Vedanta

Vedanta 是一個簡潔實用的加密貨幣交易策略回測與自動化交易服務。

專案概述

本專案 Vedanta 是一個專為加密貨幣交易設計的綜合性平台，提供從策略開發、回測、視覺化到線上自動交易的完整解決方案。它整合了幣安 API，並內建多種技術指標策略，讓使用者能夠高效地測試和部署交易策略。

主要功能：

• 策略回測：強大的回測引擎，支援多種技術指標策略，計算總回報、最大回撤、勝率等關鍵績效指標。
• 線上自動交易：將回測驗證過的策略無縫部署到線上環境，實現自動化交易。
• 豐富的技術指標庫：內建 ADX, Bollinger Bands, CCI, EMA, KD, MACD, Momentum, RSI, SMA, Smart Money, Williams 等多種技術指標策略。
• 結果視覺化：直觀的圖表展示回測結果，包括權益曲線、帶有持倉的價格圖和交易回報分佈。
• 幣安 API 整合：直接從幣安獲取實時 K 線數據，支援多種交易對和時間週期。

回測結果範例：

線上部署範例：

專案結構

模組架構圖(如何開發自己的策略)

只需參考以下圖片並參考Technicalindicatorstrategy資料夾底下檔案的作法 就會發現有一定格式 策略可以想像成這樣的流程

(幣種 交易週期 當前時間) -> 獲取多方數據 -> 聚合數據 -> 複雜買賣訊號計算 -> 輸出買賣訊號

只需用這個思路參考下面圖片和tvl_sma.py就知道怎麼設計自己的策略了

• backtest_usage.ipynb: 示範如何使用回測功能並可視化結果的 Jupyter Notebook，詳細展示了如何載入數據、應用策略、執行回測並繪製結果。
• online_usage.ipynb: 示範如何使用線上自動交易功能的 Jupyter Notebook，引導使用者配置和啟動自動交易。
• run.py: 專案的主要執行入口點，負責整合選定的交易策略（例如 testsma）與線上自動交易模組 (auto_trade_future)，實現策略的自動化執行。
• Backtest/: 包含核心的回測邏輯。
  • backtest.py: 實現了強大的回測引擎，能夠根據歷史數據模擬交易，並計算總回報、最大回撤、勝率等關鍵績效指標。
• online/: 包含線上自動交易的相關模組。
  • auto_trade.py: 實現了現貨自動交易的核心邏輯，包括訂單管理、風險控制等。
  • auto_trade_future.py: 專為期貨交易設計的自動交易邏輯，處理期貨特有的槓桿、保證金和強制平倉等機制。
• Plot/: 包含繪圖功能。
  • plot.py: 提供豐富的視覺化工具，將回測結果以圖形方式呈現，包括權益曲線、帶有持倉的價格圖和交易回報分佈，幫助使用者直觀分析策略表現。
• Technicalindicatorstrategy/: 基於技術指標的交易策略集合。每個文件實現一個特定的策略，並提供一個生成交易信號的函數，這些策略可以直接用於回測和自動交易。
  • adx.py: 平均趨向指標 (ADX) 策略，用於判斷趨勢強度。
  • boll.py: 布林通道 (Bollinger Bands) 策略，用於衡量市場波動性。
  • cci.py: 商品通道指標 (CCI) 策略，用於判斷超買超賣。
  • ema.py: 指數移動平均線 (EMA) 交叉策略，常用於判斷趨勢轉向。
  • kd.py: 隨機指標 (KD) 策略，用於判斷超買超賣和趨勢反轉。
  • macd.py: 移動平均收斂發散 (MACD) 策略，用於判斷趨勢和動能。
  • momentum.py: 動量策略，衡量價格變動的速度。
  • rsi.py: 相對強弱指數 (RSI) 策略，用於判斷超買超賣。
  • sma.py: 簡單移動平均線 (SMA) 交叉策略，用於判斷趨勢方向。
  • smartmoney.py: 使用維加斯通道和船體移動平均線的聰明錢策略，旨在捕捉市場中的大資金流向。
  • testsma.py: 簡單移動平均線 (SMA) 交叉策略的測試實例，展示了如何從幣安獲取 K 線數據並生成交易信號。
  • williams.py: 威廉指標 (%R) 策略，用於判斷超買超賣。

範例檔案入口

為了讓您快速了解專案的核心功能，我們提供了一系列範例檔案：

• 回測範例: backtest_usage.ipynb
• 策略最佳化範例: TurtleMACDTimeZoneFilter_optimization_usage.ipynb
• 多參數最佳化分析範例: Multi_parameter_optimization_analysis_usage.ipynb
• Telegram Bot 範例: telegram_message_bot_turtle.py
• 合約測試網交易範例: turtle_run.py

您可以從這些檔案開始，了解如何使用本專案的各項功能。

如何安裝環境

普通Python安裝

1. 安裝python 請確保您的系統上已安裝 Python 3.10 以上版本。您可以從 Python 官方網站 下載並安裝。

2. 安裝依賴套件:

   pip install -r requirements.txt

uv安裝(選擇性)

```bash
uv sync 
```

如何使用

1. 運行 Jupyter Notebooks:
   • 打開 backtest_usage.ipynb 或 online_usage.ipynb 以了解如何導入和使用不同的策略、生成信號、運行回測以及繪製結果圖表。
2. 配置線上交易 (可選): 複製 .env-example 為 .env，並填入您的 API 密鑰。
   • 如果需要進行線上自動交易，請根據 online/ 目錄下的模組和 run.py 的範例，配置相關的 API 密鑰和交易參數。

工具腳本 (Utility Scripts)

Gate.io 交易量機器人 (gateio_tick_scalper/gateio_tick_scalper.py)

這是一個專為 Gate.io 現貨市場設計的自動化交易量生成機器人。它的主要目標是在指定的交易對上達成目標交易量，而不是為了獲利。

程式邏輯

機器人會使用指定的「本金」不斷地執行買入-賣出循環，直到累積的總交易量達到「目標交易量」。

1. 買入: 程式會以當前的市場最高買價 (highest_bid) 掛出買單。
2. 等待成交: 程式會持續輪詢（Polling）訂單狀態，直到確認買單完全成交。
3. 賣出策略:
   • 首次嘗試: 買單成交後，程式會立刻以「買入成交價 + 1 tick」的價格掛出賣單，嘗試獲取微小利潤。
   • 若首次失敗: 如果該賣單在指定的「超時時間」內沒有成交，程式會自動取消該訂單。
   • 自動追價: 之後，程式會進入一個堅持模式，不斷地獲取市場最新的最高買價來重新掛出賣單，直到成功賣出為止。這個機制確保了資金不會因為市場價格下跌而被卡住，使得整個交易循環可以繼續下去。

重要提示: 此機器人的設計目標是刷高交易量。由於交易手續費和市場滑價（Slippage）的存在，運行此機器人通常會導致本金的微小虧損。

可自訂參數

你可以在 gateio_tick_scalper/gateio_tick_scalper.py 檔案的開頭找到並修改以下參數：

• CURRENCY_PAIR (str): 你想要操作的交易對，例如 "BTC_USDT"。
• PRINCIPAL_USDT (Decimal): 每一次買賣循環中投入的本金數量（以 USDT 計價），例如 Decimal("100") 表示使用 100 USDT。
• TARGET_VOLUME_USDT (Decimal): 你希望達成的總交易量目標（買入和賣出會被累計），例如 Decimal("10000")。
• ORDER_TIMEOUT_SECONDS (int): 單筆訂單（買單或賣單）的等待成交超時時間（秒）。如果超過這個時間訂單還未成交，將會被取消。

環境設定

1. 複製環境檔案: 在專案根目錄下，將 .env-example 檔案複製並重新命名為 .env。
2. 填寫 API 金鑰: 打開 .env 檔案，並填入你的 Gate.io API 金鑰：

   GATE_API_KEY=你的API_KEY
   GATE_API_SECRET=你的API_SECRET
   

執行方式

請在專案的根目錄下，使用以下指令來啟動機器人：

python gateio_tick_scalper/gateio_tick_scalper.py

依賴套件

• pandas
• numpy
• matplotlib
• requests
• ccxt
• python-dotenv

許可證

本專案根據 GNU General Public License v3.0 (GPL-3.0) 發布。

這意味著：

• 您可以自由地使用、修改和分發本軟體。
• 如果您分發本軟體的任何部分（無論是否修改），您必須以 GPL-3.0 許可證發布您的作品。
• 您必須提供本許可證的副本以及任何修改的原始碼。

有關完整的許可證條款，請參閱 GNU General Public License v3.0。