参考nof1设计的AI自主分析交易机器人 ***注意，请设置币安合约为逐仓、单币保证金模式

本项目是一个基于人工智能 (AI) 的自动化加密货币合约交易机器人。它利用大型语言模型 (LLM)，结合市场数据（价格、K 线）和技术指标（如 EMA、RSI、MACD），自主分析行情、做出交易决策（开仓、平仓、持仓），并通过 CCXT 库与交易所 API（目前主要针对币安 Binance）交互，执行实盘或模拟盘交易。

系统设计支持同时监控和操作多个 USDT 本位永续合约交易对。内置严格的风险管理机制，强制 AI 遵循基于可用现金百分比的仓位大小计算规则，并在下单前进行服务器端验证，防止单笔保证金超出预设风险限制。

项目核心功能包括：

• AI 驱动决策: 集成 AI 模型 (支持 OpenAI, Azure OpenAI, DeepSeek 等兼容 OpenAI API 的服务) 进行分析和下单。
• 多币种交易: 可配置同时监控和交易多个交易对。
• 风险管理: 强制仓位大小计算，服务器端验证保证金限制，自动缩减超额仓位。
• 实盘/模拟盘: 通过配置文件 (config.py) 灵活切换真实交易与模拟回测。
• 状态持久化: 实盘模式下，持仓状态 (alpha_live_positions_v2.json) 和交易历史 (alpha_live_trades.json) 会自动保存到本地文件，方便重启后恢复。
• Web 仪表盘: 提供一个简单的网页界面 (alpha_web_server.py)，用于实时监控账户净值、持仓、交易历史和运行日志。
• 实时通知: 支持通过 Bark 发送开平仓、错误等关键事件的实时推送通知。

这是一个单一策略模型，完全由 AI (LLM) 驱动进行限价单 (Limit Order) 交易提议，并由 Python 执行严格的风险管理和 Veto（否决）规则。

AI (LLM) 负责分析市场，并根据市场状态选择两种策略之一：

• 策略 A: 趋势回调 (ADX > 20)

  • 规则: 当 1h ADX > 20 时，市场处于趋势中。
  • 动作: AI 会寻找“回调汇合区” (Pullback Confluence Zone) 来设置 LIMIT_BUY (牛市) 或 LIMIT_SELL (熊市)。
  • 过滤器: 此策略必须顺从 Rule 1.A (4h EMA 宏观趋势)。

• 策略 B: 震荡均值回归 (ADX < 20)

  • 规则: 当 1h ADX < 20 时，市场处于震荡中。
  • 动作: AI 会在 BB_Lower (布林带下轨) 提议 LIMIT_BUY，或在 BB_Upper (上轨) 提议 LIMIT_SELL。
  • 过滤器: 此策略豁免 4h EMA 宏观趋势的限制。

• 策略 C: 加仓 (Pyramiding)

  • 规则: AI 被授权分析已盈利的仓位 (例如 > 1R)。
  • 动作: 如果趋势仍然强劲且价格出现回调，AI 可以提议新的 LIMIT_BUY / LIMIT_SELL 作为加仓。

在 AI 提议后，Python代码 会进行最终审核：

1. 数据确认 (Rule 3): AI 提议必须得到 OI_Regime_1h (持仓量) 和 Taker_Ratio_1h_Regime (主动成交) 的数据支持。
2. 情绪过滤 (Rule 5): 结合 F&G 情绪指数和 4h EMA 趋势。例如，在牛市中 (Price > 4h EMA)，"极度恐惧" (F&G < 25) 反而是高信心买入信号。
3. R:R 检查 (Rule 4.5): AI 必须确保提议满足 1.5 R:R。Python 会在 _validate_ai_trade 中再次计算并否决不合格的订单。
4. 趋势 Veto: Python 确认 4h EMA 过滤器仅在 1h ADX > 20 (趋势市) 时才生效。
5. 异常 Veto: Anomaly_Score (ML 异常检测) 必须 > -0.1 (即 "Safe")。
6. 过时 Veto:
   • Stale Plan Veto: 否决 AI 因数据延迟而提议的、会立即成交的限价单。
   • Stale Order Veto: 自动取消已挂出但价格偏离现价过远的限价单。

AI 不参与止盈，Python 通过高频 (2s) 和低频 (10s) 循环执行：

• 阶梯止盈:

  • high_frequency_risk_loop (2s)。
  • 一旦盈利超过 1% (current_peak_rate >= 0.01)，立即启动。
  • 止损点会紧跟峰值利润的 60% 至 80%，高频锁定利润。

• 原始止盈:

  • high_frequency_risk_loop (2s)。
  • AI 提议的 take_profit_price 会作为最终的硬止盈目标。

• 1R 盈亏平衡:

  • high_frequency_risk_loop (2s)。
  • 当利润达到 1R (即浮盈 = 初始风险 entry - initial_sl) 时，止损立即移动到成本价 (Breakeven)。

• AI 初始止损: AI 提议的 stop_loss_price 作为初始硬止损。
• AI 更新止损:
  • AI 被授权分析亏损中的仓位。
  • 如果 AI 认为市场结构已变坏 (例如 15m MACD 交叉)，它可以提议 UPDATE_STOPLOSS 来收紧止损，提前离场。
• 动态安全网:
  • 有 15 分钟 的入场宽限期 (SAFETY_NET_GRACE_PERIOD_MS)。
  • ADX 过滤: 此安全网仅在趋势市 (1h ADX > 20) 中启动，在震荡市中 (ADX < 20) 禁用。
  • 触发: 如果价格 (多头) 跌破 1h EMA 50 - (1.5 * 1h ATR) 的缓冲带，立即平仓。
• ATR 追踪止损 (盈利时):
  • 同样有 15 分钟 宽限期。
  • 使用 2.0 * 15min_atr_14 作为追踪止损，跟随盈利。

git clone https://github.com/hzy11fk/nof2.git
cd nof2

# (推荐) 创建并激活 Python 虚拟环境
python -m venv .venv
Windows:
.venv\Scripts\activate
Linux / macOS:
source .venv/bin/activate

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

# 在.env中填入对应信息
vi .env

# 运行程序
python run_alpha.py

• run_alpha.py 程序入口，初始化并启动 AlphaTrader。
• config.py: 定义所有配置参数，加载 .env 文件。
• .env: 存储 API 密钥等敏感信息。
• alpha_trader.py: 核心交易逻辑和 AI 交互控制器。
• alpha_portfolio.py: 账户状态管理器，实盘/模拟盘交易执行的桥梁。
• alpha_ai_analyzer.py: 与 AI 大模型 API 通信的模块。
• exchange_client.py: 封装 CCXT 交易所 API 调用，增加重试逻辑。
• alpha_position_manager.py: 管理和持久化实盘持仓状态 (alpha_live_positions_v2.json)。
• alpha_trade_logger.py: 记录和持久化实盘交易历史 (alpha_live_trades.json)。
• alpha_web_server.py: (可选) 提供 Web 监控界面。
• bark_notifier.py (可选) 发送 Bark 通知的工具函数。
• requirements.txt: 项目所需的 Python 依赖库列表。
• train_anomaly_detector.py: 趋势策略相关数据集训练脚本。
• train_rule8_model.py: 突破策略相关数据集训练脚本。
• fetch_binance_data.py: 训练集所需文件下载脚本。
• /models: 训练完成的数据。

本项目仅供学习和研究目的，作者不对任何使用本项目代码造成的实际交易盈亏负责。请在充分了解风险的情况下使用。