AI量化交易系统

项目状态: 🟢 生产就绪
版本: v3.0.0
最后更新: 2026-07-28

---

🎯 项目概述

基于 AI Agent 的量化交易系统，支持策略开发、回测、模拟交易、实时行情监控。

核心能力

• 38 量化工具 — 多市场数据、技术指标、Alpha 因子、回测、风控、券商连接
• 28 个交易策略 — 趋势/反转/均值回归/事件驱动/组合/ML 六大类别
• 264 + 8 Alpha 因子 — Alpha101 + Alpha158 + Alpha191 + K线形态因子
• 8 个 AI Agent — 5 Research + Backtester + PortfolioOptimizer + RiskManager
• 13 个 AI 技能 — 行业轮动、跨市场套利、财报解读、形态识别等
• 纸交易引擎 — 虚拟资金簿、市价/限价单、滑点佣金、P&L 追踪
• 实时行情管道 — yfinance/ccxt/akshare 真实数据 WebSocket 推送
• 策略自动调度 — per-market asyncio 定时器，按交易时段自动运行
• 风控系统 — 日亏熔断、仓位限制、杠杆上限、日交易数限制
• Vue 3 前端 — 8 个页面（TypeScript 全类型化，零 any）
• 券商连接 — Alpaca + IBKR + PaperBroker
• 通知系统 — Telegram + Webhook
• TTL 数据缓存 — 6 种粒度内存缓存层
• LLM 指数退避重试 — 3 次重试（2s/4s/8s + jitter）后切换 fallback

---

🚀 快速开始

环境要求

• Python 3.13+
• Node.js 18+

安装和启动

# 1. 克隆项目
git clone https://github.com/Yi-Long-Zhang/AIQuantification.git
cd AIQuantification

# 2. 安装后端依赖
uv sync

# 3. 配置
cp config.yaml.example config.yaml
# 编辑 config.yaml，填入 LLM API Key

# 4. 启动后端（自动启动行情轮询 + 策略调度器）
uv run uvicorn main:app --reload

# 5. 启动前端（新终端）
cd web
npm install
npm run dev

访问地址

地址	说明
http://localhost:5173	前端（开发模式）
http://localhost:8000	后端 API
http://localhost:8000/docs	Swagger API 文档
http://localhost:5173/paper	模拟交易看板

---

Docker 部署

# 1. 配置
cp config.yaml.example config.yaml
# 编辑 config.yaml，填入 LLM API Key

# 2. 构建并启动
docker compose up -d

# 3. 访问
#    前端: http://localhost:8080
#    API:  http://localhost:8000

# 4. 查看日志
docker compose logs -f

# 5. 停止
docker compose down

# 数据持久化在 ./data/
#   memory.db        — SQLite 记忆库
#   paper_state.json — PaperBroker 快照（重启自动恢复）

访问地址

地址	说明
http://localhost:8080	前端（Docker 模式，nginx 反向代理）
http://localhost:8000	后端 API
http://localhost:8000/docs	Swagger API 文档

---

🏗️ 项目结构

AIQuantification/
├── main.py                 FastAPI 入口
├── conftest.py             pytest fixtures
├── config.yaml(.example)   配置
├── pyproject.toml          构建配置
├── docker-compose.yml      Docker 编排
├── docker/                 Docker 构建文件
│   ├── Dockerfile.backend  Python FastAPI
│   ├── Dockerfile.frontend Nginx 静态文件
│   └── nginx.conf          反向代理配置
├── agent/                  主包
├── agent/                  主包
│   ├── core.py             ReAct Agent 循环
│   ├── llm_client.py       LLM 客户端（4 家提供商 + 退避重试）
│   ├── memory.py           SQLite + FTS5 记忆（公共 API）
│   ├── models.py           Pydantic 数据模型
│   ├── scheduler.py        交易周期自动调度
│   ├── tools/              38 量化工具
│   │   ├── cache.py        TTL 内存缓存层
│   │   └── ...
│   ├── strategies/         28 个交易策略（6 类别）
│   │   ├── evaluator.py    策略评估/对比/因子归因
│   │   └── ...
│   ├── alpha/              264+8 Alpha 因子库
│   ├── skills/             13 个 AI 技能（Markdown）
│   ├── multi_agent/        8 Agent 协作框架
│   ├── broker/             券商连接（Alpaca/IBKR/Paper）
│   ├── data/               数据源框架
│   ├── notify/             Telegram/Webhook 通知
│   └── ws/                 WebSocket 实时行情
├── api/                    FastAPI 路由
├── tests/                  300+ 测试
├── docs/                   技术文档
├── scripts/                工具脚本
├── data/                   持久化数据
│   ├── memory.db           SQLite
│   └── paper_state.json    PaperBroker 快照
└── web/                    Vue 3 + TypeScript 前端

---

📚 文档

文档	内容
架构设计	系统分层架构和技术栈
Agent设计	ReAct 循环、多 Agent 协作
API设计	REST API 规范
开发准则	代码规范、Git 提交规范
Agent准则	交易行为准则
测试指南	测试策略
数据源配置	数据源和容错
迭代计划	项目路线图

---

📊 技术栈

后端

• Python 3.13+ / FastAPI + uvicorn
• SQLite + FTS5（WAL 模式）
• yfinance / akshare / ccxt — 多市场数据
• pandas / numpy / scipy / lightgbm
• OpenAI SDK — DeepSeek / OpenAI / Qwen / Gemini
• 包管理 uv

前端

• Vue 3 + TypeScript + Vite
• Element Plus / lightweight-charts
• Pinia 状态管理 / Axios HTTP

---

📈 项目统计

指标	数值
Python 文件	74
量化工具	38
交易策略	28（6 类别）
Alpha 因子	264 + 8
AI Agent	8
AI 技能	13
券商连接	3（Alpaca + IBKR + Paper）
前端页面	8
测试用例	300+