feat: 实现 NBA 量化交易系统

- 后端实现:
  - 实现 NBA 比赛数据服务,从 Polymarket API 获取数据
  - 实现数据库存储和增量拉取逻辑(优先从 DB 获取,数据不足时增量拉取)
  - 使用 sports_market_types 参数直接筛选 moneyline 类型
  - 实现分页拉取逻辑(基于 gameStartTime 和 createdAt)
  - 移除 nba_markets 相关的外键约束(V12 迁移)
  - 修复数据拉取逻辑:超过 3 天的数据不拉取

- 前端实现:
  - 实现策略创建/编辑/列表页面
  - 实现交易信号展示页面和统计页面
  - 修复重复请求问题(使用 useCallback 包装 fetchGames)
  - 支持选择单场比赛进行配置
  - 使用西8区时间格式化显示

- 数据库:
  - 创建 NBA 量化交易相关表(V11 迁移)
  - 移除外键约束(V12 迁移)

- 文档:
  - 添加产品需求文档、技术方案、算法文档等
This commit is contained in:
WrBug
2025-12-13 08:05:08 +08:00
parent 20acc72ed6
commit e9e1111df9
50 changed files with 11274 additions and 7 deletions
@@ -0,0 +1,999 @@
# NBA 量化交易系统技术方案
## 一、概述
### 1.1 产品定位
本系统是一个基于 NBA 比赛数据的量化交易系统,用户在前端配置量化策略参数,系统后台实时获取 NBA 比赛数据,根据配置的策略参数进行量化分析,自动生成买入/卖出信号,并通过 WebSocket 实时推送给前端展示。
### 1.2 产品流程
```
用户在前端配置策略参数
后台保存配置并启动量化任务
后台实时获取 NBA 比赛数据
后台执行量化分析逻辑
生成买入/卖出信号
通过 WebSocket 推送给前端
前端展示交易信号和结果
```
### 1.3 核心功能
1. **策略配置管理**:用户在前端配置量化策略参数(如触发条件、买入卖出规则、风险控制参数等)
2. **数据获取**:后台实时获取 NBA 比赛数据、球队统计、球员统计等
3. **量化分析**:根据配置的策略参数和实时数据,执行量化分析逻辑
4. **信号生成**:生成买入/卖出信号,包含市场、方向、价格、数量等信息
5. **实时推送**:通过 WebSocket 将交易信号实时推送给前端
6. **结果展示**:前端展示交易信号、执行结果、统计数据等
### 1.4 技术栈
- **后端框架**: Spring Boot 3.2.0 + Kotlin
- **HTTP 客户端**: Retrofit 2.9.0 + OkHttp 4.12.0
- **数据存储**: MySQL 8.2.0(结构化数据)+ Redis(缓存)
- **爬虫框架**: Jsoup(用于 Basketball Reference
- **任务调度**: Spring Scheduler(定时任务)
- **WebSocket**: Spring WebSocket(实时推送)
---
## 二、系统架构设计
### 2.1 整体架构
```
┌─────────────────────────────────────────────────────────────┐
│ 前端层 (Frontend Layer) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 策略配置页面 │ │ 交易信号展示 │ │ 结果统计页面 │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────────┘
│ HTTP API / WebSocket
┌─────────────────────────────────────────────────────────────┐
│ 应用层 (Application Layer) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 策略配置API │ │ 量化任务API │ │ WebSocket │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────┐
│ 服务层 (Service Layer) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ 策略配置服务 │ │ 量化分析服务 │ │ 数据推送服务 │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ NBA数据服务 │ │ 信号生成服务 │ │ 任务调度服务 │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────────┘
┌─────────────────────────────────────────────────────────────┐
│ 数据层 (Data Layer) │
│ ┌──────────────┐ ┌──────────────┐ ┌──────────────┐ │
│ │ NBA API │ │ 数据存储 │ │ 缓存服务 │ │
│ └──────────────┘ └──────────────┘ └──────────────┘ │
└─────────────────────────────────────────────────────────────┘
```
### 2.2 模块划分
#### 2.2.1 前端模块
- **策略配置模块**:用户配置量化策略参数
- **交易信号展示模块**:实时展示买入/卖出信号
- **结果统计模块**:展示交易结果和统计数据
#### 2.2.2 后端模块
- **策略配置管理模块**:管理用户配置的策略参数
- **NBA 数据获取模块**:从 NBA Stats API 和 Basketball Reference 获取数据
- **量化分析模块**:执行量化分析逻辑,生成交易信号
- **信号推送模块**:通过 WebSocket 推送交易信号
- **任务调度模块**:管理量化任务的启动、停止、调度
---
## 三、产品功能设计
### 3.1 策略配置功能
#### 3.1.1 配置参数
用户在前端可以配置以下参数:
**基础配置**
- 策略名称:用户自定义策略名称
- 启用状态:是否启用该策略
- 关联账户:选择用于交易的账户
**触发条件配置**
- 比赛筛选:选择关注的比赛(可按球队、日期、重要性等筛选)
- 数据指标:选择用于分析的指标(如分差、剩余时间、球队实力等)
- 触发阈值:设置触发买入/卖出的阈值条件
**交易规则配置**
- 买入规则:配置买入条件、买入金额、买入时机等
- 卖出规则:配置卖出条件、卖出金额、卖出时机等
- 价格策略:配置价格计算方式(如固定价格、动态价格等)
**风险控制配置**
- 最大持仓:单次最大买入金额
- 最小持仓:单次最小买入金额
- 每日亏损限制:每日最大亏损金额
- 每日订单限制:每日最大订单数量
- 价格容忍度:允许的价格偏差范围
**高级配置**
- 数据更新频率:NBA 数据更新频率(如 30 秒、1 分钟等)
- 分析频率:量化分析执行频率
- 推送设置:是否推送失败订单、推送频率等
#### 3.1.2 配置管理
- **创建策略**:用户在前端创建新的量化策略配置
- **编辑策略**:用户可以修改已有策略的配置参数
- **删除策略**:用户可以删除不需要的策略
- **启用/禁用策略**:用户可以启用或禁用策略,禁用后停止执行量化分析
- **策略列表**:展示所有策略配置,支持搜索、筛选、排序
### 3.2 量化分析功能
#### 3.2.1 数据获取
系统后台实时获取以下数据:
**比赛数据**
- 实时比分和分差
- 比赛状态(未开始/进行中/已结束)
- 当前节次和剩余时间
- Play-by-Play 数据(每个回合的详细记录)
**统计数据**
- 球队统计数据(进攻效率、防守效率、净效率值等)
- 球员统计数据(得分、篮板、助攻、真实命中率等)
- 高级统计数据(PER、BPM、VORP、DRPM 等)
**历史数据**
- 历史比赛数据
- 历史对战记录
- 历史统计数据
#### 3.2.2 量化分析逻辑
系统根据用户配置的策略参数和实时获取的 NBA 数据,执行量化分析:
**核心思想**
- 不是简单的条件判断(如"主队落后买入")
- 而是综合分析两支队伍的实力、状态、对位关系等因素
- 计算每支队伍的综合评分和获胜概率
- 评估交易价值和风险
- 选择最优的交易方向和时机
**数据预处理**
- 数据清洗和验证
- 数据标准化和归一化
- 特征工程(提取关键特征)
**综合评分计算**
- 计算主队和客队的基础实力评分(净效率值、攻防效率、节奏等)
- 计算近期状态评分(近期胜率、净效率值变化、势头等)
- 计算阵容完整度评分(基于缺失球员的VORP)
- 计算球星状态评分(PER、TS%、健康状况等)
- 计算环境因素评分(主客场、休息天数、背靠背等)
- 综合计算主队和客队的综合评分
**对位分析**
- 分析球星对位优势(防守限制效果、历史对位数据)
- 分析阵容克制关系(内线、外线、快攻优势)
- 计算对位综合评分
**实时状态分析**(比赛进行中):
- 分析当前分差和剩余时间
- 分析势头动量(过去N回合的净胜分)
- 实时调整综合评分
**获胜概率计算**
- 基于综合评分计算基础获胜概率
- 根据对位优势调整概率
- 根据实时状态调整概率(比赛进行中)
- 最终得到主队和客队的获胜概率
**交易价值计算**
- 计算预期收益(基于获胜概率和价格)
- 计算风险调整收益(考虑不确定性、价格波动、流动性)
- 计算交易价值评分
**策略执行**
- 根据配置的触发条件(最小获胜概率差异、最小交易价值等),判断是否满足买入/卖出条件
- 根据配置的交易规则,计算买入/卖出价格和数量
- 根据配置的风险控制参数,验证交易是否合规
**信号生成**
- 生成买入信号:包含市场 ID、方向(YES/NO,由系统自动判断)、价格、数量、原因等
- 生成卖出信号:包含市场 ID、方向、价格、数量、原因等
- 信号验证:验证信号的有效性和合规性
### 3.3 信号推送功能
#### 3.3.1 推送方式
系统通过 WebSocket 实时推送交易信号给前端:
**推送内容**
- 买入信号:市场信息、方向、价格、数量、触发原因、时间戳等
- 卖出信号:市场信息、方向、价格、数量、触发原因、时间戳等
- 信号状态:信号生成、信号执行中、信号执行成功、信号执行失败等
**推送频率**
- 实时推送:信号生成后立即推送
- 批量推送:多个信号可以批量推送(减少网络开销)
#### 3.3.2 订阅管理
前端通过 WebSocket 订阅交易信号:
**订阅方式**
- 订阅所有策略的信号
- 订阅特定策略的信号
- 订阅特定市场的信号
**订阅管理**
- 前端可以动态订阅/取消订阅
- 支持多个前端客户端同时订阅
- 连接断开后自动重连和恢复订阅
### 3.4 结果展示功能
#### 3.4.1 实时信号展示
前端实时展示交易信号:
**信号列表**
- 展示所有生成的交易信号
- 支持按策略、市场、时间等筛选
- 支持按时间、价格等排序
**信号详情**
- 展示信号的详细信息(市场、方向、价格、数量、原因等)
- 展示信号的执行状态和结果
- 展示信号的历史记录
#### 3.4.2 统计展示
前端展示交易统计:
**策略统计**
- 每个策略的信号数量
- 每个策略的成功率
- 每个策略的盈亏情况
**总体统计**
- 总信号数量
- 总成功率
- 总盈亏情况
- 每日/每周/每月统计
---
## 四、数据源集成方案
### 4.1 NBA Stats API 集成
#### 4.1.1 API 基础信息
- **Base URL**: `https://stats.nba.com/stats/`
- **认证**: 无需认证,但需要设置正确的请求头
- **请求限制**: 建议 < 10 请求/秒
- **数据格式**: JSON
#### 4.1.2 请求头配置
需要设置以下请求头:
- User-Agent: 浏览器标识
- Referer: 来源页面
- Accept: 接受 JSON 格式
- Accept-Language: 语言设置
#### 4.1.3 主要接口
**比赛数据接口**
- 赛程和比分接口:获取指定日期的所有比赛
- 比赛统计接口:获取比赛的详细统计数据
- Play-by-Play 接口:获取比赛的回合数据
**统计数据接口**
- 球队统计面板接口:获取球队的统计数据
- 球队关键时刻数据接口:获取球队关键时刻的表现
- 球员统计面板接口:获取球员的统计数据
- 球员单场数据接口:获取球员的单场数据
#### 4.1.4 数据获取策略
**实时数据获取**
- 比赛进行时:每 30 秒轮询一次比赛数据
- 比赛未开始:每 5 分钟轮询一次(检查比赛状态)
- 比赛结束:每 10 分钟轮询一次(确保数据完整)
**统计数据获取**
- 每天更新一次球队和球员统计数据
- 比赛结束后立即更新相关统计数据
### 4.2 Basketball Reference 爬虫集成
#### 4.2.1 数据来源
- **Base URL**: `https://www.basketball-reference.com`
- **数据格式**: HTML 页面
- **优势**: 提供高级统计数据(PER、BPM、VORP、DRPM 等)
#### 4.2.2 爬取策略
**请求频率控制**
- 请求间隔:至少 1 秒(避免反爬虫)
- 请求队列:使用队列管理请求,控制并发数
**数据爬取**
- 球员高级统计数据:从球员页面爬取 PER、BPM、VORP、DRPM 等
- 球队高级统计数据:从球队页面爬取相关数据
- 阵容统计数据:从阵容页面爬取阵容组合数据
**数据缓存**
- 爬取的数据存储到数据库,避免重复请求
- 高级统计数据更新频率较低,可以缓存较长时间
### 4.3 数据存储方案
#### 4.3.1 数据库设计
**策略配置表**
- 存储用户配置的策略参数
- 包含策略名称、配置参数、启用状态等字段
**比赛数据表**
- 存储比赛基本信息(比赛 ID、日期、主客场、比分等)
- 存储比赛状态(未开始/进行中/已结束)
- 存储当前节次和剩余时间
**统计数据表**
- 球队统计表:存储球队的统计数据
- 球员统计表:存储球员的统计数据
- Play-by-Play 表:存储比赛的回合数据
**交易信号表**
- 存储生成的交易信号
- 包含市场信息、方向、价格、数量、状态等字段
- 包含信号的执行结果和统计信息
#### 4.3.2 缓存策略
**Redis 缓存**
- 比赛数据缓存:缓存 5 分钟(实时数据)
- 统计数据缓存:缓存 1 小时(统计数据更新较慢)
- 高级统计缓存:缓存 24 小时(Basketball Reference 更新较慢)
**缓存更新**
- 数据更新时同步更新缓存
- 缓存过期后自动从数据库或 API 重新获取
---
## 五、实时性保证策略
### 5.1 数据实时性要求
不同数据类型的实时性要求:
| 数据类型 | 实时性要求 | 更新频率 | 延迟容忍度 |
|---------|-----------|---------|-----------|
| **比赛比分** | 极高 | 30秒 | < 1分钟 |
| **Play-by-Play** | 极高 | 30秒 | < 1分钟 |
| **比赛状态** | 高 | 30秒 | < 2分钟 |
| **统计数据** | 中 | 5分钟 | < 10分钟 |
| **历史数据** | 低 | 每天 | 无要求 |
### 5.2 实时性保证方案
#### 5.2.1 多层级数据更新策略
**第一层:数据源层**
- HTTP 轮询:从 NBA Stats API 轮询获取数据
- 第三方 WebSocket API:如果可用,使用 WebSocket 实时接收数据
- 数据缓存:使用 Redis 缓存数据,减少 API 调用
**第二层:数据处理层**
- 数据变化检测:只处理变化的数据,减少不必要的处理
- 数据验证:验证数据的有效性和完整性
- 增量更新:只更新变化的数据,提高效率
**第三层:数据推送层**
- WebSocket 推送:通过 WebSocket 实时推送数据给前端
- 订阅管理:管理前端的订阅,只推送订阅的数据
- 批量推送:多个数据可以批量推送,减少网络开销
**第四层:前端展示层**
- 实时更新:前端实时接收和展示数据
- 降级轮询:WebSocket 失败时降级到 HTTP 轮询
- 数据缓存:前端缓存数据,减少重复请求
#### 5.2.2 数据变化检测机制
**数据快照比较**
- 保存上次的数据快照
- 比较新数据和快照,只处理变化的数据
- 更新快照,用于下次比较
**增量更新**
- 只保存和推送新增或变化的数据
- 减少数据库写入和网络传输
- 提高系统性能
#### 5.2.3 动态轮询频率调整
根据比赛状态动态调整轮询频率:
- **比赛未开始**:5 分钟轮询一次
- **比赛进行中**:30 秒轮询一次
- **最后 5 分钟**:15 秒轮询一次(关键时刻)
- **加时赛**20 秒轮询一次
- **比赛结束**:10 分钟轮询一次(确保数据完整)
#### 5.2.4 WebSocket 连接管理
**连接保活**
- 定期发送心跳消息,保持连接活跃
- 检测连接状态,及时处理断开情况
**自动重连**
- 连接断开后自动重连
- 使用指数退避策略,避免频繁重连
- 重连后恢复订阅,确保数据不丢失
**连接监控**
- 监控连接健康状态
- 记录连接统计信息
- 异常情况告警
#### 5.2.5 前端降级策略
**WebSocket 失败降级**
- WebSocket 连接失败时,自动降级到 HTTP 轮询
- 前端定期轮询获取数据,确保数据不中断
- WebSocket 恢复后,自动切换回 WebSocket
**数据缓存**
- 前端缓存最近的数据
- 网络中断时,使用缓存数据展示
- 网络恢复后,同步最新数据
### 5.3 实时性监控
#### 5.3.1 数据延迟监控
**延迟统计**
- 记录数据从获取到推送的延迟时间
- 统计平均延迟、最大延迟等指标
- 延迟超过阈值时触发告警
**性能指标**
- API 调用响应时间
- 数据处理时间
- WebSocket 推送延迟
#### 5.3.2 告警机制
**告警条件**
- 数据延迟超过阈值(如 1 分钟)
- API 调用失败率超过阈值
- WebSocket 连接断开
- 数据更新异常
**告警方式**
- 日志记录
- 系统通知
- 邮件/短信通知(可选)
---
## 六、量化分析逻辑设计
### 6.1 分析流程
#### 6.1.1 数据准备
**数据获取**
- 获取实时比赛数据(比分、分差、剩余时间等)
- 获取统计数据(球队统计、球员统计等)
- 获取历史数据(历史比赛、历史统计等)
**数据预处理**
- 数据清洗:去除异常值和缺失值
- 数据验证:验证数据的有效性和完整性
- 数据标准化:将数据标准化为统一的格式
#### 6.1.2 特征提取
**基础特征**
- 当前分差
- 剩余时间
- 当前节次
- 比赛状态
**统计特征**
- 球队实力指标(净效率值、攻防效率等)
- 球员表现指标(PER、TS%、USG% 等)
- 历史对战数据
**衍生特征**
- 分差/剩余时间比
- 球队实力差
- 势头动量(过去 N 回合的净胜分)
- 球星爆发因子(本场表现 vs 赛季平均)
#### 6.1.3 策略执行
**综合评分和对位分析**
- 计算主队和客队的综合评分(基础实力、近期状态、阵容完整度、球星状态、环境因素)
- 分析对位优势(球星对位、阵容克制)
- 计算实时状态调整(分差、势头动量,仅比赛进行中)
**获胜概率和交易价值计算**
- 基于综合评分计算基础获胜概率
- 根据对位优势和实时状态调整概率
- 计算预期收益和风险调整收益
- 计算交易价值评分
**触发条件判断**
- 判断获胜概率差异是否达到阈值(如主队获胜概率 > 0.55 或 < 0.45
- 判断交易价值评分是否达到阈值(如 > 0.05)
- 判断其他触发条件(剩余时间、价格等)
**交易规则计算**
- 根据获胜概率确定买入方向(YES 或 NO)
- 根据配置的交易规则,计算买入/卖出价格(固定价格/市场价格/动态价格)
- 根据配置的交易规则,计算买入/卖出数量(固定金额/按比例/动态计算)
- 根据配置的风险控制参数,验证交易是否合规
**信号生成**
- 生成买入信号:包含市场 ID、方向(由系统自动判断)、价格、数量、原因(包含综合评分、获胜概率、交易价值等)等
- 生成卖出信号:包含市场 ID、方向、价格、数量、原因等
- 信号验证:验证信号的有效性和合规性
### 6.2 策略配置映射
#### 6.2.1 配置参数到分析逻辑的映射
**触发条件配置**
- 比赛筛选 → 数据过滤逻辑
- 数据指标 → 特征提取逻辑
- 触发阈值 → 条件判断逻辑
**交易规则配置**
- 买入规则 → 买入信号生成逻辑
- 卖出规则 → 卖出信号生成逻辑
- 价格策略 → 价格计算逻辑
**风险控制配置**
- 最大/最小持仓 → 数量限制逻辑
- 每日亏损限制 → 风险检查逻辑
- 每日订单限制 → 订单计数逻辑
- 价格容忍度 → 价格验证逻辑
### 6.3 信号生成规则
#### 6.3.1 买入信号生成
**触发条件**
- 满足配置的买入触发条件
- 通过风险控制检查
- 市场状态正常(可交易)
**信号内容**
- 市场 ID:目标市场的唯一标识
- 方向:YES 或 NO
- 价格:买入价格(根据价格策略计算)
- 数量:买入数量(根据交易规则计算)
- 原因:触发买入的原因(如"分差达到阈值")
- 时间戳:信号生成时间
#### 6.3.2 卖出信号生成
**触发条件**
- 满足配置的卖出触发条件
- 通过风险控制检查
- 市场状态正常(可交易)
**信号内容**
- 市场 ID:目标市场的唯一标识
- 方向:YES 或 NO
- 价格:卖出价格(根据价格策略计算)
- 数量:卖出数量(根据交易规则计算)
- 原因:触发卖出的原因(如"达到止盈条件")
- 时间戳:信号生成时间
---
## 七、WebSocket 推送方案
### 7.1 推送架构
#### 7.1.1 推送流程
```
量化分析服务生成交易信号
信号推送服务接收信号
检查订阅关系(哪些前端订阅了该策略)
通过 WebSocket 推送给订阅的前端
前端接收并展示信号
```
#### 7.1.2 订阅管理
**订阅方式**
- 前端通过 WebSocket 发送订阅消息
- 支持订阅所有策略的信号
- 支持订阅特定策略的信号
- 支持订阅特定市场的信号
**订阅存储**
- 后端维护订阅关系(策略 ID → 前端会话列表)
- 支持多个前端同时订阅同一策略
- 支持前端动态订阅/取消订阅
**订阅恢复**
- 前端连接断开后,自动清理订阅关系
- 前端重连后,可以重新订阅
### 7.2 推送消息格式
#### 7.2.1 买入信号消息
包含以下字段:
- 消息类型:买入信号
- 策略 ID:生成信号的策略标识
- 市场 ID:目标市场标识
- 方向:YES 或 NO
- 价格:买入价格
- 数量:买入数量
- 原因:触发原因
- 时间戳:信号生成时间
#### 7.2.2 卖出信号消息
包含以下字段:
- 消息类型:卖出信号
- 策略 ID:生成信号的策略标识
- 市场 ID:目标市场标识
- 方向:YES 或 NO
- 价格:卖出价格
- 数量:卖出数量
- 原因:触发原因
- 时间戳:信号生成时间
#### 7.2.3 信号状态更新消息
包含以下字段:
- 消息类型:状态更新
- 信号 ID:信号的唯一标识
- 状态:执行中/执行成功/执行失败
- 结果:执行结果详情
- 时间戳:状态更新时间
### 7.3 推送优化
#### 7.3.1 批量推送
**批量策略**
- 多个信号可以批量推送,减少网络开销
- 批量大小可配置(如每批 10 个信号)
- 批量推送间隔可配置(如每 1 秒推送一次)
**批量格式**
- 单个消息包含多个信号
- 前端解析后分别处理每个信号
#### 7.3.2 推送频率控制
**频率限制**
- 每个策略的信号推送频率可配置
- 避免过于频繁的推送,影响前端性能
- 支持优先级:重要信号立即推送,普通信号批量推送
#### 7.3.3 推送失败处理
**失败重试**
- 推送失败时,记录失败信息
- 支持重试机制(如重试 3 次)
- 重试失败后,记录到数据库,后续可以查询
**降级策略**
- WebSocket 推送失败时,可以降级到 HTTP 轮询
- 前端定期轮询获取信号,确保不丢失
---
## 八、错误处理和容错机制
### 8.1 数据获取错误处理
#### 8.1.1 API 调用失败
**重试策略**
- API 调用失败时,自动重试(如重试 3 次)
- 使用指数退避策略,避免频繁重试
- 重试失败后,记录错误日志
**降级策略**
- API 调用失败时,使用缓存数据
- 缓存数据过期时,使用数据库数据
- 所有数据源都失败时,记录错误并告警
#### 8.1.2 数据解析错误
**错误处理**
- 数据格式异常时,记录错误日志
- 跳过异常数据,继续处理其他数据
- 数据缺失时,使用默认值或历史数据
### 8.2 量化分析错误处理
#### 8.2.1 分析逻辑错误
**错误捕获**
- 分析逻辑执行时,捕获所有异常
- 记录错误日志,包含错误详情和上下文
- 错误不影响其他策略的执行
**错误恢复**
- 错误发生后,跳过本次分析
- 等待下次分析周期,重新执行
- 连续错误时,触发告警
#### 8.2.2 信号生成错误
**错误处理**
- 信号生成失败时,记录错误日志
- 不生成无效信号,避免误导用户
- 错误原因推送给前端(可选)
### 8.3 推送错误处理
#### 8.3.1 WebSocket 推送失败
**失败处理**
- 推送失败时,记录失败信息
- 支持重试机制(如重试 3 次)
- 重试失败后,记录到数据库
**降级策略**
- WebSocket 推送失败时,可以降级到 HTTP 轮询
- 前端定期轮询获取信号,确保不丢失
#### 8.3.2 前端连接断开
**连接管理**
- 检测前端连接断开,清理订阅关系
- 前端重连后,可以重新订阅
- 连接断开期间,信号暂存到数据库
---
## 九、性能优化方案
### 9.1 数据获取优化
#### 9.1.1 请求频率控制
**频率限制**
- 控制 API 请求频率,避免触发速率限制
- 使用请求队列,管理并发请求
- 请求失败时,使用指数退避策略
#### 9.1.2 数据缓存
**缓存策略**
- 实时数据缓存 5 分钟
- 统计数据缓存 1 小时
- 高级统计缓存 24 小时
**缓存更新**
- 数据更新时同步更新缓存
- 缓存过期后自动刷新
### 9.2 量化分析优化
#### 9.2.1 增量分析
**变化检测**
- 只分析变化的数据,减少不必要的计算
- 使用数据快照比较,检测数据变化
- 只处理变化的数据,提高分析效率
#### 9.2.2 并行分析
**并行策略**
- 多个策略可以并行分析
- 使用线程池管理分析任务
- 避免资源竞争,确保分析准确性
### 9.3 推送优化
#### 9.3.1 批量推送
**批量策略**
- 多个信号批量推送,减少网络开销
- 批量大小和间隔可配置
- 重要信号可以立即推送
#### 9.3.2 推送频率控制
**频率限制**
- 控制推送频率,避免前端性能问题
- 支持优先级:重要信号立即推送
- 普通信号批量推送
---
## 十、监控和日志
### 10.1 系统监控
#### 10.1.1 性能监控
**监控指标**
- API 调用响应时间
- 数据处理时间
- WebSocket 推送延迟
- 系统资源使用率(CPU、内存等)
**监控方式**
- 定期记录性能指标
- 性能指标超过阈值时触发告警
- 提供性能统计报表
#### 10.1.2 业务监控
**监控指标**
- 策略执行次数
- 信号生成数量
- 信号推送成功率
- 数据更新延迟
**监控方式**
- 记录业务指标到数据库
- 提供业务统计报表
- 异常情况触发告警
### 10.2 日志管理
#### 10.2.1 日志级别
**日志分类**
- 错误日志:记录系统错误和异常
- 警告日志:记录警告信息
- 信息日志:记录关键操作信息
- 调试日志:记录详细调试信息
#### 10.2.2 日志内容
**关键操作日志**
- 策略配置变更
- 量化分析执行
- 信号生成和推送
- API 调用和错误
**日志格式**
- 统一日志格式,便于解析和分析
- 包含时间戳、日志级别、模块、消息等字段
- 支持结构化日志(JSON 格式)
---
## 十一、实施步骤
### 11.1 第一阶段:基础功能开发(2-3 周)
**任务清单**
- 完成策略配置管理功能(前端配置页面 + 后端 API)
- 完成 NBA 数据获取功能(API 集成 + 数据存储)
- 完成基础量化分析功能(简单策略逻辑)
- 完成信号推送功能(WebSocket 推送)
### 11.2 第二阶段:量化分析完善(2-3 周)
**任务清单**
- 完善量化分析逻辑(支持复杂策略)
- 完善特征提取和数据处理
- 完善信号生成和验证
- 完善错误处理和容错机制
### 11.3 第三阶段:实时性优化(1-2 周)
**任务清单**
- 优化数据获取频率和策略
- 优化 WebSocket 推送机制
- 实现数据变化检测和增量更新
- 实现前端降级策略
### 11.4 第四阶段:性能优化和监控(1-2 周)
**任务清单**
- 性能优化(缓存、并行处理等)
- 系统监控和日志完善
- 压力测试和性能调优
- 文档完善
---
## 十二、注意事项
### 12.1 API 限制
- **NBA Stats API**: 建议请求频率 < 10 请求/秒
- **Basketball Reference**: 建议请求频率 < 1 请求/秒
- 需要设置正确的请求头,避免被拒绝
### 12.2 数据质量
- API 返回的数据格式可能不一致,需要做好异常处理
- Basketball Reference 的 HTML 结构可能变化,需要定期检查
- 需要验证数据的合理性(如得分不超过 200 分)
### 12.3 法律合规
- 遵守 NBA Stats API 的使用条款
- 遵守 Basketball Reference 的爬虫协议(robots.txt
- 不要过度请求,避免对服务器造成负担
### 12.4 风险提示
- 量化交易存在风险,需要做好风险控制
- 信号仅供参考,不构成投资建议
- 需要明确告知用户风险和使用条款
---
## 十三、扩展建议
### 13.1 功能扩展
**策略模板**
- 提供预定义的策略模板
- 用户可以基于模板快速创建策略
- 支持策略模板的导入和导出
**回测功能**
- 支持历史数据回测
- 评估策略的历史表现
- 优化策略参数
**多账户支持**
- 支持多个交易账户
- 每个账户可以配置不同的策略
- 统一管理和监控
### 13.2 技术扩展
**机器学习集成**
- 使用机器学习模型优化策略
- 自动学习和优化参数
- 提高信号准确性
**多数据源整合**
- 整合多个数据源(如 ESPN、Sportradar 等)
- 提高数据完整性和准确性
- 降低对单一数据源的依赖
**分布式部署**
- 支持分布式部署,提高系统性能
- 支持负载均衡和容错
- 支持水平扩展
+158
View File
@@ -0,0 +1,158 @@
# NBA Stats API 验证检查清单
## 一、API 接口定义检查
### 1.1 接口路径
-**路径**: `/Scoreboard`
-**Base URL**: `https://stats.nba.com/stats/`
-**完整 URL**: `https://stats.nba.com/stats/Scoreboard`
### 1.2 请求参数
-**GameDate**: 日期格式 `YYYY-MM-DD`(如 `2024-12-15`
-**LeagueID**: 联盟ID,默认 `"00"` (NBA)
-**DayOffset**: 日期偏移,默认 `0`
**注意**: NBA Stats API 的参数名称是**大小写敏感**的:
-`GameDate` (正确)
-`gameDate` (错误)
-`LeagueID` (正确)
-`leagueId` (错误)
### 1.3 请求头设置
-**User-Agent**: `Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/120.0.0.0 Safari/537.36`
-**Referer**: `https://www.nba.com/`
-**Accept**: `application/json`
-**Accept-Language**: `en-US,en;q=0.9`
-**Origin**: `https://www.nba.com`
## 二、响应格式检查
### 2.1 响应结构
NBA Stats API 返回的 JSON 结构:
```json
{
"resultSets": [
{
"name": "GameHeader",
"headers": ["GAME_DATE_EST", "GAME_SEQUENCE", "GAME_ID", ...],
"rowSet": [[...], [...]]
},
{
"name": "LineScore",
"headers": ["GAME_DATE_EST", "GAME_SEQUENCE", "GAME_ID", "TEAM_ID", ...],
"rowSet": [[...], [...]]
}
]
}
```
### 2.2 ResultSet 名称
-**GameHeader**: 比赛基本信息
-**LineScore**: 比分信息(每支球队一行)
### 2.3 GameHeader 字段顺序
根据注释,字段顺序应该是:
```
[0] GAME_DATE_EST
[1] GAME_SEQUENCE
[2] GAME_ID
[3] GAME_STATUS_ID
[4] GAME_STATUS_TEXT
[5] GAMECODE
[6] HOME_TEAM_ID
[7] VISITOR_TEAM_ID
[8] SEASON
[9] LIVE_PERIOD
[10] LIVE_PC_TIME
[11] NATL_TV_BROADCASTER_ABBREV
[12] LIVE_PERIOD_TIME_BCAST
[13] WH_STATUS
```
### 2.4 LineScore 字段顺序
根据注释,字段顺序应该是:
```
[0] GAME_DATE_EST
[1] GAME_SEQUENCE
[2] GAME_ID
[3] TEAM_ID
[4] TEAM_ABBREVIATION
[5] TEAM_NAME
[6] PTS_QTR1
[7] PTS_QTR2
[8] PTS_QTR3
[9] PTS_QTR4
[10] PTS_OT1
[11] PTS_OT2
[12] PTS_OT3
[13] PTS_OT4
[14] PTS
[15] FG_PCT
[16] FT_PCT
[17] FG3_PCT
[18] AST
[19] REB
[20] TOV
```
## 三、代码实现检查
### 3.1 接口定义 ✅
```kotlin
@GET("Scoreboard")
suspend fun getScoreboard(
@Query("GameDate") gameDate: String? = null,
@Query("LeagueID") leagueId: String = "00",
@Query("DayOffset") dayOffset: Int = 0
): Response<ScoreboardResponse>
```
- ✅ 参数名称大小写正确
- ✅ 参数类型正确
### 3.2 请求头设置 ✅
- ✅ 已设置所有必需的请求头
- ✅ User-Agent 格式正确
### 3.3 响应解析 ⚠️
**潜在问题**
1. **ResultSet 查找方式**: 使用 `firstOrNull { it.name == "GameHeader" }` 可能不够准确
- 建议:使用索引 `resultSets[0]``resultSets.getOrNull(0)`
- 或者:先检查 `resultSets.size >= 2`
2. **字段索引**: 当前代码假设字段顺序固定
- 建议:根据 `headers` 数组动态查找字段索引,而不是硬编码索引
3. **错误处理**: 当前有基本的错误处理,但可以更详细
## 四、建议的改进
### 4.1 使用 headers 动态查找字段
```kotlin
// 根据 headers 查找字段索引,而不是硬编码
val gameDateIndex = headers.indexOf("GAME_DATE_EST")
val gameIdIndex = headers.indexOf("GAME_ID")
// ...
```
### 4.2 增强错误处理
- 记录完整的响应内容(用于调试)
- 验证 headers 数量是否匹配
- 验证 rowSet 数据是否完整
### 4.3 添加响应验证
- 验证 resultSets 数量
- 验证每个 resultSet 的 name
- 验证 headers 和 rowSet 的对应关系
## 五、测试建议
1. **单元测试**: 测试 API 调用和响应解析
2. **集成测试**: 测试完整的获取流程
3. **错误场景测试**: 测试 API 失败、数据不完整等情况
## 六、已知问题
1. **API 限制**: NBA Stats API 可能需要特定的请求头,否则可能返回 403 或空数据
2. **数据格式**: 响应格式可能因日期而异(有比赛 vs 无比赛)
3. **时区问题**: `GAME_DATE_EST` 是 EST 时区,需要注意时区转换
@@ -0,0 +1,218 @@
# NBA 量化交易系统后端实现总结
## 已完成部分
### 1. 数据库设计 ✅
**迁移文件**: `V11__create_nba_quantitative_trading_tables.sql`
创建了以下表:
- `nba_markets`: NBA 市场表(Polymarket 市场信息)
- `nba_games`: NBA 比赛表
- `nba_quantitative_strategies`: 量化策略配置表
- `nba_trading_signals`: 交易信号表
- `nba_strategy_statistics`: 策略执行统计表
### 2. 实体类 ✅
已创建以下实体类:
- `NbaMarket.kt`: NBA 市场实体
- `NbaGame.kt`: NBA 比赛实体
- `NbaQuantitativeStrategy.kt`: 量化策略配置实体
- `NbaTradingSignal.kt`: 交易信号实体
- `NbaStrategyStatistics.kt`: 策略统计实体
### 3. Repository 层 ✅
已创建以下 Repository
- `NbaMarketRepository.kt`
- `NbaGameRepository.kt`
- `NbaQuantitativeStrategyRepository.kt`
- `NbaTradingSignalRepository.kt`
- `NbaStrategyStatisticsRepository.kt`
### 4. DTO 层 ✅
已创建:
- `NbaQuantitativeStrategyDto.kt`: 包含创建、更新、列表请求和响应 DTO
### 5. Service 层(部分完成)✅
已创建:
- `NbaQuantitativeStrategyService.kt`: 策略管理服务
- 创建策略
- 更新策略
- 获取策略列表
- 获取策略详情
- 删除策略
- 获取启用的策略列表
### 6. Controller 层(部分完成)✅
已创建:
- `NbaQuantitativeStrategyController.kt`: 策略管理 API
- `POST /api/nba/strategies/create`: 创建策略
- `POST /api/nba/strategies/update`: 更新策略
- `POST /api/nba/strategies/list`: 获取策略列表
- `POST /api/nba/strategies/detail`: 获取策略详情
- `POST /api/nba/strategies/delete`: 删除策略
---
## 待完成部分
### 1. NBA 市场数据获取服务 ⏳
**需要创建**:
- `NbaMarketService.kt`:
- 从 Polymarket API 获取市场列表
- 同步市场数据到数据库
- 根据条件查询市场
- 匹配 NBA 比赛和市场
**参考文档**: `docs/zh/polymarket-nba-markets-fetching-solution.md`
### 2. NBA 比赛数据获取服务 ⏳
**需要创建**:
- `NbaGameService.kt`:
- 从 NBA API 获取比赛数据
- 同步比赛数据到数据库
- 实时更新比赛状态
- 匹配比赛和市场
**需要集成**: NBA Stats API 或第三方 NBA 数据 API
### 3. 量化分析服务 ⏳
**需要创建**:
- `NbaQuantitativeAnalysisService.kt`:
- 综合评分计算
- 对位分析
- 实时状态分析
- 获胜概率计算
- 交易价值计算
**参考文档**: `docs/zh/nba-quantitative-strategy-algorithm.md`
### 4. 交易信号生成服务 ⏳
**需要创建**:
- `NbaTradingSignalService.kt`:
- 生成买入信号
- 生成卖出信号
- 风险控制检查
- 信号验证
### 5. WebSocket 推送服务 ⏳
**需要创建**:
- `NbaTradingSignalPushService.kt`:
- WebSocket 连接管理
- 信号推送
- 订阅管理
**参考**: 现有的 `OrderPushService.kt`
### 6. 定时任务和同步服务 ⏳
**需要创建**:
- `NbaMarketSyncScheduler.kt`: 同步 NBA 市场数据
- `NbaGameSyncScheduler.kt`: 同步 NBA 比赛数据
- `NbaQuantitativeAnalysisScheduler.kt`: 定时执行量化分析
### 7. 其他 Controller ⏳
**需要创建**:
- `NbaMarketController.kt`: 市场数据 API
- `NbaGameController.kt`: 比赛数据 API
- `NbaTradingSignalController.kt`: 交易信号 API
- `NbaStatisticsController.kt`: 统计 API
### 8. 其他 DTO ⏳
**需要创建**:
- `NbaMarketDto.kt`
- `NbaGameDto.kt`
- `NbaTradingSignalDto.kt`
- `NbaStatisticsDto.kt`
---
## 实现优先级
### 第一阶段(核心功能)
1. ✅ 数据库设计和实体类
2. ✅ 策略管理服务(CRUD
3. ⏳ NBA 市场数据获取服务
4. ⏳ NBA 比赛数据获取服务
### 第二阶段(量化分析)
5. ⏳ 量化分析服务
6. ⏳ 交易信号生成服务
7. ⏳ 风险控制逻辑
### 第三阶段(实时推送)
8. ⏳ WebSocket 推送服务
9. ⏳ 定时任务和同步服务
### 第四阶段(完善功能)
10. ⏳ 统计服务
11. ⏳ 其他 API 接口
12. ⏳ 错误处理和日志
---
## 技术要点
### 1. 数据同步策略
- 市场数据:每天全量同步,每小时增量同步
- 比赛数据:实时更新(比赛进行中)
- 分析频率:根据策略配置(默认 30 秒)
### 2. 量化分析算法
- 综合评分计算(基础实力、近期状态、阵容完整度等)
- 对位分析(球星对位、阵容克制)
- 实时状态分析(分差、势头)
- 获胜概率计算
- 交易价值计算
### 3. 风险控制
- 持仓限制检查
- 每日限制检查
- 价格容忍度检查
- 概率置信度检查
### 4. WebSocket 推送
- 实时推送交易信号
- 支持订阅/取消订阅
- 连接管理和重连机制
---
## 下一步工作
1. **实现 NBA 市场数据获取服务**
- 参考 `polymarket-nba-markets-fetching-solution.md`
- 实现批量查询和过滤逻辑
2. **实现 NBA 比赛数据获取服务**
- 集成 NBA Stats API
- 实现比赛数据同步和更新
3. **实现量化分析服务**
- 参考 `nba-quantitative-strategy-algorithm.md`
- 实现综合评分、对位分析、概率计算等核心算法
4. **实现交易信号生成服务**
- 集成量化分析结果
- 实现买入/卖出信号生成逻辑
5. **实现 WebSocket 推送服务**
- 参考现有的 `OrderPushService`
- 实现信号推送和订阅管理
---
**文档结束**
+100
View File
@@ -0,0 +1,100 @@
# NBA 比赛数据来源对比
## 一、数据来源对比
### 1.1 NBA Stats API
**优势**
- ✅ 官方数据源,数据准确可靠
- ✅ 包含完整的比赛数据(实时比分、状态、统计等)
- ✅ 实时更新,数据最新
- ✅ 免费使用
- ✅ 支持历史数据查询
**劣势**
- ❌ 不包含 Polymarket 市场信息
- ❌ 需要额外的匹配逻辑来关联 Polymarket 市场
**适用场景**
- 获取比赛基本信息(球队、日期、时间)
- 获取实时比分和比赛状态
- 获取比赛统计数据
### 1.2 Polymarket API
**优势**
- ✅ 直接获取交易市场信息
- ✅ 包含市场 ID、价格、流动性等交易相关数据
- ✅ 市场名称可能包含比赛信息
**劣势**
- ❌ 不包含实时比分和比赛状态
- ❌ 无法直接搜索或筛选 NBA 市场(需要知道 condition_ids
- ❌ 市场名称格式不统一,解析困难
- ❌ 数据不完整(缺少比赛详细信息)
**适用场景**
- 获取可交易的市场列表
- 获取市场价格和流动性信息
- 匹配比赛和交易市场
## 二、推荐方案
### 2.1 混合方案(推荐)
**策略**:结合两种数据源,发挥各自优势
**实现方式**
1. **主要数据源:NBA Stats API**
- 获取完整的比赛数据(球队、日期、时间、比分、状态等)
- 实时更新比赛状态
2. **补充数据源:Polymarket API**
- 获取市场信息(市场 ID、价格、流动性等)
- 通过球队名称和日期匹配比赛和市场
3. **数据匹配**
- 使用球队名称和比赛日期匹配
- 建立比赛和市场的关联关系
### 2.2 数据流程
```
1. 从 NBA Stats API 获取比赛列表
2. 从 Polymarket API 获取市场列表(如果知道 condition_ids
3. 解析市场名称,提取球队和日期信息
4. 匹配比赛和市场(通过球队名称和日期)
5. 合并数据,返回完整的比赛和市场信息
```
## 三、当前实现
当前系统使用 **NBA Stats API** 作为主要数据源,原因:
- 数据完整可靠
- 实时更新
- 免费使用
- 无需预先知道 condition_ids
如果需要 Polymarket 市场信息,可以:
1. 在获取比赛数据后,通过球队名称和日期匹配 Polymarket 市场
2. 或者单独维护一个 Polymarket 市场列表,定期同步
## 四、建议
**对于获取比赛数据**
- ✅ 使用 NBA Stats API(当前实现)
- ✅ 实时、准确、完整
**对于获取市场信息**
- ✅ 使用 Polymarket API(需要知道 condition_ids
- ✅ 或者从市场名称解析(如果格式统一)
**最佳实践**
- 主要使用 NBA Stats API 获取比赛数据
- 使用 Polymarket API 获取市场信息并匹配
- 建立比赛和市场的关联关系
@@ -0,0 +1,150 @@
# NBA 比赛数据获取实现
## 一、概述
本系统从 NBA Stats API 实时获取 NBA 比赛数据:
- **数据源**NBA Stats API(官方数据源,实时、准确、完整)
- **不依赖数据库**:所有数据从 API 实时获取
## 二、实现架构
### 2.1 数据流程
```
1. 从 NBA Stats API 获取比赛列表(实时)
2. 解析 API 响应,转换为 DTO
3. 返回比赛数据给前端
```
### 2.2 关于 Polymarket 市场匹配
**当前实现**
- 不进行市场匹配(因为 Polymarket API 限制)
- 比赛数据中的 `polymarketMarketId` 字段为 `null`
**未来扩展**
- 如果将来有办法获取 condition_ids,可以从 Polymarket API 实时获取市场信息
- 已保留 `NbaMarketNameParser` 工具类,可用于市场名称解析
### 2.2 核心组件
#### 1. NbaGameService
- **功能**:从 NBA Stats API 实时获取比赛数据
- **数据源**NBA Stats API(官方数据源)
- **特点**
- 实时获取,不依赖数据库
- 支持日期范围查询
- 支持按状态过滤
#### 2. NbaMarketNameParser(保留,供将来使用)
- **功能**:解析 Polymarket 市场名称,提取球队和日期信息
- **支持格式**
- "Team1 vs Team2"
- "Team1 @ Team2"
- "Will Team1 beat Team2"
- "Team1 win"
- **日期格式**
- "Dec 15, 2024"
- "2024-12-15"
- "12/15/2024"
- **说明**:当前未使用,保留以备将来扩展
## 三、实现细节
### 3.1 比赛数据获取
**获取流程**
1. 根据日期范围,每天调用一次 NBA Stats API
2. 解析 Scoreboard 响应,提取比赛信息
3. 组合 GameHeader 和 LineScore 数据
4. 转换为 NbaGameDto 返回
**数据字段**
- 比赛基本信息(球队、日期、时间)
- 实时比分和状态
- 比赛节次和剩余时间
- 球队统计信息
### 3.2 关于市场匹配(未来扩展)
**当前状态**
- 不进行市场匹配
- `polymarketMarketId` 字段为 `null`
**未来扩展方案**
如果将来需要匹配市场,可以考虑:
1. 从其他来源获取 condition_ids(如爬取、手动维护等)
2. 使用 Polymarket API 实时查询这些市场
3. 使用 `NbaMarketNameParser` 解析市场名称并匹配
### 3.3 数据返回
**NbaGameDto** 包含:
- 比赛基本信息(从 NBA Stats API
- `polymarketMarketId`:当前为 `null`(未来可扩展)
## 四、使用方式
### 4.1 API 调用
```kotlin
// 获取比赛列表(自动匹配市场)
val request = NbaGameListRequest(
startDate = "2024-12-15",
endDate = "2024-12-22"
)
val result = nbaGameService.getNbaGames(request)
```
### 4.2 返回数据
```kotlin
data class NbaGameDto(
val nbaGameId: String?,
val homeTeam: String,
val awayTeam: String,
val gameDate: LocalDate,
val gameStatus: String,
val homeScore: Int,
val awayScore: Int,
val polymarketMarketId: String? // 匹配的市场 ID
)
```
## 五、优势
1. **数据完整**:从 NBA Stats API 获取完整的比赛数据
2. **实时更新**:比赛数据实时获取,不依赖数据库
3. **简单高效**:直接调用 API,无需维护数据库
4. **官方数据源**:数据准确可靠
## 六、注意事项
1. **API 限制**
- NBA Stats API 需要设置正确的请求头
- 建议控制请求频率(< 10 请求/秒)
2. **市场匹配**
- 当前不进行市场匹配
- 如果需要匹配,需要解决 Polymarket API 的限制(需要知道 condition_ids
3. **性能考虑**
- 日期范围查询会多次调用 API(每天一次)
- 建议合理设置日期范围,避免查询过长的时间段
## 七、后续优化
1. **缓存机制**
- 缓存 API 响应,减少重复请求
- 设置合理的缓存时间(如 30 秒)
2. **错误处理**
- 实现重试机制(指数退避)
- 处理 API 临时不可用的情况
3. **市场匹配(可选)**
- 如果将来有办法获取 condition_ids,可以实现市场匹配
- 使用 `NbaMarketNameParser` 进行市场名称解析
@@ -0,0 +1,834 @@
# NBA 量化交易策略算法文档
## 一、算法概述
### 1.1 算法目标
本算法基于 NBA 比赛数据,通过量化分析两支队伍的实力、状态、对位关系等因素,计算出哪支队伍具有更高的获胜概率和交易价值,从而生成买入/卖出交易信号。
### 1.2 算法流程
```
获取比赛数据(主队 vs 客队)
数据预处理和特征提取
计算两队综合评分
计算获胜概率和预期收益
生成交易信号(买入/卖出)
风险控制检查
输出交易信号
```
### 1.3 核心思想
**不是简单的"主队落后买入",而是**
- 综合分析两支队伍的各项指标
- 计算每支队伍的相对优势和劣势
- 评估交易价值和风险
- 选择最优的交易方向和时机
---
## 二、数据预处理
### 2.1 基础数据获取
**比赛基本信息**
- 比赛 ID、日期、主客场
- 当前比分、分差、节次、剩余时间
- 比赛状态(未开始/进行中/已结束)
**球队基础数据**
- 主队和客队的基本信息
- 当前赛季的统计数据
- 近期表现数据(近 5 场/10 场)
**球员数据**
- 核心球员的统计数据
- 球员健康状况和轮休情况
- 球员近期表现
### 2.2 数据清洗
**异常值处理**
- 检查数据合理性(如得分不超过 200 分)
- 处理缺失值(使用历史平均值或默认值)
- 处理异常数据(如负分差、超时时间等)
**数据标准化**
- 将不同量纲的数据标准化到统一范围
- 使用 Z-score 或 Min-Max 归一化
- 确保数据在 [0, 1] 或 [-1, 1] 范围内
### 2.3 特征工程
**基础特征**
- 当前分差(主队得分 - 客队得分)
- 剩余时间(分钟)
- 当前节次(1-4,加时)
- 比赛状态
**统计特征**
- 球队净效率值(进攻效率 - 防守效率)
- 球队比赛节奏(Pace
- 球队关键时刻表现(Clutch 数据)
- 球队主客场表现差异
**动态特征**
- 势头动量(过去 N 回合的净胜分)
- 手感热度(近期命中率)
- 阵容对位优势
- 球星爆发因子
---
## 三、综合评分算法
### 3.1 球队实力评分
#### 3.1.1 基础实力评分
**计算公式**
```
基础实力评分 = 净效率值评分 × W1 + 攻防效率评分 × W2 + 节奏评分 × W3
```
**评分组成**
- **净效率值评分**:基于球队赛季平均净效率值,归一化到 [0, 1]
- 评分 = (净效率值 - 联盟最低值) / (联盟最高值 - 联盟最低值)
- **攻防效率评分**:综合考虑进攻效率和防守效率
- 进攻效率评分 = (进攻效率排名 - 1) / (总球队数 - 1),排名越靠前评分越高
- 防守效率评分 = (防守效率排名 - 1) / (总球队数 - 1),排名越靠前评分越高
- 攻防效率评分 = (进攻效率评分 + 防守效率评分) / 2
- **节奏评分**:基于比赛节奏(Pace)
- 节奏评分 = (Pace - 联盟最低值) / (联盟最高值 - 联盟最低值)
**权重设置**
- W1 = 0.5(净效率值权重最高)
- W2 = 0.3(攻防效率权重)
- W3 = 0.2(节奏权重)
#### 3.1.2 近期状态评分
**计算公式**
```
近期状态评分 = 近期胜率评分 × W1 + 近期净效率值变化 × W2 + 势头评分 × W3
```
**评分组成**
- **近期胜率评分**:近 5 场或 10 场胜率
- 评分 = 近期胜率(0-1
- **近期净效率值变化**:近期净效率值与赛季平均的差值
- 变化 = (近期净效率值 - 赛季平均净效率值) / 赛季平均净效率值
- 评分 = (变化 + 1) / 2(归一化到 [0, 1]
- **势头评分**:基于连胜/连败场次
- 连胜:评分 = min(连胜场次 / 5, 1)
- 连败:评分 = max(1 - 连败场次 / 5, 0)
**权重设置**
- W1 = 0.4(胜率权重)
- W2 = 0.4(净效率值变化权重)
- W3 = 0.2(势头权重)
#### 3.1.3 阵容完整度评分
**计算公式**
```
阵容完整度评分 = 1 - (缺失球员总VORP / 球队总VORP)
```
**评分说明**
- 如果所有核心球员都在,评分为 1.0
- 如果有核心球员缺席,根据缺失球员的 VORP 值降低评分
- 缺失球员越多、重要性越高,评分越低
#### 3.1.4 球星状态评分
**计算公式**
```
球星状态评分 = 核心球星PER评分 × W1 + 核心球星TS%评分 × W2 + 核心球星健康评分 × W3
```
**评分组成**
- **核心球星 PER 评分**:基于近期 PER 与赛季平均的对比
- 评分 = (近期PER - 赛季平均PER) / 赛季平均PER + 1,归一化到 [0, 1]
- **核心球星 TS% 评分**:基于近期真实命中率
- 评分 = (近期TS% - 赛季平均TS%) / 赛季平均TS% + 1,归一化到 [0, 1]
- **核心球星健康评分**
- 健康:1.0
- 出战成疑:0.7
- 缺席:0.3
**权重设置**
- W1 = 0.4PER 权重)
- W2 = 0.4TS% 权重)
- W3 = 0.2(健康权重)
#### 3.1.5 环境因素评分
**计算公式**
```
环境因素评分 = 主客场优势评分 × W1 + 休息天数评分 × W2 + 背靠背影响评分 × W3
```
**评分组成**
- **主客场优势评分**
- 主场:1.0
- 客场:基于客场胜率,评分 = 客场胜率 / 主场胜率
- **休息天数评分**
- 休息 1 天:0.9
- 休息 2 天:1.0(最优)
- 休息 3 天以上:0.95
- **背靠背影响评分**
- 非背靠背:1.0
- 背靠背第二场:0.85
**权重设置**
- W1 = 0.5(主客场权重最高)
- W2 = 0.3(休息天数权重)
- W3 = 0.2(背靠背权重)
### 3.2 综合评分计算
**主队综合评分**
```
主队综合评分 = 基础实力评分 × 0.3
+ 近期状态评分 × 0.25
+ 阵容完整度评分 × 0.2
+ 球星状态评分 × 0.15
+ 环境因素评分 × 0.1
```
**客队综合评分**
```
客队综合评分 = 基础实力评分 × 0.3
+ 近期状态评分 × 0.25
+ 阵容完整度评分 × 0.2
+ 球星状态评分 × 0.15
+ 环境因素评分 × 0.1
```
**相对优势评分**
```
主队相对优势 = 主队综合评分 - 客队综合评分
```
---
## 四、对位分析算法
### 4.1 球星对位分析
**对位优势评分**
```
对位优势评分 = 防守限制效果评分 × W1 + 历史对位数据评分 × W2
```
**评分组成**
- **防守限制效果评分**:基于防守球员的 DRPM 和进攻球员的 ORPM
- 如果防守球员 DRPM 高,且进攻球员 ORPM 高,则限制效果好
- 评分 = (防守球员DRPM - 联盟平均DRPM) / (联盟最高DRPM - 联盟平均DRPM)
- **历史对位数据评分**:基于历史对位时的表现
- 对位效率差 = (对位时进攻球员TS% - 赛季平均TS%)
- 评分 = 1 - (对位效率差 / 最大可能效率差),归一化到 [0, 1]
**权重设置**
- W1 = 0.6(防守限制效果权重)
- W2 = 0.4(历史对位数据权重)
### 4.2 阵容克制分析
**阵容克制评分**
```
阵容克制评分 = 内线优势评分 × W1 + 外线优势评分 × W2 + 快攻优势评分 × W3
```
**评分组成**
- **内线优势评分**
- 如果主队内线得分占比高,且客队内线防守效率低,则主队有优势
- 评分 = (主队内线得分占比 - 客队内线防守效率排名归一化) / 2
- **外线优势评分**
- 如果主队三分出手占比高,且客队三分防守效率低,则主队有优势
- 评分 = (主队三分出手占比 - 客队三分防守效率排名归一化) / 2
- **快攻优势评分**
- 如果主队快攻得分占比高,且客队快攻防守效率低,则主队有优势
- 评分 = (主队快攻得分占比 - 客队快攻防守效率排名归一化) / 2
**权重设置**
- W1 = 0.4(内线权重)
- W2 = 0.4(外线权重)
- W3 = 0.2(快攻权重)
### 4.3 对位综合评分
**主队对位优势**
```
主队对位优势 = 主队球星对位优势 - 客队球星对位优势
+ 主队阵容克制优势 - 客队阵容克制优势
```
---
## 五、实时状态分析算法
### 5.1 比赛进行中的实时分析
#### 5.1.1 当前分差分析
**分差优势评分**
```
分差优势评分 = (当前分差 / 最大可能分差) × 时间调整系数
```
**时间调整系数**
- 比赛早期(第1-2节):系数 = 0.3(分差影响较小)
- 比赛中期(第3节):系数 = 0.6(分差影响中等)
- 比赛后期(第4节):系数 = 1.0(分差影响最大)
- 最后5分钟:系数 = 1.2(分差影响极大)
#### 5.1.2 势头动量分析
**势头动量评分**
```
势头动量 = (过去N回合净胜分) / (N × 平均单回合得分)
```
**评分说明**
- 如果主队过去 10 回合净胜 +8 分,则主队势头强劲
- 势头动量 > 0.3:势头强劲
- 势头动量 < -0.3:势头疲软
#### 5.1.3 实时综合评分调整
**实时调整公式**
```
实时调整评分 = 基础综合评分
+ 分差优势评分 × 0.3
+ 势头动量评分 × 0.2
- 时间衰减系数 × 0.1
```
**时间衰减系数**
- 比赛越接近结束,基础评分的影响越小,实时状态的影响越大
- 时间衰减系数 = (剩余时间 / 总时间) × 0.5
### 5.2 比赛未开始时的预测分析
**预测综合评分**
```
预测综合评分 = 基础综合评分
+ 对位优势评分 × 0.2
+ 环境因素评分 × 0.1
```
---
## 六、获胜概率计算
### 6.1 基础获胜概率
**基于综合评分的概率**
```
基础获胜概率 = 1 / (1 + exp(-k × (主队综合评分 - 客队综合评分)))
```
**参数说明**
- k 为调整系数,通常取 5-10
- 如果主队综合评分 > 客队综合评分,则主队获胜概率 > 0.5
- 如果主队综合评分 = 客队综合评分,则主队获胜概率 = 0.5
### 6.2 对位调整概率
**对位调整**
```
调整后概率 = 基础获胜概率 + 对位优势调整值
```
**对位优势调整值**
- 如果主队对位优势 > 0.1,则调整值 = +0.05
- 如果主队对位优势 < -0.1,则调整值 = -0.05
- 调整值范围:[-0.1, +0.1]
### 6.3 实时状态调整概率
**实时调整**(仅比赛进行中):
```
最终概率 = 调整后概率
+ 分差调整值 × 0.3
+ 势头调整值 × 0.2
```
**分差调整值**
- 如果主队领先,且剩余时间充足,则调整值 = +0.05
- 如果主队落后,且剩余时间不足,则调整值 = -0.05
**势头调整值**
- 如果主队势头强劲,则调整值 = +0.03
- 如果主队势头疲软,则调整值 = -0.03
### 6.4 概率归一化
**确保概率在 [0, 1] 范围内**
```
最终概率 = max(0, min(1, 最终概率))
```
---
## 七、交易价值计算
### 7.1 预期收益计算
**预期收益公式**
```
预期收益 = (获胜概率 × 获胜收益) - ((1 - 获胜概率) × 失败损失)
```
**收益和损失**
- 如果买入主队获胜(YES),价格为 P
- 获胜收益 = (1 - P) × 投入金额
- 失败损失 = P × 投入金额
- 如果买入主队失败(NO),价格为 P
- 获胜收益 = P × 投入金额
- 失败损失 = (1 - P) × 投入金额
### 7.2 风险调整收益
**风险调整公式**
```
风险调整收益 = 预期收益 × (1 - 风险系数)
```
**风险系数计算**
```
风险系数 = 概率不确定性 × 0.5 + 价格波动风险 × 0.3 + 流动性风险 × 0.2
```
**风险组成**
- **概率不确定性**:如果获胜概率接近 0.5,则不确定性高
- 不确定性 = 1 - |获胜概率 - 0.5| × 2
- **价格波动风险**:基于市场价格的波动性
- 如果价格波动大,则风险高
- **流动性风险**:基于市场的流动性
- 如果市场流动性低,则风险高
### 7.3 交易价值评分
**交易价值评分**
```
交易价值评分 = 风险调整收益 / 投入金额
```
**评分说明**
- 交易价值评分 > 0.1:高价值交易,强烈推荐
- 交易价值评分 > 0.05:中等价值交易,推荐
- 交易价值评分 > 0:低价值交易,可考虑
- 交易价值评分 <= 0:无价值交易,不推荐
---
## 八、交易信号生成算法
### 8.1 信号生成条件
**买入信号生成条件**
1. **获胜概率条件**
- 主队获胜概率 > 阈值(如 0.55)或 < 阈值(如 0.45
- 如果主队获胜概率 > 0.55,买入主队获胜(YES
- 如果主队获胜概率 < 0.45,买入主队失败(NO
2. **交易价值条件**
- 交易价值评分 > 用户配置的最小交易价值(如 0.05)
3. **价格条件**
- 当前市场价格在合理范围内
- 价格偏差在用户配置的容忍度内
4. **时间条件**
- 比赛未结束
- 剩余时间充足(如果用户配置了最小剩余时间)
### 8.2 信号方向确定
**方向判断逻辑**
```
如果 主队获胜概率 > 0.55:
方向 = YES(买入主队获胜)
目标价格 = 市场价格(如果合理)
如果 主队获胜概率 < 0.45:
方向 = NO(买入主队失败)
目标价格 = 1 - 市场价格(如果合理)
如果 0.45 <= 主队获胜概率 <= 0.55
不生成信号(概率太接近,不确定性高)
```
### 8.3 信号价格计算
**价格计算策略**
**策略一:固定价格**(用户配置)
```
信号价格 = 用户配置的固定价格
```
**策略二:市场价格**(默认)
```
信号价格 = 当前市场价格
```
**策略三:动态价格**(基于概率)
```
如果 方向 = YES
信号价格 = 主队获胜概率 × (1 + 价格偏移)
如果 方向 = NO
信号价格 = (1 - 主队获胜概率) × (1 + 价格偏移)
```
**价格偏移**
- 价格偏移 = 用户配置的价格偏移百分比(如 ±5%)
- 用于调整价格,提高交易成功率
### 8.4 信号数量计算
**数量计算策略**
**策略一:固定金额**(用户配置)
```
信号数量 = 用户配置的固定金额 / 信号价格
```
**策略二:按比例**(用户配置)
```
信号数量 = 账户余额 × 用户配置的比例 / 信号价格
```
**策略三:动态计算**(基于交易价值)
```
基础数量 = 用户配置的基础金额 / 信号价格
调整系数 = min(交易价值评分 / 0.1, 2.0) // 最多放大2倍
信号数量 = 基础数量 × 调整系数
```
### 8.5 信号原因生成
**触发原因说明**
```
触发原因 = "主队综合评分: {主队评分}, 客队综合评分: {客队评分}, "
+ "获胜概率: {获胜概率}, 交易价值: {交易价值评分}, "
+ "主要优势: {主要优势项}"
```
**主要优势项识别**
- 如果基础实力评分差异最大,则主要优势 = "基础实力"
- 如果近期状态评分差异最大,则主要优势 = "近期状态"
- 如果对位优势明显,则主要优势 = "对位优势"
- 如果实时状态优势明显,则主要优势 = "实时状态"
---
## 九、卖出信号生成算法
### 9.1 卖出条件
**卖出信号生成条件**
1. **止盈条件**
- 当前持仓的预期收益达到用户配置的止盈阈值(如 20%)
- 或市场价格达到用户配置的目标价格
2. **止损条件**
- 当前持仓的预期亏损达到用户配置的止损阈值(如 -10%)
- 或市场价格跌破用户配置的止损价格
3. **概率反转条件**
- 获胜概率发生反转(如从 0.6 降到 0.4)
- 反转幅度超过用户配置的阈值(如 0.15)
4. **时间条件**
- 比赛接近结束(剩余时间 < 用户配置的最小剩余时间)
- 或比赛已结束
### 9.2 卖出价格计算
**卖出价格**
```
卖出价格 = 当前市场价格
```
**价格调整**(可选):
```
如果 止盈卖出:
卖出价格 = min(当前市场价格, 目标价格)
如果 止损卖出:
卖出价格 = max(当前市场价格, 止损价格)
```
### 9.3 卖出数量计算
**卖出数量**
```
如果 全部卖出:
卖出数量 = 当前持仓数量
如果 部分卖出:
卖出数量 = 当前持仓数量 × 用户配置的卖出比例
```
---
## 十、风险控制算法
### 10.1 持仓限制检查
**最大持仓检查**
```
如果 信号数量 × 信号价格 > 用户配置的最大持仓:
信号数量 = 用户配置的最大持仓 / 信号价格
记录警告:超过最大持仓限制,已调整数量
```
**最小持仓检查**
```
如果 信号数量 × 信号价格 < 用户配置的最小持仓:
不生成信号
记录原因:金额低于最小持仓限制
```
### 10.2 每日限制检查
**每日亏损限制**
```
今日已亏损 = 今日所有交易的累计亏损
如果 今日已亏损 + 预期最大亏损 > 用户配置的每日亏损限制:
不生成信号
记录原因:超过每日亏损限制
```
**每日订单限制**
```
今日订单数 = 今日已生成的信号数量
如果 今日订单数 >= 用户配置的每日订单限制:
不生成信号
记录原因:超过每日订单限制
```
### 10.3 价格容忍度检查
**价格偏差检查**
```
价格偏差 = |信号价格 - 当前市场价格| / 当前市场价格
如果 价格偏差 > 用户配置的价格容忍度:
不生成信号
记录原因:价格偏差超过容忍度
```
### 10.4 概率置信度检查
**概率置信度**
```
如果 0.45 <= 获胜概率 <= 0.55
不生成信号
记录原因:获胜概率太接近,不确定性高
```
**最小概率阈值**(可选):
```
如果 获胜概率 < 用户配置的最小概率阈值:
不生成信号
记录原因:获胜概率低于最小阈值
```
---
## 十一、算法参数配置
### 11.1 用户可配置参数
**触发条件参数**
- 最小获胜概率差异:主队和客队获胜概率的最小差异(如 0.1)
- 最小交易价值:交易价值评分的最小值(如 0.05)
- 最小剩余时间:生成信号时的最小剩余时间(如 5 分钟)
**交易规则参数**
- 买入金额策略:固定金额/按比例/动态计算
- 买入金额:固定金额或比例值
- 价格策略:固定价格/市场价格/动态价格
- 价格偏移:价格偏移百分比(如 ±5%)
**风险控制参数**
- 最大持仓:单次最大买入金额
- 最小持仓:单次最小买入金额
- 每日亏损限制:每日最大亏损金额
- 每日订单限制:每日最大订单数量
- 价格容忍度:允许的价格偏差百分比
**卖出规则参数**
- 止盈阈值:预期收益达到多少时卖出(如 20%)
- 止损阈值:预期亏损达到多少时卖出(如 -10%)
- 概率反转阈值:概率反转多少时卖出(如 0.15)
- 卖出比例:部分卖出时的比例(如 50%)
### 11.2 系统默认参数
**评分权重**(可根据历史数据优化):
- 基础实力权重:0.3
- 近期状态权重:0.25
- 阵容完整度权重:0.2
- 球星状态权重:0.15
- 环境因素权重:0.1
**概率计算参数**
- k 值(逻辑回归系数):7.5
- 对位调整范围:[-0.1, +0.1]
- 实时调整权重:分差 0.3,势头 0.2
**风险系数权重**
- 概率不确定性权重:0.5
- 价格波动风险权重:0.3
- 流动性风险权重:0.2
---
## 十二、算法优化建议
### 12.1 参数优化
**历史回测优化**
- 使用历史数据回测不同参数组合
- 找到最优的参数配置
- 定期重新优化参数
**A/B 测试**
- 同时运行多组参数配置
- 对比不同参数的效果
- 选择最优参数组合
### 12.2 模型优化
**机器学习集成**
- 使用机器学习模型预测获胜概率
- 使用梯度提升决策树(XGBoost/LightGBM
- 定期重新训练模型
**特征工程优化**
- 添加更多特征(如历史对战数据、伤病信息等)
- 使用特征选择技术筛选重要特征
- 使用特征交互提高预测准确性
### 12.3 实时优化
**动态权重调整**
- 根据比赛阶段动态调整权重
- 比赛早期:基础实力权重高
- 比赛后期:实时状态权重高
**自适应阈值**
- 根据市场情况动态调整阈值
- 如果市场波动大,提高概率阈值
- 如果市场稳定,降低概率阈值
---
## 十三、算法输出
### 13.1 信号输出格式
**买入信号**
```
{
"signalType": "BUY",
"strategyId": "策略ID",
"gameId": "比赛ID",
"marketId": "市场ID",
"direction": "YES" | "NO",
"price": 0.65,
"quantity": 10.0,
"totalAmount": 6.5,
"reason": "主队综合评分: 0.72, 客队综合评分: 0.58, 获胜概率: 0.62, 交易价值: 0.08, 主要优势: 基础实力",
"winProbability": 0.62,
"tradeValue": 0.08,
"timestamp": 1234567890
}
```
**卖出信号**
```
{
"signalType": "SELL",
"strategyId": "策略ID",
"gameId": "比赛ID",
"marketId": "市场ID",
"direction": "YES" | "NO",
"price": 0.75,
"quantity": 10.0,
"totalAmount": 7.5,
"reason": "止盈卖出,预期收益: 15%",
"profit": 1.0,
"profitRate": 0.15,
"timestamp": 1234567890
}
```
### 13.2 算法执行日志
**执行日志格式**
```
{
"timestamp": 1234567890,
"strategyId": "策略ID",
"gameId": "比赛ID",
"step": "数据获取" | "特征提取" | "评分计算" | "信号生成",
"status": "SUCCESS" | "FAILED" | "SKIPPED",
"message": "执行信息",
"data": {} // 相关数据
}
```
---
## 十四、算法验证
### 14.1 回测验证
**回测流程**
1. 使用历史比赛数据
2. 模拟算法执行过程
3. 计算信号生成情况
4. 计算交易结果和盈亏
5. 评估算法效果
**评估指标**
- 信号生成数量
- 信号准确率(实际获胜 vs 预测获胜)
- 总盈亏金额
- 盈亏比率
- 最大回撤
### 14.2 实时验证
**实时监控**
- 监控算法执行情况
- 记录信号生成和交易结果
- 对比预测和实际结果
- 评估算法实时表现
**持续优化**
- 根据实时表现调整参数
- 优化算法逻辑
- 提高预测准确性
---
**文档结束**
@@ -0,0 +1,732 @@
# NBA 量化交易系统产品需求文档
## 文档信息
- **文档版本**: v1.0
- **创建日期**: 2024-12
- **文档类型**: 产品需求文档 (PRD)
- **目标用户**: 产品经理、开发团队、测试团队
---
## 一、产品概述
### 1.1 产品定位
NBA 量化交易系统是一个基于 NBA 比赛数据的智能量化交易平台,帮助用户通过配置量化策略参数,自动分析 NBA 比赛数据,生成买入/卖出交易信号,实现自动化交易决策。
### 1.2 产品目标
**核心目标**
- 提供简单易用的策略配置界面,降低量化交易门槛
- 实时获取和分析 NBA 比赛数据,提供及时的交易信号
- 支持多种量化策略,满足不同用户需求
- 提供完善的风险控制机制,保障交易安全
**用户价值**
- **自动化决策**:无需人工盯盘,系统自动分析并生成交易信号
- **数据驱动**:基于专业的 NBA 数据分析,提高决策准确性
- **风险可控**:完善的风险控制参数,降低交易风险
- **实时响应**:实时数据更新和信号推送,不错过交易机会
### 1.3 目标用户
**主要用户群体**
1. **量化交易爱好者**:对 NBA 和量化交易都有兴趣的用户
2. **NBA 数据分析师**:希望将数据分析转化为交易信号的用户
3. **自动化交易用户**:希望通过自动化系统进行交易的用户
**用户特征**
- 对 NBA 比赛有一定了解
- 对量化交易有基本认知
- 希望通过数据驱动的方式进行交易决策
- 需要自动化工具提高交易效率
---
## 二、产品功能需求
### 2.1 策略配置管理
#### 2.1.1 策略创建
**功能描述**
用户可以在前端创建新的量化策略,配置策略的各项参数。
**功能点**
- **策略基本信息**
- 策略名称:用户自定义策略名称(必填,1-50 字符)
- 策略描述:策略的简要说明(可选,最多 200 字符)
- 关联账户:选择用于交易的账户(必填)
- 启用状态:创建时默认启用,可后续修改
- **触发条件配置**
- 比赛筛选:
- 按球队筛选:选择关注的球队(可选,不选择则分析所有比赛)
- 按日期筛选:选择关注的日期范围
- 按重要性筛选:选择比赛重要性(常规赛/季后赛/关键战)
- 数据指标选择:
- 基础指标:分差、剩余时间、当前节次、比赛状态
- 统计指标:球队净效率值、球员 PER、真实命中率等
- 高级指标:势头动量、球星爆发因子、阵容对位系数等
- 说明:系统会综合分析两支队伍的各项指标,计算综合评分和获胜概率
- 触发阈值设置:
- 最小获胜概率差异:主队和客队获胜概率的最小差异(如 0.1 表示至少 10% 的差异)
- 最小交易价值:交易价值评分的最小值(如 0.05)
- 最小剩余时间:生成信号时的最小剩余时间(如 5 分钟,可选)
- 说明:只有当系统计算出某支队伍获胜概率明显高于对手,且交易价值达到阈值时,才会生成买入信号
- **交易规则配置**
- 买入规则:
- 买入条件:系统自动分析两支队伍,当某支队伍获胜概率明显高于对手且交易价值达到阈值时触发买入
- 买入金额:固定金额或按比例计算或动态计算(基于交易价值)
- 买入时机:立即买入或延迟买入
- 买入方向:由系统自动判断(YES 或 NO,基于获胜概率高的队伍)
- 说明:系统会综合分析两支队伍,选择获胜概率更高、交易价值更大的方向进行买入
- 卖出规则:
- 卖出条件:满足止盈、止损或概率反转条件时触发卖出
- 卖出金额:全部卖出或部分卖出
- 卖出时机:立即卖出或延迟卖出
- 价格策略:
- 固定价格:使用固定价格
- 市场价格:使用当前市场价格
- 动态价格:根据获胜概率和市场情况动态计算价格
- 价格偏移:允许的价格偏差范围(用于调整价格,提高交易成功率)
- **风险控制配置**
- 持仓限制:
- 最大持仓:单次最大买入金额(必填,>= 1 USDC
- 最小持仓:单次最小买入金额(必填,>= 1 USDC
- 每日限制:
- 每日亏损限制:每日最大亏损金额(可选)
- 每日订单限制:每日最大订单数量(可选)
- 价格容忍度:
- 价格偏差范围:允许的价格偏差百分比(可选,0-100%)
- **高级配置**
- 数据更新频率:NBA 数据更新频率(30 秒/1 分钟/5 分钟)
- 分析频率:量化分析执行频率(30 秒/1 分钟/5 分钟)
- 推送设置:
- 是否推送失败订单:默认关闭
- 推送频率:实时推送/批量推送
**交互流程**
1. 用户点击"创建策略"按钮
2. 进入策略配置页面
3. 填写策略基本信息
4. 配置触发条件(可添加多个条件)
5. 配置交易规则
6. 配置风险控制参数
7. 配置高级选项
8. 点击"保存"按钮,系统验证配置
9. 保存成功,返回策略列表
**验证规则**
- 策略名称不能为空,不能重复
- 必须选择关联账户
- 必须配置至少一个触发条件
- 必须配置买入或卖出规则
- 最大持仓必须 >= 最小持仓
- 价格容忍度必须在 0-100% 范围内
#### 2.1.2 策略编辑
**功能描述**
用户可以编辑已有策略的配置参数。
**功能点**
- 支持修改策略的所有配置参数
- 支持启用/禁用策略
- 修改后立即生效(如果策略正在运行,会重新加载配置)
**交互流程**
1. 用户在策略列表中点击"编辑"按钮
2. 进入策略编辑页面(与创建页面类似)
3. 修改配置参数
4. 点击"保存"按钮
5. 系统验证并保存配置
6. 返回策略列表
#### 2.1.3 策略删除
**功能描述**
用户可以删除不需要的策略。
**功能点**
- 删除前需要确认(防止误删)
- 删除策略时,会停止该策略的所有量化任务
- 删除后,该策略的历史信号记录会保留(用于统计分析)
**交互流程**
1. 用户在策略列表中点击"删除"按钮
2. 弹出确认对话框
3. 用户确认删除
4. 系统删除策略并停止相关任务
5. 返回策略列表
#### 2.1.4 策略列表
**功能描述**
展示所有策略配置,支持搜索、筛选、排序。
**功能点**
- **列表展示**
- 策略名称
- 关联账户
- 启用状态(启用/禁用)
- 创建时间
- 最后更新时间
- 操作按钮(编辑/删除/启用/禁用)
- **搜索功能**
- 按策略名称搜索
- 按账户名称搜索
- **筛选功能**
- 按启用状态筛选(全部/启用/禁用)
- 按账户筛选
- **排序功能**
- 按创建时间排序(最新/最旧)
- 按更新时间排序(最新/最旧)
- 按策略名称排序(A-Z/Z-A
- **分页功能**
- 每页显示 20 条记录
- 支持翻页
**交互流程**
1. 用户进入策略列表页面
2. 系统加载策略列表
3. 用户可以搜索、筛选、排序
4. 用户可以点击操作按钮进行编辑、删除、启用/禁用
### 2.2 交易信号展示
#### 2.2.1 实时信号列表
**功能描述**
实时展示系统生成的交易信号。
**功能点**
- **信号展示**
- 信号类型(买入/卖出)
- 策略名称
- 市场信息(市场 ID、市场标题)
- 方向(YES/NO
- 价格
- 数量
- 触发原因
- 生成时间
- 信号状态(已生成/执行中/执行成功/执行失败)
- **实时更新**
- 通过 WebSocket 实时接收新信号
- 新信号自动添加到列表顶部
- 信号状态更新时实时刷新
- **筛选功能**
- 按信号类型筛选(全部/买入/卖出)
- 按策略筛选
- 按状态筛选(全部/已生成/执行中/成功/失败)
- 按时间范围筛选
- **排序功能**
- 按生成时间排序(最新/最旧)
- 按价格排序(高到低/低到高)
- **分页功能**
- 每页显示 50 条记录
- 支持翻页
**交互流程**
1. 用户进入交易信号页面
2. 系统建立 WebSocket 连接
3. 系统订阅交易信号推送
4. 实时接收并展示信号
5. 用户可以筛选、排序、查看详情
#### 2.2.2 信号详情
**功能描述**
展示信号的详细信息。
**功能点**
- **基本信息**
- 信号 ID
- 信号类型(买入/卖出)
- 策略名称
- 生成时间
- **市场信息**
- 市场 ID
- 市场标题
- 市场描述
- 市场分类
- **交易信息**
- 方向(YES/NO
- 价格
- 数量
- 总金额
- **触发信息**
- 触发原因(详细说明)
- 触发条件(展示满足的条件)
- 触发时的比赛数据(分差、剩余时间等)
- **执行信息**
- 执行状态
- 执行结果
- 执行时间
- 错误信息(如果执行失败)
**交互流程**
1. 用户在信号列表中点击某个信号
2. 弹出信号详情对话框
3. 展示信号的详细信息
4. 用户可以关闭对话框
### 2.3 结果统计
#### 2.3.1 策略统计
**功能描述**
展示每个策略的统计信息。
**功能点**
- **统计指标**
- 信号总数:该策略生成的信号总数
- 买入信号数:买入信号数量
- 卖出信号数:卖出信号数量
- 成功率:执行成功的信号占比
- 总盈亏:该策略的总盈亏金额
- 平均盈亏:平均每个信号的盈亏金额
- **时间维度**
- 今日统计
- 本周统计
- 本月统计
- 全部统计
- **可视化展示**
- 使用图表展示统计趋势
- 使用饼图展示信号类型分布
- 使用柱状图展示每日信号数量
**交互流程**
1. 用户进入策略统计页面
2. 系统加载策略列表和统计信息
3. 用户选择某个策略查看详细统计
4. 用户可以切换时间维度查看不同时期的统计
#### 2.3.2 总体统计
**功能描述**
展示所有策略的总体统计信息。
**功能点**
- **总体指标**
- 总策略数:启用的策略数量
- 总信号数:所有策略生成的信号总数
- 总成功率:所有信号的平均成功率
- 总盈亏:所有策略的总盈亏金额
- 平均盈亏:平均每个信号的盈亏金额
- **趋势分析**
- 信号数量趋势(按日/周/月)
- 成功率趋势(按日/周/月)
- 盈亏趋势(按日/周/月)
- **排行榜**
- 信号数量排行榜(按策略)
- 成功率排行榜(按策略)
- 盈亏排行榜(按策略)
**交互流程**
1. 用户进入总体统计页面
2. 系统加载总体统计信息
3. 用户可以查看趋势图表和排行榜
4. 用户可以切换时间维度查看不同时期的统计
### 2.4 NBA 数据展示(可选功能)
#### 2.4.1 比赛数据展示
**功能描述**
展示 NBA 比赛的实时数据。
**功能点**
- **比赛列表**
- 展示今日/本周/本月的比赛
- 显示比赛状态(未开始/进行中/已结束)
- 显示比分和分差
- **比赛详情**
- 比赛基本信息(日期、主客场、比分等)
- 实时比分和分差
- 当前节次和剩余时间
- Play-by-Play 数据
**交互流程**
1. 用户进入 NBA 数据页面
2. 系统加载比赛列表
3. 用户可以查看比赛详情
4. 实时更新比赛数据(如果比赛正在进行)
---
## 三、用户场景
### 3.1 场景一:创建量化策略
**用户**:量化交易爱好者
**场景描述**
用户希望创建一个量化策略,系统自动分析比赛的两支队伍,根据综合评分和获胜概率,选择可盈利的队伍进行买入。
**操作流程**
1. 用户登录系统,进入策略配置页面
2. 点击"创建策略"按钮
3. 填写策略名称:"综合实力分析策略"
4. 选择关联账户
5. 配置触发条件:
- 比赛筛选:选择关注的比赛(可按球队、日期筛选)
- 数据指标选择:选择用于分析的指标
- 基础指标:分差、剩余时间、当前节次
- 统计指标:球队净效率值、球员PER、真实命中率
- 高级指标:势头动量、球星爆发因子、阵容对位系数
- 触发阈值设置:
- 最小获胜概率差异:0.1(主队和客队获胜概率差异至少 10%)
- 最小交易价值:0.05(交易价值评分至少 0.05)
6. 配置买入规则:
- 买入条件:当系统计算出某支队伍获胜概率明显高于对手,且交易价值评分达到阈值时触发买入
- 买入金额:固定金额 10 USDC
- 买入方向:由系统自动判断(YES 或 NO,基于获胜概率)
- 价格策略:动态价格(基于获胜概率和市场情况)
7. 配置风险控制:
- 最大持仓:50 USDC
- 最小持仓:5 USDC
- 每日亏损限制:100 USDC
8. 点击"保存"按钮
9. 系统验证配置并保存
10. 策略创建成功,自动启用
**预期结果**
- 策略创建成功并启用
- 系统开始监控 NBA 比赛数据
- 当满足条件时,自动生成买入信号
### 3.2 场景二:查看交易信号
**用户**:量化交易爱好者
**场景描述**
用户希望实时查看系统生成的交易信号,了解策略的执行情况。
**操作流程**
1. 用户登录系统,进入交易信号页面
2. 系统自动建立 WebSocket 连接
3. 系统订阅交易信号推送
4. 实时接收并展示新信号
5. 用户可以查看信号详情:
- 点击某个信号,查看详细信息
- 查看触发原因和触发时的比赛数据
- 查看执行状态和结果
6. 用户可以筛选信号:
- 按策略筛选:只查看特定策略的信号
- 按类型筛选:只查看买入或卖出信号
- 按状态筛选:只查看成功或失败的信号
**预期结果**
- 实时接收并展示交易信号
- 可以查看信号的详细信息
- 可以按需筛选和排序信号
### 3.3 场景三:查看策略统计
**用户**:量化交易爱好者
**场景描述**
用户希望查看策略的执行效果,了解策略的盈亏情况。
**操作流程**
1. 用户登录系统,进入策略统计页面
2. 系统加载所有策略的统计信息
3. 用户选择某个策略查看详细统计:
- 查看信号总数、成功率、总盈亏等指标
- 查看信号数量趋势图
- 查看盈亏趋势图
4. 用户可以切换时间维度:
- 查看今日统计
- 查看本周统计
- 查看本月统计
- 查看全部统计
5. 用户可以查看总体统计:
- 查看所有策略的总体指标
- 查看趋势分析图表
- 查看排行榜
**预期结果**
- 清晰展示策略的执行效果
- 提供多维度的时间统计
- 帮助用户优化策略配置
---
## 四、界面设计说明
### 4.1 策略配置页面
#### 4.1.1 页面布局
**整体布局**
- 顶部:页面标题"创建策略"或"编辑策略"
- 左侧:配置导航(基本信息、触发条件、交易规则、风险控制、高级配置)
- 中间:配置表单区域
- 底部:操作按钮(保存、取消)
**配置表单**
- 使用分步骤表单,引导用户逐步配置
- 每个步骤有清晰的说明和示例
- 必填项用红色星号标记
- 提供实时验证和错误提示
#### 4.1.2 关键组件
**触发条件配置组件**
- 条件列表:展示已添加的触发条件
- 添加条件按钮:点击后弹出条件配置对话框
- 条件编辑:支持编辑和删除已有条件
- 条件组合:支持设置条件之间的逻辑关系(AND/OR)
**交易规则配置组件**
- 买入规则配置区域
- 卖出规则配置区域
- 价格策略选择(固定价格/动态价格)
- 价格偏移设置
**风险控制配置组件**
- 持仓限制输入框
- 每日限制输入框
- 价格容忍度滑块
### 4.2 交易信号页面
#### 4.2.1 页面布局
**整体布局**
- 顶部:筛选和搜索栏
- 中间:信号列表(表格形式)
- 底部:分页组件
**信号列表表格**
- 列:信号类型、策略名称、市场信息、方向、价格、数量、触发原因、生成时间、状态、操作
- 支持列排序
- 支持行点击查看详情
#### 4.2.2 关键组件
**实时信号提示**
- 新信号到达时,顶部显示提示消息
- 信号列表自动滚动到顶部
- 新信号高亮显示(3 秒后恢复正常)
**信号状态标签**
- 已生成:蓝色标签
- 执行中:黄色标签
- 执行成功:绿色标签
- 执行失败:红色标签
**信号详情对话框**
- 模态对话框形式
- 展示信号的完整信息
- 支持关闭和复制信息
### 4.3 统计页面
#### 4.3.1 页面布局
**整体布局**
- 顶部:时间维度选择(今日/本周/本月/全部)
- 左侧:策略列表(如果查看策略统计)
- 中间:统计图表和数据表格
- 右侧:关键指标卡片
**统计图表**
- 使用 ECharts 或类似图表库
- 支持交互(缩放、筛选等)
- 支持导出图片
#### 4.3.2 关键组件
**指标卡片**
- 大数字显示关键指标
- 支持对比(与上期对比)
- 支持趋势箭头(上升/下降)
**趋势图表**
- 折线图:展示趋势变化
- 柱状图:展示数量对比
- 饼图:展示分布情况
---
## 五、非功能性需求
### 5.1 性能需求
**响应时间**
- 页面加载时间:< 2 秒
- API 响应时间:< 1 秒
- WebSocket 推送延迟:< 100 毫秒
**并发性能**
- 支持至少 100 个并发用户
- 支持至少 1000 个策略同时运行
- 支持至少 10000 个信号/天的处理能力
### 5.2 可用性需求
**系统可用性**
- 系统可用性:>= 99.5%
- 故障恢复时间:< 5 分钟
**数据实时性**
- NBA 数据更新延迟:< 1 分钟
- 交易信号推送延迟:< 5 秒
### 5.3 安全性需求
**数据安全**
- 用户配置数据加密存储
- API 接口需要身份认证
- WebSocket 连接需要身份认证
**风险控制**
- 所有交易信号需要经过风险控制检查
- 异常情况自动告警
- 支持紧急停止策略
### 5.4 兼容性需求
**浏览器兼容**
- Chrome(最新 2 个版本)
- Firefox(最新 2 个版本)
- Safari(最新 2 个版本)
- Edge(最新 2 个版本)
**设备兼容**
- 桌面端:1920x1080 及以上分辨率
- 平板端:768x1024 及以上分辨率
- 移动端:375x667 及以上分辨率(响应式设计)
---
## 六、产品特性
### 6.1 核心特性
1. **简单易用**
- 直观的配置界面,降低使用门槛
- 清晰的步骤引导,帮助用户快速上手
- 丰富的帮助文档和示例
2. **实时响应**
- 实时获取 NBA 比赛数据
- 实时执行量化分析
- 实时推送交易信号
3. **数据驱动**
- 基于专业的 NBA 数据分析
- 支持多种数据指标和特征
- 提供数据可视化展示
4. **风险可控**
- 完善的风险控制参数
- 自动风险检查机制
- 异常情况告警
### 6.2 扩展特性
1. **策略模板**
- 提供预定义的策略模板
- 用户可以基于模板快速创建策略
- 支持模板的导入和导出
2. **回测功能**
- 支持历史数据回测
- 评估策略的历史表现
- 优化策略参数
3. **多账户支持**
- 支持多个交易账户
- 每个账户可以配置不同的策略
- 统一管理和监控
---
## 七、产品路线图
### 7.1 第一阶段:MVP 版本(2-3 个月)
**核心功能**
- 策略配置管理(创建、编辑、删除、列表)
- 基础量化分析(简单策略逻辑)
- 交易信号生成和推送
- 基础统计展示
**目标**
- 验证产品可行性
- 收集用户反馈
- 优化核心功能
### 7.2 第二阶段:功能完善(2-3 个月)
**新增功能**
- 完善量化分析逻辑(支持复杂策略)
- 完善特征提取和数据处理
- 完善统计和可视化
- 策略模板功能
**目标**
- 提升产品功能完整性
- 提升用户体验
- 扩大用户群体
### 7.3 第三阶段:高级功能(3-4 个月)
**新增功能**
- 回测功能
- 机器学习集成
- 多账户支持
- 高级统计分析
**目标**
- 提升产品竞争力
- 满足高级用户需求
- 建立产品壁垒
---
## 八、附录
### 8.1 术语表
- **量化策略**:基于数据分析和算法模型的交易策略
- **交易信号**:系统生成的买入或卖出建议
- **触发条件**:满足哪些条件时生成交易信号
- **风险控制**:限制交易风险的各种参数和机制
- **WebSocket**:一种实时通信协议,用于推送数据
### 8.2 参考文档
- NBA 比赛分析框架文档(NBA.md)
- 技术方案文档(nba-api-integration-technical-solution.md
- API 接口文档(待补充)
- 用户手册(待补充)
---
**文档结束**
@@ -0,0 +1,567 @@
# NBA 量化策略前端可配置参数清单
## 一、参数分类
前端可配置参数分为以下几类:
1. **策略基本信息**:策略名称、描述等
2. **比赛筛选参数**:选择关注的比赛
3. **触发条件参数**:控制何时生成交易信号
4. **交易规则参数**:控制如何执行交易
5. **风险控制参数**:限制交易风险
6. **算法权重参数**(高级):调整算法内部权重
7. **系统配置参数**:数据更新频率、推送设置等
---
## 二、详细参数列表
### 2.1 策略基本信息(必填)
| 参数名称 | 类型 | 必填 | 默认值 | 说明 | UI 组件 |
|---------|------|------|--------|------|---------|
| **策略名称** | String | ✅ | - | 用户自定义策略名称,1-50 字符 | Input |
| **策略描述** | String | ❌ | - | 策略的简要说明,最多 200 字符 | TextArea |
| **关联账户** | Long | ✅ | - | 选择用于交易的账户 | Select |
| **启用状态** | Boolean | ❌ | true | 是否启用该策略 | Switch |
---
### 2.2 比赛筛选参数(可选)
| 参数名称 | 类型 | 必填 | 默认值 | 说明 | UI 组件 |
|---------|------|------|--------|------|---------|
| **关注球队** | List\<String\> | ❌ | [] | 选择关注的球队(可选,不选择则分析所有比赛) | MultiSelect |
| **日期范围** | DateRange | ❌ | 今日 | 选择关注的日期范围 | DateRangePicker |
| **比赛重要性** | Enum | ❌ | 全部 | 选择比赛重要性(全部/常规赛/季后赛/关键战) | Select |
| **主客场筛选** | Enum | ❌ | 全部 | 筛选主队或客队(全部/仅主队/仅客队) | Select |
---
### 2.3 触发条件参数(必填)
#### 2.3.1 概率阈值参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **最小获胜概率差异** | Decimal | ✅ | 0.1 | 0.05 - 0.5 | 主队和客队获胜概率的最小差异(如 0.1 表示至少 10% 的差异) | InputNumber (0-1, 步长 0.01) |
| **最小获胜概率** | Decimal | ❌ | 0.55 | 0.5 - 1.0 | 生成买入信号时的最小获胜概率(可选,不设置则不限制) | InputNumber (0-1, 步长 0.01) |
| **最大获胜概率** | Decimal | ❌ | - | 0.0 - 0.5 | 生成买入信号时的最大获胜概率(可选,用于反向策略) | InputNumber (0-1, 步长 0.01) |
#### 2.3.2 交易价值参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **最小交易价值** | Decimal | ✅ | 0.05 | 0.0 - 1.0 | 交易价值评分的最小值,只有达到此值才会生成信号 | InputNumber (0-1, 步长 0.01) |
#### 2.3.3 时间条件参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **最小剩余时间** | Integer | ❌ | 5 | 0 - 48 | 生成信号时的最小剩余时间(分钟),0 表示不限制 | InputNumber (0-48) |
| **最大剩余时间** | Integer | ❌ | - | 0 - 48 | 生成信号时的最大剩余时间(分钟),可选 | InputNumber (0-48) |
| **比赛阶段限制** | Enum | ❌ | 全部 | 全部/仅比赛前/仅比赛中/仅比赛后 | 限制在哪个阶段生成信号 | Select |
#### 2.3.4 分差条件参数(可选)
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **最小分差** | Integer | ❌ | - | -50 - 50 | 生成信号时的最小分差(主队得分 - 客队得分),可选 | InputNumber |
| **最大分差** | Integer | ❌ | - | -50 - 50 | 生成信号时的最大分差,可选 | InputNumber |
| **分差范围** | Enum | ❌ | 全部 | 全部/小分差(<5分)/中分差(5-15分)/大分差(>15分) | 限制分差范围 | Select |
---
### 2.4 交易规则参数
#### 2.4.1 买入规则参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **买入金额策略** | Enum | ✅ | FIXED | FIXED/RATIO/DYNAMIC | 买入金额计算方式 | Select |
| **固定买入金额** | Decimal | 条件必填 | 10 | > 0 | 固定金额策略时的买入金额(USDC | InputNumber |
| **买入比例** | Decimal | 条件必填 | 0.1 | 0.01 - 1.0 | 按比例策略时的买入比例(账户余额的百分比) | InputNumber (0-1, 步长 0.01) |
| **基础买入金额** | Decimal | 条件必填 | 10 | > 0 | 动态计算策略时的基础金额(USDC | InputNumber |
| **买入时机** | Enum | ✅ | IMMEDIATE | IMMEDIATE/DELAYED | 立即买入或延迟买入 | Select |
| **延迟买入时间** | Integer | 条件必填 | 0 | 0 - 300 | 延迟买入的秒数(仅在延迟买入时生效) | InputNumber (0-300) |
| **买入方向** | Enum | ✅ | AUTO | AUTO/YES/NO | 买入方向:AUTO=系统自动判断,YES/NO=固定方向 | Select |
| **说明** | - | - | - | - | 系统会自动分析两支队伍,选择获胜概率更高、交易价值更大的方向 | Info |
#### 2.4.2 卖出规则参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **启用卖出** | Boolean | ✅ | true | - | 是否启用卖出功能 | Switch |
| **止盈阈值** | Decimal | ❌ | 0.2 | 0.0 - 1.0 | 预期收益达到多少时卖出(如 0.2 表示 20% | InputNumber (0-1, 步长 0.01) |
| **止损阈值** | Decimal | ❌ | -0.1 | -1.0 - 0.0 | 预期亏损达到多少时卖出(如 -0.1 表示 -10% | InputNumber (-1-0, 步长 0.01) |
| **概率反转阈值** | Decimal | ❌ | 0.15 | 0.0 - 1.0 | 获胜概率反转多少时卖出(如 0.15 表示 15% | InputNumber (0-1, 步长 0.01) |
| **卖出比例** | Decimal | ✅ | 1.0 | 0.1 - 1.0 | 卖出时的比例(1.0 表示全部卖出) | InputNumber (0-1, 步长 0.1) |
| **卖出时机** | Enum | ✅ | IMMEDIATE | IMMEDIATE/DELAYED | 立即卖出或延迟卖出 | Select |
| **延迟卖出时间** | Integer | 条件必填 | 0 | 0 - 300 | 延迟卖出的秒数(仅在延迟卖出时生效) | InputNumber (0-300) |
#### 2.4.3 价格策略参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **价格策略** | Enum | ✅ | MARKET | FIXED/MARKET/DYNAMIC | 价格计算方式 | Select |
| **固定价格** | Decimal | 条件必填 | - | 0.01 - 0.99 | 固定价格策略时的价格(仅在固定价格时生效) | InputNumber (0-1, 步长 0.01) |
| **价格偏移** | Decimal | ❌ | 0.0 | -0.1 - 0.1 | 价格偏移百分比(用于调整价格,提高交易成功率,如 0.05 表示 +5% | InputNumber (-0.1-0.1, 步长 0.01) |
---
### 2.5 风险控制参数
#### 2.5.1 持仓限制参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **最大持仓** | Decimal | ✅ | 50 | >= 1 | 单次最大买入金额(USDC | InputNumber (>= 1) |
| **最小持仓** | Decimal | ✅ | 5 | >= 1 | 单次最小买入金额(USDC | InputNumber (>= 1) |
| **单场比赛最大持仓** | Decimal | ❌ | - | >= 1 | 单场比赛的最大持仓金额(USDC),可选 | InputNumber (>= 1) |
#### 2.5.2 每日限制参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **每日亏损限制** | Decimal | ❌ | 100 | > 0 | 每日最大亏损金额(USDC),可选 | InputNumber (> 0) |
| **每日订单限制** | Integer | ❌ | 20 | > 0 | 每日最大订单数量,可选 | InputNumber (> 0) |
| **每日盈利目标** | Decimal | ❌ | - | > 0 | 每日盈利目标(USDC),达到后停止交易,可选 | InputNumber (> 0) |
#### 2.5.3 价格容忍度参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **价格容忍度** | Decimal | ❌ | 0.05 | 0.0 - 1.0 | 允许的价格偏差百分比(如 0.05 表示 5% | InputNumber (0-1, 步长 0.01) |
#### 2.5.4 概率置信度参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **最小概率阈值** | Decimal | ❌ | - | 0.5 - 1.0 | 最小获胜概率阈值(可选,不设置则不限制) | InputNumber (0.5-1.0, 步长 0.01) |
| **最大概率阈值** | Decimal | ❌ | - | 0.0 - 0.5 | 最大获胜概率阈值(可选,用于反向策略) | InputNumber (0-0.5, 步长 0.01) |
---
### 2.6 算法权重参数(高级,可选)
#### 2.6.1 综合评分权重参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **基础实力权重** | Decimal | ❌ | 0.3 | 0.0 - 1.0 | 基础实力评分在综合评分中的权重 | InputNumber (0-1, 步长 0.05) |
| **近期状态权重** | Decimal | ❌ | 0.25 | 0.0 - 1.0 | 近期状态评分在综合评分中的权重 | InputNumber (0-1, 步长 0.05) |
| **阵容完整度权重** | Decimal | ❌ | 0.2 | 0.0 - 1.0 | 阵容完整度评分在综合评分中的权重 | InputNumber (0-1, 步长 0.05) |
| **球星状态权重** | Decimal | ❌ | 0.15 | 0.0 - 1.0 | 球星状态评分在综合评分中的权重 | InputNumber (0-1, 步长 0.05) |
| **环境因素权重** | Decimal | ❌ | 0.1 | 0.0 - 1.0 | 环境因素评分在综合评分中的权重 | InputNumber (0-1, 步长 0.05) |
| **说明** | - | - | - | - | 所有权重之和应该等于 1.0,系统会自动归一化 | Info |
#### 2.6.2 对位分析权重参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **对位优势权重** | Decimal | ❌ | 0.2 | 0.0 - 1.0 | 对位优势在获胜概率调整中的权重 | InputNumber (0-1, 步长 0.05) |
#### 2.6.3 实时状态权重参数(仅比赛进行中)
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **分差调整权重** | Decimal | ❌ | 0.3 | 0.0 - 1.0 | 分差调整在实时概率调整中的权重 | InputNumber (0-1, 步长 0.05) |
| **势头调整权重** | Decimal | ❌ | 0.2 | 0.0 - 1.0 | 势头调整在实时概率调整中的权重 | InputNumber (0-1, 步长 0.05) |
---
### 2.7 系统配置参数
#### 2.7.1 数据更新参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **数据更新频率** | Integer | ✅ | 30 | 10/30/60/300 | NBA 数据更新频率(秒) | Select |
| **分析频率** | Integer | ✅ | 30 | 10/30/60/300 | 量化分析执行频率(秒) | Select |
#### 2.7.2 推送设置参数
| 参数名称 | 类型 | 必填 | 默认值 | 取值范围 | 说明 | UI 组件 |
|---------|------|------|--------|----------|------|---------|
| **推送失败订单** | Boolean | ❌ | false | - | 是否推送失败订单 | Switch |
| **推送频率** | Enum | ❌ | REALTIME | REALTIME/BATCH | 实时推送或批量推送 | Select |
| **批量推送间隔** | Integer | 条件必填 | 1 | 1 - 60 | 批量推送的时间间隔(秒,仅在批量推送时生效) | InputNumber (1-60) |
---
## 三、参数分组和页面布局建议
### 3.1 参数分组
**基础配置组**(第一页):
- 策略基本信息
- 比赛筛选参数
**触发条件组**(第二页):
- 概率阈值参数
- 交易价值参数
- 时间条件参数
- 分差条件参数
**交易规则组**(第三页):
- 买入规则参数
- 卖出规则参数
- 价格策略参数
**风险控制组**(第四页):
- 持仓限制参数
- 每日限制参数
- 价格容忍度参数
- 概率置信度参数
**高级配置组**(第五页,可折叠):
- 算法权重参数
- 系统配置参数
### 3.2 UI 组件建议
**表单布局**
- 使用分步骤表单(Stepper),引导用户逐步配置
- 每个步骤有清晰的标题和说明
- 必填项用红色星号标记
- 提供实时验证和错误提示
**参数展示**
- 使用折叠面板(Collapse)组织相关参数
- 高级参数默认折叠,用户可展开查看
- 提供参数说明和示例
- 提供参数推荐值(基于历史数据)
**交互优化**
- 条件显示:某些参数只在特定条件下显示(如固定价格只在价格策略=固定时显示)
- 联动验证:相关参数之间进行联动验证(如最大持仓 >= 最小持仓)
- 实时预览:显示参数配置后的预期效果(如预期信号数量、预期交易频率等)
---
## 四、参数验证规则
### 4.1 必填参数验证
- 策略名称:不能为空,1-50 字符,不能重复
- 关联账户:必须选择
- 最小获胜概率差异:必须 > 0
- 最小交易价值:必须 >= 0
- 最大持仓:必须 >= 1
- 最小持仓:必须 >= 1
- 数据更新频率:必须选择
- 分析频率:必须选择
### 4.2 数值范围验证
- 概率相关参数:必须在 [0, 1] 范围内
- 金额相关参数:必须 > 0
- 时间相关参数:必须在合理范围内(如 0-48 分钟)
- 权重相关参数:必须在 [0, 1] 范围内,且总和应该接近 1.0
### 4.3 逻辑关系验证
- 最大持仓 >= 最小持仓
- 最大剩余时间 >= 最小剩余时间(如果都设置了)
- 最大分差 >= 最小分差(如果都设置了)
- 最大概率阈值 <= 最小概率阈值(如果都设置了)
- 权重总和应该在 0.9 - 1.1 范围内(系统会自动归一化)
### 4.4 条件依赖验证
- 如果买入金额策略 = FIXED,则固定买入金额必填
- 如果买入金额策略 = RATIO,则买入比例必填
- 如果买入金额策略 = DYNAMIC,则基础买入金额必填
- 如果价格策略 = FIXED,则固定价格必填
- 如果买入时机 = DELAYED,则延迟买入时间必填
- 如果卖出时机 = DELAYED,则延迟卖出时间必填
- 如果推送频率 = BATCH,则批量推送间隔必填
---
## 五、参数默认值建议
### 5.1 新手推荐配置
**保守策略**(适合新手):
- 最小获胜概率差异:0.15(更严格的条件)
- 最小交易价值:0.08(更高的价值要求)
- 最大持仓:20 USDC(较小的持仓)
- 最小持仓:5 USDC
- 每日亏损限制:50 USDC
- 价格容忍度:0.03(3%,较严格)
**稳健策略**(推荐):
- 最小获胜概率差异:0.1(标准条件)
- 最小交易价值:0.05(标准价值)
- 最大持仓:50 USDC
- 最小持仓:5 USDC
- 每日亏损限制:100 USDC
- 价格容忍度:0.055%
**激进策略**(适合有经验的用户):
- 最小获胜概率差异:0.05(较宽松的条件)
- 最小交易价值:0.03(较低的价值要求)
- 最大持仓:100 USDC(较大的持仓)
- 最小持仓:10 USDC
- 每日亏损限制:200 USDC
- 价格容忍度:0.1(10%,较宽松)
### 5.2 参数模板
系统可以提供预定义的参数模板:
- **保守模板**:使用保守策略的默认值
- **稳健模板**:使用稳健策略的默认值
- **激进模板**:使用激进策略的默认值
- **自定义模板**:用户保存的自定义配置
### 5.3 基于历史数据的推荐值
#### 5.3.1 推荐值功能概述
系统可以根据历史数据分析和回测结果,为每个可配置参数提供智能推荐值,帮助用户快速配置策略,提高策略效果。
#### 5.3.2 推荐值计算方式
**方式一:基于历史回测的推荐值**
**计算流程**
1. 使用历史比赛数据(如过去 1-3 个赛季)
2. 对不同的参数组合进行回测
3. 评估每个参数组合的效果(准确率、盈亏、风险等)
4. 选择最优的参数组合作为推荐值
**评估指标**
- 信号准确率:预测获胜 vs 实际获胜的比例
- 总盈亏:累计盈亏金额
- 盈亏比率:盈利信号的平均盈亏 / 亏损信号的平均盈亏
- 最大回撤:最大连续亏损
- 夏普比率:风险调整后的收益
**推荐值选择**
- 选择综合评分最高的参数组合
- 综合评分 = 准确率 × 0.3 + 盈亏比率 × 0.3 + 夏普比率 × 0.2 + (1 - 最大回撤率) × 0.2
**方式二:基于用户策略的推荐值**
**计算方式**
- 分析用户已有策略的参数配置
- 统计表现最好的策略的参数分布
- 计算参数的平均值或中位数作为推荐值
**适用场景**
- 新用户:使用所有用户的最佳策略参数
- 老用户:使用该用户自己的最佳策略参数
**方式三:基于市场环境的推荐值**
**动态调整**
- 根据当前市场环境(波动性、流动性等)动态调整推荐值
- 市场波动大时:提高概率阈值,降低持仓
- 市场稳定时:降低概率阈值,提高持仓
**环境因素**
- 市场波动性:基于近期价格的波动率
- 市场流动性:基于订单深度和交易量
- 比赛重要性:季后赛 vs 常规赛
#### 5.3.3 推荐值展示方式
**在参数输入框中的展示**
- 在参数输入框旁边显示推荐值按钮(如"使用推荐值"图标)
- 点击后自动填充推荐值
- 推荐值用不同颜色标识(如蓝色高亮)
- 显示推荐值的来源标签(如"基于历史回测"、"基于您的策略"、"基于市场环境"
- 显示推荐值的置信度(如"高置信度"、"中置信度"、"低置信度"
**推荐值详细说明**
- 点击推荐值按钮后,弹出推荐值说明卡片
- 显示推荐值的计算依据
- 显示使用该推荐值的预期效果(如"预期准确率 65%"、"预期盈亏比 1.5"
- 显示推荐值的适用场景(如"适合保守策略"、"适合激进策略"
- 显示推荐值的验证数据(如"基于 500 场历史比赛验证")
**参数对比展示**
- 在参数配置页面底部显示"推荐值对比"面板
- 显示当前配置值 vs 推荐值的对比
- 显示预期效果对比(如准确率、盈亏等)
- 提供"应用所有推荐值"按钮,一键应用所有推荐值
- 提供"应用部分推荐值"选项,让用户选择应用哪些推荐值
#### 5.3.4 推荐值更新机制
**更新频率**
- 每周更新一次:基于最新的历史数据
- 每月深度更新:重新进行完整的回测分析
- 实时更新:根据市场环境变化实时调整(仅市场环境相关参数)
**触发更新**
- 新赛季开始:使用新赛季的数据重新计算
- 市场环境变化:检测到市场环境显著变化时更新
- 用户请求:用户手动触发更新
**更新通知**
- 在策略配置页面显示"推荐值已更新"提示
- 显示更新内容(哪些参数有变化)
- 提供"查看更新"按钮,查看详细的更新说明
- 提供"应用更新"按钮,一键应用更新的推荐值
#### 5.3.5 推荐值个性化
**基于用户偏好的推荐**
**偏好设置**
- 风险偏好:保守/稳健/激进
- 交易频率偏好:低频/中频/高频
- 持仓偏好:小持仓/中持仓/大持仓
**个性化推荐**
- 根据用户偏好筛选推荐值
- 优先推荐符合用户偏好的参数组合
- 提供多个推荐选项(保守推荐、稳健推荐、激进推荐)
**基于策略类型的推荐**
**策略类型**
- 保守策略:高概率阈值、小持仓、严格风险控制
- 稳健策略:中等概率阈值、中等持仓、标准风险控制
- 激进策略:低概率阈值、大持仓、宽松风险控制
**类型推荐**
- 用户选择策略类型后,自动推荐该类型的参数值
- 提供策略类型模板,一键应用
#### 5.3.6 推荐值验证和反馈
**推荐值验证**
**验证方式**
- 使用历史数据验证推荐值的有效性
- 计算推荐值的回测准确率
- 评估推荐值的风险水平
**验证结果展示**
- 显示推荐值的验证状态(如"已验证"、"待验证"
- 显示验证数据(如"基于 500 场历史比赛验证")
- 显示验证指标(如准确率、盈亏比等)
- 显示验证时间(如"2024-12-01 验证"
**用户反馈机制**
**反馈收集**
- 用户使用推荐值后,可以反馈效果
- 收集用户对推荐值的满意度(1-5 星)
- 收集用户的实际使用效果数据(准确率、盈亏等)
**反馈应用**
- 根据用户反馈调整推荐算法
- 优化推荐值的准确性
- 提高推荐值的适用性
#### 5.3.7 推荐值功能实现
**前端实现**
**UI 组件**
- 推荐值按钮:在参数输入框旁边显示推荐值图标按钮
- 推荐值卡片:点击后显示推荐值的详细说明
- 推荐值对比面板:显示当前值 vs 推荐值的对比
- 推荐值应用按钮:一键应用所有推荐值
**交互流程**
1. 用户进入策略配置页面
2. 系统异步加载推荐值(不阻塞页面加载)
3. 在参数输入框旁边显示推荐值按钮(如果该参数有推荐值)
4. 用户点击推荐值按钮,查看推荐值详情
5. 用户可以选择应用推荐值或手动调整
6. 用户可以在底部查看所有推荐值的对比
**后端实现**
**推荐值计算服务**
- 历史回测服务:执行历史数据回测
- 推荐值计算服务:计算推荐值
- 推荐值缓存服务:缓存推荐值,提高响应速度
**API 接口**
- 获取推荐值接口:根据参数类型和用户偏好返回推荐值
- 更新推荐值接口:触发推荐值更新
- 推荐值验证接口:验证推荐值的有效性
- 用户反馈接口:收集用户反馈
**数据存储**
**推荐值存储**
- 存储推荐值计算结果
- 存储推荐值的计算依据和验证结果
- 存储用户反馈数据
**缓存策略**
- 推荐值缓存 24 小时(每天更新一次)
- 市场环境变化时立即更新缓存
- 用户请求时优先使用缓存,异步更新
#### 5.3.8 推荐值参数列表
以下参数支持推荐值功能:
**触发条件参数**
- 最小获胜概率差异:基于历史回测的最优值
- 最小交易价值:基于历史回测的最优值
- 最小剩余时间:基于历史回测的最优值
**交易规则参数**
- 买入金额策略:基于用户策略的推荐
- 固定买入金额:基于用户策略的推荐
- 买入比例:基于用户策略的推荐
- 价格策略:基于市场环境的推荐
- 价格偏移:基于历史回测的最优值
**风险控制参数**
- 最大持仓:基于用户偏好和账户余额的推荐
- 最小持仓:基于用户偏好和账户余额的推荐
- 每日亏损限制:基于用户账户余额的推荐
- 每日订单限制:基于历史数据的推荐
- 价格容忍度:基于市场环境的推荐
**卖出规则参数**
- 止盈阈值:基于历史回测的最优值
- 止损阈值:基于历史回测的最优值
- 概率反转阈值:基于历史回测的最优值
**算法权重参数**(高级):
- 综合评分权重:基于历史回测的最优值
- 对位分析权重:基于历史回测的最优值
- 实时状态权重:基于历史回测的最优值
---
## 六、参数说明和帮助
### 6.1 参数说明
每个参数都应该有清晰的说明:
- **参数名称**:简洁明了的名称
- **参数说明**:详细说明参数的作用和影响
- **取值范围**:明确的范围和单位
- **推荐值**:基于历史数据的推荐值
- **示例**:具体的使用示例
### 6.2 帮助文档
提供以下帮助内容:
- **参数说明文档**:详细的参数说明文档
- **策略配置指南**:如何配置策略的指南
- **常见问题**:常见配置问题和解答
- **最佳实践**:配置策略的最佳实践
### 6.3 实时提示
在配置过程中提供实时提示:
- **参数影响提示**:说明参数调整对策略的影响
- **风险提示**:高风险配置的警告提示
- **优化建议**:基于当前配置的优化建议
---
**文档结束**
@@ -0,0 +1,886 @@
# Polymarket NBA 赛事列表获取方案
## 一、概述
本文档描述了如何从 Polymarket 获取 NBA 赛事列表,用于量化交易系统中的比赛筛选和市场匹配。
---
## 二、Polymarket API 接口分析
### 2.1 Gamma API 接口
**Base URL**: `https://gamma-api.polymarket.com`
**当前接口**
- `/markets`: 根据 condition IDs 获取市场信息
- 不支持直接按分类筛选
**接口限制**
- 只能通过 condition_ids 参数查询特定市场
- 不支持按分类、标签、关键词等筛选
### 2.2 市场数据结构
**MarketResponse 字段**
- `id`: 市场 ID
- `question`: 市场名称(如 "Will the Lakers win?"
- `conditionId`: Condition ID16 进制)
- `slug`: 市场 slug(用于生成链接)
- `category`: 分类(如 "sports"
- `active`: 是否活跃
- `closed`: 是否已关闭
- `archived`: 是否已归档
- `endDate`: 结束日期
- `startDate`: 开始日期
- `outcomes`: 结果选项(JSON 字符串)
- `volume`: 交易量
- `liquidity`: 流动性
---
## 三、获取 NBA 赛事列表的方案
### 3.1 方案一:通过 Events API 获取(推荐)
**接口信息**
- **Base URL**: `https://gamma-api.polymarket.com`
- **接口路径**: `/events``/series`
- **说明**: Polymarket 可能提供 Events API 或 Series API,可以按分类获取事件列表
**实现方式**
1. 调用 Events API,筛选分类为 "sports" 的事件
2. 进一步筛选包含 "NBA" 关键词的事件
3. 获取每个事件关联的市场列表
**优点**
- 可以直接按分类筛选
- 数据结构更清晰(事件 -> 市场)
- 可以获取事件级别的信息
**缺点**
- 需要确认 API 是否支持分类筛选
- 可能需要额外的 API 调用
### 3.2 方案二:通过搜索接口获取
**接口信息**
- **Base URL**: `https://gamma-api.polymarket.com`
- **接口路径**: `/search``/markets/search`
- **说明**: 使用搜索接口,通过关键词 "NBA" 搜索市场
**实现方式**
1. 调用搜索接口,搜索关键词 "NBA"
2. 过滤结果,确保分类为 "sports"
3. 进一步过滤,确保市场名称或描述中包含 NBA 相关信息
**优点**
- 可以直接搜索 NBA 相关市场
- 实现简单
**缺点**
- 可能遗漏一些市场(如果名称不包含 "NBA"
- 搜索结果可能包含不相关的市场
### 3.3 方案三:获取所有市场后过滤(备选)
**实现方式**
1. 调用 `/markets` 接口,不传 condition_ids(如果支持)
2. 或者定期爬取 Polymarket 网站,获取所有市场
3. 在本地过滤:分类 = "sports" 且包含 NBA 相关信息
**优点**
- 不依赖特定 API 接口
- 可以获取完整的数据
**缺点**
- 需要获取大量数据,效率低
- 需要定期更新
- 如果 API 不支持获取所有市场,需要爬取网站
### 3.4 方案四:通过 Subgraph API 获取(如果可用)
**接口信息**
- **Base URL**: Polymarket Subgraph API
- **说明**: 使用 GraphQL 查询,可以灵活筛选
**实现方式**
1. 使用 GraphQL 查询,筛选分类为 "sports" 的市场
2. 进一步筛选包含 "NBA" 的市场
3. 可以按时间、状态等条件筛选
**优点**
- 查询灵活,可以精确筛选
- 可以获取关联数据(如事件、系列等)
**缺点**
- 需要确认 Subgraph API 是否可用
- 需要学习 GraphQL 查询语法
---
## 四、推荐实现方案
### 4.1 混合方案(推荐)
**策略**:结合多种方式,确保数据完整性
**实现步骤**
1. **主要方式:Events/Series API**
- 优先使用 Events API 或 Series API
- 按分类 "sports" 筛选
- 按关键词 "NBA" 筛选事件
2. **补充方式:搜索接口**
- 如果 Events API 不可用,使用搜索接口
- 搜索关键词 "NBA"
- 过滤分类为 "sports" 的结果
3. **数据缓存和更新**
- 将获取的 NBA 赛事列表缓存到数据库
- 定期更新(如每天更新一次)
- 实时监控新市场(通过 WebSocket 或轮询)
### 4.2 数据存储设计
**NBA 赛事表 (nba_games)**
```sql
CREATE TABLE nba_games (
id BIGINT PRIMARY KEY AUTO_INCREMENT,
polymarket_market_id VARCHAR(100) UNIQUE NOT NULL COMMENT 'Polymarket 市场 ID',
condition_id VARCHAR(100) UNIQUE NOT NULL COMMENT 'Condition ID',
market_slug VARCHAR(255) COMMENT '市场 slug',
market_question TEXT COMMENT '市场名称/问题',
market_description TEXT COMMENT '市场描述',
home_team VARCHAR(100) COMMENT '主队名称',
away_team VARCHAR(100) COMMENT '客队名称',
game_date DATE COMMENT '比赛日期',
game_time BIGINT COMMENT '比赛时间(时间戳)',
category VARCHAR(50) DEFAULT 'sports' COMMENT '分类',
active BOOLEAN DEFAULT true COMMENT '是否活跃',
closed BOOLEAN DEFAULT false COMMENT '是否已关闭',
volume VARCHAR(50) COMMENT '交易量',
liquidity VARCHAR(50) COMMENT '流动性',
outcomes TEXT COMMENT '结果选项(JSON',
created_at BIGINT NOT NULL,
updated_at BIGINT NOT NULL,
INDEX idx_game_date (game_date),
INDEX idx_active (active),
INDEX idx_closed (closed),
INDEX idx_category (category)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='NBA赛事表(Polymarket市场)';
```
### 4.3 数据获取服务实现
**服务接口设计**
```kotlin
interface NbaMarketService {
/**
* 获取 NBA 赛事列表
* @param date 比赛日期(可选,不传则获取所有)
* @param activeOnly 是否只获取活跃的市场
* @return NBA 赛事列表
*/
suspend fun getNbaMarkets(
date: LocalDate? = null,
activeOnly: Boolean = true
): Result<List<NbaMarketDto>>
/**
* 同步 NBA 赛事列表(从 Polymarket API 获取并更新数据库)
* @return 同步结果
*/
suspend fun syncNbaMarkets(): Result<SyncResult>
/**
* 根据比赛信息匹配 Polymarket 市场
* @param gameId NBA 比赛 ID
* @param homeTeam 主队名称
* @param awayTeam 客队名称
* @param gameDate 比赛日期
* @return 匹配的市场列表
*/
suspend fun matchMarketsByGame(
gameId: String,
homeTeam: String,
awayTeam: String,
gameDate: LocalDate
): Result<List<NbaMarketDto>>
}
```
**实现逻辑**
1. **从 Polymarket 获取市场列表**
- 调用 Events API 或搜索接口
- 筛选分类为 "sports" 且包含 "NBA" 的市场
- 解析市场名称,提取比赛信息(主队、客队、日期等)
2. **数据解析和匹配**
- 解析市场名称(question),提取球队名称和比赛日期
- 匹配 NBA 比赛数据(通过球队名称和日期)
- 建立 NBA 比赛和 Polymarket 市场的关联关系
3. **数据存储**
- 保存到数据库
- 建立索引,提高查询效率
- 定期更新,确保数据最新
---
## 五、市场名称解析规则
### 5.1 市场名称格式
Polymarket 的 NBA 市场名称通常包含以下信息:
- 球队名称(主队 vs 客队)
- 比赛日期或时间
- 比赛结果预测(如 "Will the Lakers win?"
**常见格式示例**
- "Will the Lakers beat the Warriors on Dec 15?"
- "Lakers vs Warriors - Dec 15, 2024"
- "NBA: Lakers @ Warriors - Dec 15"
### 5.2 解析算法
**解析步骤**
1. 提取球队名称:使用正则表达式或关键词匹配
2. 提取比赛日期:解析日期格式(如 "Dec 15, 2024"
3. 提取比赛结果:判断是 "win" 还是 "lose"
4. 匹配 NBA 比赛:通过球队名称和日期匹配
**球队名称映射**
- 建立球队名称映射表(Polymarket 名称 -> 标准名称)
- 处理缩写(如 "LAL" -> "Lakers"
- 处理别名(如 "Lakers" -> "Los Angeles Lakers"
---
## 六、数据同步策略
### 6.1 同步频率
**定期同步**
- 每天同步一次:获取所有 NBA 相关市场
- 每小时增量同步:检查新市场
- 实时监控:通过 WebSocket 或轮询监控新市场
### 6.2 同步流程
1. **全量同步**(每天一次)
- 从 Polymarket API 获取所有 sports 分类的市场
- 筛选包含 NBA 相关信息的市场
- 更新数据库
2. **增量同步**(每小时一次)
- 获取最近 24 小时的新市场
- 只更新新增和变化的市场
- 标记已关闭的市场
3. **实时监控**(可选)
- 通过 WebSocket 订阅新市场
- 或每 5 分钟轮询一次新市场
- 实时更新数据库
### 6.3 数据去重和更新
**去重策略**
- 使用 condition_id 作为唯一标识
- 如果市场已存在,更新信息
- 如果市场不存在,插入新记录
**更新策略**
- 更新活跃状态(active、closed
- 更新交易量和流动性
- 更新结束日期(如果变化)
---
## 七、API 接口扩展
### 7.1 扩展 Gamma API 接口
**添加新的接口方法**
```kotlin
interface PolymarketGammaApi {
// ... 现有方法
/**
* 搜索市场(如果 API 支持)
* @param query 搜索关键词
* @param category 分类筛选
* @param limit 返回数量限制
* @param offset 偏移量
* @return 市场列表
*/
@GET("/markets/search")
suspend fun searchMarkets(
@Query("query") query: String? = null,
@Query("category") category: String? = null,
@Query("limit") limit: Int? = null,
@Query("offset") offset: Int? = null
): Response<List<MarketResponse>>
/**
* 获取事件列表(如果 API 支持)
* @param category 分类筛选
* @param limit 返回数量限制
* @param offset 偏移量
* @return 事件列表
*/
@GET("/events")
suspend fun listEvents(
@Query("category") category: String? = null,
@Query("limit") limit: Int? = null,
@Query("offset") offset: Int? = null
): Response<List<EventResponse>>
/**
* 获取系列列表(如果 API 支持)
* @param category 分类筛选
* @param limit 返回数量限制
* @param offset 偏移量
* @return 系列列表
*/
@GET("/series")
suspend fun listSeries(
@Query("category") category: String? = null,
@Query("limit") limit: Int? = null,
@Query("offset") offset: Int? = null
): Response<List<SeriesResponse>>
}
```
### 7.2 后端服务实现
**创建 NBA 市场服务**
```kotlin
@Service
class NbaMarketService(
private val gammaApi: PolymarketGammaApi,
private val nbaGameRepository: NbaGameRepository
) {
/**
* 获取 NBA 赛事列表
*/
suspend fun getNbaMarkets(
date: LocalDate? = null,
activeOnly: Boolean = true
): Result<List<NbaMarketDto>> {
// 实现逻辑
}
/**
* 同步 NBA 赛事列表
*/
suspend fun syncNbaMarkets(): Result<SyncResult> {
// 实现逻辑
}
/**
* 匹配市场
*/
suspend fun matchMarketsByGame(
gameId: String,
homeTeam: String,
awayTeam: String,
gameDate: LocalDate
): Result<List<NbaMarketDto>> {
// 实现逻辑
}
}
```
### 7.3 前端 API 接口
**添加市场列表接口**
```kotlin
@RestController
@RequestMapping("/api/nba/markets")
class NbaMarketController(
private val nbaMarketService: NbaMarketService
) {
/**
* 获取 NBA 赛事列表
*/
@PostMapping("/list")
fun getNbaMarkets(@RequestBody request: NbaMarketListRequest): ResponseEntity<ApiResponse<List<NbaMarketDto>>> {
// 实现逻辑
}
/**
* 同步 NBA 赛事列表
*/
@PostMapping("/sync")
fun syncNbaMarkets(): ResponseEntity<ApiResponse<SyncResult>> {
// 实现逻辑
}
/**
* 根据比赛匹配市场
*/
@PostMapping("/match")
fun matchMarkets(@RequestBody request: MatchMarketRequest): ResponseEntity<ApiResponse<List<NbaMarketDto>>> {
// 实现逻辑
}
}
```
---
## 八、实施步骤
### 8.1 第一阶段:API 调研和测试(1 周)
**任务清单**
- [ ] 调研 Polymarket API 文档,确认可用的接口
- [ ] 测试 Events API 或 Series API(如果存在)
- [ ] 测试搜索接口(如果存在)
- [ ] 确认最佳的数据获取方式
### 8.2 第二阶段:数据获取实现(1-2 周)
**任务清单**
- [ ] 扩展 PolymarketGammaApi 接口
- [ ] 实现 NBA 市场数据获取服务
- [ ] 实现市场名称解析算法
- [ ] 实现 NBA 比赛和市场匹配逻辑
### 8.3 第三阶段:数据存储和同步(1 周)
**任务清单**
- [ ] 创建数据库表(nba_games
- [ ] 实现数据存储逻辑
- [ ] 实现数据同步服务
- [ ] 实现定时同步任务
### 8.4 第四阶段:API 接口开发(1 周)
**任务清单**
- [ ] 创建后端 API 接口
- [ ] 实现前端 API 调用
- [ ] 实现前端页面展示
- [ ] 测试和优化
---
## 九、注意事项
### 9.1 API 限制
- **请求频率**:注意 API 的请求频率限制
- **数据量**:NBA 相关市场可能很多,需要分页获取
- **数据更新**:市场状态可能频繁变化,需要定期更新
### 9.2 数据匹配
- **球队名称**Polymarket 的球队名称可能与标准名称不一致,需要建立映射表
- **比赛日期**:需要处理时区问题
- **市场状态**:需要实时更新市场的活跃状态
### 9.3 错误处理
- **API 失败**:实现重试机制
- **数据解析失败**:记录错误日志,跳过无法解析的市场
- **匹配失败**:如果无法匹配 NBA 比赛,仍然保存市场数据,后续可以手动匹配
---
## 十、实际实现方案(基于当前 API 限制)
### 10.1 当前 API 限制分析
**现状**
- Polymarket Gamma API 的 `/markets` 接口只支持通过 `condition_ids` 查询
- 不支持按分类、关键词、日期等筛选
- 没有提供搜索接口或 Events API
**解决方案**
由于 API 限制,需要采用以下策略:
1. **建立 NBA 市场 condition_ids 数据库**:手动或通过其他方式收集 NBA 市场的 condition_ids
2. **定期更新 condition_ids 列表**:通过爬取或监控获取新的 NBA 市场
3. **批量查询市场信息**:使用收集到的 condition_ids 批量查询市场详情
### 10.2 实现步骤
#### 步骤 1:收集 NBA 市场 condition_ids
**方式一:手动收集**
- 访问 Polymarket 网站,搜索 "NBA" 相关市场
- 从市场 URL 中提取 condition_id(如 `https://polymarket.com/event/xxx`
- 保存到数据库或配置文件
**方式二:通过爬取获取**
- 爬取 Polymarket 网站的市场列表页面
- 解析 HTML,提取 condition_ids
- 筛选分类为 "sports" 且包含 "NBA" 的市场
**方式三:通过监控获取**
- 监控 Polymarket 的新市场创建
- 通过 WebSocket 或轮询获取新市场
- 筛选 NBA 相关市场
#### 步骤 2:批量查询市场信息
**实现代码**
```kotlin
@Service
class NbaMarketService(
private val gammaApi: PolymarketGammaApi,
private val nbaGameRepository: NbaGameRepository
) {
private val logger = LoggerFactory.getLogger(NbaMarketService::class.java)
/**
* 批量获取 NBA 市场信息
* @param conditionIds condition ID 列表
* @return 市场列表
*/
suspend fun batchGetMarkets(conditionIds: List<String>): Result<List<MarketResponse>> {
return try {
// Polymarket API 可能对批量查询有限制,需要分批查询
val batchSize = 50 // 每批查询 50 个
val allMarkets = mutableListOf<MarketResponse>()
conditionIds.chunked(batchSize).forEach { batch ->
val response = gammaApi.listMarkets(
conditionIds = batch,
includeTag = true
)
if (response.isSuccessful && response.body() != null) {
val markets = response.body()!!
// 过滤 NBA 相关市场
val nbaMarkets = markets.filter { market ->
isNbaMarket(market)
}
allMarkets.addAll(nbaMarkets)
} else {
logger.warn("批量查询市场失败: ${response.code()} ${response.message()}")
}
// 避免请求过快,添加延迟
kotlinx.coroutines.delay(100)
}
Result.success(allMarkets)
} catch (e: Exception) {
logger.error("批量获取市场信息异常: ${e.message}", e)
Result.failure(e)
}
}
/**
* 判断是否为 NBA 市场
*/
private fun isNbaMarket(market: MarketResponse): Boolean {
// 检查分类
if (market.category?.lowercase() != "sports") {
return false
}
// 检查市场名称或描述中是否包含 NBA 相关关键词
val question = market.question?.lowercase() ?: ""
val description = market.description?.lowercase() ?: ""
val nbaKeywords = listOf(
"nba", "basketball", "lakers", "warriors", "celtics", "heat",
"bulls", "knicks", "nets", "76ers", "bucks", "suns", "nuggets"
)
return nbaKeywords.any { keyword ->
question.contains(keyword) || description.contains(keyword)
}
}
/**
* 同步 NBA 市场列表
*/
suspend fun syncNbaMarkets(): Result<SyncResult> {
return try {
// 1. 从数据库获取所有已知的 condition_ids
val knownConditionIds = nbaGameRepository.findAllConditionIds()
// 2. 批量查询市场信息
val marketsResult = batchGetMarkets(knownConditionIds)
if (!marketsResult.isSuccess) {
return Result.failure(marketsResult.exceptionOrNull() ?: Exception("获取市场失败"))
}
val markets = marketsResult.getOrNull() ?: emptyList()
// 3. 解析市场信息,提取比赛数据
val nbaGames = markets.mapNotNull { market ->
parseMarketToNbaGame(market)
}
// 4. 保存到数据库
nbaGameRepository.saveAll(nbaGames)
Result.success(
SyncResult(
total = markets.size,
success = nbaGames.size,
failed = markets.size - nbaGames.size
)
)
} catch (e: Exception) {
logger.error("同步 NBA 市场列表异常: ${e.message}", e)
Result.failure(e)
}
}
/**
* 解析市场信息为 NBA 比赛数据
*/
private fun parseMarketToNbaGame(market: MarketResponse): NbaGame? {
return try {
// 解析市场名称,提取球队名称和日期
val (homeTeam, awayTeam, gameDate) = parseMarketQuestion(market.question ?: "")
?: return null
NbaGame(
polymarketMarketId = market.id,
conditionId = market.conditionId ?: return null,
marketSlug = market.slug,
marketQuestion = market.question,
marketDescription = market.description,
homeTeam = homeTeam,
awayTeam = awayTeam,
gameDate = gameDate,
gameTime = parseGameTime(market.startDate),
category = market.category ?: "sports",
active = market.active ?: true,
closed = market.closed ?: false,
volume = market.volume,
liquidity = market.liquidity,
outcomes = market.outcomes,
createdAt = System.currentTimeMillis(),
updatedAt = System.currentTimeMillis()
)
} catch (e: Exception) {
logger.warn("解析市场信息失败: ${market.question}, error: ${e.message}")
null
}
}
/**
* 解析市场名称,提取球队名称和日期
* 示例: "Will the Lakers beat the Warriors on Dec 15?" -> ("Lakers", "Warriors", 2024-12-15)
*/
private fun parseMarketQuestion(question: String): Triple<String, String, LocalDate>? {
// 实现解析逻辑
// 使用正则表达式或 NLP 方法提取信息
// 这里简化处理,实际需要更复杂的解析逻辑
return null
}
}
```
#### 步骤 3:定时同步任务
**实现代码**
```kotlin
@Component
class NbaMarketSyncScheduler(
private val nbaMarketService: NbaMarketService
) {
private val logger = LoggerFactory.getLogger(NbaMarketSyncScheduler::class.java)
/**
* 每天凌晨 2 点同步一次
*/
@Scheduled(cron = "0 0 2 * * ?")
fun syncNbaMarketsDaily() {
logger.info("开始同步 NBA 市场列表...")
runBlocking {
val result = nbaMarketService.syncNbaMarkets()
result.fold(
onSuccess = { syncResult ->
logger.info("同步 NBA 市场列表成功: total=${syncResult.total}, success=${syncResult.success}, failed=${syncResult.failed}")
},
onFailure = { e ->
logger.error("同步 NBA 市场列表失败: ${e.message}", e)
}
)
}
}
/**
* 每小时增量同步一次
*/
@Scheduled(cron = "0 0 * * * ?")
fun syncNbaMarketsHourly() {
logger.info("开始增量同步 NBA 市场列表...")
runBlocking {
// 只同步最近 24 小时的新市场
val result = nbaMarketService.syncNbaMarketsIncremental()
result.fold(
onSuccess = { syncResult ->
logger.info("增量同步 NBA 市场列表成功: total=${syncResult.total}, success=${syncResult.success}")
},
onFailure = { e ->
logger.error("增量同步 NBA 市场列表失败: ${e.message}", e)
}
)
}
}
}
```
### 10.3 数据模型定义
**实体类**
```kotlin
@Entity
@Table(name = "nba_games")
data class NbaGame(
@Id
@GeneratedValue(strategy = GenerationType.IDENTITY)
val id: Long? = null,
@Column(name = "polymarket_market_id", unique = true, nullable = false, length = 100)
val polymarketMarketId: String,
@Column(name = "condition_id", unique = true, nullable = false, length = 100)
val conditionId: String,
@Column(name = "market_slug", length = 255)
val marketSlug: String? = null,
@Column(name = "market_question", columnDefinition = "TEXT")
val marketQuestion: String? = null,
@Column(name = "market_description", columnDefinition = "TEXT")
val marketDescription: String? = null,
@Column(name = "home_team", length = 100)
val homeTeam: String? = null,
@Column(name = "away_team", length = 100)
val awayTeam: String? = null,
@Column(name = "game_date")
val gameDate: LocalDate? = null,
@Column(name = "game_time")
val gameTime: Long? = null,
@Column(name = "category", length = 50)
val category: String = "sports",
@Column(name = "active")
val active: Boolean = true,
@Column(name = "closed")
val closed: Boolean = false,
@Column(name = "volume", length = 50)
val volume: String? = null,
@Column(name = "liquidity", length = 50)
val liquidity: String? = null,
@Column(name = "outcomes", columnDefinition = "TEXT")
val outcomes: String? = null,
@Column(name = "created_at", nullable = false)
val createdAt: Long = System.currentTimeMillis(),
@Column(name = "updated_at", nullable = false)
var updatedAt: Long = System.currentTimeMillis()
)
```
### 10.4 API 接口实现
**Controller**
```kotlin
@RestController
@RequestMapping("/api/nba/markets")
class NbaMarketController(
private val nbaMarketService: NbaMarketService,
private val messageSource: MessageSource
) {
private val logger = LoggerFactory.getLogger(NbaMarketController::class.java)
/**
* 获取 NBA 赛事列表
*/
@PostMapping("/list")
fun getNbaMarkets(@RequestBody request: NbaMarketListRequest): ResponseEntity<ApiResponse<List<NbaMarketDto>>> {
return try {
val result = runBlocking {
nbaMarketService.getNbaMarkets(
date = request.date,
activeOnly = request.activeOnly ?: true
)
}
result.fold(
onSuccess = { markets ->
ResponseEntity.ok(ApiResponse.success(markets))
},
onFailure = { e ->
logger.error("获取 NBA 赛事列表失败: ${e.message}", e)
ResponseEntity.ok(ApiResponse.error(ErrorCode.SERVER_ERROR, e.message, messageSource))
}
)
} catch (e: Exception) {
logger.error("获取 NBA 赛事列表异常: ${e.message}", e)
ResponseEntity.ok(ApiResponse.error(ErrorCode.SERVER_ERROR, e.message, messageSource))
}
}
/**
* 同步 NBA 赛事列表
*/
@PostMapping("/sync")
fun syncNbaMarkets(): ResponseEntity<ApiResponse<SyncResult>> {
return try {
val result = runBlocking {
nbaMarketService.syncNbaMarkets()
}
result.fold(
onSuccess = { syncResult ->
ResponseEntity.ok(ApiResponse.success(syncResult))
},
onFailure = { e ->
logger.error("同步 NBA 赛事列表失败: ${e.message}", e)
ResponseEntity.ok(ApiResponse.error(ErrorCode.SERVER_ERROR, e.message, messageSource))
}
)
} catch (e: Exception) {
logger.error("同步 NBA 赛事列表异常: ${e.message}", e)
ResponseEntity.ok(ApiResponse.error(ErrorCode.SERVER_ERROR, e.message, messageSource))
}
}
}
```
---
## 十一、参考资源
- [Polymarket API 文档](https://docs.polymarket.com/)
- [Polymarket Gamma API 文档](https://docs.polymarket.com/api-reference/markets/list-markets)
- [NBA 球队名称标准](https://www.nba.com/teams)
- [Polymarket 网站](https://polymarket.com/)(用于手动收集 condition_ids
---
**文档结束**