基于机器学习和人机协作的多周期外汇汇率预测系统，整合技术指标分析、CatBoost 预测模型和大模型解释，为外汇交易提供智能化建议。
- 多周期预测系统：同时预测 1天、5天、20天三个周期的汇率走势，支持多货币对独立建模
- 双重验证分析系统：以大模型为核心决策者，整合 35 个技术指标和 ML 预测结果，生成专业自然语言分析报告
- 技术指标引擎：计算 35 个专业技术指标（趋势、动量、波动、价格形态、市场环境），全部使用滞后数据防止数据泄漏
- CatBoost 预测模型：多周期 CatBoost 模型，每个货币对每个周期独立建模
- 大模型集成：通义千问 API，提供技术面深度分析、ML 预测验证、风险分析和交易建议
- 交易方案生成器：自动计算入场价、止损止盈（基于 ATR）、风险回报比
- Yahoo Finance 数据集成：自动获取 6 年历史外汇数据（1622 条记录/货币对），支持定时更新
- Web Dashboard：Node.js + Express 实时可视化仪表盘，支持大模型分析展示、策略指标详情、自动刷新
- 文件上传功能：支持通过 Dashboard 上传 Excel 数据文件，自动更新配置并刷新数据
- Docker 部署：提供完整的 Docker 部署方案，支持容器化运行、定时任务和配置文件双向同步
- 风险控制：硬性约束（概率阈值≤0.50禁止买入、≥0.60高概率推荐）、止损止盈机制（基于 ATR）
- 数据泄漏防范：所有指标使用滞后数据，确保预测有效性
- 置信度分级：高（≥0.60）、中（0.50-0.60）、低（<0.50）三级置信度评估
系统提供 Web Dashboard 可视化界面，实时展示货币对概览、交易策略、技术指标和风险分析。
Dashboard 主界面展示所有货币对的实时汇率、预测方向和置信度。点击任意货币对卡片可查看详细的大模型分析报告。
技术指标图表展示价格走势、均线系统和技术指标数值。交易策略表格提供各周期的入场价、止损、止盈建议。
系统采用多周期双重验证分析机制，同时预测 1天、5天、20天三个周期，以大模型为核心决策者，整合完整的技术指标数据和ML预测结果，生成自然语言格式的市场分析报告和交易建议。
数据加载 → 技术指标计算（35个） → ML 多周期预测（1d/5d/20d）
↓
多周期上下文构建 → 一致性分析 → LLM 分析
↓
交易方案生成 → JSON 格式化输出
- 数据准备：为每个周期计算技术指标和ML预测
- 上下文构建：整合35个技术指标、3个ML预测结果、当前价格等信息
- 一致性分析：
- 评估各周期预测方向的一致性
- 计算技术指标支持度
- 生成整体一致性评分
- 大模型分析：
- 技术面深度分析（趋势、支撑阻力、反转信号）
- ML预测验证（一致性评估、可靠性判断）
- 风险分析（风险因素、止损建议）
- 交易建议（明确方向、入场/止损/止盈价格、仓位管理）
- 交易方案生成：
- 基于ATR计算止损止盈
- 风险回报比确保 1:1
- 自动调整仓位大小
- JSON输出：标准化格式输出所有分析结果
每个货币对的分析输出包括：
- 元数据：货币对代码、名称、当前价格、数据日期、分析日期
- ML 预测：3个周期的预测结果（方向、概率、置信度、目标日期）
- 一致性分析：
- 整体一致性评分（0.0-1.0）
- 各周期一致性分数（基于预测概率 × 70% + 技术指标支持度 × 30%）
- 技术指标摘要
- LLM 分析：
- 整体评估（谨慎乐观、中性、谨慎悲观等）
- 分析摘要（详细技术面分析）
- 关键因素（3-5个核心因素）
- 各周期分析（详细分析、建议、关键点）
- 交易策略：
- 短线策略（1天）：入场价、止损、止盈、风险回报比、仓位
- 中线策略（5天）：入场价、止损、止盈、风险回报比、仓位
- 长线策略（20天）：入场价、止损、止盈、风险回报比、仓位
- 技术指标：完整的35个指标数值（按类别组织）
- 风险分析：风险等级、风险因素、警告信息
系统优先使用LLM建议作为最终决策，ML预测作为验证参考。当LLM不可用时，降级到基于ML预测的规则引擎。
- EUR/USD（欧元/美元）
- USD/JPY（美元/日元）
- AUD/USD（澳元/美元）
- GBP/USD（英镑/美元）
- USD/CAD（美元/加元）
- NZD/USD（新西兰元/美元）
- USD/HKD（美元/港币）
注意：货币对代码使用基准货币（如 EUR、JPY、HKD 等）作为键名。
系统支持三个预测周期：
- 短线（1天）：预测 1 天后的汇率走势
- 中线（5天）：预测 5 天后的汇率走势
- 长线（20天）：预测 20 天后的汇率走势
每个货币对、每个周期都有独立的 CatBoost 模型。
| 使用场景 | 极简使用方法 | 详细步骤说明 |
|---|---|---|
| 适合人群 | 想要快速查看 Dashboard 效果的用户 | 需要自定义配置的开发者 |
| 配置复杂度 | 低（使用默认配置） | 高（可自定义各项参数） |
| 配置项 | 仅需配置 API 密钥 | 数据文件路径、模型参数等 |
| 灵活性 | 低 | 高 |
| 适用场合 | 快速体验、功能演示 | 生产环境部署、深入调试 |
| 了解系统原理 | 不需要 | 需要 |
最快 3 步启动 Dashboard：
# 1. 安装依赖（包含 Yahoo Finance 数据获取支持）
pip install -r requirements.txt
pip install yfinance openpyxl
# 2. 配置API密钥并运行完整流程
cp .env.example .env
# 编辑 .env 文件，填入 QWEN_API_KEY
# 方式一：自动获取最新数据并运行完整流程（推荐）
./run_full_pipeline.sh --fetch-yahoo
# 方式二：使用已有数据文件运行完整流程
./run_full_pipeline.sh
# 3. 启动 Dashboard
cd dashboard && npm install && npm start访问 http://localhost:3000 查看实时外汇预测仪表盘。
pip install -r requirements.txt复制 .env.example 为 .env 并填入通义千问 API 密钥：
cp .env.example .env
# 编辑 .env 文件，填入 QWEN_API_KEY系统支持多种数据获取方式：
方式一：通过 run_full_pipeline.sh 自动获取（推荐）
# 获取最新数据并运行完整流程
./run_full_pipeline.sh --fetch-yahoo
# 获取指定日期范围的数据
./run_full_pipeline.sh --fetch-yahoo --start-date 2025-01-01 --end-date 2026-03-27
# 只获取特定货币对的数据
./run_full_pipeline.sh --fetch-yahoo --yahoo-pairs EUR JPY方式二：使用已有 Excel 数据文件
数据文件需要满足以下要求：
- 工作表名称为货币对代码（如 EUR、JPY）
- 包含
Date和Close列 - 日期格式：MM/DD/YYYY
数据文件位置：默认存放在 data/raw/ 目录下（如 data/raw/FXRate_20260320.xlsx）
如需使用其他数据文件，可通过命令行参数指定：
- 使用相对路径：
./run_full_pipeline.sh --data-file data/raw/FXRate_20260327.xlsx - 或仅指定文件名（系统会在
data/raw/目录查找）：./run_full_pipeline.sh --data-file FXRate_20260327.xlsx
方式四：通过 Dashboard 上传
# 启动 Dashboard 后，使用 API 上传文件
curl -X POST http://localhost:3000/api/v1/upload \
-F "file=@FXRate_20260327.xlsx"文件会自动保存到 data/raw/ 目录，服务器缓存会被清除。
# 方式一：使用默认数据文件运行完整流程
./run_full_pipeline.sh
# 方式二：自动获取最新数据并运行完整流程（推荐）
./run_full_pipeline.sh --fetch-yahoo
# 方式三：获取指定日期范围的数据并运行完整流程
./run_full_pipeline.sh --fetch-yahoo --start-date 2025-01-01 --end-date 2026-03-27
# 方式四：只获取特定货币对的数据并运行完整流程
./run_full_pipeline.sh --fetch-yahoo --yahoo-pairs EUR JPY
# 方式五：获取数据后跳过训练（只预测和分析）
./run_full_pipeline.sh --fetch-yahoo --skip-training
# 方式六：获取数据并禁用大模型分析
./run_full_pipeline.sh --fetch-yahoo --no-llm
# 方式七：跳过训练，只进行预测和分析（模型已存在时）
./run_full_pipeline.sh --skip-training
# 方式八：禁用大模型分析
./run_full_pipeline.sh --no-llm此步骤会生成所有货币对的多周期预测数据（JSON格式），保存到 data/predictions/ 目录。
cd dashboard
npm install
npm start访问 http://localhost:3000 查看 Dashboard。
Dashboard 功能：
- 实时显示货币对概览卡片（价格、预测、概率、置信度、分析摘要）
- 交易策略表格（各周期入场价、止损、止盈、建议、置信度）
- 点击表格行可查看该策略的详细技术指标（6个关键类别）
- 技术指标图表（价格走势 + 均线、技术指标数值）
- 风险提示面板
- 点击卡片查看完整大模型分析（侧边栏详情）
- 策略指标详情侧边栏：
- 支持标签页切换（大模型分析 / 技术指标）
- 显示 6 个关键技术指标类别：
- 支撑与阻力（布林带）
- 趋势强度（ADX）
- 动量（RSI、MACD）
- 波动性（ATR）
- 关键均线（SMA）
- 交易信号（Williams%R）
- 状态颜色标识（超买/超卖/中性/强势/弱势）
- 自动刷新：每 5 分钟自动刷新数据，显示最后更新时间
- 日期显示：浅蓝色背景，显眼展示日期信息
- 文件上传功能：支持上传新的数据文件（通过 API
POST /api/v1/upload），自动保存到data/raw/目录
系统提供完整的 Docker 部署方案，支持容器化运行。
- Docker 20.10 或更高版本
- 确保
.env文件已配置好QWEN_API_KEY
方式一：使用 docker-deploy.sh 脚本（推荐）
# 进入 Docker 目录
cd dashboard/docker
# 构建 Docker 镜像
./docker-deploy.sh build
# 启动容器（后台运行）
./docker-deploy.sh up
# 查看日志
./docker-deploy.sh logs
# 访问 Dashboard
# http://localhost:3000- Dashboard 服务：提供 Web 界面，实时显示外汇预测和分析结果
- 定时任务：每小时自动执行
run_full_pipeline.sh，更新预测数据 - 配置管理：通过 Volume 挂载
.env文件，宿主机更新自动生效 - 数据持久化：数据、模型、日志通过 Volume 挂载，容器删除不丢失
完整的 Docker 部署文档请参考：dashboard/docker/DOCKER.md
# 训练单个货币对的所有周期模型
python3 -m ml_services.fx_trading_model --mode train --pair EUR
# 生成单个货币对的多周期预测
python3 -m ml_services.fx_trading_model --mode predict --pair EUR
# 综合分析单个货币对
python3 -m comprehensive_analysis --pair EUR# 运行所有测试
pytest tests/ -v
# 运行特定测试文件
pytest tests/test_integration.py -v
# 运行测试并检查覆盖率
pytest tests/ --cov=. --cov-report=html --cov-report=term测试覆盖率: 85%（115个测试用例）
- 总测试数：115个
- 单元测试：106个
- 集成测试：9个
cd dashboard
npm test所有指标均使用滞后数据（.shift(1)）防止数据泄漏：
| 指标 | 说明 |
|---|---|
| SMA5, SMA10, SMA20, SMA50, SMA120 | 简单移动平均线（5/10/20/50/120日） |
| EMA5, EMA10, EMA12, EMA20, EMA26 | 指数移动平均线（5/10/12/20/26日） |
| MACD | 移动平均收敛发散指标 |
| MACD_Signal | MACD 信号线（9日 EMA） |
| MACD_Hist | MACD 柱状图 |
| ADX | 平均趋向指数（14日） |
| DI_Plus | 上升方向线 |
| DI_Minus | 下降方向线 |
| 指标 | 说明 |
|---|---|
| RSI14 | 相对强弱指标（14日，范围 0-100） |
| K | 随机指标 K 值 |
| D | 随机指标 D 值 |
| J | 随机指标 J 值 |
| Williams_R_14 | 威廉指标（14日，范围 -100 到 0） |
| CCI20 | 顺势指标（20日） |
| 指标 | 说明 |
|---|---|
| ATR14 | 平均真实波幅（14日） |
| BB_Upper | 布林带上轨（20日，2倍标准差） |
| BB_Middle | 布林带中轨（20日 SMA） |
| BB_Lower | 布林带下轨（20日，2倍标准差） |
| Std_20d | 20日标准差 |
| Volatility_20d | 20日波动率（标准差/均价） |
| 指标 | 说明 |
|---|---|
| OBV | 能量潮（On-Balance Volume） |
| 指标 | 说明 |
|---|---|
| Price_Percentile_120 | 价格百分位（120日滚动百分位） |
| Bias_5 | 5日乖离率 |
| Bias_10 | 10日乖离率 |
| Bias_20 | 20日乖离率 |
| Trend_Slope_20 | 趋势斜率（20日线性回归斜率） |
| 指标 | 说明 |
|---|---|
| MA_Alignment | 均线排列强度（多头/空头排列） |
| 指标 | 说明 |
|---|---|
| SMA5_cross_SMA20 | 均线交叉信号（金叉/死叉） |
| Price_vs_Bollinger | 价格在布林带中的位置 |
| Price_vs_MA120 | 价格相对于120日均线的位置 |
┌─────────────────────────────────────────────────────────────┐
│ 数据流（多周期双重验证） │
├─────────────────────────────────────────────────────────────┤
│ │
│ Excel 数据 │
│ │ │
│ ▼ │
│ ┌─────────────────┐ │
│ │ 技术指标引擎 │──→ 35个技术指标 │
│ └────────┬────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────┐ │
│ │ ML 多周期预测 │──→ 3个周期预测（1d/5d/20d） │
│ │ - 1天模型 │ │
│ │ - 5天模型 │ │
│ │ - 20天模型 │ │
│ └────────┬────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────┐ │
│ │多周期上下文构建 │──→ 一致性分析 │
│ │ - 技术指标 │ │
│ │ - 3个ML预测 │ │
│ │ - 当前价格 │ │
│ └────────┬────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────┐ │
│ │ 大模型分析 │──→ 自然语言分析 │
│ │ - 技术面分析 │ │
│ │ - ML验证 │ │
│ │ - 风险分析 │ │
│ │ - 交易建议 │ │
│ └────────┬────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────┐ │
│ │ 交易方案生成 │──→ 3个周期策略 │
│ │ - 短线（1天） │ │
│ │ - 中线（5天） │ │
│ │ - 长线（20天） │ │
│ └────────┬────────┘ │
│ │ │
│ ▼ │
│ ┌─────────────────┐ │
│ │ JSON 格式化 │──→ 标准输出文件 │
│ │ - 元数据 │ │
│ │ - ML预测 │ │
│ │ - 一致性分析 │ │
│ │ - LLM分析 │ │
│ │ - 交易策略 │ │
│ │ - 技术指标 │ │
│ │ - 风险分析 │ │
│ └─────────────────┘ │
│ │
└─────────────────────────────────────────────────────────────┘
fx_predict/
├── run_full_pipeline.sh # 一体化脚本（推荐）
├── fetch_fx_data.py # Yahoo Finance 数据获取脚本
├── data/ # 数据目录
│ ├── raw/ # 原始数据文件（Excel）
│ │ └── FXRate_20260328_yahoo.xlsx # Yahoo Finance 数据（6年历史）
│ ├── models/ # 训练好的模型（CatBoost，21个模型）
│ │ ├── EUR_catboost_1d.pkl
│ │ ├── EUR_catboost_5d.pkl
│ │ ├── EUR_catboost_20d.pkl
│ │ └── ...（7货币对 × 3周期）
│ └── predictions/ # 预测结果（JSON格式）
├── dashboard/ # Web Dashboard（Node.js）
│ ├── server.js # Express API 服务器
│ ├── package.json # Node.js 依赖
│ ├── public/ # 前端资源
│ │ ├── index.html
│ │ ├── css/
│ │ └── js/
│ ├── docker/ # Docker 部署文件
│ │ ├── Dockerfile # Docker 镜像定义
│ │ ├── docker-deploy.sh # Docker 部署脚本
│ │ ├── docker-entrypoint.sh # 容器启动脚本
│ │ ├── .dockerignore # Docker 忽略文件
│ │ └── DOCKER.md # Docker 部署文档
│ └── tests/ # Dashboard 测试
├── data_services/ # 数据服务层
│ ├── excel_loader.py # Excel 数据加载器
│ └── technical_analysis.py # 技术指标引擎（35个指标）
├── ml_services/ # 机器学习服务层
│ ├── fx_trading_model.py # CatBoost 模型（多周期）
│ ├── feature_engineering.py # 特征工程（18个特征）
│ ├── base_model_processor.py # 模型处理器
│ ├── multi_horizon_context.py # 多周期上下文构建器
│ ├── multi_horizon_prompt.py # LLM Prompt 构建器
│ ├── llm_parser.py # LLM 输出解析器
│ ├── strategy_generator.py # 交易方案生成器
│ └── json_formatter.py # JSON 格式化器
├── llm_services/ # 大模型服务层
│ └── qwen_engine.py # 通义千问 API 封装
├── comprehensive_analysis.py # 人机协作整合层（多周期）
├── config.py # 配置文件
├── requirements.txt # Python 依赖
└── tests/ # 测试文件（115个测试用例）
├── test_integration.py # 集成测试
├── test_comprehensive_analysis.py
├── test_excel_loader.py
├── test_feature_engineering.py
├── test_fx_trading_model.py
├── test_technical_analysis.py
├── test_multi_horizon_context.py
├── test_multi_horizon_prompt.py
├── test_llm_parser.py
├── test_strategy_generator.py
└── test_json_formatter.py
- 绝对禁止买入：当 CatBoost 预测概率 ≤ 0.50 时，绝对禁止买入
- 高概率推荐：当概率 ≥ 0.60 且预测为 1（上涨）时，推荐买入
- 交易方案约束：
- 止损止盈：基于 ATR 计算，周期越长空间越大
- 1天：1.1倍 ATR
- 5天：1.5倍 ATR
- 20天：3.0倍 ATR
- 风险回报比：固定 1:1
- 仓位管理：根据置信度自动调整
- 高置信度：large（大仓位）
- 中置信度：medium（中等仓位）
- 低置信度：small（小仓位）
- 未知置信度：none（不交易）
- 止损止盈：基于 ATR 计算，周期越长空间越大
- 高：probability ≥ 0.60
- 中：0.50 ≤ probability < 0.60
- 低：probability < 0.50
Excel 文件必须满足：
- 工作表名称为货币对代码（如 EUR、JPY）
- 包含
Date和Close列 - 可选：
High、Low、Open列（系统会自动生成） - 日期格式：MM/DD/YYYY
问题：如何自动获取最新的外汇数据？
解决方案：
使用 Yahoo Finance API 自动获取数据：
# 获取所有货币对数据（6年历史）
python3 fetch_fx_data.py --start-date 2020-01-01 --end-date 2026-03-27 --merge
# 获取指定货币对
python3 fetch_fx_data.py --pairs EUR JPY --merge
# 只获取最近一年数据
python3 fetch_fx_data.py --start-date 2025-03-27 --end-date 2026-03-27 --merge
# 保存单独文件（不合并）
python3 fetch_fx_data.py --pairs EUR或使用 run_full_pipeline.sh 自动获取并运行完整流程：
# 获取最新数据并运行完整流程
./run_full_pipeline.sh --fetch-yahoo
# 获取指定日期范围的数据
./run_full_pipeline.sh --fetch-yahoo --start-date 2025-01-01 --end-date 2026-03-27
# 只获取特定货币对的数据
./run_full_pipeline.sh --fetch-yahoo --yahoo-pairs EUR JPY数据特点：
- 数据源：Yahoo Finance（免费且稳定）
- 数据量：1622 条记录/货币对（6年历史）
- 只包含交易日数据（周一至周五）
- 不包含周末和节假日数据
自动更新建议： 可以设置 cron 定时任务自动更新数据：
# 每天凌晨 2 点更新数据
0 2 * * * cd /data/fx_predict && python3 fetch_fx_data.py --merge >> /var/log/fx_update.log 2>&1
# 或每周更新一次
0 2 * * 1 cd /data/fx_predict && python3 fetch_fx_data.py --merge >> /var/log/fx_update.log 2>&1- 确保数据点充足（至少 100 条）
- 检查数据文件格式和必需列
- 查看日志输出了解具体错误
- 如果未配置
QWEN_API_KEY，大模型功能不可用 - 不影响核心功能（ML 预测和技术分析）
- Python: 3.10+
- Node.js: 18+
- Docker: 20.10+
- 机器学习: CatBoost, Scikit-learn
- 数据处理: Pandas, NumPy, Openpyxl
- Web 框架: Express
- 前端技术: HTML5, CSS3, JavaScript, Chart.js
- 大模型: 通义千问 API
- 测试框架: pytest, Jest
- 版本: 5.0（多周期 + Dashboard + Docker + Yahoo Finance 数据集成）
- 创建时间: 2026-03-25
- 最后更新: 2026-03-27
- 许可证: 本项目仅供学习和研究使用
- AGENTS.md: 详细的项目文档，包含 API 说明、配置选项等
- dashboard/docker/DOCKER.md: Docker 部署完整指南
- progress.txt: 项目开发进度记录
- lessons.md: 开发经验教训总结