项目理念——算法交易机器人

项目名称：算法交易机器人

简介：

算法交易使用遵循趋势并定义一组指令来执行交易的算法。交易可以以不人道的速度和频率产生收入。传递给程序的特征交易指南集依赖于时间、价值、数量或任何数学模型。除了为交易者提供有利可图的开盘外，算法交易通过排除人类感受对交易的影响，使市场更具流动性和交易更加精确。

项目目的和需求：

算法交易现在是在明天的金融市场中生存的“先决条件”。行业报告显示，全球算法交易市场规模预计将从 2019 年的 111 亿美元增长到 2024 年的 188 亿美元。因此，算法交易的未来尚未到来。缺乏供“普通人”使用的“简单而高效的机器人”推动了对这个项目的需求

目标：

全球算法交易市场预计将在 2018 年至 2026 年间显着增长。我们的项目旨在通过提供有效且高效的解决方案来克服手动交易所面临的弊端，从而进一步推动未来市场的这场革命，例如：

• 交易以最优惠的价格执行。
• 交易请求情况是即时和准确的（在理想水平上执行的可能性很高）。
• 交易得到有效和即时的协调，以避免巨大的价值变化。
• 降低交换成本。
• 与不同市场场景同时进行的自动检查。
• 减少交易时人为错误的风险。
• 算法交易可以利用历史和实时数据进行回测，以检查它是否适合交易。
• 减少了人类交易者由于情绪和心理因素而出错的机会。

问题陈述：

问题陈述是构建一个算法交易机器人，它将在随机森林上工作，与范围交易/SMA、黄金交叉、多数据策略等有效策略一起用于日常（日内）交易和整个课程每日投资和交易不断修改，以确保当日最佳交易成交量，同时降低交易成本，从而为相关用户无论是组织还是个人带来巨额利润。

工具和技术：

硬件

• 英特尔酷睿 i7-9750H CPU
• 2.60GHz
• 8GB 内存
• TB 硬盘

软件

• 浏览器，如 Google Chrome、Mozilla Firefox、Microsoft Edge 等。
• Visual Studio 代码编辑器
• PostgreSQL 数据库的 PgAdmin4
• Python3.7
• Django 框架
• 羊驼交易和模拟交易账户

架构：

我们提出的解决方案的架构图如下所示。

架构图

我们有两种类型的角色，即交易者和机器人。交易者可以访问交易订单、查看市场统计数据、通过机器人设置日间交易策略以及管理他们的账户。机器人将根据市场和用户统计数据验证和进行交易，将发送通知，并有权访问用户钱包以执行交易订单。图表顶部列出了一些特殊功能。

实施：

下面是我们BOT的实现。

第 1 步：用户通过将其交易账户与 BOT 连接来注册。然后通过用户名和密码登录。

第 2 步：显示实时市场统计、机器人交易历史、账户详情、钱包和收入的投资组合页面打开。

第 3 步：在投资组合页面上，用户将“启用机器人”。输入交易策略、用户想要交易的股票名称、进入和退出点、止损值和策略特定参数（例如：移动平均线）。然后运行 BOT。

第 4 步： BOT 将不断获取并检查实时市场情景、当前未平仓头寸、用户钱包和损益参数，以验证是否可以在市场上为股票建立头寸并决定要进行哪种交易完毕。 BOT 会自动计算要交易的股票数量，同时牢记目标利润、止损、进/出点以及保留钱包。

第 5 步： BOT 将根据用户设置的策略和参数执行自动交易，并与市场进行验证，以获得比手动交易更高的性能和收入。 BOT 将继续这样做，直到市场收盘或达到退出点/止损或用户发送停止信号。

第 6 步：在 BOT 或作为警报系统采取的每项操作之后，向用户发送即时电子邮件通知。

对于我们的机器学习模型，我们选择了随机森林回归器，它显示我们的 BOT 的准确度得分为 0.96。随机森林回归器与Python实现的财务策略集成，如单一移动平均线、交叉移动平均线、多数据、黄金交叉和 Donchian 策略。

算法交易机器人允许用户做 -

• 实时交易
• 纸上交易（实时模拟交易）
• 策略回测（查看您的交易策略的有效性以及 Bot 的历史数据）

输出：

看看 Trading BOT Go！自动交易只需几个步骤！

上面的视频演示了 BOT 如何在没有任何人工干预的情况下进行自动化交易并不断确保良好的利润。我们可以看到用户收到的关于 Bot 操作的即时电子邮件警报。

也可以进行回测。下面是一个片段，展示了 BOT 在回测后显示的结果及其分析 -

注意：这里的多个数据的策略已经过 BOT 的回测

多数据策略回测

在这里，我们看到我们的策略和 BOT 一起将获得 14802.73 美元的利润！

结论：

• 算法交易机器人不仅提供安全、成本和速度，而且是未来金融市场和经济的革命性技术。
• 算法交易机器人使新交易者和老交易者更容易以最小的努力、时间和损失获得盈利结果。
• 金融知识与机器学习的整合是未来交易的需求，可以提高业绩和收入。

进一步的工作：

作为我们项目的下一步，将实施以下内容 -

• 将随机森林与财务策略相结合，使它们能够协同工作，进一步提高机器人效率。
• 机器人在网络平台上的交互式且易于使用的用户界面。
• 使用 Django 框架将机器人集成到 UI。
• 对整个完整机器人进行更长时间的实时测试，以确保获得最佳性能统计数据。

要达到的目标——

• 降低交易成本和风险。
• 使机器人安全。
• 启用基于云的交易安排。

实际应用：

即使市场上有流行的解决方案，散户投资者又名“普通人”或“非组织交易者”并没有从中受益，并且仍然坚持传统的交易方式，这些交易方式具有更高的脆弱性和更低的盈亏比。

机构交易者已经建立了平台，以便他们组织的技术团队可以处理这些平台。目前，交易发生在微秒级并持续到纳秒级，仅一毫秒就占了每年数百万的市场交易收入。

缺乏用户友好、适应性强且易于理解的平台导致机构在贸易市场中占据主导地位。因此，该系统将在未来的交易中使用，并可用于加密货币交易以及该系统的其他版本。任何已建立或新成立的交易者都将获得增强的绩效和收入。

团队成员 ：

• 梅达马图尔
• 萨希尔·马特雷
• 萨蒂扬姆哈德卡