OKX AlphaPilot | 量化研究与交易中枢

从历史 K 线中自动挖掘可解释的「特征 + 算子」因子公式，转换为连续仓位信号，覆盖数据下载、模型训练、离线回测、实时分析和模拟/实盘交易的全链路量化平台。

OKX AlphaPilot 是一个面向 OKX 交易所的独立量化研究平台。它基于强化学习（REINFORCE）+ Looped Transformer 架构，自动搜索由 65 个因果特征和 66 个算子组成的最优因子公式，将因子值转换为 [-1, 1] 的连续仓位信号，通过多目标评分与 Walk-Forward 验证筛选出稳健的 Alpha 策略。

💡 推荐生态项目：若需要基于价格行为（Price Action）与 DeepSeek 等大语言模型的 AI 自主盯盘交易 Bot，推荐体验 okx-2pa-agent-web（基于 OKX 交易所的 2 阶段价格行为 AI 自主交易机器人，支持加密货币、黄金、原油、美股量化交易与止盈止损设置）。

⚠️ 重要边界

边界	说明
默认模拟盘	默认模式是 `paper`，不会发送真实订单
本地训练	训练和回测只使用本地 Parquet，不调用 OKX 私有接口
显式实盘	真实交易必须显式开启 `live` 闸门，并配置完整 API 凭证
不保证收益	项目不保证收益，也不构成投资建议
分级执行	后续自动交易遵循 `backtest → paper → live` 分级

✨ 核心特性

因子挖掘引擎

强化学习搜索：REINFORCE 策略梯度 + Actor-Critic baseline，搜索 8-token 公式序列
Looped Transformer：GPT 风格模型 + QK-Norm 注意力 + 权重共享输出头
65 个因果特征：趋势、波动率、反转、成交量、跨资产五类，严格防止未来函数泄露
66 个算子：时序、截面、幅度变换、逻辑门，经"感染模型"校验防止因子退化为 Beta
多目标评分：年化收益 + Sortino + Calmar + IC 稳定性 + 回撤控制 + Beta 中性
熵保护与重启：自适应噪声 + 多级重启策略，应对策略坍塌
Elite Replay：精英池记忆 + 衰减重放，加速收敛

策略融合与多因子组合

多因子策略生成：支持选择多个独立的 Alpha 因子，按训练评分或等权重合成为组合策略
因果滚动 Z-Score 标准化：只使用当前及过去窗口进行归一化，解决不同因子量级差异并避免未来数据泄露
全链条无缝兼容：离线回测、实时分析与实盘交易无缝支持组合策略

WebSocket 实时推送

行情与持仓推送：集成 OKX v5 WebSocket (Public + Private)，实时推送 Ticker、账户余额、持仓及成交回报
自动断线重连：内置指数退避重连与 Ping/Pong 20 秒心跳维持
前端状态灯指示：实时呈现 WebSocket 推送状态 (🟢 WS 实时推送 / 🟡 REST 备用)

交易与风控

连续仓位信号：Neutral Band + tanh 软压缩，输出 [-1, 1] 仓位
风控闸门：杠杆上限、仓位上限、单日亏损、信号阈值、交易冷却检查
审计日志：每笔交易决策全程记录（信号、风控、订单、模式）

Web 平台

6 个页面：总览、模型训练、策略回测、实时分析、实盘交易、数据管理
策略导入与组合：支持一键导入外部/导出策略 JSON，可视化弹窗一键生成组合策略
实时图表：Chart.js 资金曲线、训练曲线、价格信号图、仓位柱状图
深色量化主题：现代深色 UI，专为长时间盯盘设计

🏗️ 系统架构

┌─────────────────────────────────────────────────────────┐
│                    Web 前端 SPA                          │
│  总览 │ 模型训练 │ 策略回测 │ 实时分析 │ 实盘交易 │ 数据管理  │
└──────────────────────┬──────────────────────────────────┘
                       │ HTTP/REST
┌──────────────────────▼──────────────────────────────────┐
│              FastAPI 后端 (api/main.py)                   │
│  ┌─────────┬──────────┬──────────┬──────────┬────────┐  │
│  │  data   │ training │ backtest │ analysis │trading │  │
│  └────┬────┴────┬─────┴────┬─────┴────┬─────┴───┬────┘  │
│       │         │          │          │         │       │
│  ┌────▼────┐ ┌──▼───┐ ┌───▼────┐ ┌───▼────┐ ┌──▼────┐  │
│  │ Parquet │ │Engine│ │BT执行器│ │信号计算│ │交易执行│  │
│  │ 管理    │ │编排  │ │        │ │        │ │+审计  │  │
│  └────┬────┘ └──┬───┘ └───┬────┘ └───┬────┘ └──┬────┘  │
└───────┼─────────┼─────────┼──────────┼─────────┼───────┘
        │         │         │          │         │
┌───────▼─────────▼─────────▼──────────▼─────────▼───────┐
│                    核心层 (model/)                        │
│  AlphaGPT │ StackVM │ MT5Backtest │ Features │ Ops       │
│  REINFORCE + 熵保护 + Elite Replay + Walk-Forward        │
└─────────────────────────────────────────────────────────┘
        │
┌───────▼─────────────────────────────────────────────────┐
│              OKX v5 REST API (data_pipeline/)            │
│  K线下载 │ 行情 │ 品种发现 │ 下单 │ 持仓 │ 杠杆          │
└─────────────────────────────────────────────────────────┘

📁 目录结构

okx-alpha-pilot/
├── config.py                       # 全局配置（路径、OKX API、风控）
├── run.py                          # 启动入口
├── .env.example                    # 环境变量模板
├── requirements.txt                # Python 依赖
│
├── model/                          # 机器学习核心
│   ├── alphagpt.py                 #   AlphaGPT 模型（QK-Norm + 权重共享）
│   ├── engine.py                   #   AlphaEngine 训练引擎（REINFORCE + 熵保护）
│   ├── vm.py                       #   StackVM 后缀表达式虚拟机
│   ├── backtest.py                 #   MT5Backtest 多目标评分
│   ├── features.py                 #   65 个因果特征工程
│   ├── ops.py                      #   66 个算子（时序/截面/幅度/逻辑）
│   ├── vocab.py                    #   词表自动派生 + 版本哈希
│   ├── registry.py                 #   声明式注册接口
│   ├── evaluator.py                #   因子评估器
│   ├── island_engine.py            #   多岛并行训练
│   └── config.py                   #   模型层配置（设备/训练参数/Reward）
│
├── strategy_manager/
│   └── signal.py                   # 因子 → 连续仓位转换（Neutral Band + tanh）
│
├── data_pipeline/                  # 数据管道
│   ├── okx_client.py               #   OKX v5 REST 客户端（公有+私有接口）
│   ├── okx_ws_client.py            #   OKX v5 WebSocket 实时订阅客户端
│   ├── parquet_manager.py          #   Parquet 读写管理
│   ├── timeframe_utils.py          #   K线周期工具
│   └── downloader.py               #   批量数据下载
│
├── api/                            # FastAPI 后端
│   ├── main.py                     #   应用入口 + 路由注册
│   ├── routers/                    #   路由层
│   │   ├── data.py                 #     数据管理（列表/下载/品种发现/删除）
│   │   ├── training.py             #     模型训练（启动/状态/曲线/断点续训）
│   │   ├── backtest.py             #     策略回测（资金曲线/绩效指标）
│   │   ├── analysis.py             #     实时分析（OKX/MT5/TradingView 信号）
│   │   ├── trading.py              #     实盘交易（paper/live + 审计日志）
│   │   └── portfolio.py            #     组合策略（多因子融合与构建）
│   └── services/                   #   服务层
│       ├── training_service.py     #     训练编排（后台线程 + 实时进度）
│       ├── backtest_service.py     #     回测执行（PnL/Sortino/Calmar/回撤）
│       ├── analysis_service.py     #     信号计算（实时K线 → 因子 → 仓位）
│       ├── trading_service.py      #     交易执行（风控 + 审计日志）
│       └── strategy_service.py     #     策略加载/解码/保存与多因子组合
│
├── web/                            # 前端 SPA
│   ├── index.html                  #   6 页面单页应用
│   └── static/
│       ├── css/style.css           #   现代深色量化主题
│       └── js/app.js               #   SPA 路由 + Chart.js 图表
│
├── data/                           # Parquet 数据文件（自动创建）
├── strategies/                     # 策略 JSON 文件（自动创建）
└── checkpoints/                    # 训练检查点（自动创建）

准备开始-注册获取 OKX API

注册 OKX：点击okx官网注册,佣金享5%优惠
- 使用上面邀请码注册并完成任务，最高获 100 USDT 奖励，交易佣金优惠 5%。具体奖励、地区限制和活动规则以 OKX 页面显示为准。
登录 OKX，点击右上角个人中心，进入“API 管理”，创建 API。
API 权限至少需要“读取”；需要下单时增加“交易”权限。
不要授予提现权限。建议设置服务器公网 IP 白名单。
妥善保存 API Key、Secret Key 和创建时填写的 Passphrase，关闭页面后部分信息可能无法再次查看。
资金需要划转到交易账户后才能用于交易。模拟盘和实盘应分别创建对应环境的 API Key。

🚀 快速开始

1. 安装依赖

cd okx-alpha-pilot
pip install -r requirements.txt

# 验证启动服务所用的 Python 已安装 Parquet 引擎
python -c "import sys, pyarrow; print(sys.executable, pyarrow.__version__)"

Linux/Docker 上如果提示缺少 pyarrow，不要只运行 pip install，应确保安装命令和启动服务使用同一个 Python：

python3 -m pip install -r requirements.txt
python3 -c "import sys, pyarrow; print(sys.executable, pyarrow.__version__)"

# Docker 镜像可能命中了旧依赖缓存时，强制重建并重新创建容器
docker compose build --no-cache alphapilot
docker compose up -d --force-recreate alphapilot
docker compose exec alphapilot python -c "import sys, pyarrow; print(sys.executable, pyarrow.__version__)"

2. 配置环境变量

cp .env.example .env

编辑 .env：

# 交易模式：paper（默认模拟盘）或 live（实盘）
TRADING_MODE=paper

# OKX API 凭证（实盘需要，模拟盘可留空）
OKX_API_KEY=
OKX_API_SECRET=
OKX_API_PASSPHRASE=
OKX_API_BASE=https://www.okx.com
OKX_SIMULATED=1

# Web 服务
WEB_HOST=0.0.0.0
WEB_PORT=8009

3. 启动平台

python run.py

或指定端口 / 开发模式：

python run.py --port 9000
python run.py --reload

启动后访问 **http://localhost:8009**。

4. Docker 部署（推荐）

方式 A：docker compose（推荐）

# 1. 配置环境变量
cp .env.example .env
# 编辑 .env 填写 OKX 凭证（实盘需要）

# 2. 构建并启动
docker compose up -d --build

# 3. 查看日志
docker compose logs -f

# 4. 停止
docker compose down

访问 **http://localhost:8009**。

方式 B：docker 命令

# 构建镜像
docker build -t okx-alphapilot .

# 启动容器（挂载数据目录持久化）
docker run -d \
  --name alphapilot \
  --restart unless-stopped \
  -p 8009:8009 \
  --env-file .env \
  -v $(pwd)/data:/app/data \
  -v $(pwd)/strategies:/app/strategies \
  -v $(pwd)/checkpoints:/app/checkpoints \
  okx-alphapilot

# 查看日志
docker logs -f alphapilot

# 停止删除
docker stop alphapilot && docker rm alphapilot

Docker 部署说明

项目	说明
端口	默认 8009，可通过 `.env` 中 `WEB_PORT` 修改
数据持久化	`data/` `strategies/` `checkpoints/` 通过 volume 挂载，容器重建后不丢失
默认模式	`paper`（模拟盘），设置 `TRADING_MODE=live` + 凭证后切换实盘
资源限制	默认 4G 内存 / 2 核 CPU，可在 `docker-compose.yml` 中调整
健康检查	每 30 秒检查 `/api/system` 接口
日志	JSON 格式，单文件 10MB，最多 3 个

5. 典型工作流

数据管理          模型训练          策略回测          实时分析          实盘交易
   │                │                │                │                │
   ▼                ▼                ▼                ▼                ▼
下载 K线  ──→  选择 Parquet   ──→  选择策略     ──→  选择数据源   ──→  选择策略
BTC-USDT       训练 9000 步        选择数据          OKX 实时          设置本金
 1H 周期        查看训练曲线        设置手续费        计算信号          设置杠杆
 2000 根        导出策略            查看资金曲线      查看仓位          执行信号
                                                                  查看审计日志

📊 功能页面

1. 总览

系统状态：交易模式、策略数量、数据文件数、词表大小
最近策略列表和数据文件列表
系统合规声明与免责声明

2. 模型训练

选择 Parquet：从本地数据文件中选择训练数据
断点续训：从已有检查点恢复训练
奖励模式：FTMO（年化优先）/ Standard（平衡）/ Forex（均值回归）
训练曲线：最优分数、平均奖励、策略熵的实时图表
导出策略：训练完成后自动保存策略 JSON

参数	默认值	说明
BATCH_SIZE	192	每步采样公式数
TRAIN_STEPS	9000	训练步数
MAX_FORMULA_LEN	8	公式长度上限
ELITE_POOL_SIZE	60	精英池大小
MAX_RESTARTS	55	最大重启次数

3. 策略回测

选择策略和数据：指定策略 JSON 和 Parquet 数据文件
执行参数一致性：回测强制使用策略训练时记录的杠杆、仓位占比、手续费和滑点
资金曲线：Chart.js 绘制的权益变化图
绩效指标：

指标	说明
总收益	回测期间总收益率
年化收益	年化对数收益
最大回撤	峰值到谷值的最大跌幅
夏普比率	风险调整后收益
Sortino	下行风险调整后收益
Calmar	年化收益 / 最大回撤
胜率	盈利 K 线占比
综合评分	多目标加权评分

4. 实时分析

数据源选择：
- OKX 实时：从 OKX API 获取最新 K 线
- 本地 Parquet：MT5 / TradingView 导出的本地数据
信号计算：收盘后更新因子值和目标仓位
可视化：价格 + 因子值双轴图、仓位柱状图
信号统计：做多/做空/空仓 K 线数及占比

5. 实盘交易

双模式：paper（默认模拟盘）/ live（显式开启）
训练/回测/实盘对齐：只使用已收盘 K 线，信号在下一根执行，按目标仓位差额调仓，同一根 K 线仅执行一次
风控闸门：
- 杠杆上限检查（默认 max 20x）
- 仓位占比上限（默认 30%）
- 信号阈值检查（|signal| ≥ 0.05）
- 信号范围校验（[-1, 1]）
审计日志：记录每笔交易的信号、风控结果、订单详情

6. 数据管理

下载 K 线：从 OKX 下载指定品种和周期的历史数据
品种发现：自动发现 OKX 可用 SWAP 合约（加密、贵金属、指数等）
文件管理：查看、删除本地 Parquet 文件

🔌 API 文档

启动后访问交互式 API 文档：

Swagger UI：http://localhost:8009/docs
ReDoc：http://localhost:8009/redoc

核心端点

方法	路径	功能
`GET`	`/api/system`	系统状态
`GET`	`/api/data/parquets`	列出 Parquet 文件
`POST`	`/api/data/download`	下载 K 线数据
`GET`	`/api/data/instruments`	发现 OKX 品种
`POST`	`/api/training/start`	启动训练
`GET`	`/api/training/status`	训练状态
`GET`	`/api/training/history`	训练曲线数据
`GET`	`/api/training/checkpoints`	列出检查点
`GET`	`/api/training/strategies`	列出已保存策略
`POST`	`/api/backtest/run`	执行回测
`POST`	`/api/analysis/okx`	OKX 实时分析
`POST`	`/api/analysis/parquet`	本地数据分析
`GET`	`/api/trading/status`	交易服务状态
`POST`	`/api/trading/execute`	执行交易信号
`POST`	`/api/trading/close/{inst_id}`	平仓
`GET`	`/api/trading/audit`	审计日志
`GET`	`/api/trading/config`	交易配置

⚙️ 配置详解

全局配置 (`config.py`)

配置项	默认值	环境变量	说明
`TRADING_MODE`	`paper`	`TRADING_MODE`	交易模式：paper / live
`OKX_API_KEY`	`""`	`OKX_API_KEY`	OKX API Key
`OKX_API_SECRET`	`""`	`OKX_API_SECRET`	OKX API Secret
`OKX_API_PASSPHRASE`	`""`	`OKX_API_PASSPHRASE`	OKX Passphrase
`OKX_API_BASE`	`https://www.okx.com`	`OKX_API_BASE`	OKX API 基础 URL
`OKX_API_SIMULATED`	`True`	`OKX_SIMULATED`	是否模拟盘
`OKX_BROKER_TAG`	`c314b0aecb5bBCDE`	`OKX_BROKER_TAG`	经纪商标识
`DEFAULT_CAPITAL`	`10000.0`	—	默认本金 (USDT)
`DEFAULT_LEVERAGE`	`5`	—	默认杠杆
`MAX_LEVERAGE`	`20`	—	最大杠杆
`MAX_DAILY_LOSS_PCT`	`0.10`	—	单日最大亏损 10%
`MAX_POSITION_PCT`	`0.30`	—	单品种最大仓位占比
`WEB_HOST`	`0.0.0.0`	`WEB_HOST`	Web 监听地址
`WEB_PORT`	`8009`	`WEB_PORT`	Web 监听端口

模型配置 (`model/config.py`)

模型配置在 model/config.py 的 ModelConfig 类中，包含：

训练设备（强制 CPU，因小张量场景 CPU 反而更快）
训练参数（BATCH_SIZE、TRAIN_STEPS、MAX_FORMULA_LEN）
Reward 权重（FTMO / Standard / Forex 三种模式）
熵保护参数（自适应噪声 + 重启策略）
Elite Replay 配置
Walk-Forward 折叠参数

📈 适配品种

项目根据 OKX 区域 API 返回的 instrument 自动发现品种，例如：

类型	示例
加密货币	`BTC-USDT-SWAP`、`ETH-USDT-SWAP`
贵金属	`XAU-USDT-SWAP`
指数	`SPX-USDT-SWAP`
股票	`AAPL-USDT-SWAP`

TradFi instrument 的可用性取决于 OKX 区域、账户权限和接口实时返回结果。

🔒 免责声明

本项目与 OKX 官方无隶属或背书关系；名称中的 OKX 仅表示主要适配的交易所接口
项目不保证收益，也不构成投资建议
加密货币交易具有高风险，可能导致全部本金损失
使用实盘交易功能前，请充分了解风险并完成模拟盘验证
用户应遵守所在地区的法律法规

🛠️ 技术栈

层级	技术
机器学习	PyTorch、REINFORCE、Looped Transformer
后端	FastAPI、Uvicorn、Pydantic
数据	Pandas、PyArrow、Parquet
前端	原生 JS、Chart.js、CSS3
API	OKX v5 REST API
认证	HMAC-SHA256 签名

📝 开发指南

添加新特征

在 model/features.py 中通过 FeatureSpec 注册：

FEATURE_REGISTRY.register(FeatureSpec(
    name="MY_FEATURE",
    category="custom",
    compute=lambda raw_dict: my_compute_function(raw_dict),
))

添加新算子

在 model/ops.py 中注册：

@OPS_REGISTRY.register("MY_OP", arity=1)
def my_op(x):
    return torch.sigmoid(x)

添加新 API 端点

在 api/routers/ 创建路由文件
在 api/services/ 创建服务文件
在 api/main.py 中注册路由

开发模式

python run.py --reload

❓ 常见问题

Q: 为什么训练强制用 CPU 而不是 GPU？

本项目的张量很小（单品种 × 3500 K线 × 30 特征），单个算子的计算量小于 CUDA kernel 启动开销。实测 CPU 比 GPU 快约 2.3 倍（1.91s/步 vs 4.48s/步）。若后续改为批量并行公式评估，可切回 GPU。

Q: 如何启用实盘交易？

在 .env 中设置 TRADING_MODE=live
配置完整的 OKX API 凭证（Key、Secret、Passphrase）
设置 OKX_SIMULATED=0（关闭模拟盘）
重启服务
系统会在每笔订单前进行风控检查，并在审计日志中记录

警告：实盘交易会发送真实订单，可能导致真实资金损失。

Q: 训练中断后如何续训？

在「模型训练」页面选择已有检查点
点击「启动训练」
系统会从检查点恢复模型权重、优化器状态和训练历史

Q: 支持哪些 K 线周期？

OKX 支持的所有周期：1m、3m、5m、15m、30m、1H、2H、4H、6H、12H、1D、1W、1M。

🤝 推荐生态项目

如果您的交易需求侧重于 LLM 大语言模型驱动的价格行为 (Price Action) 自主分析与盯盘，建议关注以下关联项目：

🤖 oficcejo/okx-2pa-agent-web：基于 OKX 交易所的 2 阶段价格行为 AI 自主交易机器人 Bot（2PA Agent Web 界面）。
- 大模型驱动：支持 DeepSeek、Longcat 等兼容 OpenAI 协议的模型。
- 自主交易：实现 AI Agent 自动盯盘、自动分析、自动交易、自动下单及止盈止损设置。
- 全品类覆盖：支持 BTC 等加密货币、黄金、原油、美股等品种量化交易机器人。

📄 License

本项目仅供学习和研究用途。使用者需遵守所在地区的法律法规，自行承担使用风险。

与 OKX 官方无隶属或背标关系 · 不构成投资建议 · 加密货币交易高风险

Name		Name	Last commit message	Last commit date
Latest commit History 10 Commits
api		api
checkpoints		checkpoints
data		data
data_pipeline		data_pipeline
model		model
strategies		strategies
strategy_manager		strategy_manager
tests		tests
web		web
.dockerignore		.dockerignore
.env.example		.env.example
.gitignore		.gitignore
Dockerfile		Dockerfile
README.md		README.md
config.py		config.py
diagnose_live.py		diagnose_live.py
docker-compose.yml		docker-compose.yml
requirements.txt		requirements.txt
run.py		run.py

Folders and files

Latest commit

History

Repository files navigation