تجربة استخراج عوامل العقود الآجلة: من تنصيب Docker حتى الاختبار الرجعي والتداول التجريبي

نبذة على المشروع

تجربة استخراج عوامل العقود الآجلة هي منصة جاهزة للاستعمال للبحث الكمي فالعقود الآجلة والتداول التجريبي. كتجمع عرض بيانات السوق، استخراج العوامل، الاختبار الرجعي للاستراتيجيات، التداول الورقي، المهام الكمية المباشرة والمساعدة ديال الذكاء الاصطناعي فقراءة السوق، كاملين فسيستم واحد مستضاف ذاتياً، ومناسبة للتعلم والبحث والتجارب المحاكاة.

المشروع كيوفّر افتراضياً بيانات سوق مجانية من Sina Finance، وكتتحدّث تقريباً كل 5 ثواني، وما كتحتاجش تسجيل حساب بيانات السوق. قاعدة البيانات، الكاش وبيانات الخدمة كيتستاضفو من طرف اللي كيدير التنصيب؛ وإلى كان عندك مصدر بيانات متوافق مع CTP، تقدر حتى هو تهيّئو فلوحة الإدارة باستعمال عنوان tcp:// المناسب.

هاد المشروع مخصّص غير للتعلم والبحث وتجارب التداول التجريبي، وماشي نصيحة استثمارية. ملي كتربط بيانات أو واجهات التداول الحقيقية، المستخدم هو اللي كيتحمّل المخاطر والمسؤولية القانونية.

الوظائف الأساسية

• محطة بيانات السوق: كتوفّر الأسعار المباشرة المجانية من Sina وتاريخ شموع K، وكتدعم لائحة المفضلة وشجرة المنتجات؛ إمكانيات دفتر الأوامر بخمسة مستويات وغيرها كتتعلّق بمصدر البيانات المربوط.
• مختبر العوامل: فيه أكثر من 60 خاصية مدمجة، وتقدر تستعمل التعابير لاستخراج العوامل، مع إعادة التجارب باستعمال ترميز token.
• الاختبار الرجعي التاريخي: كيدعم اختبار شموع K بآجال متعددة، واختبار شموع K مولّدة بالذكاء الاصطناعي، واختبار نماذج القرار.
• التداول التجريبي: كيوفّر حساباً ورقياً، مطابقة الأوامر المعلّقة، تدبير المراكز، منحنى قيمة الحساب ومعايير متعددة لإغلاق المراكز.
• المهام الكمية: كتحسب إشارات الاستراتيجية بشكل مباشر، وكتدعم توافق الآجال المتعددة ووقف الخسارة حسب شمعة الإشارة.
• تحليل السوق بالذكاء الاصطناعي: كينتج، عبر قنوات LLM اللي كيهيّئها المستخدم، نشرات للسوق بأسلوب المذيع ومعلومات مساعدة للتداول.
• لوحة الإدارة: كتدبّر مراقبة قنوات البيانات والتبديل بين الرئيسية والاحتياطية، ومصادر شموع K، والمستخدمين والحصص.

البنية التقنية

الواجهة الخلفية مبنية على Python 3.12 وFastAPI وSQLAlchemy غير المتزامن وPostgreSQL وRedis؛ والواجهة الأمامية كتستعمل Next.js 15 وReact 19 وTailwind CSS؛ والخدمات كاملة منسّقة باستعمال Docker Compose.

هاد البنية كتجمع الواجهة الأمامية وAPI وقاعدة البيانات والكاش فتنصيب موحّد بالحاويات، وكتناسب الاستضافة الذاتية فخادم شخصي أو بيئة بحث داخلية.

التنصيب والتشغيل

الخطوة الأولى: وجد بيئة التنصيب

قبل ما تبدا، تأكد باللي البيئة فيها Docker، وباللي تقدر تستعمل Docker Compose. من بعد جيب مصدر المشروع ودخل للمجلد الجذر ديال المستودع.

الخطوة الثانية: صايب ملف متغيرات البيئة

نسخ إعدادات المثال اللي كيوفّرها المستودع:

cp .env.example .env

حلّ .env وراجع أو بدّل، حسب بيئة التنصيب، إعدادات قاعدة البيانات وRedis ومفتاح JWT وغيرها. فالتنصيب العمومي، ما خاصكش تبقى مستعمل مفاتيح ساهلة التخمين أو مطابقة للمثال.

الخطوة الثالثة: شغّل الحاويات

من المجلد الجذر ديال المستودع نفّذ:

docker compose up -d

هاد الأمر كيشغّل فالخلفية الخدمات المعرّفة فـ Compose. من بعد التشغيل، تقدر تشوف حالة الحاويات بهاد الأمر:

docker compose ps

تفاصيل إنشاء جداول قاعدة البيانات وإعداد البيانات وشرح متغيرات البيئة كاملين موجودين فـ SELF-HOSTING.md ديال المشروع. README ما كيضمنش منفذاً ثابتاً للولوج، لذلك خاصك تحدد العنوان الفعلي حسب ملف Compose ومتغيرات البيئة المحلية.

إعداد مصدر بيانات السوق

استعمال بيانات Sina الافتراضية مباشرة

فأول تجربة، تقدر تخلي مصدر البيانات الافتراضي sina. هاد المصدر ما كيحتاجش حساب أو عنوان خادم، وكيتحدّث افتراضياً تقريباً كل 5 ثواني، وكيصلح للتحقق بسرعة من صفحة السوق ومسار البحث الأساسي.

ربط مصدر CTP خاص بك

إلى كان عندك مصدر بيانات خدام ومتوافق مع CTP، اختار ctp_sim، ومن بعد عمّر العنوان ديالك فصفحة “مراقبة قنوات البيانات” فلوحة الإدارة، بحال:

tcp://host:port

المستودع المفتوح المصدر ما فيهش عناوين خوادم بيانات مؤدى عنها أو خاصة؛ خاص اللي كيدير التنصيب يجيب بوحدو عنواناً قانونياً وصالحاً للمصدر ويهيّئو.

استعمال بيئة openctp 7×24 المحاكاة

openctp_724 كيشير لبيئة المحاكاة 7×24 ديال openctp، ومناسب لتجارب الحساب الافتراضي. الحقول ودرجة التفاصيل اللي كتوفّرها مصادر البيانات المختلفة ممكن تختلف؛ مثلاً دفتر الأوامر بخمسة مستويات خاص مصدر البيانات نفسو يدعم هاد الإمكانية.

مسار الاستعمال الأساسي

1. اختار موضوع البحث من محطة البيانات

من بعد ما تدخل لمحطة البيانات، استعمل لائحة المفضلة أو شجرة المنتجات باش تشوف أسعار العقود الآجلة وتاريخ شموع K. تأكد أولاً باللي البيانات كتتحدّث، ومن بعد بدا تجربة العوامل أو الاختبار الرجعي، باش تنقص من احتمال الاستنتاج الخاطئ بسبب مشكل فمصدر البيانات.

2. دير التجارب فمختبر العوامل

مختبر العوامل فيه أكثر من 60 خاصية مدمجة، وكيتيح تركيب العوامل باستعمال التعابير. من الأحسن تبدا بتعابير بسيطة، وتسجّل المنتج المدروس والمدة والمعاملات، ومن بعد تزيد التعقيد بالتدريج.

ترميز token ديال المنصة كيساعد على إعادة التجارب. من بعد ما تكمل بحثاً مفيداً على عامل، خاصك تحفظ token المرتبط به، وتسجّل فالنفس الوقت مصدر البيانات والفترة الزمنية المستعملة. بهاد الطريقة كتقدر تضمن بسهولة أكبر تطابق شروط التجربة ملي تعاود تشغّلها أو تقارن النتائج.

3. شغّل الاختبار الرجعي التاريخي

دخل لوحدة الاختبار الرجعي، واختار حسب هدف البحث: اختبار شموع K بآجال متعددة، أو اختبار شموع K مولّدة بالذكاء الاصطناعي، أو اختبار نموذج القرار. فمرحلة الاختبار، راقب بالخصوص واش المدة المختارة ومنطق الإشارة وشروط إغلاق المركز منسجمة مع الفرضية الأصلية.

ما تركزش غير على نتيجة ربح وحدة. حيث إن README ما كيحدّدش مؤشرات تقييم أو معاملات افتراضية معيّنة، خاص التحليل الفعلي يعتمد على نتائج الاختبار اللي كيعرضها النظام، مع المقارنة بين آجال وشروط مختلفة.

4. دوز للتحقق بالتداول التجريبي

من بعد الاختبار الرجعي التاريخي، تقدر تستعمل حساباً ورقياً للتحقق بالمحاكاة. وحدة التداول التجريبي كتدعم مطابقة الأوامر المعلّقة، عرض المراكز ومنحنى قيمة الحساب، وكتتيح معايير لإغلاق المراكز بحال التقاطع الميت للمؤشرات، وعتبة العامل أو مرجع الموجة السعرية.

من الأفضل تبدا بمراقبة الإشارات فحساب تجريبي وسط سوق متواصل، وما تعتبرش نتائج الاختبار الرجعي التاريخي مباشرةً توقعاً للأداء المستقبلي. خاصك خصوصاً تراجع حالة الأوامر المعلّقة وتغيّر المراكز ومنحنى قيمة الحساب، وتشوف واش منسجمة مع توقعات الاستراتيجية.

5. صايب مهمة كمية مباشرة

المهام الكمية كتقدر تحسب إشارات الاستراتيجية بشكل مباشر، وكتدعم توافق الآجال المتعددة ووقف الخسارة حسب شمعة الإشارة. فالاستخدام العملي، تقدر تبدا بالتحقق من الإشارة فمدة وحدة، ومن بعد تزيد مدد أخرى للفلترة بالتوافق، باش تميّز بين تأثير الإشارة الأساسية وتأثير شروط الآجال المتعددة.

6. هيّئ تحليل السوق بالذكاء الاصطناعي

تحليل السوق بالذكاء الاصطناعي كيحتاج قنوات النماذج اللي كيهيّئها المستخدم. من بعد إعداد قناة LLM، يقدر النظام يقدّم نشرة للسوق بأسلوب المذيع ومعلومات مساعدة للتداول.

خاص مخرجات الذكاء الاصطناعي تبقى وسيلة مساعدة للبحث، وماشي نتيجة تداول مؤكدة. ملي كتستعمل شموع K مولّدة بالذكاء الاصطناعي أو تحليلاً للسوق، خاصك تتحقق بشكل مستقل بالاعتماد على بيانات السوق الأصلية ونتائج الاختبار وأداء الحساب التجريبي.

نصائح للاستعمال المتقدم

حافظ على قابلية إعادة التجربة

• حفظ ترميز token المرتبط بتعبير العامل.
• سجّل المنتج ومدة شموع K ومصدر البيانات والفترة الزمنية للتجربة.
• فالمقارنة بين التجارب، حاول تبدّل غير متغيراً أساسياً واحداً.
• من بعد تبديل مصدر البيانات، راجع من جديد الحقول وإمكانيات دفتر الأوامر.

تحقق من الاستراتيجية على مراحل

1. بني العامل وراجعه فمختبر العوامل.
2. تحقق من الأداء فمدد مختلفة باستعمال الاختبار الرجعي التاريخي.
3. جرّب مسار الأوامر المعلّقة والمراكز والإغلاق باستعمال حساب ورقي.
4. صايب مهمة كمية وراقب الإشارات المباشرة والتوافق بين الآجال.
5. استعمل تحليل السوق بالذكاء الاصطناعي كمعلومة إضافية، وماشي بديلاً عن قواعد الاستراتيجية.

حسّن التوفّر باستعمال تدبير قنوات البيانات

إلى هيّأتي عدة قنوات للبيانات، تقدر تستعمل لوحة الإدارة لمراقبتها والتبديل بين الرئيسية والاحتياطية. خاصك تراجع حالة الاتصال بانتظام، وتتأكد باللي القناة الاحتياطية فيها عنوان خدمة صحيح ويمكن الولوج إليه.

حمي بيئة الاستضافة الذاتية

قبل التنصيب، خاصك تبدّل مفتاح JWT وتحمي مزيان معلومات الاتصال بـ PostgreSQL وRedis ومصدر البيانات وقنوات النماذج. المستخدمون والحصص يمكن تدبيرهم من لوحة الإدارة، باش تتفادى استهلاك الموارد بلا داعي أو الولوج غير المرخّص.

أوامر الصيانة الشائعة

عرض الحالة الحالية للحاويات:

docker compose ps

عرض سجلات الخدمات:

docker compose logs

تتبّع السجلات باستمرار:

docker compose logs -f

إيقاف خدمات Compose:

docker compose down

إلى بغيتي تبدّل إعدادات قاعدة البيانات أو Redis أو JWT أو أي إعدادات أخرى، رجع أولاً لوثائق الاستضافة الذاتية ديال المشروع، وخدم بالاعتماد على إعداد Compose الحالي.

الخلاصة

تجربة استخراج عوامل العقود الآجلة كتوفّر مساراً كاملاً للبحث المستضاف ذاتياً: كيبدا ببيانات السوق المجانية وبناء العوامل، وكيكمل بالاختبار الرجعي بآجال متعددة والتداول التجريبي، ومن بعد كيتوسّع للمهام الكمية المباشرة وتحليل السوق بالذكاء الاصطناعي. من الأحسن تبدا ببيانات Sina الافتراضية وتكمل المسار الأساسي، ومن بعد تربط حسب الحاجة مصدر البيانات الخاص وقنوات النماذج، وتبقى دائماً كتتحقق من الاستراتيجية بحذر فإطار البحث والتجارب المحاكاة.