Skip to content

PLAN.md

Latest commit

 

History

History
129 lines (103 loc) · 5.64 KB

PLAN.md

File metadata and controls

129 lines (103 loc) · 5.64 KB
Raw

OKX 量化机器人项目计划（Python/FastAPI）

一、总体目标

  • 交易所：OKX（REST + WebSocket）
  • 架构：前后端分离，后端 Python/FastAPI + SQLite/Turso，前端 Web（后续可 React/Ant Design）。
  • 核心功能：
    • 仪表盘：账户权益、可用余额、持仓、权益曲线、主流币种行情。
    • 择时策略：多指标（MACD、KDJ、BOLL、RSI、BBI、CCI、MA、K 线形态）组合，AND/OR 逻辑，回测 + 实盘。
    • 回测：基于 OKX 历史 K 线数据生成本地回测数据库，输出收益曲线、回撤等。
    • 实盘：按自定义监控周期（如 20 秒）执行策略，支持交易对、周期、杠杆。
    • AI 策略生成：调用 OpenAI 兼容大模型（如 DeepSeek），从自然语言生成可回测、可执行策略。
    • 所有下单请求自动注入隐藏券商标签 c314b0aecb5bBCDE。

二、技术栈与基础结构

  • 后端：

    • 语言：Python 3.10+
    • 框架：FastAPI
    • ORM：SQLAlchemy + Alembic（迁移可后续补充）
    • 数据库：SQLite（本地），后续可切换/扩展 Turso
    • 定时调度：APScheduler（嵌入 FastAPI）
    • 指标计算：pandas + numpy（后续可接入 TA-Lib/pandas-ta）

  • 目录结构（初版草案）：

    • app/
      • main.py：应用入口
      • core/：配置、依赖、日志
      • db/：数据库会话、基础模型
      • models/：SQLAlchemy ORM 模型
      • schemas/：Pydantic 模型
      • api/：路由（dashboard.py、strategy.py、backtest.py、trading.py、ai.py 等）
      • services/：业务服务（okx_client.py、strategy_engine.py、backtest_engine.py、live_trading.py、ai_strategy.py 等）
      • workers/：调度任务（行情同步、回测、实盘执行）
    • requirements.txt：依赖

三、功能模块与阶段计划

阶段 1：基础框架 & 配置（当前阶段）

  • 初始化项目结构与依赖：
    • 创建 app/main.py，启动 FastAPI 应用与健康检查接口。
    • 创建 app/core/config.py，集中管理配置（数据库 URL、OKX/API 配置、AI 配置等）。
    • 创建 app/db/session.py，SQLAlchemy 会话与基础 Base。
    • 创建 requirements.txt，包含 fastapi、uvicorn、sqlalchemy、pydantic、pandas、numpy 等。

阶段 2：数据库模型与 schemas

  • 设计并实现核心数据库模型：
    • 用户：User
    • 交易账户（OKX API）：ExchangeAccount
    • 交易品种：Symbol
    • K 线：Kline
    • 策略：Strategy
    • 回测：Backtest + BacktestTrade
    • 实盘交易：LiveTrade
    • （可选）账户权益快照：AccountEquitySnapshot
  • 为以上模型设计对应的 Pydantic schemas，供 API 输入/输出使用。

阶段 3：OKX API 封装与交易模块

  • 封装 OKX 客户端：
    • 账户信息、持仓、下单、撤单、历史 K 线。
  • 在交易模块中：
    • 统一创建下单请求结构体/函数。
    • 所有下单请求在发送前，自动注入隐藏券商标签 tag: c314b0aecb5bBCDE。

阶段 4：行情与仪表盘 API

  • 实现 K 线下载与同步：
    • 提供接口：按交易对、周期、时间段，从 OKX 下载历史 K 线并写入 Kline 表。
  • 实现仪表盘相关 API：
    • 账户权益、可用余额、持仓列表。
    • 账户权益曲线（基于快照表）。
    • 主流币种实时行情（WebSocket 或定期轮询 OKX）。

阶段 5：策略配置与规则引擎

  • 设计策略配置结构（JSON Schema）：
    • 指标类型：MACD、KDJ、BOLL、RSI、BBI、CCI、MA、K 线形态。
    • 信号类型：金叉/死叉、超买/超卖、背离、多头/空头排列等（按买入/卖出指标列表细化为枚举）。
    • 条件（Condition）：side、indicator_type、signal_type、参数。
    • 条件组（ConditionGroup）：logic（AND/OR）、conditions[]。
    • 策略规则集（StrategyRuleSet）：buy_groups[]、sell_groups[]。
  • 实现规则引擎：
    • 将策略配置解析为可执行对象。
    • 针对每根 K 线/一段窗口，计算指标并判定买卖信号。

阶段 6：回测引擎

  • 基于 Kline 数据实现回测：
    • 读取指定时间段 K 线，按时间顺序迭代。
    • 在每一步根据策略规则集判定是否开仓/平仓。
    • 模拟撮合（价格规则可配置：开/收盘价、中间价等）。
    • 记录 BacktestTrade，汇总结果（收益率、最大回撤、胜率等）。
  • 提供回测 API：
    • 创建回测任务、查询回测结果。

阶段 7：实盘执行模块

  • 设计实盘执行流程：
    • 按策略配置的监控周期（如 20 秒）轮询。
    • 获取最新行情/K 线。
    • 计算指标与信号，触发下单/平仓（通过交易模块）。
    • 记录实盘交易到 LiveTrade。
  • 集成 APScheduler：
    • 根据策略实例状态，动态添加/移除调度任务。

阶段 8：AI 策略生成模块

  • 接入 OpenAI 兼容大模型（如 DeepSeek）：
    • 在 AiStrategyService 中：
      • 输入：用户自然语言 + 支持的指标/信号列表 + 标准 JSON Schema。
      • 输出：结构化策略配置 JSON。
  • 校验 LLM 输出：
    • JSON Schema 校验。
    • 指标/信号是否合法。
  • 打通流程：
    • AI 生成策略 → 写入 Strategy 表 → 可直接触发回测 → 返回回测结果。

阶段 9：（可选）前端对接与联调

  • 提供主要 API 列表与接口文档（Swagger/OpenAPI 可自动生成）。
  • 编写基础 Web 前端或说明，完成仪表盘、策略管理、回测/实盘控制页面与后端接口的联调。

后续实施步骤：

  • 立即开始 阶段 1，创建基础目录结构与核心启动文件，并在实现过程中逐步细化本计划。