一个基于Python的AI数字货币量化交易系统,支持策略开发、回测、模拟交易、实盘交易和监控通知。
- 🌍 跨平台支持: 支持Windows、macOS、Linux
- 💰 多币种支持: 支持所有币安USDT交易对
- 📅 灵活日期选择: 自定义开始和结束日期
- 🗓️ 定投日期设置: 选择每月定投的具体日期
- 💵 实时价格: 使用当前市场价格计算收益
- 📊 详细报告: 显示完整的定投历史和收益分析
- 🤖 AI策略: 支持机器学习策略开发
- 📈 回测引擎: 完整的策略回测功能
- 🎯 风险管理: 内置风险管理模块
- 📊 技术分析: 完整的技术指标和K线形态识别
- 🔍 信号检测: 智能交易信号生成和验证
- 📱 GUI界面: 现代化的用户界面
- 🔧 CLI工具: 命令行接口支持
ai_trader/
├── src/ai_trader/ # 主源代码
│ ├── core/ # 核心模块
│ │ ├── base/ # 基础类
│ │ ├── data/ # 数据模块
│ │ ├── analysis/ # 技术分析模块
│ │ ├── trading/ # 交易模块
│ │ └── utils/ # 工具模块
│ ├── strategies/ # 策略模块
│ │ ├── dca/ # 定投策略
│ │ ├── ai/ # AI策略
│ │ └── technical/ # 技术分析策略
│ ├── backtesting/ # 回测模块
│ ├── simulation/ # 模拟交易
│ ├── monitoring/ # 监控模块
│ └── gui/ # GUI模块
├── config/ # 配置文件
├── tests/ # 测试文件
├── docs/ # 文档
└── examples/ # 示例代码
- Python 3.8 或更高版本
pip install -r requirements.txt后端 FastAPI,前端 React。需要 uv 和 Node 20+。
# 1. Python 环境
uv sync --group dev
# 2. 构建前端
cd frontend && npm install && npm run build && cd ..
# 3. 启动(单进程,托管前端 + API)
uv run ai-trader-web
# 浏览器打开 http://127.0.0.1:8000/开发模式(前端热更新,/api 自动代理到 8000):
uv run ai-trader-web # 终端 1
cd frontend && npm run dev # 终端 2,打开 http://localhost:5173测试:
uv run pytest -q # 后端
cd frontend && npm test && npm run test:e2e # 前端单测 + Playwright币安被封锁的网络:如果 api.binance.com 连不上(DNS 被劫持到内网地址或超时),可改用币安官方的只读行情域名:
BINANCE_BASE_URL=https://data-api.binance.vision/api/v3 uv run ai-trader-web也可以在代码里给 BinanceDataSource({"base_url": ...}) 传配置。优先级:配置 > 环境变量 > 默认主站。
API 文档:启动后访问 http://127.0.0.1:8000/docs 。分析参数预设保存在 data/analysis_config.json(可用环境变量 AI_TRADER_DATA_DIR 改目录)。
以下为旧的 Tkinter 桌面入口,功能已被网页版覆盖,仅保留兼容:
pip install -r requirements.txtpython -m ai_trader.gui.main_window# 定投收益计算
python -m ai_trader.cli dca --symbol BTCUSDT --amount 200 --day 10 --start-date 2024-01-01
# 策略管理
python -m ai_trader.cli strategy --list
# 回测
python -m ai_trader.cli backtest --strategy DCA --start-date 2024-01-01 --end-date 2024-12-31- 技术指标计算: 移动平均线、MACD、RSI、KDJ、布林带等
- K线形态识别: 锤子线、十字星、吞没形态、启明星等
- 交易信号检测: 综合多种信号生成入场和出场信号
- 回测分析: 测试策略的历史表现和参数优化
from src.ai_trader.core.analysis import TechnicalIndicators, SignalDetector, BacktestEngine
# 计算技术指标
indicators = TechnicalIndicators(data)
sma_20 = indicators.sma(20)
rsi = indicators.rsi(14)
macd_dif, macd_dea, macd_hist = indicators.macd()
# 检测交易信号
signal_detector = SignalDetector(data)
entry_signals = signal_detector.get_comprehensive_entry_signals()
exit_signals = signal_detector.get_comprehensive_exit_signals()
# 运行回测
backtest_engine = BacktestEngine(data, initial_capital=100000)
result = backtest_engine.run_backtest()详细使用说明请参考 技术分析指南。
- 启动应用: 运行
python -m ai_trader.gui.main_window - 选择币种: 从下拉列表中选择要定投的加密货币
- 设置参数: 配置定投日期、金额和时间范围
- 计算收益: 点击"计算收益"按钮查看结果
python -m ai_trader.cli dca \
--symbol BTCUSDT \
--amount 200 \
--day 10 \
--start-date 2024-01-01 \
--end-date 2024-12-31# 列出可用策略
python -m ai_trader.cli strategy --list
# 运行策略
python -m ai_trader.cli strategy --run DCApython -m ai_trader.cli backtest \
--strategy DCA \
--start-date 2024-01-01 \
--end-date 2024-12-31 \
--initial-capital 10000系统使用YAML配置文件进行配置管理,配置文件位于 config/settings.yaml。
- 数据源配置: 配置各种交易所API
- 交易配置: 设置交易参数和风险管理
- 策略配置: 配置各种策略参数
- 监控配置: 设置告警和通知
- 在
src/ai_trader/strategies/下创建新策略目录 - 继承
BaseStrategy类 - 实现必要的方法
- 添加测试用例
- 在
src/ai_trader/core/data/providers/下创建新数据源 - 继承
BaseDataSource类 - 实现必要的方法
- 添加测试用例
# 运行所有测试
pytest
# 运行特定测试
pytest tests/unit/test_dca_strategy.py
# 生成覆盖率报告
pytest --cov=src/ai_trader --cov-report=html- BaseStrategy: 策略基类,定义策略接口
- BaseDataSource: 数据源基类,定义数据获取接口
- BaseBroker: 经纪商基类,定义交易接口
- 单一职责: 每个模块只负责一个特定功能
- 依赖注入: 通过接口和抽象类实现松耦合
- 配置驱动: 通过配置文件管理参数
- 可测试性: 每个模块都有对应的测试
- 可扩展性: 易于添加新的策略和数据源
- 核心语言: Python 3.8+
- GUI框架: tkinter (跨平台)
- 数据处理: pandas, numpy
- 机器学习: scikit-learn, tensorflow/pytorch
- 数据库: SQLite/PostgreSQL
- API: requests, websockets
- 测试: pytest
- 日志: logging
- 配置: pyyaml
- Fork 项目
- 创建功能分支
- 提交更改
- 推送到分支
- 创建 Pull Request
MIT License
- 项目主页: https://github.com/ai-trader/ai-trader
- 问题反馈: https://github.com/ai-trader/ai-trader/issues
- 邮箱: team@aitrader.com
- 初始版本发布
- 支持定投策略
- 基础GUI界面
- CLI工具
- 币安数据源集成