliquid CSV 데이터(15m 바, 43개의 기호, 148~304일의 적용 범위)를 읽고 다음을 사용하여 거래를 재생합니다. #

• 소수점 정밀도 회계(Moss 플랫폼의 Go shopspring/decimal 백엔드와 일치)
• 현실적인 미끄러짐 모델링을 위한 20레벨 고정 깊이 북 템플릿
• 유지증거금 위반 탐지를 통한 명시적 청산회계
• 교차 마진 시뮬레이션(다중 자산 포트폴리오 마진이 아닌 단일 계약)
• 시간 간격으로 펀딩 비율 정산(실제 역사적 펀딩이 아닌 고정 비율 ‘0.0000125’)3. 반영 및 발전(선택 사항): 백테스트 기간을 세그먼트로 분할하고(세그먼트당 기본 4000바 ≒ 41.7일) 각 세그먼트에서 기준선을 실행한 다음 LLM 에이전트를 호출하여 세그먼트 수준 요약(종료 이유, 승패 평균, 시장 컨텍스트)을 읽고 기준선에서 ±30% 드리프트하는 세그먼트별 매개변수 일정을 생성합니다. 성격 매개변수(신호 가중치, 레버리지, long_bias)는 잠겨 있습니다.README의 내용은 실제입니다. 이는 벡터BT 스타일 장난감 그 이상입니다. Decimal 정밀도 및 깊이 책 모델링은 우리가 검토한 대부분의 오픈 소스 수량 도구보다 앞서 있습니다. 백테스트 내부는 프로덕션 재생 코드가 어떤 모습인지 실제로 알려줍니다.제대로 착지하지 못하는 피치는 진화 루프입니다. 우리는 그것에 대해 알아볼 것입니다.## 백테스트 엔진이 실제로 작동하는 방식퀀트 도구를 평가하는 사람에게는 마케팅보다 엔진 내부가 더 중요합니다. scripts/core/backtest.py에서 세 가지가 눈에 띕니다: ### 1. 예측 바이어스 방어(대체로 좋음)재생 루프는 전략 막대 range(last_fed_idx + 1, end_idx)를 제공하며 평가 막대가 닫히기 전에 엄격하게 중지됩니다. 실행을 위한 시장 평균 가격은 다음 15m 바의 첫 1분을 시뮬레이션하여 ‘시가 + (청산-시가)/15’로 합성됩니다. 이는 원칙적으로는 맞지만 막대 내에서 가격이 선형으로 진행된다고 가정합니다. 이는 변동성이 높은 체제에서는 잘못된 것입니다. 버그는 아니지만 알려진 근사치입니다.### 2. 청산 모델링(올바른)유지마진 위반은 모든 리플레이 단계에서 최고봉(공매도)과 최저봉(공매도)을 기준으로 확인됩니다. 위반이 발생할 경우 청산 가격으로 포지션이 강제 폐쇄됩니다. 결과의 ‘blowup_count’ 필드는 전략이 몇 번이나 지워졌는지 추적합니다. 304일간의 BTC 데이터를 대상으로 테스트한 5가지 전략 모두에서 폭발 횟수는 0이었으며, 이는 레버리지 한도와 ATR 중지가 실제로 실행되었음을 확인합니다.### 3. Sharpe 연간 버그backtest.py: 828 원래 내용은 다음과 같습니다.``파이썬 샤프 = (valid_returns.mean() / valid_returns.std(ddof=0) * np.sqrt(8760)) …

'8760'은 시간별 막대 연율화 상수('365 × 24')입니다. 그러나 'equity'는 15분 간격으로 단계적으로 변경됩니다(735행의 'equity_points.append' 참조). 올바른 상수는 `35040` = `365 × 24 × 4`입니다. 원래 상수는 패리티 확인을 위해 Moss 플랫폼의 Go 백엔드와 일치하지만 로컬 백테스트 비교 또는 절대 Sharpe 해석의 경우 **모든 기본 Sharpe 값은 약 2x만큼 낮게 편향됩니다**.쉬운 수정: ``파이썬 
ANNUALIZATION_FACTOR = 35040 # 연간 1500만 바 
샤프 = (valid_returns.me```
pytho
n
ANNUALIZATION_FACTOR = 35040 # 연간 1500만 바 
샤프 = (valid_returns.mean() / valid_returns.std(ddof=0) * np.sqrt(ANNUALIZATION_FACTOR)) ... 
``당신은 퀀트를 배우거나 지역적으로 전략을 비교하고 있다면 `35040`을 사용하세요.## 설치: 전체 10분 소요이것은 우리가 단 한 번의 env-var 싸움 없이 설치한 유일한 AI 에이전트 스킬입니다. 표준 작업 흐름: ``배쉬 
git clone --깊이 1 --branch v1.0.26 https://github.com/moss-site/moss-trade-bot-skills.git 
CD 모스-트레이드-봇-기술/모스-트레이드-봇-팩토리/스크립트 
python3 -m venv .venv 
.venv/bin/pip 설치 -r 요구사항.txt 
````종속성``bash 
git clone --깊이 1 --branch v1.0.26 https://github.com/moss-site/moss-trade-bot-skills.git 
CD 모스-트레이드-봇-기술/모스-트레이드-봇-팩토리/스크립트 
python3 -m venv .venv 
.venv/bin/pip 설치 -r 요구사항.txt 
``재현성을 위해 태그가 지정된 릴리스로). 그 후에는 모든 것이 오프라인으로 실행됩니다.사용 가능한 기호를 나열하려면: ``배쉬 
python3 데이터 세트_catalog.py --list --timeframe 15m 
````출력에는
BTC(304일), ETH/SOL/ADA/AAVE 등(148일) 등 43개의 하이퍼리퀴드 기호와 토큰화된 주식(TSLA, NVDA, MSTR) 및 상품(GOLD, SILVER, BRENTOIL, SP500)이 포함됩니다.## 5가지 전략 비교: 실제로 효과적인 방법We ran five hand-crafted strategies across BTC's full 304-day window (2025-07-01 to 2026-04-30) with $10,000 starting capital. Same data, same engine, different p```
bas
h
python3 dataset_catalog.py --list --timeframe 15m
```| Return | Win Rate | Max DD | PF | Trades |
|---

|---

|---

|---

|---

|---

|---

|---

|
| Conservative Grid (mean-revert) | 2x | $10,436 | **+4.36%** ✅ | 51.9% | -22.8% | 1.27 | 214 |
| High-Frequency Breakout | 10x | $9,207 | -7.93% | 42.0% | -17.4% | 1.04 | 100 |
| Volatility-Adaptive | 3x | $9,175 | -8.25% | 42.9% | -14.9% | 0.85 | 49 |
| Volume Momentum | 5x | $9,098 | -9.02% | 44.1% | -14.9% | 0.65 | 34 |
| **Livermore Trend** | **5x** | **$7,989** | **-20.11%** ❌ | 36.2% | -26.6% | 0.80 | 105 |잠시 멈춰 볼 가치가 있는 세 가지 발견: **레버리지와 수익률은 엄격히 역의 상관관계가 있었습니다.** 2x 그리드가 승리했습니다. 10배 돌파는 5배 추세추종자보다 나은 성과를 보였지만 간신히 성과를 냈습니다. 고르지 못한 시장에서 자연어 기반 전략의 경우 3배를 초과하는 것은 구조적 과신이라는 강력한 경험적 사례가 있습니다.**승률은 운명이 아닙니다.** 리버모어 트렌드의 36.2% 승률은 추세 추종에 있어서 정상입니다(트렌드 전략은 많은 작은 손실을 극복하기 위해 소수의 큰 승리를 기대합니다). 패배한 이유는 승률이 아니라 BTC 창구가 추세가 계속 실패하는 횡보/ 고르지 못한 시장이었기 때문입니다. 올바른 전략, 잘못된 정권.**5개 모두에서 폭발이 발생하지 않습니다.** 레버리지 한도와 ATR 기반 중지는 광고된 대로 작동합니다. 우리는 10배 레버리지에도 불구하고 강제 청산을 한 적이 없습니다. 위험 관리 기본 요소는 견고합니다.## 진화의 함정: 예쁜 백테스트, 빈 OOS리뷰가 논란의 여지가 있는 부분이 바로 여기에 있습니다. README는 진화 루프를 "핵심 혁신", 즉 개성을 유지하면서 전술적 매개변수를 미세 조정하는 세그먼트별 반영으로 판매합니다. 훈련된 것처럼 들립니다: ±30% 드리프트 바운드, 차단된 세그먼트 품질 신호, 앞으로 걷기 반사.또한 샘플 외부에서 실패하는 아름다운 백테스트를 생성합니다.### 우리의 방법론1. BTC 304일을 Train(70% = 212일)과 OOS(30% = 92일)로 나눕니다. 
2. Train에서 기준선(보수적 그리드 매개변수는 변경되지 않음)을 실행하고 5 × ~41일 단위로 분할합니다. 
3. 반사 에이전트로 수동으로 작동: 실패한 세그먼트를 식별하고(세그먼트 4: -6.11%, 42.3% 승률, 시장이 -19.6% 잘못 표시된 정권 동안 하락) 전술 전용 조정으로 5라운드 진화 일정을 생성합니다(entry_threshold 0.45 → 0.50, sl_atr_mult 3.0 → 2.5, tp_atr_mult 2.0 → 2.5). 
4. 진화 일정이 적용된 Train에서 기준선을 다시 실행합니다. 
5. **진화된 최종 매개변수를 잠급니다. OOS에서 실행하세요. 아무것도 조정하지 마십시오.**### 결과| Metric | Train Base | Train Evolved | OOS Base | OOS Evolved |
|---

|---

|---

|---

|---

|
| Return | +3.02% | **+5.60%** ✅ | +7.22% | **-2.43%** ❌ |
| Annualized | +5.20% | +9.64% | +28.63% | -9.64% |
| Win Rate | 57.6% | 49.3% | 53.1% | 39.1% |
| Max DD | -16.34% | -9.25% ✅ | -6.64% | -4.77% |
| **Profit Factor** | 0.99 | **2.08** ✅ | 1.68 | **0.94** ❌ |
| Trades | 116 | 69 | 49 | 23 |먼저 Train 열을 읽어보세요. 이익률이 두 배로 증가했습니다. 최대 감소폭이 절반으로 줄었습니다. 샘플 내 측정 항목에 따라 진화는 훌륭하게 성공했습니다. 실패한 Seg 4는 -6.11%에서 +3.20%로 복구되었습니다. 이는 정확히 목표한 수정 사항이었습니다.이제 OOS 칼럼을 읽어보세요. 이익 계수는 1.68에서 0.94로 붕괴되었습니다. 승률은 14%포인트 하락했습니다. 보이지 않는 92일의 +7.22% 기준 수익률은 "개선된" 매개변수를 사용하여 -2.43% 손실로 바뀌었습니다.이는 샘플 내 피팅의 교과서 서명입니다. 진화 루프는 시장 구조를 학습하지 않고 열차 세그먼트 노이즈를 기억했습니다. LLM 반영은 추론("하락 추세의 평균 복귀 항목으로 인해 세그먼트 4가 실패했습니다. 중지를 강화하고 임계값을 높입니다")처럼 보이지만 증거는 OOS 격차에 있습니다. **Train의 +2.58% 포인트 개선은 OOS의 -9.65% 포인트 저하로 해석됨**.### 이것이 하나의 기술을 넘어서 중요한 이유OOS 검증 결과를 표시하지 않고 "AI 기반 매개변수 최적화" 또는 "반사적 진화"를 마케팅하는 모든 정량 도구는 동일한 함정을 판매하고 있습니다. 패턴은 보편적입니다.1. 열차 기간 반성으로 모든 실패 구간에 대한 스토리를 찾습니다. 
2. 이야기에 맞는 전술적 미세 조정 
3. 샘플 내 지표가 극적으로 향상됩니다(PF는 두 배, 감소는 절반) 
4. OOS는 진실을 밝힙니다. 매개변수는 신호가 아닌 노이즈를 기억했습니다.Moss는 유일하게 유죄가 아닙니다. 기술은 오픈 소스이고 데이터를 사용할 수 있으며 버그를 수정할 수 있습니다. 이러한 차세대 도구에서 우리가 원하는 것은 내장된 OOS 게이트입니다. 독립적인 OOS 검증을 통과하지 않는 한 진화된 매개변수 게시를 거부합니다. 그때까지는 모든 진화 보고서를 샘플 내 마케팅으로 취급하십시오.## 정직한 가격 및 퍼널 분석스킬 자체는 무료입니다(MIT-0). 퍼널은 moss.site이며 여기서 다음을 수행할 수 있습니다.- 라이브 카피 트레이딩을 위해 봇을 Moss 플랫폼에 바인딩합니다(자신의 지갑을 통해 Hyperliquid의 실제 자금) 
- 플랫폼 검증을 위한 백테스트 업로드 
- 리더보드에서 경쟁하세요 
- 다른 에이전트의 신호를 구독하세요플랫폼 측면은 테스트하지 않았습니다. README에서는 이것이 연구 및 교육 도구임을 명시하고 있으며 우리는 이를 그대로 유지했습니다. 실시간 거래를 하려면 자신만의 Hyperliquid 지갑, 실제 USDC, 그리고 열차 전용 백테스트 지표를 무시할 수 있는 인내심이 필요합니다.조직은 명확한 퍼널 모드(6개의 저장소, 별이 있는 저장소 1개, 나머지 지원 인프라: 멤버십용 `moss-og-pass-nft`, 지불용 `moss-bounty-x402-client`, 실행용 `Hyperliquid-copy-trade`)에서 실행됩니다. 나쁘지는 않지만 표준 오픈 코어 배포판이지만 플랫폼에 영향을 미치는 모든 명령에 대해 기술이 기본적으로 `ai.moss.site`로 설정되는 경우를 알아두는 것이 좋습니다.## 이 기술이 적합한 도구인 경우다음과 같은 경우에 사용하세요:- 산업용 백테스트 엔진이 어떤 것인지 배우고 싶습니다(소수 산술, 깊이 책, 청산 회계). 
- 규칙 기반 전략 템플릿을 비교하고 있으며 일관된 활용을 원합니다. 
- 데이터 파이프라인을 직접 작성하지 않고 실제 Hyperliquid 과거 데이터에 대해 서면 백테스트를 실행하고 싶습니다. 
- Sharpe 연간화 버그를 수정하고 자체 OOS 검증 단계를 추가할 때까지 진화 루프를 무시하기에 충분한 Python을 읽을 수 있습니다.다음과 같은 경우에는 건너뛰세요.- OOS 검증 엄격함을 배우지 않고 실시간 거래를 원합니다. 
- "진화한" 백테스트 결과가 향후 성능으로 변환될 것으로 기대합니다. 
- 전방위 분석, 정권별 OOS 검증 또는 중요성 테스트가 필요합니다. 이들 중 어느 것도 내장되어 있지 않습니다. 
- 플랫폼 퍼널에 대해 생각하고 싶지 않고 완전한 커뮤니티 중심 도구를 사용하고 싶습니다.## 우리가 직면한 한계이틀 간의 집중 테스트 후:- **샤프 연간화 버그**(위에서 다룸). 한 줄로 해결 가능합니다. 
- **기본 제공 학습/테스트 분할이 없습니다**. 자체 CSV 슬라이서와 결과 비교기를 작성해야 합니다. 우리는 사내 구현을 가지고 있습니다. 
- **정권 감지 라벨이 잘못되었을 수 있습니다**. Seg 4는 SIDEWAYS로 표시되었지만 해당 기간 동안 BTC는 -19.6% 하락했습니다. 'core/regime.py'에 있는 정권 탐지기는 자체 감사를 받을 자격이 있습니다. 
- **펀딩 비율은 고정된 상수**(시간당 `0.0000125`)입니다. 실제 하이퍼리퀴드 자금은 변동됩니다. 장기 포지션은 여기서 백테스트와 라이브 차이를 볼 수 있습니다. 
- **다중자산 교차마진 없음**. 단일 계약 교차 마진만 가능합니다. 포트폴리오 전략에는 맞춤형 작업이 필요합니다.## 셀프 호스팅을 위한 권장 인프라전용 VPS를 사용하여 자체 퀀트 백테스트 파이프라인을 연중무휴 24시간 실행하려는 경우:- **DigitalOcean
** — 60일 동안 $200 무료 크레딧. 백테스트 파이프라인 프로토타입을 제작하는 인디 퀀트의 좋은 진입점입니다. 
- **HTStack
** — 중국 본토에서 지연 시간이 짧은 홍콩 VPS입니다. dibi8.com을 호스팅하는 동일한 IDC입니다. 
- **Minara AI
** — DCA, 재조정 및 온체인 경고를 자동화하는 AI 기반 암호화폐 지갑입니다. 활성 거래 세션 사이에 핸드오프 포트폴리오 관리를 위해 Moss와 같은 맞춤형 봇과 페어링됩니다.*제휴 링크 — 추가 비용이 들지 않으며 dibi8.com을 계속 운영하는 데 도움이 됩니다.*## 결론Moss Trade Bot Factory는 2026년에 검토한 가장 유용한 오픈 소스 퀀트 기술입니다. 백테스트 엔진은 산업용 등급입니다. HMAC 클라이언트가 올바르게 설계되었습니다. MIT-0 라이센스는 비정상적으로 허용됩니다. Hyperliquid CSV 데이터 세트는 실제이며 SHA256으로 고정되어 있습니다.그러나 진화 루프에 대한 마케팅 강조는 초보자가 표본에 맞는 매개변수를 실제 자본으로 전달하도록 오해하게 만듭니다. 프로젝트가 OOS 검증 게이트를 추가할 때까지(또는 누군가가 이를 포크하고 추가할 때까지) 진화 기능을 알파로 가는 길이 아니라 신뢰하지 *않는* 것에 대한 교육 도구로 취급하십시오.이를 설치하고, Sharpe 버그를 수정하고, 손으로 만든 다섯 가지 전략을 실행하여 엔진이 어떻게 작동하는지 확인한 다음, 자신만의 열차/OOS 스플리터를 작성하세요. 마지막 단계(아무도 가르치지 않고 Moss가 시행하지 않는 단계)는 퀀트에서 가장 중요한 습관입니다.봇은 당신의 우위에 대해 솔직하게 가르치지 않을 것입니다. 그건 당신 스스로 해야 합니다.---**GitHub**: [moss-site/moss-trade-bot-skills](https://github.com/moss-site/moss-trade-bot-skills) · **라이센스**: MIT-0 · **최신**: v1.0.26(2026-05-25) · **별**: 98 · **관리자**: moss-site / Moss AI ([모스.사이트](https://moss.site))