重构项目架构,新增 MT5 代理服务

- 重构核心模块:DataProvider 依赖注入、RiskController 门面、信号注册表
- 新增 FastAPI 代理服务 (run/server.py),支持局域网远程调用 MT5
- 新增 RemoteDataProvider + AttrDict,远端无缝替代 LiveDataProvider
- 新增序列化模块,MT5 对象转 JSON 兼容格式
- 重构入口点至 run/ 包,支持 python -m run.realtime/server/backtest/optimize
- 更新 CLAUDE.md 文档

Generated with [Claude Code](https://claude.ai/code)
via [Happy](https://happy.engineering)

Co-Authored-By: Claude <noreply@anthropic.com>
Co-Authored-By: Happy <yesreply@happy.engineering>
This commit is contained in:
silencesdg
2026-05-11 12:00:45 +08:00
parent e8226edd96
commit 4cb4f4a15e
46 changed files with 2993 additions and 2279 deletions
+83 -80
View File
@@ -4,103 +4,106 @@
## 项目概述
这是一个基于Python的MetaTrader 5智能交易系统(EA)套件,用于量化交易策略。系统通过加权投票和阈值过滤组合多个交易策略,生成稳健的交易决策
基于Python的MetaTrader 5智能交易系统(EA)套件,集成10种量化策略,通过加权投票和阈值过滤组合信号,支持动态权重管理(根据市场状态调整策略权重)
## 架构设计
## 实际入口点
### 核心组件
`main.py` 为空壳,实际入口为:
- **主入口**: `main.py` 提供三种执行模式:
- `run_backtest()`: 使用当前配置权重进行单次回测
- `run_optimizer()`: 遗传算法优化寻找最佳权重
- `run_realtime()`: 与MT5集成的实时交易
- **配置文件**: `config.py` 包含:
- `STRATEGIES`: (策略实例, 权重) 元组列表
- 交易参数(品种、时间周期、初始资金)
- **回测引擎**: `backtest.py` 处理:
- 历史数据策略执行
- 使用加权和的信号组合
- 防止未来函数的收益计算
- **遗传优化器**: `optimizer.py`:
- 使用DEAP库进行遗传算法
- 优化策略权重以获得最大收益
- 支持并行处理提高性能
- **工具函数**: `utils.py` 提供MT5连接管理和交易功能
- **日志系统**: `logger.py` 处理控制台/文件双日志输出,支持UTF-8编码
### 策略架构
`strategies/` 目录中的所有策略都遵循一致的模式:
```python
class Strategy:
def __init__(self): # 初始化参数
def _calculate_indicators(self, df): # 计算技术指标
def generate_signal(self): # 实时交易信号生成
def run_backtest(self, df): # 回测信号生成
```bash
python start_backtest.py # 回测模式
python start_realtime.py # 实时交易(默认模拟,需输入YES确认实盘)
python optimizer.py # 遗传算法参数优化
```
## 核心架构
### 依赖注入设计
`core/data_providers.py` 定义了 `DataProvider` 抽象基类(9个抽象方法),三种实现:
- `LiveDataProvider` — 真实MT5 API调用
- `DryRunDataProvider` — 模拟交易(委托LiveDataProvider获取价格,不发送真实订单)
- `BacktestDataProvider` — 回测(维护DataFrame + `current_index`,通过 `tick()` 推进)
所有策略和执行模块接收 `DataProvider` 接口,不直接调用MT5。这是理解整个系统解耦的关键。
### 风险管理门面
`core/risk/__init__.py` 中的 `RiskController` 是门面类,组合了:
- `PositionManager` (`position_manager.py`) — 开仓、监控、止损/止盈/追踪止损/时间退出、资金管理
- `MarketStateAnalyzer` (`market_state.py`) — 四维度趋势检测(价格突破、成交量确认、动量、均线),返回 `("uptrend"/"downtrend"/"ranging"/"none", confidence)`
### 动态权重系统
`execution/dynamic_weights.py` 中的 `DynamicWeightManager`
1. 使用 `MarketStateAnalyzer` 判断当前市场状态
2. 根据状态从 `config.py:MARKET_STATE_WEIGHTS` 获取对应权重
3. 按置信度决定使用市场状态权重还是 `DEFAULT_WEIGHTS`
4. 返回 `[(策略实例, 权重), ...]` 列表供信号组合使用
### 两阶段回测设计
`start_backtest.py` 的回测采用两阶段:
1. **预生成阶段**:遍历所有策略 `run_backtest(df)` 生成信号列,加权求和后通过 `SIGNAL_THRESHOLDS` 阈值过滤得到最终信号序列
2. **模拟执行阶段**:单遍 `iterrows` 逐行推进,通过 `RiskController` 模拟开仓/监控/平仓
### 信号组合逻辑
系统通过以下方式组合策略信号:
1. 加权求和:`sum(信号 * 权重,针对所有策略)`
2. 信号决策:加权和大于0买入,小于0卖出
3. 返回用于回测的组合信号序列
## 开发命令
### 环境设置
```bash
# 创建并激活虚拟环境
python -m venv myenv
# Windows
myenv\Scripts\activate
# macOS/Linux
source myenv/bin/activate
# 安装依赖
pip install -r requirements.txt
```
加权和 = sum(各策略信号 * 权重)
最终信号 = 1 (买入) if 加权和 > buy_threshold (1.5)
-1 (卖出) if 加权和 < sell_threshold (-1.5)
0 (无信号) otherwise
```
### 运行模式
```bash
# 运行单次回测(使用config.py权重)
python main.py
阈值在 `config.py:SIGNAL_THRESHOLDS` 中配置。
# 运行遗传优化(寻找最佳权重)
python main.py # 取消注释 run_optimizer() 调用
## 策略开发规范
# 运行实时交易(使用config.py权重)
python main.py # 取消注释 run_realtime() 调用
所有策略继承 `strategies/base_strategy.py``BaseStrategy`
```python
class BaseStrategy:
def __init__(self, data_provider, symbol, timeframe): # 接收 data_provider 而非直接访问 MT5
def generate_signal(self) -> int: # 实时信号:通过 self.data_provider 获取当前价格
def run_backtest(self, df) -> pd.Series: # 向量化回测:接收 DataFrame,返回 -1/0/1 序列
def _log_signal(self, signal, reason): # 基类提供,记录买卖信号到日志
```
## 关键开发模式
**添加新策略步骤:**
1.`strategies/` 下创建新文件,继承 `BaseStrategy`
2. 实现 `generate_signal()``run_backtest(self, df)`
3.`config.py:STRATEGY_CONFIG` 添加参数字典,在 `config.py:DEFAULT_WEIGHTS``config.py:MARKET_STATE_WEIGHTS` 添加权重
4.`execution/dynamic_weights.py``strategy_blueprints` 列表和 `optimizer.py` 的导入中注册
### 添加新策略
1.`strategies/` 目录创建新文件
2. 实现必需的Strategy类方法
3. 添加导入和策略实例到 `config.py:STRATEGIES`
## 配置系统
### 配置管理
- 策略权重需要从优化器结果手动更新
- 所有交易参数集中在 `config.py`
`config.py` 包含20+个配置字典,核心:
### 错误处理
- 策略执行中的全面异常处理
- 日志文件使用UTF-8编码
- 操作前进行MT5连接验证
| 配置 | 用途 |
|---|---|
| `SYMBOL`, `TIMEFRAME`, `INITIAL_CAPITAL` | 基础交易参数(当前: XAUUSD, M1, 20000 |
| `STRATEGY_CONFIG` | 各策略的参数字典(键名为策略简称) |
| `DEFAULT_WEIGHTS` | 默认策略权重(优化后) |
| `MARKET_STATE_WEIGHTS` | 各市场状态(up/down/ranging)下的策略权重 |
| `SIGNAL_THRESHOLDS` | 买卖信号阈值 |
| `RISK_CONFIG` | 止损/止盈/追踪止损/持仓时间等风控参数 |
| `MARKET_STATE_CONFIG` | 趋势检测参数 |
| `GENETIC_OPTIMIZER_CONFIG` | 遗传算法参数(种群、代数、交叉/变异概率) |
| `BACKTEST_CONFIG` / `REALTIME_CONFIG` | 回测/实盘专项配置 |
### 性能考虑
- 优化器预加载历史数据避免重复I/O
- 遗传算法启用并行处理
- 日志器使用单例模式防止重复处理器
## 依赖
```
MetaTrader5 # MT5 Python API
pandas
deap # 遗传算法框架
tqdm # 进度条
```
## 语言要求
- **所有开发和文档必须使用中文**(根据GEMINI.md
- 错误日志在 `logs/error.log`
- 策略日志在 `logs/strategy.log`
- 所有代码注释、文档、日志必须使用中文
- 日志文件: `logs/strategy.log`, `logs/error.log`
- 日志器使用单例模式(`logger.py`