[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"project-93340":3},{"id":4,"name":5,"fullName":6,"owner":7,"repo":5,"description":8,"homepage":9,"htmlUrl":9,"language":10,"languages":9,"totalLinesOfCode":9,"stars":11,"forks":12,"watchers":13,"openIssues":14,"contributorsCount":15,"subscribersCount":15,"size":15,"stars1d":15,"stars7d":16,"stars30d":16,"stars90d":15,"forks30d":15,"starsTrendScore":15,"compositeScore":17,"rankGlobal":9,"rankLanguage":9,"license":18,"archived":19,"fork":19,"defaultBranch":20,"hasWiki":21,"hasPages":19,"topics":22,"createdAt":9,"pushedAt":9,"updatedAt":23,"readmeContent":24,"aiSummary":25,"trendingCount":15,"starSnapshotCount":15,"syncStatus":26,"lastSyncTime":27,"discoverSource":28},93340,"AlphaMaster","rosemarycox5334-debug\u002FAlphaMaster","rosemarycox5334-debug","MT5 factor mining, backtest, and web training UI",null,"Python",129,50,101,1,0,28,61.92,"GNU Affero General Public License v3.0",false,"main",true,[],"2026-07-22 04:02:08","# AlphaMaster\n\n基于深度神经网络强化学习的量化因子挖掘中心：从 Parquet \u002F MT5 K 线自动搜索可解释因子公式，支持 Web 端训练、回测与实时信号分析。\n\n[![License: AGPL v3](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-AGPL%20v3-blue.svg)](LICENSE)\n\n![Web 控制台总览](docs\u002Fimages\u002F00_hero.png)\n\n仓库地址：[github.com\u002Frosemarycox5334-debug\u002FAlphaMaster](https:\u002F\u002Fgithub.com\u002Frosemarycox5334-debug\u002FAlphaMaster)\n\n---\n\n## 它做什么\n\nAlphaMaster 把「挖因子」做成一条可操作的流水线：\n\n1. **训练**：用强化学习在特征 + 算子空间里搜索公式，按验证集表现选优  \n2. **回测**：用 `tanh(因子)` 连续仓位在历史行情上模拟交易，看资金曲线与绩效  \n3. **实时分析**：按周期收盘后重算信号，展示方向与把握；方向转折可推飞书提醒  \n\n公式以 token 序列保存（如 `strategies\u002Fbest_BTCUSDT.json`），可用 StackVM 解释执行，训练 \u002F 回测 \u002F 实时共用同一套信号逻辑。\n\n---\n\n## Web 控制台（推荐入口）\n\n```bash\npip install -r requirements.txt\npython run_web.py --port 8765\n```\n\n浏览器打开 [http:\u002F\u002F127.0.0.1:8765](http:\u002F\u002F127.0.0.1:8765)。界面分三步：\n\n| 步骤 | 作用 |\n|------|------|\n| **01 模型训练** | 选 Parquet、开始 \u002F 重新训练、看曲线与日志、导出策略与检查点 |\n| **02 策略回测** | 选策略 JSON，设手续费 \u002F 滑点，看绩效与资金曲线 |\n| **03 实时分析** | 多数据源监控，收盘后更新信号；可选飞书转折提醒 |\n\n### 模型训练\n\n![训练页](docs\u002Fimages\u002F01_train.png)\n\n- Parquet 命名：`{品种}_{周期}.parquet`，例如 `BTCUSDT_H1.parquet`、`XAUUSD_H1.parquet`  \n- **开始训练**：有检查点则断点续训  \n- **重新训练**：清除检查点从头搜索；已有更优策略作为分数下限，不会被弱结果覆盖  \n- 展示最优分数、验证分数、训练曲线与最优公式；可选 AI 分析当前训练情况  \n\n### 策略回测\n\n![回测页](docs\u002Fimages\u002F02_backtest.png)\n\n- 仓位：`position = tanh(factor)`，信号越强仓位越大  \n- 成本：手续费 + 滑点（默认约 0.02% \u002F 0.01%）  \n- 输出：总收益、夏普、索提诺、盈亏比、滚动夏普与资金曲线  \n\n![资金曲线示例](docs\u002Fimages\u002F04_equity.png)\n\n### 实时分析\n\n![实时分析页](docs\u002Fimages\u002F03_realtime.png)\n\n- 数据源：MT5 \u002F OKX 等（以界面可用源为准）  \n- **只在当前周期 K 线收盘后**重新判断；未收盘 bar 不参与信号  \n- 卡片展示方向（看涨 \u002F 看跌 \u002F 不确定）与把握程度  \n- 可选飞书 Webhook：仅在方向转折时推送文字提醒  \n\n---\n\n## 项目结构\n\n```\nAlphaMaster\u002F\n├── web\u002F                 # FastAPI Web UI（训练 \u002F 回测 \u002F 实时）\n├── model_core\u002F          # 特征、算子、StackVM、训练引擎、回测评分\n├── data_pipeline\u002F       # Parquet \u002F MT5 K 线加载与对齐\n├── strategy_manager\u002F    # 实盘信号与仓位逻辑（与回测口径一致）\n├── execution\u002F           # MT5 下单接口\n├── backtest_viz\u002F        # 回测引擎与图表\n├── strategies\u002F          # best_{symbol}.json 策略文件\n├── checkpoints\u002F         # 训练检查点\n├── run_web.py           # 启动 Web 控制台\n├── train_file.py        # CLI：从单个 Parquet 训练\n└── requirements.txt\n```\n\n---\n\n## 环境要求\n\n- Python **3.10+**（建议 3.11）  \n- PyTorch、pandas、FastAPI、uvicorn 等（见 `requirements.txt`）  \n- 可选：MetaTrader 5 终端（实时 MT5 源 \u002F 实盘相关脚本）  \n- 复制 `.env.example` 为 `.env` 填写 MT5 等凭证（`.env` 已 gitignore）  \n\n```bash\npython -m pip install -r requirements.txt\n# TradingView 若上面 git 行失败，可单独装：\n# python -m pip install git+https:\u002F\u002Fgithub.com\u002FrongardF\u002Ftvdatafeed.git\n```\n\n---\n\n## 常用命令\n\n```bash\n# Web 控制台\npython run_web.py --port 8765\n\n# CLI 训练（自动续训；加 --from-scratch 则重新训练）\npython train_file.py --data-file D:\\K线数据\\BTCUSDT_H1.parquet\npython train_file.py --data-file D:\\K线数据\\BTCUSDT_H1.parquet --from-scratch\n```\n\n策略输出默认在 `strategies\u002Fbest_{symbol}.json`。\n\n---\n\n## 信号口径（训练 \u002F 回测 \u002F 实时一致）\n\n- 因子经 StackVM 算出标量序列  \n- `position = tanh(factor)` ∈ (-1, 1)  \n- `|position|` 小于阈值时视为无信号（观望）  \n- 实时侧只用**已收盘** K 线，避免盘中抖动与回测不一致  \n\n---\n\n## 截图更新\n\n仓库内展示图由当前 Web UI 截取，可用：\n\n```bash\npython scripts\u002Fcapture_readme_shots.py\n```\n\n（需本机已启动 `python run_web.py --port 8765`，并已安装 Playwright + Chromium。）\n\n---\n\n## License\n\n本项目采用 [GNU Affero General Public License v3.0 (AGPL-3.0)](LICENSE)。  \n修改、分发或通过网络提供服务时，须按相同协议公开对应源代码。\n\n---\n\n## Star History\n\n[![Star History Chart](https:\u002F\u002Fapi.star-history.com\u002Fsvg?repos=rosemarycox5334-debug\u002FAlphaMaster&type=date&legend=top-left)](https:\u002F\u002Fwww.star-history.com\u002F#rosemarycox5334-debug\u002FAlphaMaster&type=date&legend=top-left)\n","AlphaMaster 是一个面向量化投资的因子挖掘与验证平台，基于深度神经网络与强化学习自动搜索可解释的数学因子公式。核心功能包括：从 Parquet 或 MT5 K 线数据中训练因子策略、使用 tanh 连续仓位模型进行回测（支持手续费与滑点模拟）、以及在收盘后实时生成交易信号并支持飞书提醒。技术上采用 StackVM 统一执行训练、回测与实盘信号逻辑，确保口径一致；Web 控制台（FastAPI）提供可视化训练监控、绩效分析和多品种实时监控。适用于量化研究员快速验证因子逻辑、构建低频趋势策略或作为因子研究流水线基础设施。",2,"2026-07-16 02:30:09","CREATED_QUERY"]