项目介绍:基于ChartScanAI的crypto currency决策系统

简介: ChartScanAI 是一个基于 GitHub 的增强型加密货币交易策略工具,结合 RSI、EMA、ADX 和 OBV 等技术指标,通过动态权重分配与蜡烛图模式识别,实现多周期(1h、4h、1d、1w)交易信号生成。策略内置市场状态判断、信号加权评分、风险管理(ATR 止损止盈)及仓位控制逻辑,旨在提升交易适应性与收益风险比。

项目地址: https://github.com/ahsan3219/ChartScanAI


策略介绍


增强型加密货币交易策略

该策略综合运用技术指标、基于市场状况的动态权重分配、蜡烛图模式确认以及专为加密货币交易量身定制的风险管理,数据通过 ccxt 获取。

可用周期 :1 小时(1h)、4 小时(4h)、1 天(1d)、1 周(1w)。

1. 指标

  • 核心指标 :RSI(14)、EMA(50)、ADX(14)、OBV
  • 风险指标 :ATR(14)

2. 市场状况(ADX)

  • ADX > 25 :趋势行情(提高 EMA 和 ADX 的权重)
  • ADX < 20 :盘整行情(提高 RSI 的权重)
  • 20 - 25 :中性行情(基础权重)

3. 指标信号

  • RSI :若小于 30,信号为 +1;若大于 70,信号为 -1;否则为 0
  • EMA :若收盘价大于 EMA(50),信号为 +1;若收盘价小于 EMA(50),信号为 -1;否则为 0
  • ADX :信号为 0(影响权重,不直接影响得分)
  • OBV :若当前值大于前值,信号为 +1;若当前值小于前值,信号为 -1;否则为 0

4. 风险管理

  • 止损 :入场价 ±(2 × ATR)
  • 止盈 :入场价 ±(4 × ATR)(风险回报比 1:2)
  • 头寸规模 :若得分绝对值 > 5,满仓;若 0 < 得分绝对值 ≤5,半仓

5. 蜡烛图确认

  • 被识别的蜡烛图模式(如锤子线、吞没形态等)仅在方向(看涨 / 看跌)与基础得分方向一致时,分别添加权重 1.12。

6. 最终信号

  • 由加权信号总和 + 条件蜡烛图调整共同计算得出。
  • 输出:多 / 空 / 中性信号、头寸规模、止损 / 止盈价位。




核心逻辑


   1. 数据检查

   输入数据验证:函数首先检查输入数据框(df)是否为空或行数少于 2 行。因为至少需要两行数据来比较 OBV(能量潮指标)等指标。


   2. 获取最新和前一行数据

   提取数据:获取数据框中最新一行(latest)和前一行(previous)的数据,用于后续指标的比较和计算。


   3. 市场条件适应

   ADX 值获取:从最新数据中获取 ADX(平均趋向指数)值,用于判断市场处于趋势行情还是盘整行情。

   权重调整:根据 ADX 值调整不同指标的权重。如果 ADX 大于 25,市场处于趋势行情,增加 EMA(指数移动平均线)和 ADX 的权重;如果 ADX 小于 20,市场处于盘整行情,增加 RSI(相对强弱指数)的权重。


   4. 指标信号定义

   RSI 信号:根据 RSI 值生成买卖信号。RSI 低于 30 表示超卖(买入信号),高于 70 表示超买(卖出信号)。

   EMA 信号:比较收盘价和 EMA 的大小,生成买卖信号。收盘价高于 EMA 为买入信号,低于 EMA 为卖出信号。

   OBV 信号:比较最新和前一时刻的 OBV 值,生成买卖信号。OBV 增加为买入信号,减少为卖出信号。


   5. 计算分数和最终信号

   基础分数计算:根据调整后的权重和指标信号计算基础总分。

   蜡烛图模式整合:调用函数获取蜡烛图模式信号,并根据基础分数和蜡烛图模式调整最终分数。

   最终信号生成:根据最终分数生成交易信号(买入、卖出或持币)。


   6. 风险管理

   ATR 值获取:从最新数据中获取 ATR(平均真实波幅)值,用于计算止损和止盈价位。

   头寸大小确定:根据最终分数的绝对值确定头寸大小。如果分数绝对值大于某个阈值,使用全额头寸;否则使用半额头寸。

   止损和止盈计算:根据 ATR 值和交易信号计算止损和止盈价位。


   7. 返回结果

   结果汇总:将所有计算结果汇总到一个字典中并返回,包括各个指标的值、调整后的权重、市场条件、基础和最终分数、交易信号、头寸大小、止损和止盈价位等。

   核心逻辑

     综合多种技术指标:结合多个技术指标(如 RSI、EMA、OBV、ADX)的优点,全面分析市场状况。

     市场条件适应性:根据市场是趋势行情还是盘整行情,动态调整指标权重,提高策略的适应性和有效性。

     风险管理:通过 ATR 指标计算合理的止损和止盈价位,控制交易风险。

     信号整合:将各个指标的信号整合成一个综合分数,最终生成明确的交易信号。


   该函数通过综合分析多个技术指标和市场条件,生成可靠的交易信号,同时考虑风险管理和头寸控制。



image.png

相关文章
反诈中心拦截网站域名措施与申诉方法
近几年随着互联网不断发展,也伴随着一些网络诈骗的问题,反诈中心打击违规诈骗网站、诈骗APP、标记诈骗手机号,这一些措施取得一定的效果,从去年开始严厉审核一些违规网站,也不排除于批量审核会出现一定的偏差,可能会出现审核不到位的情况,这里我表达自己的一些看法。
7454 156
反诈中心拦截网站域名措施与申诉方法
|
运维 Kubernetes 安全
云原生安全 — seccomp应用最佳实践
近期针对Linux内核的CVE漏洞频出,CVE-2022-0185、CVE-2022-0185、CVE-2022-0847是威胁评分较高且热度较高的几个典型漏洞,相关的POC/EXP利用代码也已经在互联网上公开披露。对于容器场景来说,攻击者的攻击路径也比较相似,都是利用unshare等高危系统调用在新的usernamespace拿到CAP_SYS_ADMIN等高权限capabilities后利用漏
3834 0
云原生安全 — seccomp应用最佳实践
|
8月前
|
人工智能 Linux API
OpenClaw从入门到精通:AGENTS.md等六核心文件配置、云端本地部署与大模型对接实战教程
很多用户在使用OpenClaw(Clawdbot)时都会遇到同样的困扰:AI记不住习惯、理解偏差、执行混乱、乱删文件、回复风格不符预期。实际上,OpenClaw并非黑盒系统,它的行为、人格、记忆、工作流程完全由**六个核心Markdown配置文件**控制。这些文件构成了AI的“大脑、性格、手册、记忆、知识库、用户档案”,只要正确配置,就能把普通AI变成听话、稳定、专业的专属数字员工。
4765 3
|
8月前
|
人工智能 前端开发 JavaScript
为什么 WebGPU 也能跑大模型?多维度对比 4 种跑大模型方式
WebGPU能跑大模型?因其本质是浏览器内的GPU计算接口,配合量化模型(4/8bit)与JS/WASM调度,即可在网页中完成矩阵运算与Transformer推理。本文对比WebLLM、LM Studio、llama.cpp、Ollama四大方案,厘清其分层定位:前端执行、调试工具、推理引擎、服务编排,为AI工程化落地提供清晰选型路径。(239字)
为什么 WebGPU 也能跑大模型?多维度对比 4 种跑大模型方式
|
9月前
|
机器学习/深度学习 存储 弹性计算
刚刚:阿里云服务器2026最新收费价格曝光:年/月/小时价格一目了然
2026年阿里云服务器最新价格表:年付低至38元/年(轻量应用服务器),月付25元起,按量小时计费0.3375元起;覆盖中国大陆及海外多地域,含ECS、GPU(EGS)、轻量服务器全品类,支持带宽与系统盘灵活选配,并享代金券等多重优惠。
2077 9
|
机器学习/深度学习 Python
L1和L2正则化
L1和L2正则化
|
应用服务中间件 开发工具 nginx
Mac M1/M2/M3 芯片环境配置以及常用软件安装-前端
Mac M1/M2/M3 芯片环境配置以及常用软件安装-前端 最近换了台新 Mac,所有的配置和软件就重新安装下,顺便写个文章。
2430 1
|
文字识别 C#
基于C#实现照片条形码识别
基于C#实现照片条形码识别
|
人工智能 程序员 开发者
欢迎加入通义灵码繁星计划,成为校园大使
「通义灵码繁星计划」希望为每位开发者送一个智能编码助手,为职场、校园开发者提供不同维度的产品免费使用、体系化课程学习、人才认证考试等权益,同时长期建设通义灵码MVP、校园大使体系,激活创新潜力,培养创新明星,点亮追梦之旅。
1431 36
|
SQL 小程序 API
如何运用C#.NET技术快速开发一套掌上医院系统?
本方案基于C#.NET技术快速构建掌上医院系统,结合模块化开发理念与医院信息化需求。核心功能涵盖用户端的预约挂号、在线问诊、报告查询等,以及管理端的排班管理和数据统计。采用.NET Core Web API与uni-app实现前后端分离,支持跨平台小程序开发。数据库选用SQL Server 2012,并通过读写分离与索引优化提升性能。部署方案包括Windows Server与负载均衡设计,确保高可用性。同时针对API差异、数据库老化及高并发等问题制定应对措施,保障系统稳定运行。推荐使用Postman、Redgate等工具辅助开发,提升效率与质量。
783 0

热门文章

最新文章