AI Trading Robot (ATR)

基于AI的自动交易系统，支持多模型竞争和策略优化。

🎯 核心功能

1. 多AI模型竞争

支持多个AI模型同时交易（GPT-4、Claude-3等）
实时性能对比和排名
独立决策，无人工干预
自动选择最优策略

2. 自主交易能力

市场数据分析和情感分析
自动买卖决策执行
智能风险管理和仓位控制
技术指标分析

3. 实时监控

交易记录追踪和分析
收益分析和性能指标
Web界面实时展示
系统日志和审计

4. 数据集成

实时市场数据（Yahoo Finance、Alpha Vantage）
新闻情感分析
技术指标计算
历史数据回测

🏗️ 技术架构

ATR/
├── main.py                 # 主程序入口
├── start.py                # 启动脚本
├── install.sh              # 安装脚本
├── requirements.txt        # Python依赖
├── core/                   # 核心交易引擎
│   ├── trading_engine.py   # 交易引擎
│   ├── portfolio.py        # 投资组合管理
│   ├── risk_manager.py     # 风险管理
│   └── order_manager.py    # 订单管理
├── ai_models/              # AI模型集成
│   ├── base_model.py       # 基础模型接口
│   ├── gpt_trader.py       # GPT交易模型
│   ├── claude_trader.py    # Claude交易模型
│   └── model_manager.py    # 模型管理器
├── data/                   # 数据处理
│   ├── market_data.py      # 市场数据获取
│   ├── news_analyzer.py    # 新闻分析
│   └── indicators.py       # 技术指标
├── web/                    # Web界面
│   ├── app.py             # Flask应用
│   ├── templates/         # HTML模板
│   │   ├── base.html      # 基础模板
│   │   ├── index.html     # 主页
│   │   └── dashboard.html # 仪表板
│   └── static/            # 静态资源
├── config/                 # 配置文件
│   ├── settings.py        # 系统配置
│   └── api_keys.py        # API密钥
├── utils/                  # 工具函数
│   ├── logger.py          # 日志系统
│   └── database.py        # 数据库操作
└── logs/                   # 日志文件

🚀 快速开始

方法一：使用安装脚本（推荐）

# 1. 克隆或下载项目
cd ATR

# 2. 运行安装脚本
./install.sh

# 3. 激活虚拟环境
source venv/bin/activate

# 4. 启动系统
python3 start.py

方法二：手动安装

# 1. 创建虚拟环境
python3 -m venv venv
source venv/bin/activate

# 2. 安装依赖
pip install -r requirements.txt

# 3. 配置API密钥
cp config/api_keys.example.py config/api_keys.py
# 编辑 config/api_keys.py 添加你的API密钥

# 4. 启动系统
python3 start.py

方法三：直接运行主程序

# 确保已安装依赖和配置API密钥
python3 main.py

🔑 API密钥配置

系统需要以下API密钥才能正常工作：

必需的API密钥

OpenAI API Key: 用于GPT模型
Anthropic API Key: 用于Claude模型

可选的API密钥

Alpha Vantage API Key: 用于获取金融数据
News API Key: 用于新闻情感分析

配置方法

复制配置模板：

cp config/api_keys.example.py config/api_keys.py

编辑 config/api_keys.py 文件，添加你的API密钥：

import os

# OpenAI API配置
os.environ['OPENAI_API_KEY'] = 'your_openai_api_key_here'

# Anthropic Claude API配置
os.environ['ANTHROPIC_API_KEY'] = 'your_anthropic_api_key_here'

# Alpha Vantage API配置 (可选)
os.environ['ALPHA_VANTAGE_API_KEY'] = 'your_alpha_vantage_api_key_here'

📊 支持的交易市场

美股: NASDAQ 100 主要股票
指数: QQQ, SPY, VIX
扩展性: 可轻松添加其他市场

默认支持的股票

SUPPORTED_SYMBOLS = [
    'AAPL', 'MSFT', 'GOOGL', 'AMZN', 'TSLA', 'META', 'NVDA', 'NFLX',
    'ADBE', 'CRM', 'ORCL', 'INTC', 'AMD', 'QCOM', 'AVGO', 'TXN',
    'COST', 'SBUX', 'PYPL', 'ZOOM', 'DOCU', 'SHOP', 'SQ', 'ROKU'
]

🤖 支持的AI模型

GPT-4 Trader

特点: 快速决策，适合短线交易
策略: 基于技术分析和市场情绪
风险偏好: 中等

Claude-3 Trader

特点: 深度分析，注重基本面
策略: 价值投资导向
风险偏好: 保守

扩展性

支持自定义AI模型
插件化架构
标准化接口

🛡️ 风险管理

内置风险控制

仓位限制: 单一股票最大10%仓位
止损机制: 自动5%止损
日损失限制: 最大日损失5%
相关性检查: 避免过度集中

风险指标监控

投资组合VaR
最大回撤
夏普比率
波动率分析

📈 性能监控

实时指标

总收益率
胜率统计
交易次数
资金使用率

历史分析

收益曲线
回撤分析
模型对比
风险调整收益

🌐 Web界面

访问 http://localhost:5000 查看：

主页: 系统概览和快速操作
仪表板: 详细的性能分析和图表
AI模型: 模型管理和配置
交易记录: 完整的交易历史

主要功能

实时数据更新
交互式图表
模型性能对比
交易记录查询
系统日志监控

⚙️ 系统配置

主要配置文件：config/settings.py

交易配置

TRADING_INTERVAL = 300          # 交易间隔(秒)
INITIAL_CAPITAL = 10000         # 初始资金
MAX_POSITION_SIZE = 0.1         # 最大仓位比例
STOP_LOSS_PERCENTAGE = 0.05     # 止损比例

风险管理配置

RISK_MANAGEMENT = {
    'max_daily_loss': 0.05,         # 5% 最大日损失
    'max_portfolio_risk': 0.02,     # 2% 最大组合风险
    'correlation_threshold': 0.7     # 相关性阈值
}

📝 日志系统

日志类型

系统日志: logs/atr_YYYY-MM-DD.log
交易日志: logs/trading_YYYY-MM-DD.log
性能日志: logs/performance_YYYY-MM-DD.log
错误日志: logs/error_YYYY-MM-DD.log

日志分析

from utils.logger import get_log_analyzer

analyzer = get_log_analyzer()
summary = analyzer.get_trading_summary('2024-01-01')
print(summary)

🗄️ 数据存储

SQLite数据库

ai_models: AI模型配置
trades: 交易记录
positions: 持仓信息
portfolio_snapshots: 投资组合快照
performance_metrics: 性能指标
market_data: 市场数据

数据备份

from utils.database import DatabaseManager

db = DatabaseManager()
await db.backup_database('backup_20240101.db')

🔧 开发和扩展

添加新的AI模型

继承 BaseAIModel 类：

from ai_models.base_model import BaseAIModel

class MyTrader(BaseAIModel):
    async def analyze_market(self, market_data):
        # 实现市场分析逻辑
        pass
    
    async def make_trading_decision(self, market_data):
        # 实现交易决策逻辑
        pass

在 model_manager.py 中注册：

self.model_classes = {
    'my-model': MyTrader,
    # ... 其他模型
}

添加新的数据源

在 data/market_data.py 中添加新的数据获取方法
更新 MarketDataProvider 类
配置数据源参数

自定义风险策略

修改 core/risk_manager.py
实现自定义风险检查逻辑
更新风险配置参数

🧪 测试

运行系统测试

python3 start.py
# 选择选项 3: 运行系统测试

单元测试

pytest tests/

模拟交易测试

python3 -c "from core.trading_engine import TradingEngine; print('测试通过')"

📚 依赖项

核心依赖

Flask: Web框架
pandas: 数据处理
numpy: 数值计算
loguru: 日志系统
aiohttp: 异步HTTP客户端
yfinance: Yahoo Finance数据
openai: OpenAI API
anthropic: Anthropic API

可选依赖

TA-Lib: 技术指标计算
plotly: 图表绘制
redis: 缓存系统

⚠️ 重要提醒

风险声明

投资有风险: 本系统仅供学习和研究使用
模拟交易: 建议先在模拟环境中测试
资金安全: 请勿投入超过承受能力的资金
监管合规: 请遵守当地金融监管法规

使用建议

充分测试: 在实盘前进行充分的回测和模拟
风险控制: 设置合理的止损和仓位限制
持续监控: 定期检查系统运行状态
策略调整: 根据市场变化调整交易策略

🤝 贡献

欢迎提交Issue和Pull Request来改进这个项目！

贡献指南

Fork 项目
创建特性分支
提交更改
推送到分支
创建Pull Request

📄 许可证

本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。

📞 支持

如果您遇到问题或需要帮助：

查看 FAQ
提交 Issue
查看系统日志文件
运行系统诊断测试

免责声明: 本软件仅供教育和研究目的使用。使用本软件进行实际交易的任何损失，开发者概不负责。投资有风险，入市需谨慎。

Name		Name	Last commit message	Last commit date
Latest commit History 3 Commits
ai_models		ai_models
config		config
core		core
data		data
utils		utils
web		web
.gitignore		.gitignore
README.md		README.md
demo.py		demo.py
install.sh		install.sh
main.py		main.py
requirements.txt		requirements.txt
start.py		start.py
test_system.py		test_system.py

Folders and files

Latest commit

History

Repository files navigation

AI Trading Robot (ATR)

🎯 核心功能

1. 多AI模型竞争

2. 自主交易能力

3. 实时监控

4. 数据集成

🏗️ 技术架构

🚀 快速开始

方法一：使用安装脚本（推荐）

方法二：手动安装

方法三：直接运行主程序

🔑 API密钥配置

必需的API密钥

可选的API密钥

配置方法

📊 支持的交易市场

默认支持的股票

🤖 支持的AI模型

GPT-4 Trader

Claude-3 Trader

扩展性

🛡️ 风险管理

内置风险控制

风险指标监控

📈 性能监控

实时指标

历史分析

🌐 Web界面

主要功能

⚙️ 系统配置

交易配置

风险管理配置

📝 日志系统

日志类型

日志分析

🗄️ 数据存储

SQLite数据库

数据备份

🔧 开发和扩展

添加新的AI模型

添加新的数据源

自定义风险策略

🧪 测试

运行系统测试

单元测试

模拟交易测试

📚 依赖项

核心依赖

可选依赖

⚠️ 重要提醒

风险声明

使用建议

🤝 贡献

贡献指南

📄 许可证

📞 支持

About

Resources

Uh oh!

Stars

Watchers

Forks

Releases

Packages 0

Uh oh!

Contributors

Uh oh!

Languages

Packages