基于 Transformer + RL 的多链量化交易系统
AlphaGPT 是一个先进的量化交易系统，集成了以下核心功能：
- AI 模型: Transformer 因子挖掘 + StackVM 执行
- 强化学习: PPO 在线优化交易策略
- 多链支持: Binance CEX、Solana DEX (Jupiter)、Ethereum DEX (Uniswap)
- 智能风控: 三层风控架构 + 掠夺性交易防御
- 高频交易: 市场状态检测 + 震荡剥头皮
- 统一执行: 自动路由 + 故障转移
# 复制环境变量模板
cp .env.example .env
# 运行自动配置脚本
python scripts/setup_env.py
# 编辑 .env 文件，填入必需配置
vim .envpip install -r requirements.txt# 启动所有服务
python main.py all详细说明请查看 快速开始指南
AlphaGPT/
├── main.py # 统一入口点
├── run_api.py # API 启动脚本
├── run_dashboard.py # Dashboard 启动脚本
├── .env.example # 环境变量模板
├── config.yaml # 系统配置文件
│
├── model_core/ # AI 模型核心
│ ├── alphagpt.py # AlphaGPT Transformer 模型
│ ├── vm.py # StackVM 公式执行引擎
│ ├── factors.py # 因子定义
│ ├── backtest.py # 回测引擎
│ └── engine.py # 训练引擎
│
├── rl/ # 强化学习模块
│ ├── learners/ # PPO 在线学习器
│ ├── networks/ # Actor-Critic 网络
│ ├── buffers/ # 优先经验回放
│ └── strategy_runner.py # RL 策略运行器
│
├── strategy_manager/ # 策略管理模块
│ ├── runner.py # 策略运行器主循环
│ ├── portfolio.py # 持仓管理
│ ├── risk_engine.py # 三层风控引擎
│ ├── predatory_defense.py # JIT/三明治攻击防御
│ └── hft/ # 高频交易模块
│
├── execution/ # 统一执行层
│ ├── router.py # 执行路由器
│ ├── base_executor.py # 执行器基类
│ ├── binance_spot_executor.py
│ ├── jupiter.py # Solana DEX (Jupiter)
│ └── ethereum_dex_executor.py
│
├── data_pipeline/ # 数据采集管道
│ ├── data_manager.py # 数据管理器
│ ├── db_manager.py # 数据库管理
│ ├── fetcher.py # 数据获取器
│ └── providers/ # 数据源提供者
│
├── api/ # RESTful API
│ ├── main.py # FastAPI 应用
│ ├── auth.py # API 认证模块
│ └── routes/ # API 路由
│
├── dashboard/ # Streamlit Dashboard
│ └── main.py # Dashboard 主入口
│
├── config/ # 配置管理
│ └── trading_params.py # 交易参数配置
│
└── docs/ # 文档
├── QUICK_START.md # 快速开始
├── ENVIRONMENT_SETUP.md # 环境变量配置
├── CODE_REVIEW_FIX_GUIDE.md # 修复指南
├── FIX_SUMMARY.md # 修复摘要
└── SOLUTION.md # 详细方案文档
| 文档 | 说明 |
|---|---|
| 快速开始 | 5 分钟快速部署指南 |
| 环境变量配置 | 详细的环境变量配置说明 |
| 修复指南 | 代码评审修复方案 |
| 修复摘要 | 已完成修复的总结 |
| 完整方案 | 系统设计和实现细节 |
- 自动生成交易因子公式
- StackVM 高效执行引擎
- 支持缓存优化
- PPO 在线学习
- GAE 优势估计
- 优先经验回放
- 三层风控架构
- 交易前检查
- 持仓监控
- 账户级保护
- 掠夺性交易防御
- JIT 攻击检测
- 三明治攻击检测
- 多交易所统一接口
- 自动故障转移
- 智能滑点预测
- 语言: Python 3.10+
- 深度学习: PyTorch 2.0+
- 数据库: PostgreSQL + TimescaleDB
- 缓存: Redis (可选)
- API: FastAPI + Uvicorn
- Dashboard: Streamlit + Plotly
- 区块链:
- Solana:
solana-py,solders - Ethereum:
web3.py - Binance:
python-binance
- Solana:
- CPU: 4 核
- 内存: 8GB
- 磁盘: 50GB
- CPU: 8 核
- 内存: 16GB
- GPU: NVIDIA GPU (可选，用于模型推理)
- 磁盘: 100GB SSD
- 永远不要提交
.env文件到版本控制 - 使用强密码保护数据库
- 妥善保管私钥和 API 密钥
- 生产环境建议使用热钱包/冷钱包分离
- 设置合理的风控限制
# 运行所有测试
pytest tests/ -v
# 生成覆盖率报告
pytest tests/ --cov=. --cov-report=html
# 查看 HTML 报告
open htmlcov/index.html# 查看所有可用命令
make help# 首次部署：初始化环境
make install-dev
# 编辑 .env 文件配置必要的环境变量# 构建并启动所有服务
make build
make up
# 开发模式：仅启动数据库和缓存
make up-dev
# 进入开发容器
make dev-shell
# 查看服务状态和日志
make ps
make logs
# 查看服务访问地址
make show-urls
# 停止服务
make down# 查看帮助
docker-compose --help
# 构建镜像
docker-compose build
docker-compose build --no-cache # 不使用缓存构建# 启动所有服务
docker-compose up -d
# 查看日志
docker-compose logs -f
docker-compose logs -f strategy_manager # 查看特定服务日志# 停止服务
docker-compose down
# 完全清理（包括数据卷）
docker-compose down -v开发模式（仅数据库 + 缓存）:
# 启动开发环境
make up-dev
# 或
docker-compose -f docker-compose.yml -f docker-compose.dev.yml up -d
# 本地运行代码
pip install -r requirements.txt
python -m strategy_manager.runner --config config.yaml生产模式（完整服务栈）:
# 启动生产环境
make prod-up
# 或
docker-compose -f docker-compose.yml -f docker-compose.prod.yml up -d
# 停止生产环境
make prod-down启动后可通过以下地址访问服务：
- Dashboard: http://localhost:8501
- PostgreSQL: localhost:5432
- Redis: localhost:6379
欢迎贡献代码、报告问题或提出建议！
- Fork 项目
- 创建特性分支 (
git checkout -b feature/AmazingFeature) - 提交更改 (
git commit -m 'Add some AmazingFeature') - 推送到分支 (
git push origin feature/AmazingFeature) - 开启 Pull Request
本项目采用 MIT 许可证。详见 LICENSE 文件。
本软件仅供学习和研究目的使用。量化交易涉及高风险，可能导致资金损失。使用者应：
- 充分了解交易风险
- 仅使用可承受损失的资金
- 在实盘交易前进行充分测试
- 设置合理的风控限制
- 持续监控系统运行状态
开发者不对任何交易损失承担责任。
- ✅ 添加 API 认证模块
- ✅ 修复裸 except 语句
- ✅ 修复 SQL 注入风险
- ✅ 移除硬编码凭证
- ✅ 限制 CORS 配置
- ✅ 创建环境变量配置系统
- ✅ 向量化关键计算函数
- ✅ 创建 CI/CD 配置
- 初始版本发布
AlphaGPT v2.0
最后更新: 2026-01-24