auto_trade_sys/trading_system
薇薇安 a371e50a3e feat(config, strategy): 增强多账号错峰扫描逻辑
在 `config.py` 中新增随机延迟配置,允许在多账号环境下实现更灵活的错峰扫描策略。更新了 `strategy.py` 中的相关逻辑,支持随机延迟与固定步长延迟两种模式,提升了系统在低配服务器上的性能与稳定性。此改进有助于优化资源管理与并发处理能力。
2026-02-21 10:47:39 +08:00
..
__init__.py a 2026-01-13 17:30:59 +08:00
atr_strategy.py a 2026-01-23 13:53:36 +08:00
binance_client.py feat(binance_client, position_manager): 增强杠杆设置与异常处理逻辑 2026-02-21 10:44:55 +08:00
book_ticker_stream.py feat(book_ticker_stream, ticker_24h_stream): 引入串行化锁以优化 Redis 写入逻辑 2026-02-21 01:09:27 +08:00
check_user_data_stream.py feat(trade, position_manager, user_data_stream): 增强交易记录管理与用户数据流处理 2026-02-17 22:11:36 +08:00
config.example.py a 2026-01-13 17:30:59 +08:00
config.py feat(config, strategy): 增强多账号错峰扫描逻辑 2026-02-21 10:47:39 +08:00
indicators.py a 2026-01-28 10:13:30 +08:00
kline_stream.py feat(kline_stream): 优化 Redis 数据处理逻辑与内存管理 2026-02-19 09:23:53 +08:00
listen_key_cache.py feat(user_data_stream, binance_client): 优化 listenKey 管理与缓存机制 2026-02-18 00:11:54 +08:00
main.py feat(risk_manager, user_data_stream): 增强多账号支持与缓存逻辑 2026-02-21 10:09:59 +08:00
market_regime.py feat(config, market_scanner, position_manager, strategy): 引入市场节奏自动识别与流动性检查功能 2026-02-17 10:41:47 +08:00
market_scanner.py feat(redis_cache, binance_client, market_scanner, position_manager, ticker_24h_stream, book_ticker_stream): 引入 Redis 缓存机制以优化数据读取与内存管理 2026-02-19 00:45:56 +08:00
market_ws_leader.py feat(redis_integration): 支持多进程共用市场数据流 2026-02-16 17:44:10 +08:00
position_manager.py feat(binance_client, position_manager): 增强杠杆设置与异常处理逻辑 2026-02-21 10:44:55 +08:00
README.md a 2026-01-20 10:48:32 +08:00
recommendations_main.py a 2026-01-24 11:00:32 +08:00
redis_cache.py feat(redis_cache, kline_stream, user_data_stream, risk_manager): 优化缓存机制与内存管理 2026-02-19 00:19:54 +08:00
redis_log_handler.py a 2026-01-18 21:53:18 +08:00
redis_ttl.py feat(redis_cache, kline_stream, user_data_stream, risk_manager): 优化缓存机制与内存管理 2026-02-19 00:19:54 +08:00
requirements.txt 增加多账号的支持体系 2026-01-20 15:55:34 +08:00
risk_manager.py feat(risk_manager, user_data_stream): 增强多账号支持与缓存逻辑 2026-02-21 10:09:59 +08:00
setup.sh a 2026-01-14 13:25:29 +08:00
strategy.py feat(config, strategy): 增强多账号错峰扫描逻辑 2026-02-21 10:47:39 +08:00
summary202601241549.md a 2026-01-25 09:16:16 +08:00
ticker_24h_stream.py feat(book_ticker_stream, ticker_24h_stream): 引入串行化锁以优化 Redis 写入逻辑 2026-02-21 01:09:27 +08:00
trade_recommender.py 优化推荐模块 2026-02-04 16:07:25 +08:00
user_data_stream.py 1 2026-02-21 10:12:23 +08:00
ws_trade_client.py fix(binance_client, position_manager, config): 增强止损与盈利保护逻辑 2026-02-20 23:38:14 +08:00

交易系统 (Trading System)

币安自动交易系统核心模块

目录结构

trading_system/
├── __init__.py
├── main.py              # 主程序入口
├── recommendations_main.py  # 推荐服务入口(独立进程:只生成推荐,不自动交易)
├── config.py            # 配置文件
├── binance_client.py    # 币安客户端
├── market_scanner.py    # 市场扫描器
├── risk_manager.py      # 风险管理
├── position_manager.py  # 仓位管理
├── strategy.py          # 交易策略
├── indicators.py        # 技术指标
└── requirements.txt     # 依赖

功能

  • 自动市场扫描1小时主周期
  • 技术指标分析RSI、MACD、布林带等
  • 高胜率交易策略(均值回归+趋势跟踪)
  • 严格风险控制
  • 动态止损止盈
  • 数据库集成(记录交易数据)

运行

方式1直接运行推荐

cd trading_system
python main.py

推荐服务(独立进程)

推荐用于“普通用户查看”,建议与自动交易拆开启动(避免自动交易等待成交时拖慢推荐生成)。

# 从项目根目录运行
python -m trading_system.recommendations_main

常用环境变量(可选):

  • RECOMMEND_SCAN_INTERVAL_SEC: 推荐生成间隔(秒),默认 60
  • RECOMMEND_MIN_SIGNAL_STRENGTH: 推荐最小强度,默认 5
  • RECOMMEND_MAX_RECOMMENDATIONS: 单次最大推荐数量,默认 60
  • RECOMMEND_MIN_QUALITY_SCORE: 质量分过滤,默认 0.0
  • RECOMMEND_SCAN_CACHE_NAMESPACE: 扫描缓存命名空间,默认 recommend
  • RECOMMEND_LOG_FILE: 推荐服务日志文件,默认 recommendations_bot.log

方式2从项目根目录运行

python -m trading_system.main

配置

配置优先从数据库读取,回退到环境变量和默认值。

配置文件:config.py

安装依赖

方式1使用安装脚本推荐

cd trading_system
./setup.sh

方式2手动创建虚拟环境

# 在项目根目录创建虚拟环境
cd ..
python3 -m venv .venv

# 激活虚拟环境
source .venv/bin/activate  # Linux/Mac
# 或 .venv\Scripts\activate  # Windows

# 安装依赖
cd trading_system
pip install -r requirements.txt

方式3使用项目根目录的虚拟环境

如果项目根目录已有虚拟环境与backend共享

# 激活虚拟环境
source ../.venv/bin/activate  # 从trading_system目录
# 或 source .venv/bin/activate  # 从项目根目录

# 安装依赖
pip install -r requirements.txt

注意:现代 Linux 系统(如 Ubuntu 22.04+)不允许直接在系统 Python 中安装包,必须使用虚拟环境。