مرکزی مواد پر جائیں
اے آئی ٹیوٹوریلز

Calibrain Harness کے ساتھ ٹریڈنگ کلاسیفائرز کا فارورڈ ٹیسٹ

Calibrain Harness انسٹال کرنا، ماڈل اور Bybit ٹیسٹ نیٹ کی اسناد ترتیب دینا، اس کا ٹرمینل چلانا، پیش گوئیوں کا جائزہ لینا، نقلی ٹریڈنگ فعال کرنا، ماڈل کی کارکردگی جانچنا، اور اس کے کیلیبریشن، ایگزیکیوشن اور رسک کنٹرولز لاگو کرنا سیکھیں۔

تقریباً 32 منٹ کا مطالعہ
Calibrain Harness کے ساتھ ٹریڈنگ کلاسیفائرز کا فارورڈ ٹیسٹ

Calibrain Harness کیا ہے؟

Calibrain Harness تیز رفتار درجہ بندی کے ماڈلز کے لیے ایک اوپن سورس فارورڈ ٹیسٹنگ سسٹم ہے۔ یہ کسی معاون ماڈل کو پرپیچوئل فیوچرز مارکیٹ ڈیٹا سے منسلک کرتا ہے، ہر بند ہونے والی بار پر قابلِ لیبل سوالات پوچھتا ہے، موصول ہونے والے امکانات کو متوقع قدر میں تبدیل کرتا ہے، اور اہل ٹریڈز کو صرف Bybit testnet پر اختیاری طور پر انجام دیتا ہے۔

یہ پروجیکٹ دو متعلقہ ٹولز کو یکجا کرتا ہے: ایک ٹریڈنگ بوٹ اور ایک ماڈل ایویلیوایشن ہارنس۔ ہر پیش گوئی محفوظ کی جاتی ہے اور بعد میں مارکیٹ کے نتیجے سے اس کا موازنہ کیا جاتا ہے، جن پیش گوئیوں سے ٹریڈز پیدا نہیں ہوئیں وہ بھی شامل ہیں۔ اس طرح ماڈل کے معیار کو فیس، سلِپیج، عمل درآمد اور پالیسی کے قواعد کے اثرات سے الگ کیا جاتا ہے۔

اہم: Calibrain Harness فعال ترقی کے مرحلے میں ہے اور مالی مشورہ نہیں بلکہ تحقیقی سافٹ ویئر ہے۔ اس کا ٹریڈنگ ہوسٹ Bybit testnet پر ہارڈ کوڈ کیا گیا ہے اور mainnet کا کوئی سوئچ موجود نہیں۔ انٹرفیس، ڈیفالٹس اور سوالات کے سیٹ مختلف commits کے درمیان تبدیل ہو سکتے ہیں۔

سسٹم کیسے کام کرتا ہے

ماڈل سے “خریدیں، فروخت کریں یا انتظار کریں” کا جواب لینے کے بجائے، ہارنس ایسے سوالات پوچھتا ہے جنہیں بعد کے قیمت کے ڈیٹا سے معروضی طور پر لیبل کیا جا سکتا ہے۔ ایک مثال یہ ہے کہ مقررہ مدت کے دوران پہلے کون سی حد چھوئی جائے گی: مثبت ہدف یا منفی اسٹاپ۔

  1. Mainnet کا عوامی مارکیٹ ڈیٹا، خبریں، میکرو سیاق، آرڈر بُک کی معلومات اور ڈیریویٹوز ڈیٹا جمع کیا جاتا ہے۔
  2. فیچر بلڈر ایک مختصر، اکائیوں کے لیبل والے اسٹیٹ کو تیار کرتا ہے اور متعلقہ انسٹرومنٹ اور بریکٹ کے لیے تاریخی بنیادی شرحیں شامل کرتا ہے۔
  3. Kairos یا Jev اسٹیٹ اور سات ٹائپ شدہ، قابلِ لیبل سوالات وصول کرتا ہے۔
  4. جواب کی سختی سے توثیق کی جاتی ہے۔ غیر درست جواب کو منفی پیش گوئی سمجھنے کے بجائے خرابی کے طور پر ریکارڈ کیا جاتا ہے۔
  5. کیلیبریشن لیئر کے ذریعے ماڈل کے امکانات کو تاریخی بنیادی شرحوں کے ساتھ ملایا جاتا ہے۔
  6. پالیسی متوقع قدر کو R میں شمار کرتی ہے، داخلے کے گیٹس نافذ کرتی ہے اور رسک سائزنگ طے کرتی ہے۔
  7. اگر خودکار ٹریڈنگ فعال ہو تو اہل آرڈرز Bybit testnet کو بھیجے جاتے ہیں۔
  8. درخواستیں، جوابات، لیبلز، رنز اور ٹریڈز SQLite میں ایویلیوایشن اور رپورٹنگ کے لیے محفوظ کیے جاتے ہیں۔

سگنلز اور لیبلز mainnet ڈیٹا استعمال کرتے ہیں کیونکہ testnet کا مارکیٹ ڈیٹا مصنوعی یا مختلف ہو سکتا ہے۔ تاہم آرڈرز صرف testnet پر بھیجے جاتے ہیں اور اس کی دستیاب بُک ڈیپتھ کے مطابق سائز کیے جاتے ہیں۔

اہم خصوصیات

متعدد درجہ بندی کے ماڈلز

ہارنس فی الحال Kairos کو سپورٹ کرتا ہے، جو Minara Cloud کے ذریعے DMind فراہم کرتا ہے، اور Jev کو، جو TypeSafe فراہم کرتا ہے۔ دونوں ایک ہی System One درخواست کے انداز، سوالات کے سیٹ، توثیق، پالیسی اور ایویلیوایشن پائپ لائن کا استعمال کرتے ہیں۔

فیصلے، کیلیبریشن وزن، ایویلیوایشنز اور رپورٹس ہر ماڈل کے لیے الگ رہتے ہیں۔ لائیو ماڈل سوئچ ایک نیا رن شروع کرتا ہے اور صرف اس وقت اجازت یافتہ ہے جب بوٹ فلیٹ ہو، تاکہ مختلف ماڈلز کے نتائج آپس میں نہ ملیں۔

بلومبرگ طرز کا ٹرمینل

Next.js ٹرمینل ایک WebSocket کے ذریعے لائیو اپ ڈیٹس وصول کرتا ہے۔ یہ چارٹس، ماڈل سگنلز، کیلیبریٹڈ اور خام متوقع قدر، پوزیشنز، اکاؤنٹ کی معلومات، آرڈر بُک اور ڈیپتھ ویو، مارکیٹ میپس، خبریں، لیکویڈیشنز، ڈیریویٹوز ڈیٹا اور ایک فیصلہ جاتی بلَوٹَر پیش کرتا ہے جس میں ہر ماڈل کی درخواست اور جواب شامل ہوتا ہے۔

بلٹ اِن کیلیبریشن اور ایویلیوایشن

Calibrain Harness اس فارمولے w · model + (1 − w) · base rates کے ذریعے ماڈل کے امکانات کو انسٹرومنٹ کے مخصوص بنیادی نرخوں کے ساتھ ملاتا ہے۔ وزن 0.5 سے شروع ہوتا ہے اور سوال کے کم از کم 100 لیبل شدہ نتائج جمع ہونے کے بعد ہر 15 منٹ میں دوبارہ فِٹ کیا جاتا ہے۔

ایویلیوایشن میں Brier اور رینکڈ پروبیبلٹی اسکورز، کلائمیٹولوجی اور فراہم کردہ بنیادی شرحوں کے مقابلے میں مہارت، AUC، قابلِ اعتمادیت، متوقع کیلیبریشن کی خرابی، پروبیبلٹی انٹیگرل ٹرانسفارم تجزیہ، EV رینکنگ، مستقل مزاجی کی جانچ، عمل درآمد کا معیار اور ہر رن کے ٹریڈنگ نتائج شامل ہیں۔

Testnet پر عمل درآمد کے کنٹرولز

داخلے کے لیے IOC لمٹ آرڈرز استعمال ہوتے ہیں جن کی حد بہترین testnet قیمت کے مقابلے میں مقرر کی جاتی ہے۔ اہداف reduce-only لمٹس کے طور پر برقرار رہ سکتے ہیں، جبکہ مینیجڈ اسٹاپس mainnet کی قابلِ عمل قیمتوں سے ٹرگر ہوتے ہیں اور testnet پر محدود reduce-only IOC آرڈرز کے ذریعے بند کیے جاتے ہیں۔ سسٹم میں ٹائم اسٹاپس، مارک پرائس بیک اسٹاپ، روزانہ نقصان کی حد، پوزیشن کی حدیں، پورٹ فولیو رسک کی حدیں اور کِل سوئچ بھی شامل ہیں۔

ضروریات

انسٹالیشن سے پہلے درج ذیل تیار کریں:

Bybit key کے پاس آرڈرز اور پوزیشنز کے لیے Contract permissions ہونی چاہییں۔ withdrawal permission ہرگز نہ دیں۔

Calibrain Harness انسٹال کریں

1. ریپوزٹری کلون کریں

git clone https://github.com/zadescoxp/calibrain-harness.git
cd calibrain-harness

2. Python ماحول بنائیں

Python 3.12 کا ورچوئل ماحول بنائیں، dependencies انسٹال کریں اور مثال کی configuration کاپی کریں:

python3.12 -m venv .venv
.venv/bin/pip install -r requirements.txt
cp .env.example .env

.env میں credentials شامل کریں یا بعد میں ٹرمینل کے KEYS کمانڈ کے ذریعے درج کریں۔ ایپلیکیشن keys کو اس فائل سے پڑھتی ہے، جو gitignore میں شامل ہے اور توقع کی جاتی ہے کہ اس کی اجازتیں صرف مالک تک محدود ہوں گی۔ Keys کو database میں محفوظ نہیں کیا جاتا اور نہ ہی مکمل صورت میں براؤزر کو بھیجا جاتا ہے۔

3. ٹرمینل UI بنائیں

cd web-next
npm ci
npm run build
cd ..

اس سے web-next/out میں static terminal تیار ہوتا ہے۔ Python سروس UI، API اور WebSocket فراہم کرتی ہے، اس لیے الگ production Node.js process کی ضرورت نہیں ہے۔

4. سروس شروع کریں

.venv/bin/python -m ctb.server

http://127.0.0.1:8800 کھولیں۔ سرور مقامی طور پر 127.0.0.1 سے منسلک ہوتا ہے اور کراس اوریجن تحریری درخواستوں کو مسترد کرتا ہے۔

اگر UI پہلے سے نہیں بنایا گیا، تو یہ پتہ ایک مختصر صفحہ دکھائے گا جس میں build کمانڈ شامل ہوگی۔ API اور لائیو WebSocket دستیاب رہیں گے۔

ماڈل اور اسناد ترتیب دیں

.env میں CTB_MODEL_PROVIDER کے ذریعے Kairos یا Jev منتخب کریں:

CTB_MODEL_PROVIDER=kairos
KAIROS_API_KEY=your_kairos_key

Jev کے لیے استعمال کریں:

CTB_MODEL_PROVIDER=jev
TYPESAFE_API_KEY=your_typesafe_key
CTB_JEV_MODEL=jev-1.14.0

دستاویزی Jev ماڈل jev-1.14.0 پر مقرر ہے، تاہم CTB_JEV_MODEL اسے تبدیل کر سکتا ہے۔ Kairos کی اسناد کا تعلق Kairos-enabled Minara Cloud گروپ سے ہونا ضروری ہے۔

.env.example میں فراہم کردہ متغیر ناموں کے ذریعے Bybit testnet کی اسناد شامل کریں۔ .env یا data/ کے اندر موجود فائلوں کو کبھی commit نہ کریں۔

پہلے صرف مشاہدہ موڈ میں چلائیں

بوٹ آرڈرز دیے بغیر شروع ہوتا ہے۔ اس موڈ میں یہ مارکیٹ کا ڈیٹا جمع کرتا رہتا ہے، منتخب ماڈل کو کال کرتا ہے، فیصلے ریکارڈ کرتا ہے، اور پیش گوئیوں پر لیبل لگاتا ہے۔ یہ شروع کرنے کا تجویز کردہ طریقہ ہے، کیونکہ اس سے آپ testnet پوزیشنز کھولے بغیر کنکشن کی تصدیق اور ماڈل کے رویے کا مطالعہ کر سکتے ہیں۔

  1. Python سروس شروع کریں۔
  2. 127.0.0.1:8800 پر ٹرمینل کھولیں۔
  3. تصدیق کریں کہ مارکیٹ کا ڈیٹا اور ماڈل کے فیصلے ظاہر ہو رہے ہیں۔
  4. LOG اور EVAL اسکرینوں پر خرابیوں اور تاخیر کا جائزہ لیں۔
  5. صرف اس وقت AUTO-TRADE فعال کریں جب سیٹ اپ درست طور پر کام کر رہا ہو۔

ٹرمینل استعمال کریں

اہم اسکرینیں

  • MON, F1: واچ لسٹ، چارٹ، ماڈل مارکرز، اکاؤنٹ، پوزیشنز، مارکیٹ میپ، آرڈر بک، خبریں، ڈیریویٹوز، فلو ڈیٹا، اور فیصلہ جاتی بلٹر دکھاتا ہے۔
  • EVAL, F2: کیلیبریشن، نتائج، EV رینکنگ، سوالات کے اسکور، consistency probes، آپریشنل میٹرکس، P&L، اور execution quality دکھاتا ہے۔ نتائج کو ماڈل، رن، سمبل، سوالات کے سیٹ، اور ٹائم فریم کے ذریعے فلٹر کیا جا سکتا ہے۔
  • TRADES, F3: انفرادی رنز اور ٹریڈز کی فہرست دکھاتا ہے، جس میں reference prices، fills، slippage، اور exact R شامل ہیں۔
  • NEWS, F4: سرخیاں اور Kairos کی news_return پیش گوئیاں دکھاتا ہے۔ News-return forecasting صرف Kairos کے ساتھ دستیاب ہے۔
  • LOG, F5: سسٹم کے واقعات اور خرابیاں دکھاتا ہے۔

کمانڈ لائن کی مثالیں

ٹرمینل کمانڈ لائن کھولنے کے لیے / دبائیں۔ عام کمانڈز میں شامل ہیں:

  • سمبل لوڈ کرنے کے لیے BTC یا ETH۔
  • ماڈل سے فوری سوال کرنے اور consistency probes چلانے کے لیے ASK یا PRB۔
  • چارٹ کا ٹائم فریم تبدیل کرنے کے لیے 1M سے 4H تک۔
  • ٹریڈنگ ٹائم فریم مقرر کرنے کے لیے TF 5M۔
  • سمبل یونیورس منتخب کرنے کے لیے UNIV۔
  • پوزیشنز کی زیادہ سے زیادہ تعداد مقرر کرنے کے لیے POS 10۔
  • اسناد کا انتظام کرنے کے لیے KEYS۔
  • ٹرمینل کی مدد دکھانے کے لیے HELP۔

فنکشن کی بار میں MODEL کے ذریعے Kairos اور Jev کے درمیان تبدیل ہو سکتے ہیں۔ تبدیل کرنے سے پہلے بوٹ کے پاس کوئی پوزیشن نہیں ہونی چاہیے۔

Testnet ٹریڈنگ احتیاط سے فعال کریں

فیصلوں کا مشاہدہ کرنے اور سیٹ اپ کی توثیق کے بعد، testnet آرڈرز کی اجازت دینے کے لیے کمانڈ بار میں AUTO-TRADE استعمال کریں۔ Strict mode صرف اس وقت ٹریڈ کرتا ہے جب calibrated predictions تمام configured gates سے گزر جائیں، جن میں minimum expected value، setup quality، directional agreement، return-distribution agreement، venue divergence، position status، اور short-side permissions شامل ہیں۔

Exploration mode بطور ڈیفالٹ غیر فعال ہے۔ CTB_EXPLORATION=1 مقرر کرنے سے سسٹم کو اس وقت کم خطرے کے ساتھ ماڈل کی ترجیحی سمت میں ٹریڈ کرنے کی اجازت ملتی ہے جب strict gates اسے روک دیں۔ اس کا مقصد حقیقی execution data جمع کرنا ہے، یہ ظاہر کرنا نہیں کہ strict policy نے مثبت edge دریافت کر لیا ہے۔

Testnet کی liquidity انتہائی کم ہو سکتی ہے اور mainnet سے مختلف طریقے سے کام کر سکتی ہے۔ پروجیکٹ کے ابتدائی forward tests سے معلوم ہوا کہ execution quality testnet کے P&L پر غالب آ سکتی ہے۔ Testnet کے نتائج کو مستقبل کے منافع کا ثبوت سمجھنے کے بجائے تحقیقی ڈیٹا سمجھیں۔

Kill Switch استعمال کریں

ٹرمینل کا KILL بٹن بوٹ کی پوزیشنز بند کرتا ہے، آرڈرز منسوخ کرتا ہے، اور سسٹم روک دیتا ہے۔ یہی کارروائی پروجیکٹ ڈائریکٹری سے بھی شروع کی جا سکتی ہے:

touch KILL

Testnet پر دستی طور پر کھولی گئی پوزیشنز عام طور پر دکھائی جاتی ہیں، لیکن بوٹ ان کا انتظام نہیں کرتا۔ Kill switch اس کا دستاویزی استثنا ہے۔

ٹیسٹ اور Smoke Checks چلائیں

نیٹ ورک تک رسائی کے بغیر unit tests چلائیں:

.venv/bin/python -m pytest -q tests

فعال ماڈل کو ایک حقیقی درخواست بھیجیں اور اس کے جواب کی توثیق کریں:

.venv/bin/python scripts/kairos_smoke.py SOLUSDT

Jev کو واضح طور پر منتخب کریں:

.venv/bin/python scripts/kairos_smoke.py SOLUSDT --model jev

کم از کم سائز والے testnet execution path کو جانچنے کے لیے long پوزیشن کھولیں، stop کی تصدیق کریں، اور اسے بند کریں:

.venv/bin/python scripts/testnet_smoke.py SOLUSDT long

یہ smoke scripts حقیقی بیرونی درخواستیں بھیجتی ہیں، اس لیے انہیں چلانے سے پہلے منتخب سمبل اور اسناد کی تصدیق کریں۔

اہم Configuration Options سمجھیں

فیصلے کا وقت اور Brackets

  • CTB_DECISION_TF کی ڈیفالٹ قدر 5 ہے، یعنی فیصلے پانچ منٹ کی مکمل ہونے والی بارز پر کیے جاتے ہیں۔
  • CTB_HORIZON_BARS کی ڈیفالٹ قدر 24 ہے، جو ڈیفالٹ ٹائم فریم پر دو گھنٹے کا افق فراہم کرتی ہے۔
  • اسٹاپ کے سائز کے لیے CTB_ATR_TF کی ڈیفالٹ قدر 15 ہے۔
  • CTB_SL_ATR اور CTB_TP_ATR کی ڈیفالٹ قدریں بالترتیب 1.5 اور 2.5 ATR ہیں۔
  • CTB_MIN_SL_BP اور CTB_MAX_SL_BP ڈیفالٹ طور پر اسٹاپ کے فاصلے کو 40–300 بیسس پوائنٹس تک محدود کرتے ہیں۔

سخت پالیسی گیٹس

  • CTB_MIN_EDGE_R=0.15 کم از کم ڈیفالٹ کیلیبریٹڈ ایج مقرر کرتا ہے۔
  • CTB_MIN_SETUP_QUALITY=1.5 سیٹ اپ کے معیار کی حد کو کنٹرول کرتا ہے۔
  • CTB_MIN_DIRECTION_MARGIN=0.03 کے تحت کیلیبریٹڈ سمت کا مجوزہ رخ سے مخصوص مارجن کے مطابق متفق ہونا ضروری ہے۔

رسک کی حدود

  • CTB_RISK_PER_TRADE_PCT=0.5 اس ایکویٹی کے مطلوبہ فیصد کو متعین کرتا ہے جو اسٹاپ لگنے کی صورت میں ضائع ہو سکتا ہے۔
  • CTB_MAX_POSITIONS، CTB_MAX_SAME_SIDE، اور CTB_MAX_OPEN_RISK_PCT پورٹ فولیو کی ایکسپوژر کو محدود کرتے ہیں۔
  • CTB_MAX_LEVERAGE=3 اور CTB_MAX_NOTIONAL_USDT=5000 ڈیفالٹ طور پر سخت حدیں فراہم کرتے ہیں۔
  • CTB_DAILY_LOSS_LIMIT_PCT=3 ڈیفالٹ یومیہ نقصان کی حد مقرر کرتا ہے۔

لاگت اور عمل درآمد

  • CTB_TAKER_FEE_BP=5.5 اور CTB_SLIPPAGE_BP=2 متوقع قدر اور لیبلز کے لیے استعمال ہونے والے لاگت کے ماڈل میں شامل ہوتے ہیں۔
  • CTB_MAX_ENTRY_SLIP_BP=10 ڈیفالٹ انٹری قیمت کی حد مقرر کرتا ہے۔
  • CTB_EXIT_MODE=managed دستاویزی مینیجڈ ایگزٹ کے عمل کو فعال کرتا ہے۔

پالیسیوں کا موازنہ کرتے وقت ایک بار میں سیٹنگز کا صرف ایک گروپ تبدیل کریں اور نیا رن شروع کریں۔ ہر رن اپنی کنفیگریشن کا اسنیپ شاٹ محفوظ کرتا ہے، جس سے بعد کا تجزیہ آسان ہو جاتا ہے۔

اعلیٰ درجے کی جانچ کے نکات

ماڈل کا اپنے بنیادی معیارات سے موازنہ کریں

منافع بخش دکھائی دینے والی پیش گوئی لازماً مفید نہیں ہوتی۔ جانچیں کہ ماڈل کلائمٹولوجی اور اس کے ان پٹ میں شامل عین تاریخی بنیادی شرحوں سے بہتر کارکردگی دکھاتا ہے یا نہیں۔ جب لیبل شدہ نتائج ظاہر کریں کہ ماڈل بہت کم معلومات فراہم کرتا ہے تو کیلیبریشن کی پرت ماڈل کے اثر کو کم کر دیتی ہے۔

پیش گوئی کی مہارت کو ٹریڈنگ کے نتائج سے الگ رکھیں

صرف ٹریڈز نہیں بلکہ تمام لیبل شدہ فیصلوں کا جائزہ لینے کے لیے EVAL استعمال کریں۔ پیش گوئی کے میٹرکس ماڈل کی احتمالی مہارت ناپتے ہیں، جبکہ ٹیسٹ نیٹ P&L ماڈل، پالیسی، لاگت، رسک سائزنگ، اور عمل درآمد کے مشترکہ اثرات ناپتا ہے۔

اوورلیپ ہونے والے فیصلوں کو مدنظر رکھیں

لیبلز ہر فیصلے کے بعد پہلی ایک منٹ کی بار سے شروع ہوتے ہیں، جس سے مستقبل کی معلومات کے استعمال سے بچا جاتا ہے۔ اگر ایک بار ٹارگٹ اور اسٹاپ دونوں کو چھو لے تو لیبل اسے اسٹاپ شمار کرتا ہے۔ تاہم، مسلسل فیصلوں کے افق ایک دوسرے سے اوورلیپ کر سکتے ہیں، اس لیے خام نمونوں کی تعداد شماریاتی خودمختاری کو بڑھا چڑھا کر پیش کر سکتی ہے۔ README کسی نتیجے پر پہنچنے سے پہلے فی سمبل کئی سو لیبل شدہ فیصلوں کا انتظار کرنے کی سفارش کرتا ہے۔

تسلسل کا جائزہ لیں

تعیینیت ناپنے کے لیے دہرائے گئے پروبز استعمال کریں، اور یہ معلوم کرنے کے لیے آئینہ پروبز استعمال کریں کہ آیا بُلش اور بیئرش مارکیٹ فیچرز کو الٹنے سے ماڈل کا جواب مناسب طور پر تبدیل ہوتا ہے۔ ایک الگ تھلگ میٹرک پر انحصار کرنے کے بجائے لانگ اور شارٹ کے باہمی تسلسل کا بھی جائزہ لیں۔

رپورٹس برآمد کریں

EVAL سے EXPORT MINARA REPORT استعمال کر کے ایک Markdown رپورٹ لکھیں جس میں جانچ کے نتائج شامل ہوں۔ موازنوں کی تشریح سے پہلے ماڈل، رن، سمبل، سوالات کے سیٹ، یا ٹائم فریم کے لحاظ سے فلٹر کریں۔

سمبلز اور رنز کا انتظام کریں

UNIV کمانڈ ٹرن اوور کے لحاظ سے 100 تک اعلیٰ ترین USDT پرپیچوئلز کی فہرست بناتی ہے جن کی ٹیسٹ نیٹ لسٹنگز بھی موجود ہیں۔ اس میں مارکیٹ کی گہرائی اور اسپریڈ کی معلومات شامل ہوتی ہیں، جبکہ کم لیکویڈیٹی والی بُکس اور اسٹاک یا کموڈیٹی پرپیچوئلز کی نشاندہی بھی کی جاتی ہے۔ آپ ماڈل کی درخواست کی بجٹ حد کے تحت 30 تک سمبلز منتخب کر سکتے ہیں۔ یونیورس میں تبدیلی نافذ کرنے کے لیے سروس خود دوبارہ شروع ہو جاتی ہے۔

ہر فیصلہ اور ٹریڈ ایک فعال رن سے منسلک ہوتا ہے۔ پروگرام کے ذریعے رن بنانے کے لیے، جب کوئی بوٹ ٹریڈ کھلی نہ ہو، POST /api/runs/start بھیجیں۔ ماڈل، سوالات، رسک کے قواعد، یا عمل درآمد کی سیٹنگز تبدیل کرتے وقت الگ الگ رنز شروع کرنا مفید ہے۔

UI پر کام کریں

تبدیلیاں حاصل کرنے یا فرنٹ اینڈ میں ترمیم کرنے کے بعد جامد ایکسپورٹ دوبارہ بنائیں:

cd web-next && npm run build

اس کے بعد براؤزر دوبارہ لوڈ کریں؛ Python سرور کو دوبارہ شروع کرنے کی ضرورت نہیں۔

لائیو ری لوڈ ڈیولپمنٹ کے لیے Python سرور چلتا رہنے دیں اور Next.js الگ سے شروع کریں:

cd web-next && npm run dev

http://localhost:3000 کھولیں۔ ڈیولپمنٹ UI API اور WebSocket سے 127.0.0.1:8800 پر رابطہ کرتی ہے۔

فرنٹ اینڈ کی ٹائپ چیکنگ اس کمانڈ سے کریں:

cd web-next && npx tsc --noEmit

حفاظتی اور عملی طریقے

  • یقینی بنائیں کہ میزبان api-testnet.bybit.com ہی رہے؛ پروجیکٹ میں جان بوجھ کر مین نیٹ ٹریڈنگ سوئچ فراہم نہیں کیا گیا۔
  • مشاہدہ-only موڈ سے آغاز کریں اور ٹیسٹ نیٹ آرڈرز فعال کرنے سے پہلے ماڈل کی غلطیوں کا جائزہ لیں۔
  • Bybit کی ایسی اسناد استعمال کریں جن میں رقم نکلوانے کی اجازت نہ ہو۔
  • .env اور data/ ڈائریکٹری کو ورژن کنٹرول سے باہر رکھیں۔
  • صرف P&L پر غور کرنے کے بجائے وینیو کے فرق، فل ریشوز، تاخیر، سلِپیج، اور ایگزٹ کی وجوہات کی نگرانی کریں۔
  • عمل درآمد کی جانچ سے پہلے کِل سوئچ کا طریقہ کار قابل رسائی رکھیں۔
  • تبدیلیاں جمع کرانے سے پہلے Python ٹیسٹس اور فرنٹ اینڈ کی ٹائپ چیک چلائیں۔

نتیجہ

Calibrain Harness یہ طے کرنے کا ایک منظم طریقہ فراہم کرتا ہے کہ آیا تیز رفتار کلاسیفیکیشن ماڈل پرپیچوئل مارکیٹ کی پیش گوئیوں میں قابل پیمائش معلومات شامل کرتا ہے۔ یہ معروضی سوالات، تاریخی بنیادی شرحوں، احتمالی کیلیبریشن، سخت توثیق، ٹیسٹ نیٹ عمل درآمد، اور تفصیلی جانچ کو ایک مقامی ٹرمینل میں یکجا کرتا ہے۔

سروس انسٹال کرنے، Kairos یا Jev میں سے کسی ایک کو ترتیب دینے، اور صرف مشاہدے پر مبنی فیصلے جمع کرنے سے آغاز کریں۔ ڈیٹا اور ماڈل پائپ لائن مستحکم ہو جانے کے بعد، Bybit testnet پر عمل درآمد کو احتیاط سے آزمائیں، رنز کو الگ رکھیں، اور مختصر مدتی P&L پر انحصار کرنے کے بجائے ایک بڑے نمونے میں ماڈل کا اپنے بنیادی معیارات کے مقابلہ میں جائزہ لیں۔