一个基于机器学习和人工智能的比特币期货智能交易系统，集成了量化模型、视觉语言模型(VLM)分析和社交媒体情报分析。

• 🤖 多模型融合决策: 结合量化模型、VLM图表分析和社交媒体情报
• 📊 期货交易支持: 支持做多、做空、杠杆交易和仓位管理
• 🔍 智能信号识别: "大海捞针"式关键信号检测，识别地缘政治风险和市场转折点
• 📈 技术指标丰富: K线图包含MA、布林带、RSI等多种技术指标
• 🔄 实时监控: 支持定时任务和实时决策
• 🛡️ 风险管理: 内置风险控制和仓位管理机制

BTC Trading System
├── btc_predictor/          # 量化模型模块
│   ├── model.py           # 机器学习模型
│   ├── predict.py         # 预测引擎
│   ├── kline_plot.py      # K线图生成
│   └── ...
├── data_ingestion/        # 数据获取模块
│   └── news_feeds.py      # 新闻数据获取
├── decision_engine/       # 决策引擎
│   ├── deepseek_analyzer.py  # LLM决策分析
│   ├── vlm_analyzer.py    # 视觉语言模型
│   └── vlm_cache.py       # VLM缓存管理
├── execution_engine/      # 交易执行模块
│   └── okx_trader.py      # OKX交易所接口
└── main.py               # 主程序入口

git clone https://github.com/yourusername/btc-trading-system.git
cd btc-trading-system

pip install -r requirements.txt

# 复制环境变量模板
cp env.example .env

# 编辑 .env 文件，填入您的API密钥

在 .env 文件中配置以下API密钥：

# OKX交易所API
OKX_API_KEY=your_okx_api_key
OKX_SECRET_KEY=your_okx_secret_key
OKX_PASSPHRASE=your_okx_passphrase

# DeepSeek API (用于LLM分
DEEPSEEK_API_KEY=your_deepseek_api_key
DEEPSEEK_BASE_URL=https://api.siliconflow.cn/v1
DEEPSEEK_MODEL=deepseek-ai/DeepSeek-R1

# 代理设置 (可选)
PROXY_URL=http://127.0.0.1:7890

# 运行模式
DEMO_MODE=true  # true=模拟盘, false=实盘

python main.py --now

python main.py --now --skip-llm

python main.py

系统内置 Git 自动更新器：后台定时检查远端分支是否有新提交，检测到更新后自动拉取并优雅重启进程（不会出现僵尸线程）。

配置位于 config.py 的 AUTO_UPDATE：

AUTO_UPDATE = {
    'enabled': False,            # 是否启用自动更新
    'interval_seconds': 300,     # 检查间隔（秒）
    'branch': 'main',            # 监控的分支
}

也可通过环境变量控制：

set AUTO_UPDATE_ENABLED=true
set AUTO_UPDATE_INTERVAL=300
set AUTO_UPDATE_BRANCH=main

注意：该机制会执行硬重置 git reset --hard origin/<branch>，请勿在运行目录保留未提交的本地修改。

程序在 Windows 上会自动尝试注册计划任务（开机登录即启动）。可通过 .env 控制：

set AUTO_START_ENABLED=true
set AUTO_START_TASK_NAME=BTC_Trading_AutoStart
set AUTO_START_ARGS=--now
set AUTO_START_CONDA_ENV=k-line

说明：

• 使用 schtasks 创建登录触发的计划任务，最高权限运行。
• 程序路径使用当前 Python 解释器与项目 main.py。
• 如需禁用，自行设置 AUTO_START_ENABLED=false。

streamlit run dashboard.py    

在 config.py 中修改期货交易参数：

FUTURES = {
    'trade_symbol': 'BTC-USDT-SWAP',  # 交易对
    'leverage': 5,                    # 杠杆倍数
    'margin_mode': 'isolated',        # 保证金模式
}

配置重点监控的Twitter用户和宏观经济关键词：

INFLUENTIAL_TWITTER_USERS = [
    "elonmusk",
    "realDonaldTrump",
    # ... 更多用户
]

MACRO_ECONOMIC_KEYWORDS = [
    '"Federal Reserve" OR "Fed" interest rates',
    '"CPI report" OR "inflation data"',
    # ... 更多关键词
]

1. 数据获取: 获取价格数据、新闻情报
2. 量化分析: 运行机器学习模型生成信号
3. K线分析: VLM模型分析技术图表
4. 情报整合: 分析社交媒体和新闻信息
5. 综合决策: LLM综合所有信息做出交易决策
6. 执行交易: 根据决策执行期货交易

• ⚠️ 请勿将 .env 文件提交到版本控制系统
• ⚠️ 实盘交易前请充分测试模拟盘
• ⚠️ 请合理设置杠杆倍数，控制风险
• ⚠️ 定期备份重要数据和配置

系统提供详细的日志记录和性能分析：

• 交易决策报告保存在 decision_report.json
• 运行日志保存在 logs/ 目录
• 缓存文件保存在 cache/ 目录

1. Fork 本仓库
2. 创建特性分支 (git checkout -b feature/AmazingFeature)
3. 提交更改 (git commit -m 'Add some AmazingFeature')
4. 推送到分支 (git push origin feature/AmazingFeature)
5. 开启 Pull Request

• 使用中文优先的约定式提交（Conventional Commits）：

  • 格式：类型(范围可选): 主题 | EN: short english
  • 类型：feat, fix, chore, docs, refactor, perf, test, ci, build, revert
  • 示例：fix(execution): 修复平仓失败的边界条件 | EN: fix close position edge case

• 已提供提交模板与自动校验：

  • 模板：.gitmessage（已自动配置为默认模板）
  • 校验：Commitizen（commit-msg 钩子自动检查；未安装时仅提示不阻塞）

pip install -r requirements-dev.txt
git config commit.template .gitmessage
git config core.hooksPath githooks

git fetch --all --tags
git reset --hard origin/main

本项目采用 AGPL 许可证 - 查看 LICENSE 文件了解详情

本软件仅供学习和研究使用。加密货币交易存在高风险，可能导致资金损失。使用本软件进行实际交易的风险由用户自行承担。作者不对任何交易损失承担责任。

⭐ 如果这个项目对您有帮助，请给个星标！