任务详情
TraderNet-CRv2：买入侧加密货币模拟交易系统
## 预算与时间
- 总预算：请告知您对本项目的报价
- 里程碑结构：按3个里程碑分配，比例为 35% / 35% / 30%
- **截止日期：** 项目启动后10天
## 项目概述
将一个现有的、完整可运行的深度强化学习（DRL）加密货币交易系统改造为**仅买入**的模拟交易系统，并接入 Alpaca 进行模拟交易。做空/卖出侧必须完全禁用。现有代码库完整且可运行——这是一个改造项目，不是从零开始。
**源代码仓库：** https://github.com/kochlisGit/TraderNet-CRv2
该系统使用 PPO（近端策略优化）算法，包含3个集成模块：
- **TraderNet** — 主DRL智能体，使用"Round-Trip Strategy"奖励函数
- **N-Consecutive** — 基于规则的安全过滤器，防止不确定的交易执行
- **Smurfing** — 更保守的第二智能体，用于避免高风险交易时段
您的任务是将其转换为仅买入系统，在 BTC、ETH 和 XRP 上重新训练，并接入 Alpaca 进行实时模拟交易。
## 我们提供
- BTC、ETH 和 XRP 的历史小时级 OHLCV CSV 数据
- Alpaca 模拟交易 API key 和 secret
- 学术论文 PDF
## 技术栈（仓库中已有）
- Python 3.6+、TensorFlow / TF-Agents、Gym
- TA 库（12个技术指标）、PyTrends、scikit-learn
- 如果 Google Trends 数据获取不稳定，可以禁用该特征——请自行判断
## 交付内容
### 里程碑 1 — 买入侧回测，显示正收益
将系统转换为仅买入并在提供的数据上重新训练。完成后我们期望看到：
- BTC、ETH 和 XRP 的训练完成的仅买入模型
- 在留出测试数据上的回测结果，证明系统盈利
- 绩效指标：累计PNL、夏普比率、索提诺比率、最大回撤、投资风险
- 清晰的对比，展示仅买入系统可以正常工作
### 里程碑 2 — Alpaca 实时模拟交易
将训练好的系统接入 Alpaca，实现自动交易。完成后我们期望看到：
- 系统每小时运行，获取实时加密货币数据并在 Alpaca 上执行真实的模拟交易
- 所有交易记录包含时间戳、价格、指标值和运行中的PNL
- 持仓管理正常运作（入场、持有、退出）
- 完整管道运行：Smurf → TraderNet → N-Consecutive → Alpaca 执行
### 里程碑 3 — 监控、文档与交接
交付一个我们可以独立运行的系统。完成后我们期望看到：
- 简单的监控界面（Streamlit、notebook 或终端），展示当前持仓、运行PNL、交易历史和实时指标
- 清晰的文档，使我们能够：从零安装、在新数据上重新训练、启动/停止系统、添加新币种
- 清洁、有注释的代码
- Dockerfile 或 requirements.txt 用于可复现部署
## 技能要求
- Python + TensorFlow/PyTorch，强化学习经验，REST API 集成（Alpaca或类似平台），能阅读英文学术论文，基本英语沟通
## 补充说明
- 模型很小（Conv1D + Dense 层），在 CPU 上几小时即可完成训练，无需GPU。
- 表现优秀者有后续付费工作机会（更多资产、策略改进、实盘交易集成）。
- 本系统仅用于研究和模拟交易目的。
