Skip to content
ceeyangPublic

About

AI数字货币量化交易系统 - 支持策略开发、回测、模拟交易和实盘交易

Resources

Stars

8 stars

Watchers

0 watching

Forks

Repository files navigation

AI数字货币量化交易系统

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。

功能特性

  • 🌍 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

项目结构

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

安装要求

Python版本

  • Python 3.8 或更高版本

依赖包

pip install -r requirements.txt

快速开始

网页版(推荐)

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)。

桌面版(旧版,Tkinter)

以下为旧的 Tkinter 桌面入口,功能已被网页版覆盖,仅保留兼容:

1. 安装依赖

pip install -r requirements.txt

2. 启动GUI应用

python -m ai_trader.gui.main_window

3. 使用CLI工具

# 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

技术分析模块

功能特性

  • 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

使用示例

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。

使用方法

GUI界面

  1. 启动应用: 运行 python -m ai_trader.gui.main_window
  2. 选择币种: 从下拉列表中选择要定投的加密货币
  3. 设置参数: 配置定投日期、金额和时间范围
  4. 计算收益: 点击"计算收益"按钮查看结果

命令行工具

定投计算

python -m ai_trader.cli dca \
  --symbol BTCUSDT \
  --amount 200 \
  --day 10 \
  --start-date 2024-01-01 \
  --end-date 2024-12-31

策略管理

# 列出可用策略
python -m ai_trader.cli strategy --list

# 运行策略
python -m ai_trader.cli strategy --run DCA

回测

python -m ai_trader.cli backtest \
  --strategy DCA \
  --start-date 2024-01-01 \
  --end-date 2024-12-31 \
  --initial-capital 10000

配置

系统使用YAML配置文件进行配置管理,配置文件位于 config/settings.yaml。

主要配置项

  • 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

开发指南

添加新策略

  1. 在 src/ai_trader/strategies/ 下创建新策略目录
  2. 继承 BaseStrategy 类
  3. 实现必要的方法
  4. 添加测试用例

添加新数据源

  1. 在 src/ai_trader/core/data/providers/ 下创建新数据源
  2. 继承 BaseDataSource 类
  3. 实现必要的方法
  4. 添加测试用例

运行测试

# 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

架构设计

核心模块

  • 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

设计原则

  1. 单一职责: 每个模块只负责一个特定功能
  2. 依赖注入: 通过接口和抽象类实现松耦合
  3. 配置驱动: 通过配置文件管理参数
  4. 可测试性: 每个模块都有对应的测试
  5. 可扩展性: 易于添加新的策略和数据源

技术栈

  • 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

贡献指南

  1. Fork 项目
  2. 创建功能分支
  3. 提交更改
  4. 推送到分支
  5. 创建 Pull Request

许可证

MIT License

联系方式

更新日志

v0.1.0 (2024-01-01)

  • 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

About

AI数字货币量化交易系统 - 支持策略开发、回测、模拟交易和实盘交易

Resources

Stars

8 stars

Watchers

0 watching

Forks

Releases

Packages

Contributors

Languages