EC 标志Eliot Cornu

案例研究 · 个人项目

AutoTrade

一个 Python 模拟交易机器人,每个工作日晚上由一部改作服务器的手机启动。

  • Python
  • Linux
  • 自动化
  • 安全

仅限模拟交易。 该机器人在模拟账户上下单:资金是虚拟的,不会发送任何真实订单。本项目不构成投资建议。

背景

AutoTrade 整合了两个项目:一个用 Python 编写的交易机器人,以及让它自动运行的小型服务器。其意义在于技术层面:让程序与券商的 API 交互、应对网络故障、调度任务,并在并不安全的网络上保证整体安全。

目标

每个工作日晚上无需人工干预地启动一个机器人,由它分析市场,在模拟交易账户上建仓或调整仓位,然后汇报所做的操作。整套系统运行在一部旧 Android 手机上,用电量和流量都降到最低。

功能演示模型

AutoTrade 功能演示模型一部手机服务器在工作日 17 点触发机器人。机器人获取市场数据,根据 ATR 计算止损,把订单发送到模拟交易账户(虚拟资金),然后生成报告。电脑通过加密隧道远程访问这部手机。TPSL17:00一至五模拟
示意图展示一次运行的各个步骤。所有计算都在手机上完成;只有行情和订单会经过券商的 API。
  1. 手机服务器 (Android、Termux 和 Debian):一个定时任务在周一至周五 17 点唤醒机器人。
  2. 市场数据 :机器人从券商 API 获取最新行情。
  3. 策略 :生成入场信号,再根据 ATR(近期波动率的度量)计算止损(SL)和止盈(TP)。
  4. 模拟交易订单 :发送到使用虚拟资金的模拟账户。
  5. 报告与日志 :每次分析和每个决策都有记录,并生成每日报告。
  6. 安全的远程访问 :通过私有加密隧道和密钥认证。没有任何端口暴露在互联网上。

方法

  1. 模块化的机器人 :配置、数据、策略和执行相互分离,使用券商 Alpaca 官方库的模拟交易模式。
  2. 适应波动率的止损 :止损和止盈的距离不用固定百分比,而是与每只股票的 ATR 成正比。系数通过对历史数据的模拟来校准。
  3. 保护机制 :当日亏损过大时自动停止,检查每个仓位是否都设有止损,网络出错时重试。
  4. 测试 :策略和执行使用一个替代 API 的模拟客户端来测试,因此不会真正下单。
  5. 口袋服务器 :在手机上,调度器和保持唤醒功能运行在 Termux 中,机器人运行在 Debian 环境中。一个脚本在开机时重新启动整套系统。
  6. 安全优先 :网络被视为不可信。凭据保存在访问受限的文件中,不出现在代码和日志里。没有任何服务监听本地网络。

一图看懂止损的计算

入场

当策略给出信号时,机器人记下入场价格。

ATR

最近几个交易日的平均波幅,反映该股票的波动程度。

SL 和 TP

止损设在入场价之下,止盈设在其上方,距离均与 ATR 成正比。

成果

这里不公布任何业绩数字:账户是模拟的,策略仍处于校准阶段。

局限