CBR-Trader · 把交易员多年积累的盘感、直觉与行为模式，变成可检索、可复用、可验证的决策系统。零代码，改参数即用，私有化部署在你自己的服务器。
一根 K 线里，机器在做什么。
QQE 金叉 + ATR 趋势过滤，仅顺势开仓
布林带宽 / CCI / QQE 差值 → 通配符编码
DTW 多周期匹配历史相似情境
Top-K 历史样本期望收益 → 放行 / 拦截
CBR 由认知科学家 Roger Schank 于 1982 年提出，后被形式化为标准的 4R 循环： Retrieve 检索 → Reuse 复用 → Revise 修订 → Retain 保留。
"专家级判断基于直觉，但决策者自己往往无法说出清晰的组织原则。" —— CBR 理论基石
面对新问题，不从头推导，而是检索记忆中最相似的旧案例，复用其解决方案。 ANJ CBR 第一次把它系统性地带入个人交易者的日常决策。
| 维度 | 因子 / AI 量化 | ANJ CBR |
|---|---|---|
| 核心逻辑 | 归纳普适公式 | 检索最相似历史情境，复用决策 |
| 可解释性 | ✗ 黑盒 | ✓ "参考 2024-03 那次相似情境，正期望收益" |
| 适应变化 | ✗ 重训练滞后 | ✓ 每笔即时更新 |
| 部署形态 | ✗ 多托管 SaaS | ✓ 私有化部署在你自己的服务器，Key 永不离机 |
不需要写代码。把交易经验拆解成参数，剩下的交给 CBR 引擎。
选择开仓触发器（QQE 金叉 / CCI 极值），设置 ATR 趋势过滤——只做顺势交易。
为 CCI / 带宽 / %b / QQE 差值 设定分档边界与容差，生成你的"市场语言词典"。
引擎自动抓取多周期情境、检索历史相似案例、计算 Top-K 期望收益——只放行 EV 为正的组合。
每笔结果自动回写案例库，修订权重、淘汰失效样本。越用越准。
止损、仓位、反向平仓全自动。先帮你不爆仓，再谈赚钱。
竞品几乎全是英文。我们面向中文用户，文档、面板、教学全中文。
教你自己装、自己跑、自己用 AI 改参数，安全有保障。
案例推理实盘决策在云端。核心代码不在你本地，离开授权即惰性。
不是又一套指标堆叠，而是让机器像资深交易员一样——遇到相似的历史行情，参考过往案例做决策。
CBR（Case-Based Reasoning，案例推理）把"老交易员的盘感"变成可复用的案例库。四步闭环：从回测中抓样本、固化成案例、泛化成可匹配的原型，再到新行情来时匹配最相似案例并裁决——这套方法论既是你本地能自己研究的（研究版），也是我们云端实盘大脑持续在做的事（云端增值）。