自主加密货币量化交易策略研究框架。从 autoresearch 范式演化而来——不再优化 LLM，而是让 AI Agent 自主发现、演化和执行加密货币交易策略。
免责声明：本项目仅供研究和教育用途。加密货币交易具有重大风险。过往表现不能保证未来收益。使用风险自负。
autoresearch-crypto 是一个模块化量化交易框架，专为以下场景设计：
- 策略研究：通过进化算法自动搜索和优化交易策略
- 回测：高保真回测，模拟真实手续费和滑点
- 实盘交易：与 Nado DEX 和 OKX 的生产级集成
- Agent 驱动演化：ATLAS 多策略进化和 GEPA 反思式进化引擎
| 功能 | 说明 |
|---|---|
| 11 种内置策略 | 趋势跟踪、均值回归、剥头皮、网格、混合动量、自适应等 |
| ATLAS 进化 | 多 Agent 竞争性进化，跨策略原型 |
| GEPA 反思 | 带边界案例检测和策略枯竭恢复的反思式学习 |
| 市场机制检测 | 自动机制分类（趋势/震荡/高波动） |
| 多时间框架分析 | 跨 1m、5m、15m、1h、4h 时间框架的集合信号 |
| Maker/Taker 费率优化 | 混合执行：开仓/止盈用 POST_ONLY（Maker），止损用 IOC（Taker） |
| 前进验证 | 多窗口样本外测试 |
- Python 3.10+
- uv 包管理器（推荐）
- NVIDIA GPU（可选，用于策略搜索——建议 8GB+ 显存）
# 1. 克隆仓库
git clone <repo-url> autoresearch-crypto
cd autoresearch-crypto
# 2. 安装依赖
uv sync
# 3. 准备环境变量
cp .env.example .env
# 编辑 .env，添加你的 API 密钥 / 私钥# 下载 ETH 5分钟数据（60天）
uv run python prepare_crypto.py --symbol ETHUSDT --interval 5m --days 60# 快速扫描（5分钟）
uv run python search_eth_optimal.py --quick
# 完整搜索（推荐，约20分钟）
uv run python search_eth_optimal.py# 使用默认策略回测
uv run python backtest_quant.py --symbol ETHUSDT --interval 5m --days 60
# 使用指定 checkpoint 回测
uv run python backtest_quant.py \
--symbol ETHUSDT --interval 5m --days 60 \
--checkpoint checkpoints/hybrid_mm_eth60d.ptuv run python live_nado_quant.py \
--ticker ETH \
--interval 5m \
--capital 100 \
--checkpoint checkpoints/hybrid_mm_eth60d.pt# Testnet 模拟盘（推荐先用这个测试）
uv run python live_binance_quant.py \
--symbol BTCUSDT --interval 5m --demo --capital 100
# 实盘交易（真钱！策略稳定后再用）
uv run python live_binance_quant.py \
--symbol BTCUSDT --interval 5m --live --capital 500 --leverage 2autoresearch-crypto/
├── live_nado_quant.py # Nado DEX 实盘交易
├── live_okx_quant.py # OKX 实盘交易
├── live_binance_quant.py # Binance 实盘交易
├── backtest_quant.py # 回测引擎
├── train_quant.py # 策略训练 / 搜索
├── search_eth_optimal.py # ETH 最优策略搜索
├── search_deep.py # 深度参数搜索
├── prepare_crypto.py # 市场数据下载器
├── dex/ # 核心框架
│ ├── strategies/ # 策略实现（11个类）
│ ├── indicators.py # 技术指标
│ ├── evolution.py # ATLAS 进化引擎
│ ├── reflection.py # GEPA 反思式进化
│ ├── scoring.py # 风险调整评分
│ ├── market_regime.py # 机制检测
│ ├── config.py # 集中式常量配置
│ └── live/common.py # 实盘交易共享工具
├── checkpoints/ # 策略检查点（保留 quant_model.pt）
├── docs/ # 文档
│ ├── STRATEGIES.md # 策略目录
│ └── 策略.md # 原始中文策略笔记
└── scripts/ # 工具脚本
├── evolve.py # 运行 ATLAS 进化
├── evolve_gepa.py # 运行 GEPA 进化
└── train_all.py # 训练所有策略类型
| 策略 | 类型 | 适用市场 | 交易频率 | 风险等级 |
|---|---|---|---|---|
| HybridMM | 均值回归 + 动量 | 震荡 + 趋势 | 低（约2笔/天） | 中等 |
| Trend | 布林带均值回归 | 震荡市 | 极低 | 中等 |
| Scalp | 高频剥头皮 | 高波动 | 极高 | 高 |
| TrendFollow | 趋势跟踪 | 强趋势 | 低 | 中等 |
| Grid | 网格交易 | 横盘 | 中等 | 低 |
| PureAction | 极端反转 | 超买/超卖 | 中等 | 中等 |
| Adaptive | 自适应 | 所有机制 | 中等 | 中等 |
多 Agent（Alpha、Beta、Gamma、Delta）同时进化不同策略原型：
uv run python scripts/evolve.py --generations 30每 5 轮强制记录假设的反思式学习：
uv run python scripts/evolve_gepa.py --cycles 30框架使用风险惩罚评分代替原始夏普比率，防止 Agent 偏好高杠杆/高回撤策略：
Score = Sharpe * (1 - |MaxDD|)^-1 * TradePenalty * EdgeGuard
所有交易默认值集中在 dex/config.py：
| 参数 | 默认值 | 说明 |
|---|---|---|
INITIAL_CAPITAL |
10000.0 | 回测初始资金 |
COMMISSION |
0.02% | DEX Maker 手续费 |
SLIPPAGE |
0.02% | 执行滑点 |
EVAL_MAX_DRAWDOWN |
30% | 硬性禁用阈值 |
| 交易所 | 状态 | 文件 |
|---|---|---|
| Nado DEX | 已支持 | live_nado_quant.py |
| OKX | 已支持 | live_okx_quant.py |
| Binance | 已支持 | live_binance_quant.py |
欢迎贡献！请查看 CONTRIBUTING.md 了解如何参与。
MIT — 详见 LICENSE。