헤르메스와 FXMacroData로 FX 거래 봇을 만드는 방법
저자: FXMacroData 팀
출판된지: May 21, 2026
헤르메스 모델은 실용적인 거래 보조자에게 적합합니다. 왜냐하면 그들은 빠르고, 로컬로 실행하기 쉽고, 도구 호출 워크플로우에서 예측 가능하기 때문입니다. 이 가이드에서는 헤르미스 추론을 FXMacroData 시장 데이터와 결합한 가벼운 FX 거래 봇을 구축하여 거시적인 놀라움, 순위 거래 설정 및 징계된 거래 아이디어를 출력 할 수 있습니다.
예를 들어 전략은 USD/JPY 그리고 사용 미국 인플레이션 연방준비제도율그리고 일본은행 정책금리 컨텍스트, 플러스 스팟 FX 모멘텀. 당신은 FXMacroData에 의해 덮인 모든 쌍에 대한 동일한 프레임워크를 재사용 할 수 있습니다.
필수 조건
- 로컬 파이썬 3.10+ 환경
- FXMacroData API 키 API 관리- 그래요
- Hermes 모델 엔드포인트 (현재 또는 호스팅), 예를 들어 Hermes via Ollama.
- REST API와 파이썬 스크립트 기본 익숙함
의존성을 설치합니다:
pip install requests python-dotenv
단계 1: 로봇의 목표와 위험 규칙을 정의하십시오.
코드 작성하기 전에 결정 범위를 차단합니다. 좋은 첫 번째 버전은:
- 한 쌍 (USD/JPY) 만 거래하십시오.
- 큰 영향력을 미치는 거시적 변화에만 반응하세요.
- V1에서 자동으로 생생한 주문을 절대 하지 마세요.
- 출력: 방향, 신뢰성, 무효화 수준, 위치 크기 제안
이것은 첫 번째 로봇을 블랙박스로 만들지 않고 유용하게 유지합니다.
Step 2: Pull macro and FX data from FXMacroData
쿼리 파라미터 인증으로 API를 사용하세요. 릴리스와 스팟 데이터로 시작하세요.
curl "https://fxmacrodata.com/api/v1/announcements/usd/inflation?api_key=YOUR_API_KEY"
curl "https://fxmacrodata.com/api/v1/announcements/jpy/policy_rate?api_key=YOUR_API_KEY"
curl "https://fxmacrodata.com/api/v1/forex?base=USD"e=JPY&api_key=YOUR_API_KEY"
또한 발매 일정은 그리고 COT 위치 이벤트 위험과 위치 편향을 즉각적인 맥락에 추가하기 위해서입니다.
단계 3: 파이썬에서 헤르메스 호환 신호 루프를 구축
아래 스크립트는 최근의 데이터를 가져오고, 콤팩트한 컨텍스트 페이로드를 만들고, 구조화된 결정을 위해 Hermes에 요청합니다. 엄격한 JSON 출력을 요구함으로써 결정적 유지하십시오.
import os
import json
import requests
from datetime import datetime, timezone
API_BASE = "https://fxmacrodata.com/api/v1"
API_KEY = os.environ["FXMD_API_KEY"]
HERMES_URL = os.environ["HERMES_URL"] # Example: http://localhost:11434/api/generate
HERMES_MODEL = os.environ.get("HERMES_MODEL", "hermes3")
def fxmd_get(path, **params):
r = requests.get(
f"{API_BASE}{path}",
params={"api_key": API_KEY, **params},
timeout=25,
)
r.raise_for_status()
return r.json()
def last_value(payload):
rows = payload.get("data", [])
return rows[-1] if rows else {}
usd_infl = last_value(fxmd_get("/announcements/usd/inflation"))
jpy_rate = last_value(fxmd_get("/announcements/jpy/policy_rate"))
usd_rate = last_value(fxmd_get("/announcements/usd/policy_rate"))
spot = fxmd_get("/forex", base="USD", quote="JPY").get("data", [])
spot_last = spot[-1] if spot else {}
spot_prev = spot[-2] if len(spot) > 1 else spot_last
context = {
"timestamp_utc": datetime.now(timezone.utc).isoformat(),
"pair": "USD/JPY",
"macro": {
"usd_inflation_latest": usd_infl.get("value"),
"usd_policy_rate_latest": usd_rate.get("value"),
"jpy_policy_rate_latest": jpy_rate.get("value"),
},
"price": {
"last": spot_last.get("value"),
"previous": spot_prev.get("value"),
},
"rules": {
"allowed_actions": ["long", "short", "flat"],
"max_risk_per_trade_pct": 0.5,
"require_invalidation_level": True,
},
}
prompt = f"""
You are an FX strategy assistant.
Use this JSON context: {json.dumps(context)}
Return JSON only with keys:
action, confidence, thesis, invalidation, size_pct, next_data_to_watch
Rules:
- No prose outside JSON.
- Confidence between 0 and 1.
- size_pct must be <= 0.5.
"""
hermes_req = {
"model": HERMES_MODEL,
"prompt": prompt,
"stream": False,
}
resp = requests.post(HERMES_URL, json=hermes_req, timeout=45)
resp.raise_for_status()
raw = resp.json().get("response", "{}")
decision = json.loads(raw)
print(json.dumps(decision, indent=2))
왜 이런 패턴이 효과가 있는 걸까요?
- FXMacroData는 구조화된 입력값을 제공하므로, Hermes는 시끄러운 스크래프 텍스트 대신 깨끗한 필드를 고려합니다.
- 프롬프트는 한정된 스키마를 강제하여 출력 유동을 줄입니다.
- 위험 제약은 암시적으로 남겨지지 않고 맥락에 삽입됩니다.
단계 4: 이벤트 인식 필터를 추가합니다
대부분의 나쁜 로봇 결정은 고변동성 창을 중심으로 발생합니다. 어떤 신호를 신뢰하기 전에 두 개의 필터를 추가합니다.
- 달력 근접: 만약 30분 이내에 상위 레벨의 방출이 예정되어 있다면, 크기와 힘의 격차를 낮춰야 합니다.
flat- 그래요 - 정규에 대한 의견이 분분합니다 만약 거시적 편견과 가격 동력이 크게 일치하지 않는다면, 자동으로 신뢰도를 줄여줍니다.
빠른 참조를 위해 자신의 문서에 엔드포인트 링크를 사용: 미국 비농업 고용 미국 핵심 PCE그리고 일본 인플레이션- 그래요
단계 5: 자동 실행이 아닌 경고로 결정을 전환하십시오.
생산에서 결정은 먼저 Slack/Telegram로 전달한다. 충분한 사전 테스트 샘플이 있을 때까지 인적 확인은 필수적으로 유지되어야 한다. 실용적인 경고 형식:
[FX BOT] USD/JPY
Action: LONG
Confidence: 0.72
Thesis: US inflation + sticky core, policy divergence still USD-supportive.
Invalidation: Daily close below 154.20
Suggested Size: 0.35%
Watch Next: US Core PCE (Friday 12:30 UTC)
이것은 책임과 감사성을 명확하게 유지하면서 연구 시간을 절약합니다.
피해야 할 일반적인 실수
- 모델이 선택하도록 하는 것은 위험 한계를 동적으로 제한합니다.
- 한 쌍을 깊이 검증하기 전에 너무 많은 쌍을 사용합니다.
- 유도선에서 오래된 데이터 검사를 무시하고 있습니다.
- 모델 신뢰를 수익 확률로 취급하는 것
당신이 만든
이제 Hermes가 작동하는 FX 봇을 위한 완전한 v1 아키텍처가 있습니다. 구조화된 매크로 + FX 섭취, 결정적인 모델 출력, 위험 제한 신호 생성. 다음으로, 같은 프레임워크를 EUR/USD와 같은 두 번째 쌍으로 확장하고 정책 분산 논리가 지역별로 어떻게 다르는지 비교합니다.
세트업을 더 심화하려면 매일 요약 작업을 추가해 런던 개장 전에 주요 매크로 놀라움을 순위화하고
