AWS Builder 文章

使用 Amazon Bedrock AgentCore Memory 构建做空跨式交易风险治理

为 FSI 交易风险工作流构建受治理的 Amazon Bedrock AgentCore Memory 助手，以做空跨式交易风险治理为核心。该设计使用情景持久性、语义召回、摘要记忆、偏好记忆和风险模式记忆，在跨会话场景中保留 Delta、Gamma、Vega、保证金、流动性、压力损失、反马丁格尔和日常监控上下文，帮助交易员审查风险敞口、执行硬性限制、记录决策，并在每个交易日早晨维持严格且可审计的开盘前控制流程。

免责声明

并非投资建议

提供的信息仅用于一般教育和风险意识。它不是财务、投资、税务、法律或交易建议，也不是购买、出售或持有任何工具的建议。

仅限合法的泰国规划

该助理为合法的泰国旅行、搬迁、度假和休养计划提供支持，包括行程创意、后勤、文化准备、住宿研究、健康选择以及仅针对合法旅行者的合规、透明的决策支持。

不得非法逃脱或逃生援助

在任何情况下，本服务都不会协助隐藏、逃避当局、规避移民、法院命令、债务、制裁或法律义务、非法飞行、虚假文件、隐瞒或任何非法逃亡。

做空跨式头寸交易-风险治理范围

做空跨式交易风险治理内容遵循上传的框架，强调Delta、Gamma、Vega、保证金、流动性、压力损失、反马丁格尔行为、限制、升级、监控文件、审批和监督纪律的治理控制。

演示：记忆交易决策质量

交易员：
将其记录在我的贸易日记中：
仪器：QQQ期权
动作：跳过交易
原因：买卖价差太大
结果：没有进行任何交易
教训：避免强行进入

交易员：
让我们来做一下我的日终回顾。
P&L持平。
我遵守我的规则。
主要错误：我看一个糟糕的配置太久了。
改进：定义监控低质量配置的时间限制。

演示：交易员执行摘要摘要

本说明用于替代演示输出摘要，应在交易员晨间例行流程的步骤 1 到步骤 9 之后使用。其用途仅限于教育性的风险管理，不构成投资建议或交易建议。

从 2026 年 3 月到 6 月，宏观环境并不是一个干净的低波动环境。5 月 CPI 同比上涨 4.2%，是三年来最高的年度通胀读数，核心 CPI 同比为 2.9%。能源价格是主要推动因素之一，当月能源上涨 3.9%，过去 12 个月上涨 23.5%。这对卖出期权策略很重要，因为通胀冲击会迅速重定价利率、波动率、指数偏斜和保证金要求。

5 月劳动力市场依然强劲，非农就业增加 172,000 人，失业率为 4.3%，平均时薪同比上涨 3.4%。有韧性的劳动力市场降低了美联储快速转向宽松的压力，因此利率波动和股票波动风险对做空期权溢价策略仍然高度相关。

下一个 FOMC 决策窗口在 2026 年 6 月中旬。市场评论表明，由于通胀仍高于目标，预计美联储将保持谨慎。同一来源还提到，2 年期美债收益率接近 4.13%，10 年期美债收益率接近 4.55%，说明当前利率水平依然足以显著影响贴现率、股票估值倍数和期权波动风险。

波动率已经高到需要谨慎对待，但还没有极端到可以忽略尾部风险。FRED 显示，2026 年 6 月 10 日 CBOE VIX 为 22.22，同日 CBOE S&P 500 3-Month Volatility Index 为 22.89。这意味着近期和 3 个月隐含波动率都是做空跨式或做空宽跨式复盘中的重要风险输入。

另一个市场数据来源显示，2026 年 6 月 11 日日内 VIX 为 18.84，3 个月变化为 -30.96%，52 周区间为 13.38 到 35.30。这表明波动率已较此前的压力水平有所回落，但仍然具备突然大幅上冲的可能，这正是做空期权交易员最容易过度自信的那类环境。

目录

第 1 部分：做空跨式交易风险治理架构
这一部分介绍使用 Amazon Bedrock AgentCore Memory 构建做空跨式交易风险治理架构。它解释了持久记忆如何支持对 Delta、Gamma、Vega、保证金、流动性、压力损失和反马丁格尔行为的严格监控。目标是工作流控制，而不是市场预测、交易建议，或在缺乏硬性风险限制的情况下追逐权利金。

第 2 部分：跨会话持久性
这一部分解释跨会话持久性。助手会记住此前的预警、未解决事项、仪表板偏好以及重复出现的修复型交易模式，避免每个早晨在 Delta 漂移、Vega 冲击、保证金压力、流动性恶化或情绪化补仓后又变成一张白纸，从而强化连续性、监督和日常做空跨式风险复盘。

第 3 部分：内存提取管道
这一部分介绍内存提取。助手会从对话中识别事实、偏好、摘要、风险敞口细节、监控习惯、风险限制和后续事项。可存储的上下文包括做空跨式敞口、Net Delta、Cash Delta、Gamma Cash、Vega、DTE、IV 变化、skew、保证金使用情况、买卖价差和压力损失阈值，并在每日流程中安全追踪。

第 4 部分：情景记忆策略
这一部分介绍情景记忆。助手会捕捉具体情境、用户意图、使用过的工具、推理路径、结果以及从交易例程中得到的教训。跨情景反思可以揭示诸如忽视硬性限制、马丁格尔行为、做空 Gamma 集中、做空 Vega 扩张、流动性压力以及治理薄弱等模式，需要在未来用更强的风险语言来约束。

第 5 部分：交易员晨间市场监控
这一部分定义交易员的晨间市场监控。该例程会载入近期上下文、摘要记忆、预警、未解决事项和偏好，然后回顾隔夜市场、头寸快照、Delta、Gamma、Vega、IV、保证金、流动性和压力场景，在讨论交易之前生成聚焦做空跨式风险治理的简洁纯文本输出。

第 6 部分：做空跨式风险门
这一部分详细说明做空跨式风险门。Delta 风险门会查看 Net Delta、Cash Delta、预算使用情况和对冲状态。Gamma 风险门会查看 DTE、ATM 附近程度、跳空风险和事件风险。Vega、保证金、流动性和压力损失风险门则决定是继续监控、对冲、减仓、买入保护翼、转换结构、平仓，还是立即启动终止开关。

第 7 部分：反马丁格尔治理
这一部分解释反马丁格尔治理。助手会识别新增风险究竟是出于有效的流程原因，还是为了避免确认亏损。它会警告不要加倍下注、不要为了修复亏损而继续卖出权利金、不要在违规后继续增加做空 Gamma、不要在压力环境中增加做空 Vega，也不要用新的权利金去掩盖旧损失。

第 8 部分：智能体行为边界
这一部分定义行为边界。助手使用纯文本、简洁措辞、专业语气和既有偏好进行响应。它避免提供投资建议、价格目标、买入信号、卖出信号以及基于确定性的预测。与泰国相关的请求仅限于合法的旅行、搬迁、度假或休养规划，不包括逃避、藏匿、非法逃脱或规避法律责任的请求。

第 1 部分：做空跨式交易风险治理架构

这部分介绍了使用Amazon Bedrock AgentCore Memory的做空跨式产品交易-风险治理。它解释了持久内存如何支持对Delta、Gamma、Vega、保证金、流动性、压力损失和反马丁格尔行为的严格监控。目标是工作流控制，而不是市场预测、交易推荐或寻求溢价，并且在日常交易中没有严格的风险限制。

目标：
为 FSI 交易风险工作流构建受监管的 Amazon Bedrock AgentCore Memory 助手，以做空跨式交易风险治理为中心。

迅速的：

使用 Amazon Bedrock AgentCore Memory 构建做空跨式交易风险治理。

结果：
设计使用场景持久性、语义回忆、摘要记忆、偏好记忆和风险模式记忆来保留Delta、Gamma、Vega、保证金、流动性、压力损失、反马丁格尔和跨会话的监控上下文。

尖端：

  • 将助理视为治理工作流，而不是交易信号引擎。
  • 保留事先警告，以便每个交易早上都有背景信息。
  • 将风险审查与交易建议分开。
  • 在任何配置讨论之前，让硬限制可见。
  • 保持输出可审计且以流程为中心。

第2部分：跨会话持久性

这部分解释了跨会话持久性。助理会记住先前的警告、未解决的操作、仪表板偏好设置以及重复的损失回补交易模式。防止每个早晨在Delta漂移、Vega冲击、保证金压力、流动性恶化或情绪化的溢价修复行为之后成为一张白纸，加强连续性、监管和日常做空跨式头寸风险审查例程。

目标：
防止每个交易早上在之前的Delta漂移、Vega冲击、保证金压力、流动性恶化或危险的修复行为之后成为一张白纸。

迅速的：

记住先前的警告、未解决的操作、仪表板偏好设置以及跨会话重复的损失回补交易模式。

结果：
跨会话持久性意味着代理可以记住多个会话中的重要事实、偏好、摘要和重复行为模式。在此交易风险工作流中，它帮助代理保留有关做空跨式头寸暴露、Delta/Gamma/Vega风险、保证金使用、流动性压力、反马丁警告和合法恢复计划的背景信息。上传的强调，做空跨式头寸风险必须通过Delta、Gamma、Vega、压力损失、保证金、流动性和治理限制来控制，而不仅仅是保费收入。

萃取：

  • 自动识别和存储重要事实
  • 自动识别用户偏好
  • 自动识别重复风险模式
  • 长对话自动摘要
  • 自动存储交易员例程、监控规则和后续上下文

加工流水线：

  • 信息撷取：从对话中提取事实、偏好、摘要、交易风险敞口、风险限额和监控习惯等重要数据。
  • 存储：提取的信息被组织到命名空间中，例如用户个人数据、交易偏好、风险控制、市场监控、波动策略、摘要记忆和旅行偏好。
  • 语义索引：存储的信息被向量化，因此即使用户使用不同的措词提出后续问题，代理也可以通过相似性搜索检索相关事实。

记忆策略：语义记忆策略

描述：语义记忆从对话中提取事实信息并将其存储在向量索引内存中以进行相似性搜索。

好处：即使用户不重复相同的关键字，它也可以帮助代理人检索事实的交易细节、技术解释、产品信息和先前的风险讨论。

使用案例：适用于产品信息、技术细节、波动性术语、做空跨式部分事实、Delta/Vega/Gamma解释、保证金规则、波动性表面注释和事实交易风险数据。

内存策略：内存策略总结

描述：摘要记忆创建并维护长对话的压缩摘要，包括关键决策、风险警告、偏好、未解决的问题和先前的背景。

优点：它减少了令牌负载，提高了性能，并在长时间互动中保持连续性，而无需将每个原始信息注入提示中。

用例：适用于后续对话、长时间交易旅程、先前风险警告、保证金升级历史、Delta/Gamma/Vega违规讨论、泰国恢复计划以及大型对话历史的连续性。

内存策略：用户偏好内存策略

描述：用户偏好记忆跟踪用户特定的偏好、沟通方式、交易仪表板偏好、旅行偏好、联系规则和日常偏好。

好处：它可以个性化未来的响应，并防止代理重复询问已知信息。

使用案例：对于通讯偏好、首选风险仪表板格式、首选市场、首选交易指标、泰国城市偏好、饮食偏好和联系偏好有用。

第 3 部分：内存提取管道

这部分介绍内存提取。助手会从对话中识别事实、偏好、摘要、风险敞口细节、监控习惯、风险限制和后续事项。存储的上下文可以包括做空跨式头寸敞口、Net Delta、Cash Delta、Gamma Cash、Vega、DTE、IV 变化、skew、保证金使用情况、买卖价差以及每日安全跟踪的压力损失阈值。

目标：
从对话中识别事实、偏好、摘要、暴露细节、监控习惯、风险限制和后续项目。

提示词：

存储做空跨式头寸敞口、Net Delta、Cash Delta、Gamma Cash、Vega、DTE、IV 变化、skew、保证金使用情况、买卖价差和压力损失阈值。

示例：风险模式语义记忆策略

描述：风险模式记忆会捕捉反复出现的高风险行为，例如不断摊低成本、亏损后继续卖出更多权利金、忽略 Delta 违规、在临近到期时继续持有裸露的做空 Gamma 头寸，或在压力环境下继续增加做空 Vega。

好处：它能够让智能体更早识别危险行为模式，并升级为更明确的降风险提示。

使用场景：适用于短波动风险监控、反马丁格尔执行、终止开关提醒、保证金压力跟踪、流动性告警和治理告警。它将加倍下注、硬性限制薄弱、做空 Gamma 暴露、做空 Vega 暴露、保证金压力和治理失效视为关键的灾难性短波动失败模式。

示例：市场监控总结内存策略

描述：市场监控内存存储用户的每日市场列表、观察的工具、波动指标、宏观事件、保证金阈值和首选仪表板结构。

好处：它使日常市场监控会议更快、更一致，并且与先前定义的风险控制更好地保持一致。

使用案例：适用于交易员早上例行公事、Delta/Gamma/Vega仪表板、IV表面审查、压力测试工作流、流动性检查、开市前审查和每日风险控制提醒。

示例：用户偏好内存策略

描述：用户偏好记忆捕捉用户偏好的沟通方式、仪表板布局、监控频率、交易风险焦点、市场兴趣以及旅行或生活方式偏好。它不是只存储事实，而是存储用户希望代理如何响应以及哪些偏好应该影响未来的互动。

用户提示示例

每天早上，在开盘前给我一个简短的明文市场监测。
重点在于做空跨式头寸风险、Net Delta、Cash Delta、Gamma Cash、Vega暴露、变化压力损失压力。
仅对章节标题使用粗体。保持语气专业、直接。
如果我询问有关泰国的问题，请专注于合法旅行、搬迁或度假计划。
除非我询问细节，否则不要重复冗长的解释。
通讯偏好：纯文字格式。
格式偏好设置：仅对标题使用粗体。
语气偏好：专业、直接。
长度偏好：简短明了，除非要求详细信息。
常规偏好：每日早市开盘前监测。
交易焦点偏好：做空跨式头寸风险监控。
风险指标偏好：Net Delta、Cash Delta、Gamma Cash、Vega暴露、IV变动、差金使用压力损失。
风险升级偏好：当Delta、Gamma、Vega、保证金风险、流动性风险、压力损失风险出现时，明确警示。
旅行偏好：泰国主题应仅关注合法旅行、搬迁、度假或休养计划。
解释偏好：除非有要求，否则避免重复冗长的解释。

坐席行为提示

当用户开始新会话时，以明文形式初始化响应。
仅对章节标题使用粗体。
保持答案简洁、专业、直接。
对于交易风险主题，优先考虑做空跨式头寸、Delta、Gamma、Vega、保证金、流动性和压力损失监控。
对于市场监控请求，请制作一份开盘前列表，而不是一篇长篇文章。
对于与泰国相关的请求，仅提供合法的旅行、搬迁、度假或休养计划。
除非当前任务需要更新的信息，否则避免重新询问已知的偏好。

第4部分：情景记忆策略

这部分涵盖情景记忆。助理捕捉情况、用户意图、使用的工具、推理路径、结果以及交易例程的教训。对各个事件的反思揭示了诸如忽视硬性限制、鞅行为、做空Gamma集中、做空Vega扩张、流动性压力和治理弱点等模式，需要未来加强风险语言控制。

目标：
捕捉情况、用户意图、使用的工具、推理路径、结果以及交易例程中的经验教训。

迅速的：

使用情景记忆，以便助手可以记住过去的交易日，了解因果关系，并从先前的结果中学习。

结果：
情景记忆是一种人工智能代理设计，可帮助模型记住过去的具体经验、理解因果关系并从先前的结果中学习。它介于静态事实和简短的聊天历史记录之间，允许代理随着时间的推移而改进。

与主要通过语义相似性检索信息不同，情景记忆会记住完整的经验。它分三个步骤进行：

  • 提取：捕捉任务期间的情况、用户意图、使用的工具、推理步骤和结果。
  • 巩固：任务结束后，将互动压缩为一个结构化的、按时间顺序排列的情节。
  • 反思：回顾多个事件以寻找经验教训、成功策略、失败模式和可重复的工作流。

益处：
情景记忆可以帮助代理人从过去的工作流、失败和成功中学习。智能体不仅可以记住发生了什么，还可以记住为什么会发生、使用了哪些工具、做出了哪些决定以及随之而来的结果。

这有助于代理商：

  • 避免重复错误
  • 重用成功的策略
  • 选择更好的工具
  • 失败后适应
  • 构建可重复的工作流

例子：
代理可能会记得使用具有特定参数的特定工具解决了先前的错误，或者某个工作流失败并且下次应该避免。

使用案例：
当代理人需要记住一系列事件、将当前任务与过去的事件进行比较并应用学到的经验教训时，请使用情景记忆。

常见用例包括：

  • 多步骤规划代理
  • 编码和调试助手
  • 复杂的研究代理
  • 重复工作流自动化
  • 使用工具的代理
  • 事件响应代理
  • 记住过去练习课程的学习助手
  • 从先前的违规模式中学习的交易风险监控代理
  • 过去的结果应该指导未来的决策的运作手册

跳过情景记忆：

  • 简单的对话式问答
  • 基本事实查找
  • 休闲聊天
  • 不需要完整任务历史记录或从先前的结果中学习的任务

第5部分：交易员早市监控

这部分定义了交易员早市监控。该例程载入最近的上下文、摘要内存、警告、未解决的操作和偏好设置。然后，它回顾隔夜市场、头寸快照、Delta、Gamma、Vega、IV、保证金、流动性和压力情景，在交易讨论开始之前生成聚焦做空跨式交易风险治理的简明文本输出。

目标：
定义一个可重复的预先开启例程，在检查任何做空跨式头寸或做空勒式头寸配置之前载入上下文。

提示词：

每天早上，我都想在开市前回顾我的做空跨式头寸风险。请跟踪 Net Delta、Cash Delta、Gamma Cash、Vega 暴露、DTE、IV 变化、skew、保证金使用情况、买卖价差和压力损失。如果 Delta、Vega、Gamma、保证金或流动性出现违规，提醒我不要摊低成本，也不要通过卖出更多期权来挽回损失。

结果：
语义策略摘录：

  • 用户每天早上监控做空跨式头寸风险
  • 用户跟踪 Net Delta、Cash Delta、Gamma Cash、Vega 暴露、DTE、IV 变化、skew、保证金使用情况、买卖价差和压力损失
  • 商品
  • 波动率指数
  • 宏观头条
  • 获利日历
  • 央行事件
  • 地缘政治冲击

目的：在期权市场开盘前识别缺口风险。

步骤 3：位置快照

审查：

  • 潜在的
  • 策略型
  • 做空跨式头寸或做空宽跨式头寸敞口
  • 到期日
  • DTE
  • 行权价位置
  • 当前现货价格
  • 损益平衡范围
  • 持仓规模

目的：确认头寸是否仍在预期策略范围内。

步骤 4：Delta监控

查看：

  • Net Delta
  • Cash Delta
  • Delta占风险预算的百分比
  • Delta 较前收市价的变化
  • Delta对冲状态

建议的警报逻辑：

  • 软限制：Cash Delta 使用预算的 50–70%
  • 硬性限制：Cash Delta超过预算的100%
  • 爆仓限额：Cash Delta超过预算的125–150%

需要说明的是，做空跨式头寸一开始可能接近 Delta 中性，但负 Gamma 会随着标的资产价格波动而迅速放大 Delta 风险。如果 Gamma Cash 已经超出预算，应减少做空 Gamma、买入保护翼，或直接平仓，而不是继续增加新的做空期权。上传的框架也警告，临近到期时的 Gamma 可能会让动态对冲变得昂贵甚至失效。

Vega门：6月VIX和3月隐含波动率均在20左右，交易员必须检查当前的溢价是否是对实际风险的补偿，还是只是在不稳定的宏观条件下卖出的邀请。在任何卖空期权出售之前，估计 Vega P&L 加上 3、加上 5 和加上 10 vol 的冲击。如果Vega损失超出预定义预算，请勿增加做空Vega。

保证金与流动性门：如果保证金使用量上升，买卖价差变宽，或退出成本增加，则不要卖出更多溢价。目前的宏观状况包括通膨压力、高利率和活跃的波动性，因此保证金模型在压力下可能会迅速变化。上传的框架强调，保证金压力和流动性恶化可能会将可控的短期波动性损失转变为强制去杠杆化事件。

联合压力门：在考虑做空期权风险之前，运行即期下跌加 IV 上涨的情景。使用轻度、中度、重度、崩溃和融化场景。主要危险不是单独的Delta或单独的Vega；现货下跌，IV上涨，偏差更大，保证金更高，同时流动性更差。上传的框架明确要求组合 Delta 和 Vega 压力测试，而不是孤立的希腊语检查。

反鞅门：如果卖出做空期权的原因是为了弥补先前的损失、降低成本基础、在违约后收取权利金或避免实现损失，则停止。不要多卖跨式，不要增加做空Vega，不要增加做空Gamma，不要用新的保费来弥补旧的损失。上传的框架将鞅式修复行为、弱硬限制和治理不善确定为核心灾难性短期波动故障模式。

上午执行状态：

当通膨高于目标、FOMC重新定价风险活跃、VIX接近或高于20、能源或利率波动正在造成宏观不确定性时，市场状态应配置为「观察」或「压力」，而不是「平静」。

仅当Delta、Gamma、Vega、保证金、流动性和压力损失预算均在限制范围内时，才应继续进行做空期权销售审查。如果违反任何硬性限制，正确的工作流是减少、对冲、购买翅膀、转换为定义的风险结构、关闭或启动终止开关。

交易员行动注意事项：

  • 不要因为隐含波动率看起来较高而卖出做空期权。
  • 不要因为过去几周有利可图就卖出做空期权。
  • 如果交易需要平均下来才能使论文成立，请勿出售做空期权。
  • 如果保证金使用情况、买卖价差或压力损失已经恶化，请勿出售做空期权。
  • 不要在宏观事件中卖出做空期权，除非该头寸能够通过现货下跌加IV向上的压力测试。
  • 仅当头寸保持在预先定义的Delta、Gamma、Vega、保证金、流动性和压力损失限制内时才继续分析。

最终执行注意事项：

当今的短期期权工作流应优先考虑生存，其次是溢价。目前3月的宏观数据显示通膨压力、美联储谨慎预期、劳动数据坚挺、利率上升和活跃波动。这种环境不会自动禁止做空期权分析，但在考虑任何做空溢价风险敞口之前，它需要严格的希腊预算、压力测试、流动性检查、反马丁格尔纪律和预定义的终止开关规则。

第7部分：反马丁格尔治理

这部分解释了反马丁格尔的治理。助手会侦测是否因为有效的流程原因或避免实现损失而增加了风险。它警告不要加倍下注，出售保费来修复损失，在违规后增加做空Gamma，在压力期间增加做空Vega，或今天用新保费隐藏旧损失。

目标：
检测是否由于有效的流程原因或避免实现损失而增加了风险。

迅速的：

不要双倍下注，卖出保费来修复损失，违规后增加做空Gamma，压力期间增加做空Vega，或用新保费隐藏旧损失。

结果：
助理警告不要加倍下注，出售保费来修复损失，违规后增加做空Gamma，压力期间增加做空Vega，或今天用新保费隐藏旧损失。

尖端：

  • 将损失回补交易视为治理事件。
  • 升级重复的进阶维修行为。
  • 在覆盖之前需要进行独立审查。
  • 将规模与风险能力链接起来，而不是希望。
  • 记录决策、违规行为和教训。

第8部分：代理行为边界

这部分定义了行为边界。助理使用平白的文字、简洁的措辞、专业的语气和已知的偏好。它避免了投资建议、价格目标、买入信号、卖出信号和基于确定性的预测。与泰国相关的请求仅限于合法的旅行、搬迁、度假或撤退计划，不包括逃避、藏匿、非法逃脱或合法规避请求。

目标：
保持助理具有教育性、注重流程、合法、专业、简洁且可审计。

迅速的：

避免投资建议、价格目标、买入信号、卖出信号、基于确定性的预测、非法规避支持和法律规避请求。

结果：
助理使用平白的文字、简洁的措辞、专业的语气和已知的偏好。它避免了投资建议、价格目标、买入信号、卖出信号和基于确定性的预测。与泰国相关的请求仅限于合法的旅行、搬迁、度假或撤退计划，不包括逃避、藏匿、非法逃脱或合法规避请求。

用场景策略创造Amazon Bedrock AgentCore Memory

步骤 1：使用安装依赖项。

步骤 2：导入字典、日期时间、代理、工具、、、。

步骤 3：配置、、、。

步骤 4：使用创建作为客户端。

步骤 5：使用定义策略并进行交易。

步骤 6：使用client.构建内存并存储。

步骤 7：为market_focus、key_events及监视列表定义工具。

步骤 8：为account_risk_budget、max_daily_loss、max_trade_loss和margin_usage定义工具。

步骤 9：为仪器定义工具、trade_thesis、entry_condition、invalidation_condition及exit_plan。

步骤 10：定义工具工具、行动_taken、原因、结果与教训。

步骤 11：为pnl_summary、rule_adherence、错误和improvement_plan定义工具。

步骤 12：使用和定义来映射命名空间。

步骤13：使用、客户端与命名空间定义。

步骤14：定义以检索剧集、反思、和。

步骤15：定义以保存信息、、和工具结果。

步骤16：定义来注册和回调。

步骤 17：使用（，客户端）构建episodic_hooks。

步骤18：使用钩子、模型、工具、状态和创建。

提示：代理系统

你是交易员的日常助理，拥有过去交易日的记忆。

你的角色：
- 帮助交易员遵循有纪律的日常生活
- 支持上市前准备、风险审查、交易计划、交易日志和日终反思
- 使用过去的交易事件来识别重复出现的流程问题
- 应用有关纪律、风险控制、执行质量和情绪模式的反思
- 注重流程、风险管理与决策卫生
- 不提供财务建议、投资建议、价格目标或买卖证券的指示

当您看到上下文时，请使用它来识别相关的流程模式。
当您看到上下文时，请应用那些学到的纪律和风险控制模式。

总是：
1. 在交易想法之前先考虑风险限制
2. 需要预先定义的失效条件
3. 鼓励入场前调整头寸规模
4. 跟踪交易员是否遵循计划
5. 识别情绪化交易、报复性交易、过度交易和平均下跌行为
6. 在适当的情况下鼓励确定风险结构
7. 提醒交易员，条件不明确时无需进行交易
8. 保持产出具有教育意义和以流程为中心，而不是建议性的

绝不：
1. 建议购买、出售、做空或持有特定资产
2. 准确预测市场方向
3. 鼓励杠杆、鞅、双倍下注或报复性交易
4. 超越风险限制
5. 将未实现的复苏希望视为有效的风险计划

功能：构建盘前交易列表。

参数：

  • market_focus：主要市场、板块、指数、资产类或正在监控的产品
  • key_events：财报、CPI、FOMC、央行决策或重大数据发布等预定事件
  • 观察列表：交易员计划监控的交易品种或工具

返回：

  • 结构化的上市前列表

提示：构建盘前交易列表

市场焦点：
{market_focus}

关键事件：
{key_events}

关注列表：
{watchlist}

常规：
1. 回顾隔夜价格走势
2. 查看重大经济或企业事件
3. 审查波动状况
4. 确认流动性和点差
5. 在进入之前定义交易无效级别
6. 确认每日最大损失限额
7. 下单前确认头寸大小
8. 避免在情绪或冲动损失后增加风险

功能：查看每日交易风险限额。

参数：

  • account_risk_budget：交易日分配的总风险预算
  • max_daily_loss：当天允许的最大损失
  • max_trade_loss：单笔交易允许的最大损失
  • margin_usage：目前或计划的保证金使用情况

返回：

  • 结构化风险限额审查

提示：查看每日交易风险限额

风险限额审查

账户风险预算：
{account_risk_budget}

每日最大损失：
{max_daily_loss}

最大单笔交易损失：
{max_trade_loss}

保证金使用：
{margin_usage}

规则：
1. 如果达到每日最大损失，则停止交易
2. 损失后不要增加尺寸
3. 不要用新的交易来弥补旧的损失
4. 当流动性恶化时减少风险敞口
5. 除非风险计划明确批准，否则避免未定义的风险头寸
6. 需要时将未定义的风险转换为已定义的风险
7. 遵循预先定义的退出计划，无需自行决定

功能：在进入交易之前构建结构化交易计划。

参数：

  • 工具：代码、指数、期货合约、期权结构或正在考虑的资产
  • trade_thesis：考虑交易的原因
  • entry_condition：入职前所需客观条件
  • invalidation_condition：证明交易思路错误的条件
  • exit_plan：计划获利、止损、时间止损或降低风险规则

返回：

  • 结构性贸易计划

提示：在进入交易之前构建结构化交易计划

乐器：
{instrument}

贸易论文：
{trade_thesis}

入场条件：
{entry_condition}

失效条件：
{invalidation_condition}

退出计划：
{exit_plan}

交易前确认：
1. 头寸大小已定义
2. 定义损失限额
3. 退出条件在进入之前定义
4. 交易不违反每日风险预算
5. 交易不依赖平均下降或鞅行为

功能：记录贸易日记帐分录。

参数：

  • 工具：代码、指数、期货合约、期权结构或交易资产
  • 行动_taken：做了什么，例如进入、退出、减少、对冲或跳过
  • 原因：为什么采取该行动
  • 结果：行动的结果
  • 教训：从交易或决策中学到的教训

返回：

  • 结构化贸易日记帐分录

提示：记录贸易日记帐分录

乐器：
{instrument}

采取的行动：
{行动_taken}

原因：
{reason}

结果：
{result}

课：
{lesson}

评论标签：
- 流程纪律
- 风险控制
- 执行质量
- 情绪控制
- 遵守规则

功能：创建日终交易回顾。

参数：

  • pnl_summary：每日损亏汇总
  • rule_adherence：是否遵守交易规则
  • 错误：观察到的错误、情绪化决定或流程中断
  • improvement_plan：下一交易日具体改善方案

返回：

  • 结构化的日终审查

提示：创建日终交易回顾

P&L总结：
{pnl_summary}

遵守规则：
{rule_adherence}

错误：
{mistakes}

改进计划：
{improvement_plan}

反思问题：
1. 我是否遵循了预先定义的风险限制？
2. 我是否避免了报复性交易？
3. 我是否在没有计划的情况下避免了平均下降？
4. 我是否尊重流动性和点差条件？
5. 我退出是基于规则而不是希望吗？
6. 明天该重复什么？
7. 明天必须避免什么？

提示：创建交易员日常工作

你是交易员的日常助理，拥有过去交易日的记忆。

你的角色：
- 帮助交易员遵循有纪律的日常生活
- 支持上市前准备、风险审查、交易计划、交易日志和日终反思
- 使用过去的交易事件来识别重复出现的流程问题
- 应用有关纪律、风险控制、执行质量和情绪模式的反思
- 注重流程、风险管理与决策卫生
- 不提供财务建议、投资建议、价格目标或买卖证券的指示

当您看到上下文时，请使用它来识别相关的流程模式。
当您看到上下文时，请应用那些学到的纪律和风险控制模式。

总是：
1. 在交易想法之前先考虑风险限制
2. 需要预先定义的失效条件
3. 鼓励入场前调整头寸规模
4. 跟踪交易员是否遵循计划
5. 识别情绪化交易、报复性交易、过度交易和平均下跌行为
6. 在适当的情况下鼓励确定风险结构
7. 提醒交易员，条件不明确时无需进行交易
8. 保持产出具有教育意义和以流程为中心，而不是建议性的

绝不：
1. 建议购买、出售、做空或持有特定资产
2. 准确预测市场方向
3. 鼓励杠杆、鞅、双倍下注或报复性交易
4. 超越风险限制
5. 将未实现的复苏希望视为有效的风险计划

代码：使用场景策略构建Amazon Bedrock AgentCore Memory

# Step 1: Install dependencies
# !pip install -qr requirements.txt


# Step 2: Import required packages

from typing import Dict
from datetime import datetime

from strands import Agent, tool
from strands.hooks import (
	AfterInvocationEvent,
	HookProvider,
	HookRegistry,
	MessageAddedEvent,
)

from bedrock_agentcore.memory import MemoryClient
from bedrock_agentcore.memory.constants import StrategyType


# Step 3: Configure runtime settings

REGION = "us-west-2"
TRADER_ID = "trader_001"
SESSION_ID = f"trading_day_{datetime.now().strftime('%Y%m%d%H%M%S')}"

MEMORY_NAME = "TraderDailyRoutineEpisodicMemory"


# Step 4: Create memory client

client = MemoryClient(region_name=REGION)


# Step 5: Define episodic memory strategy

strategies = [
	{
    	StrategyType.EPISODIC.value: {
        	"name": "TradingRoutineEpisodes",
        	"description": "Captures daily trading routines, risk reviews, trade journals, and end-of-day reflections",
        	"namespaceTemplates": ["/trading/actor/{actorId}/episodes/"],
        	"reflectionConfiguration": {
            	"namespaceTemplates": [
                	"/trading/actor/{actorId}/"
            	]
        	},
    	}
	}
]


# Step 6: Create memory resource with episodic strategy

memory = client.create_memory_and_wait(
	name=MEMORY_NAME,
	strategies=strategies,
	description="Episodic memory for trader daily routine assistant",
	event_expiry_days=180,
)

memory_id = memory["id"]


# Step 7: Create trader routine tool for pre-market checklist

@tool
def create_premarket_checklist(market_focus: str, key_events: str, watchlist: str) -> str:
	"""Create a pre-market trading checklist.

	Args:
    	market_focus: Main market, sector, index, asset class, or product being monitored
    	key_events: Scheduled events such as earnings, CPI, FOMC, central bank decision, or major data release
    	watchlist: Symbols or instruments the trader plans to monitor

	Returns:
    	Structured pre-market checklist
	"""
	return f"""PRE-MARKET CHECKLIST

Market Focus:
{market_focus}

Key Events:
{key_events}

Watchlist:
{watchlist}

Routine:
1. Review overnight price 行动
2. Check major economic or corporate events
3. Review volatility conditions
4. Confirm liquidity and spreads
5. Define trade invalidation levels before entry
6. Confirm maximum daily loss limit
7. Confirm position size before any order
8. Avoid adding risk after emotional or impulsive losses"""


# Step 8: Create trader routine tool for risk limits

@tool
def check_risk_limits(
	account_risk_budget: str,
	max_daily_loss: str,
	max_trade_loss: str,
	margin_usage: str,
) -> str:
	"""Check daily trading risk limits.

	Args:
    	account_risk_budget: Total risk budget allocated for the trading day
    	max_daily_loss: Maximum permitted loss for the day
    	max_trade_loss: Maximum permitted loss for a single trade
    	margin_usage: Current or planned margin usage

	Returns:
    	Structured risk limit review
	"""
	return f"""RISK LIMIT REVIEW

Account Risk Budget:
{account_risk_budget}

Maximum Daily Loss:
{max_daily_loss}

Maximum Single-Trade Loss:
{max_trade_loss}

Margin Usage:
{margin_usage}

Rules:
1. Stop trading if maximum daily loss is reached
2. Do not increase size after a loss
3. Do not use new trades to recover old losses
4. Reduce exposure when liquidity deteriorates
5. Avoid undefined-risk positions unless explicitly 应用roved by the risk plan
6. Convert undefined risk to defined risk when required
7. Follow the pre-defined exit plan without discretionary overrides"""


# Step 9: Create trader routine tool for trade plan

@tool
def create_trade_plan(
	instrument: str,
	trade_thesis: str,
	entry_condition: str,
	invalidation_condition: str,
	exit_plan: str,
) -> str:
	"""Create a structured trade plan before entering a trade.

	Args:
    	instrument: Symbol, index, futures contract, option structure, or asset being considered
    	trade_thesis: Reason for considering the trade
    	entry_condition: Objective condition required before entry
    	invalidation_condition: Condition that proves the trade idea is wrong
    	exit_plan: Planned profit-taking, stop-loss, time stop, or risk reduction rule

	Returns:
    	Structured trade plan
	"""
	return f"""TRADE PLAN

Instrument:
{instrument}

Trade Thesis:
{trade_thesis}

Entry Condition:
{entry_condition}

Invalidation Condition:
{invalidation_condition}

Exit Plan:
{exit_plan}

Pre-Trade Confirmation:
1. Position size is defined
2. Loss limit is defined
3. Exit condition is defined before entry
4. Trade does not violate daily risk budget
5. Trade does not depend on averaging down or martingale behavior"""


# Step 10: Create trader routine tool for trade journal

@tool
def record_trade_journal(
	instrument: str,
	行动_taken: str,
	reason: str,
	result: str,
	lesson: str,
) -> str:
	"""Record a trade journal entry.

	Args:
    	instrument: Symbol, index, futures contract, option structure, or asset traded
    	行动_taken: What was done, such as entered, exited, reduced, hedged, or skipped
    	reason: Why the 行动 was taken
    	result: Outcome of the 行动
    	lesson: Lesson learned from the trade or decision

	Returns:
    	Structured trade journal entry
	"""
	return f"""TRADE JOURNAL ENTRY

Instrument:
{instrument}

Action Taken:
{行动_taken}

Reason:
{reason}

Result:
{result}

Lesson:
{lesson}

Review Tags:
- Process discipline
- Risk control
- Execution quality
- Emotional control
- Rule adherence"""


# Step 11: Create trader routine tool for end-of-day review

@tool
def create_end_of_day_review(
	pnl_summary: str,
	rule_adherence: str,
	mistakes: str,
	improvement_plan: str,
) -> str:
	"""Create an end-of-day trading review.

	Args:
    	pnl_summary: Summary of daily profit and loss
    	rule_adherence: Whether trading rules were followed
    	mistakes: Mistakes, emotional decisions, or process breaks observed
    	improvement_plan: Specific improvement plan for the next trading day

	Returns:
    	Structured end-of-day review
	"""
	return f"""END-OF-DAY REVIEW

P&L Summary:
{pnl_summary}

Rule Adherence:
{rule_adherence}

Mistakes:
{mistakes}

Improvement Plan:
{improvement_plan}

Reflection Questions:
1. Did I follow my pre-defined risk limits?
2. Did I avoid revenge trading?
3. Did I avoid averaging down without a plan?
4. Did I respect liquidity and spread conditions?
5. Did I exit based on rules rather than hope?
6. What should be repeated tomorrow?
7. What must be avoided tomorrow?"""


# Step 12: Create helper command to get namespace m应用ings

def get_namespaces(mem_client: MemoryClient, memory_id: str) -> Dict:
	"""Get namespace m应用ing for memory strategies."""
	memory_strategies = mem_client.get_memory_strategies(memory_id)

	result = {}

	for strategy in memory_strategies:
    	reflection_config = strategy.get("reflectionConfiguration", {})

    	result[strategy["type"]] = {
        	"namespaces": strategy.get("namespaces", []),
        	"reflectionNamespaces": reflection_config.get("namespaces", []),
    	}

	return result


# Step 13: Create episodic memory hook provider

class EpisodicMemoryHooks(HookProvider):
	"""Memory hooks for episodic memory with reflections."""

	def __init__(self, memory_id: str, client: MemoryClient):
    	self.memory_id = memory_id
    	self.client = client
    	self.namespaces = get_namespaces(self.client, self.memory_id)

	def retrieve_episodes_and_reflections(self, event: MessageAddedEvent):
    	"""Retrieve relevant episodes and reflections before processing."""
    	messages = event.agent.messages

    	if messages[-1]["role"] != "user" or "toolResult" in messages[-1]["content"][0]:
        	return

    	user_query = messages[-1]["content"][0]["text"]
    	actor_id = event.agent.state.get("actor_id")

    	if not actor_id:
        	return

    	all_context = []
    	episodic_config = self.namespaces.get("EPISODIC", {})

    	for namespace_template in episodic_config.get("namespaces", []):
        	namespace = namespace_template.format(actorId=actor_id)

        	episodes = self.client.retrieve_memories(
            	memory_id=self.memory_id,
            	namespace=namespace,
            	query=user_query,
            	top_k=3,
        	)

        	for episode in episodes:
            	if isinstance(episode, dict):
                	content = episode.get("content", {})

                	if isinstance(content, dict):
                    	text = content.get("text", "").strip()

                    	if text:
                        	all_context.应用end(f"[PAST TRADING EPISODE] {text}")

    	for namespace_template in episodic_config.get("reflectionNamespaces", []):
        	namespace = namespace_template.format(actorId=actor_id)

        	reflections = self.client.retrieve_memories(
            	memory_id=self.memory_id,
            	namespace=namespace,
            	query=user_query,
            	top_k=2,
        	)

        	for reflection in reflections:
            	if isinstance(reflection, dict):
                	content = reflection.get("content", {})

                	if isinstance(content, dict):
                    	text = content.get("text", "").strip()

                    	if text:
                        	all_context.应用end(f"[TRADING REFLECTION] {text}")

    	if all_context:
        	context_text = "\n".join(all_context)
        	original_text = messages[-1]["content"][0]["text"]

        	messages[-1]["content"][0]["text"] = (
            	f"Past Trading Experience:\n{context_text}\n\nCurrent Query: {original_text}"
        	)

	def save_trading_inter行动(self, event: AfterInvocationEvent):
    	"""Save trading inter行动 for episode extr行动."""
    	messages = event.agent.messages

    	if len(messages) < 2 or messages[-1]["role"] != "assistant":
        	return

    	inter行动_messages = []

    	for msg in messages:
        	role = msg["role"].upper()
        	content = msg["content"]

        	if isinstance(content, list):
            	for item in content:
                	if "text" in item:
                    	inter行动_messages.应用end((item["text"], role))

                	elif "toolUse" in item:
                    	tool_info = item["toolUse"]
                    	tool_text = f"[TOOL: {tool_info.get('name', 'unknown')}]"
                    	inter行动_messages.应用end((tool_text, "TOOL"))

                	elif "toolResult" in item:
                    	result = (
                        	item["toolResult"]
                        	.get("content", [{}])[0]
                        	.get("text", "")
                    	)

                    	inter行动_messages.应用end(
                        	(f"[RESULT: {result[:200]}]", "TOOL")
                    	)

    	if inter行动_messages:
        	actor_id = event.agent.state.get("actor_id")
        	session_id = event.agent.state.get("session_id")

        	if not actor_id or not session_id:
            	return

        	self.client.create_event(
            	memory_id=self.memory_id,
            	actor_id=actor_id,
            	session_id=session_id,
            	messages=inter行动_messages,
        	)

	def register_hooks(self, registry: HookRegistry) -> None:
    	"""Register episodic memory hooks."""
    	registry.add_callback(
        	MessageAddedEvent,
        	self.retrieve_episodes_and_reflections,
    	)

    	registry.add_callback(
        	AfterInvocationEvent,
        	self.save_trading_inter行动,
    	)


# Step 14: Create trader daily routine agent

episodic_hooks = EpisodicMemoryHooks(memory_id, client)

trader_routine_agent = Agent(
	hooks=[episodic_hooks],
	model="global.anthropic.claude-haiku-4-5-20251001-v1:0",
	tools=[
    	create_premarket_checklist,
    	check_risk_limits,
    	create_trade_plan,
    	record_trade_journal,
    	create_end_of_day_review,
	],
	state={
    	"actor_id": TRADER_ID,
    	"session_id": SESSION_ID,
	},
	system_提示词="""You are a trader daily routine assistant with memory from past trading days.

Your role:
- Help the trader follow a disciplined daily routine
- Support pre-market preparation, risk review, trade planning, trade journaling, and end-of-day reflection
- Use past trading episodes to identify recurring process issues
- 应用ly reflections about discipline, risk control, execution quality, and emotional patterns
- Focus on process, risk management, and decision hygiene
- Do not provide financial advice, investment recommendations, price targets, or instructions to buy or sell securities

When you see [PAST TRADING EPISODE] context, use it to identify relevant process patterns.
When you see [TRADING REFLECTION] context, 应用ly those learned discipline and risk-control patterns.

Always:
1. Start with risk limits before trade ideas
2. Require a pre-defined invalidation condition
3. Encourage position sizing before entry
4. Track whether the trader followed the plan
5. Identify emotional trading, revenge trading, overtrading, and averaging-down behavior
6. Encourage defined-risk structures where 应用ropriate
7. Remind the trader that no trade is required if conditions are unclear
8. Keep outputs educational and process-focused, not advisory

Never:
1. Recommend buying, selling, shorting, or holding a specific asset
2. Predict market direction as certainty
3. Encourage leverage, martingale, doubling down, or revenge trading
4. Override risk limits
5. Treat unrealized recovery hopes as a valid risk plan""",
)

将 Amazon Bedrock AgentCore Memory 与场景策略结合使用

步骤 1：使用 create_episodic_memory_hook_provider(...) 和内存客户端构建 episodic_hooks。

步骤 2：创建一个包含 hooks、model、tools 和 state 的代理。

步骤 3：添加交易员例程所需的工具，例如开盘前检查清单、风险限制检查、交易计划、交易日志和收盘复盘工具。

步骤 4：使用 memory ID 和 namespace 配置 state。

步骤 5：为交易例程、风险控制、日志记录和纪律约束定义基础上下文。

步骤 6：构建列表，用于预置历史交易例程片段。

步骤 7：添加第一个历史会话，用于记录盘前准备、CPI 事件、观察列表和风险限额。

步骤 8：添加第二个历史会话，用于记录交易计划、IV 正常化、流动性判断和跳过的交易日志。

步骤 9：添加第三个历史会话，用于记录日终复盘，包括 P&L 持平、遵守规则以及没有强行交易。

步骤 10：新增会话4以进行损失回补交易警告、鞅避免和情绪控制日记。

步骤 11：使用客户端种子内存。 create_event与、、和。

步骤 12：使用测试上市前内存，并将结果存储在中。

步骤13：使用测试风险限制召回，并将结果存储在中。

步骤14：使用测试贸易计划创建并将结果存储在中。

步骤15：使用测试情绪交易模式并将结果存储于中。

步骤16：使用测试贸易日志记录并将结果存储在中。

步骤 17：使用测试日终审核并将结果存储于中。

步骤18：将回覆存放在中，以便笔记本审查而不列印。

演示：在场景策略中使用Amazon Bedrock AgentCore Memory

system_提示词="""You are a trader daily routine assistant with memory from past trading days.

Your role:
- Help the trader follow a disciplined daily trading routine
- Support pre-market preparation, risk review, trade planning, trade journaling, and end-of-day review
- Use past trading episodes to identify recurring behavior patterns
- 应用ly reflections about discipline, execution quality, risk control, and emotional control
- Focus on process quality, not market prediction
- Do not provide financial advice, investment recommendations, price targets, or instructions to buy or sell securities

When you see [PAST TRADING EPISODE] context, use it to identify relevant process patterns.
When you see [TRADING REFLECTION] context, 应用ly those learned risk-control and discipline patterns.

Always:
1. Start with risk limits before discussing trade ideas
2. Require a clear trade thesis before entry
3. Require a pre-defined invalidation condition
4. Require position sizing before execution
5. Track whether the trader followed the plan
6. Identify emotional trading, revenge trading, overtrading, and averaging-down behavior
7. Encourage defined-risk structures where 应用ropriate
8. Remind the trader that no trade is required when conditions are unclear

Never:
1. Recommend buying, selling, shorting, or holding a specific asset
2. Predict market direction as certainty
3. Encourage leverage, martingale, doubling down, or revenge trading
4. Override risk limits
5. Treat hope or recovery trading as a valid plan
"""

交易员输入：
将其记录在我的贸易日记中：
仪器：QQQ期权
动作：跳过交易
原因：买卖价差太大
结果：没有进行任何交易
教训：避免强行进入

交易员输入：
让我们来做一下我的日终回顾。
P&L持平。
我遵守我的规则。
主要错误：我看一个糟糕的配置太久了。
改进：定义监控低质量配置的时间限制。

# Step 14: Create trader daily routine agent

episodic_hooks = EpisodicMemoryHooks(memory_id, client)

trader_routine_agent = Agent(
	hooks=[episodic_hooks],
	model="global.anthropic.claude-haiku-4-5-20251001-v1:0",
	tools=[
    	create_premarket_checklist,
    	check_risk_limits,
    	create_trade_plan,
    	record_trade_journal,
    	create_end_of_day_review,
	],
	state={
    	"actor_id": TRADER_ID,
    	"session_id": SESSION_ID,
	},
	system_提示词="""You are a trader daily routine assistant with memory from past trading days.

Your role:
- Help the trader follow a disciplined daily trading routine
- Support pre-market preparation, risk review, trade planning, trade journaling, and end-of-day review
- Use past trading episodes to identify recurring behavior patterns
- 应用ly reflections about discipline, execution quality, risk control, and emotional control
- Focus on process quality, not market prediction
- Do not provide financial advice, investment recommendations, price targets, or instructions to buy or sell securities

When you see [PAST TRADING EPISODE] context, use it to identify relevant process patterns.
When you see [TRADING REFLECTION] context, 应用ly those learned risk-control and discipline patterns.

Always:
1. Start with risk limits before discussing trade ideas
2. Require a clear trade thesis before entry
3. Require a pre-defined invalidation condition
4. Require position sizing before execution
5. Track whether the trader followed the plan
6. Identify emotional trading, revenge trading, overtrading, and averaging-down behavior
7. Encourage defined-risk structures where 应用ropriate
8. Remind the trader that no trade is required when conditions are unclear

Never:
1. Recommend buying, selling, shorting, or holding a specific asset
2. Predict market direction as certainty
3. Encourage leverage, martingale, doubling down, or revenge trading
4. Override risk limits
5. Treat hope or recovery trading as a valid plan""",
)


# Step 15: Seed past trading routine episodes

past_trading_sessions = [
	# Session 1: Pre-market preparation and risk setup
	(
    	"Let's prepare for today's trading session. I want to focus on index options and major macro events.",
    	"USER",
	),
	(
    	"I'll help structure the trading day around preparation, risk limits, and rule-based execution.",
    	"ASSISTANT",
	),
	(
    	"The main event today is the CPI release. I want to watch SPX, QQQ, and VIX closely.",
    	"USER",
	),
	("[TOOL: create_premarket_checklist]", "TOOL"),
	(
    	"[RESULT: PRE-MARKET CHECKLIST: Market focus is index options. Key event is CPI. Watchlist includes SPX, QQQ, and VIX.]",
    	"TOOL",
	),
	(
    	"Pre-market checklist prepared. Please confirm your daily risk limits before considering any trade.",
    	"ASSISTANT",
	),
	(
    	"Maximum daily loss is 1.5% of account equity. Maximum single-trade loss is 0.5%. Margin usage should stay below 20%.",
    	"USER",
	),
	("[TOOL: check_risk_limits]", "TOOL"),
	(
    	"[RESULT: RISK LIMIT REVIEW: Max daily loss 1.5%, max trade loss 0.5%, margin usage below 20%. No adding risk after losses.]",
    	"TOOL",
	),
	(
    	"Risk limits are recorded. Any trade idea should include entry condition, invalidation condition, and exit plan.",
    	"ASSISTANT",
	),

	# Session 2: Trade planning and execution discipline
	(
    	"I am considering an options volatility trade after the event, but only if spreads tighten and IV starts to normalize.",
    	"USER",
	),
	(
    	"Let's turn that into a structured trade plan before any execution.",
    	"ASSISTANT",
	),
	("[TOOL: create_trade_plan]", "TOOL"),
	(
    	"[RESULT: TRADE PLAN: Instrument is index options. Thesis is post-event volatility normalization. Entry requires spreads tightening and IV stabilization. Invalidation is IV expansion or liquidity deterioration. Exit plan is predefined risk reduction.]",
    	"TOOL",
	),
	(
    	"Good. I skipped the trade because spreads stayed too wide after the CPI release.",
    	"USER",
	),
	("[TOOL: record_trade_journal]", "TOOL"),
	(
    	"[RESULT: TRADE JOURNAL ENTRY: Action taken was skipped. Reason was poor liquidity and wide spreads. Lesson was to avoid forcing trades after event volatility.]",
    	"TOOL",
	),
	(
    	"That was a disciplined decision. Skipping a low-quality setup protects the trading process.",
    	"ASSISTANT",
	),

	# Session 3: End-of-day review
	(
    	"Let's do the end-of-day review. I had no trades today, but I followed the plan and avoided forcing entries.",
    	"USER",
	),
	("[TOOL: create_end_of_day_review]", "TOOL"),
	(
    	"[RESULT: END-OF-DAY REVIEW: P&L flat. Rules followed. No forced trades. Improvement plan is to keep monitoring liquidity and avoid trading only because an event occurred.]",
    	"TOOL",
	),
	(
    	"Review completed. The key positive behavior was protecting capital by not trading when conditions were unclear.",
    	"ASSISTANT",
	),

	# Session 4: Risk control issue
	(
    	"Yesterday I almost added size after a losing trade because I wanted to recover quickly.",
    	"USER",
	),
	(
    	"That is a process warning. Recovery trading and martingale behavior should be blocked by the trading plan.",
    	"ASSISTANT",
	),
	("[TOOL: record_trade_journal]", "TOOL"),
	(
    	"[RESULT: TRADE JOURNAL ENTRY: Action was avoided. Reason was emotional urge to recover losses. Lesson was to stop trading after emotional activation and respect daily risk limits.]",
    	"TOOL",
	),
	(
    	"This pattern should be watched carefully. The rule is no increase in size after a loss and no trades made only to recover previous losses.",
    	"ASSISTANT",
	),
]

client.create_event(
	memory_id=memory_id,
	actor_id=TRADER_ID,
	session_id="seed_trading_session_001",
	messages=past_trading_sessions,
)


# Step 16: Test trader daily routine scenarios

# Test 1: Follow-up on previous pre-market preparation
response1 = trader_routine_agent(
	"Let's prepare for today's session. What should I review first based on my previous routine?"
)


# Test 2: Risk limit reminder
response2 = trader_routine_agent(
	"Before looking at trade ideas, remind me what risk limits I usually define."
)


# Test 3: Trade planning discipline
response3 = trader_routine_agent(
	"""I am watching SPX options after a macro event.
The setup only interests me if spreads tighten and volatility starts to normalize.
Can you help me structure this as a trade plan?"""
)


# Test 4: Emotional trading pattern
response4 = trader_routine_agent(
	"I had a losing trade earlier and feel tempted to increase size to recover. What should I do according to my process?"
)


# Test 5: Trade journal entry
response5 = trader_routine_agent(
	"""Record this in my trade journal:
Instrument: QQQ options
Action: skipped trade
Reason: bid-ask spread was too wide
Result: no trade taken
Lesson: avoid forcing entries when liquidity is poor"""
)


# Test 6: End-of-day review
response6 = trader_routine_agent(
	"""Let's do my end-of-day review.
P&L was flat.
I followed my rules.
Main mistake: I kept watching a poor setup for too long.
Improvement: define a time limit for monitoring low-quality setups."""
)


# Step 17: Store test responses for notebook review without printing

test_responses = {
	"premarket_followup": response1,
	"risk_limit_reminder": response2,
	"trade_plan": response3,
	"emotional_trading_pattern": response4,
	"trade_journal": response5,
	"end_of_day_review": response6,
}

风险描述

Delta 风险

Delta 风险衡量做空跨式头寸偏离中立性时所产生的定向暴露。治理应定义限制、监控频率、对冲触发器以及增量超出容差时的升级规则。控制措施应考虑缺口变动、日内波动、分配风险及对冲工具的流动性。报告应将计划的再平衡与紧急干预分开，确保决策记录在案、及时且可在各种情况下进行审计。

Gamma 风险

Gamma 风险反映了 Delta 随标的资产变动而变化的速度，使得做空跨式位置容易受到价格剧烈波动的影响。治理应在接近到期时施加伽马限制，定义调整阈值，并要求对突然跳跃进行场景分析。控制措施应阻止延迟对冲，尤其是在快速市场期间。风险报告应强调凸度风险、对冲滑点以及压力下反覆再平衡造成的损失。

Vega 风险

Vega 风险捕捉了对隐含波动率变化的敏感性，即使没有重大方向性变动，这也会损害做空跨式头寸。治理应配置波动性风险限额，监控事件日历，并在财报、政策公告或假期之前限制头寸。控制措施应比较已实现的波动性、隐含波动性和压力波动性。报告应及时显示波动性冲击、偏差变化以及流动性对平仓或展期头寸的影响。

保证金风险

当不利走势或波动性扩大增加抵押品要求的速度快于资本部署的速度时，就会出现保证金风险。治理应定义最低缓冲、集中度上限、资金来源和强制削减规则。控制措施应在经纪商、交易所和内部压力假设下测试保证金。报告应包括流动性过剩、利用趋势、违规警告以及强制清算事件之前有序降低风险的程序。

流动性风险

流动性风险涉及进入、对冲、展期或关闭做空跨式房产而不会造成不可接受的市场影响的能力。治理应限制相对于期权数量、未平仓合约、买卖价差和标的物深度的头寸规模。控制措施应限制市场混乱期间的交易。当相关交易场所的正常流动性突然消失时，报告应跟踪执行质量、滑点、退出时间估计和备份计划。

压力损失风险

压力损失风险估计极端但可能的冲击下投资组合的损害，包括价格差距、波动性飙升、相关性崩盘和流动性冻结。治理应该需要预先定义的场景、反向压力测试和最大可容忍损失阈值。控制措施应将压力结果与资本配置和头寸减少联系起来。报告应解释假设、最坏情况、恢复行动以及在恶劣条件下对冲后的残留风险。

反马丁格尔行为

反鞅行为意味着在损失后减少风险敞口，只有在经过验证的风险承受能力提高后才增加风险敞口，而不是加倍下注。治理应禁止在违规期间追逐损失、不受控制的平均和头寸扩张。控制措施应将规模与资本、波动性、回撤和流动性指标联系起来。报告应识别重复调整、升级失败以及不利市场状况下与严格降低风险不一致的任何行为。

治理控制

治理控制定义了做空跨式项目风险决策的责任、权限、文件和独立挑战。政策应指定批准的工具、限制、监控节奏、异常处理、模型验证和违规升级。委员会应审查绩效、压力结果和控制有效性。 Audit trails should preserve rationale, 应用rovals, hedge 行动s, and post-incident lessons to support transparency and continuous improvement across the full risk lifecycle.