فیوچرز فیکٹر مائننگ تجربہ: Docker تعیناتی سے فیکٹر بیک ٹیسٹنگ اور فرضی تجارت تک

پروجیکٹ کا تعارف

فیوچرز فیکٹر مائننگ تجربہ ایک تیار استعمال فیوچرز مقداری تحقیق اور فرضی تجارتی پلیٹ فارم ہے۔ یہ مارکیٹ ڈیٹا دیکھنے، فیکٹر مائننگ، حکمت عملی کی بیک ٹیسٹنگ، کاغذی تجارت، حقیقی وقت کے مقداری کاموں اور AI معاون مارکیٹ مانیٹرنگ کو ایک ہی خود میزبان نظام میں یکجا کرتا ہے، جو سیکھنے، تحقیق اور فرضی تجربات کے لیے موزوں ہے۔

پروجیکٹ بطور ڈیفالٹ Sina Finance کا مفت مارکیٹ ڈیٹا فراہم کرتا ہے، جو تقریباً ہر 5 سیکنڈ میں تازہ ہوتا ہے، اور اس کے لیے مارکیٹ ڈیٹا اکاؤنٹ کی ضرورت نہیں۔ ڈیٹابیس، کیش اور کاروباری ڈیٹا تعینات کرنے والا خود میزبانی کرتا ہے؛ اگر آپ کے پاس اپنا CTP مطابقت رکھنے والا مارکیٹ ڈیٹا فرنٹ اینڈ ہے تو انتظامی پس منظر میں متعلقہ tcp:// ایڈریس بھی درج کیا جا سکتا ہے۔

یہ پروجیکٹ صرف تعلیمی تحقیق اور فرضی تجارتی تجربات کے لیے ہے، سرمایہ کاری کا مشورہ نہیں۔ حقیقی مارکیٹ ڈیٹا یا تجارتی انٹرفیس سے منسلک ہونے پر خطرات اور تعمیل کی ذمہ داری صارف پر ہو گی۔

اہم خصوصیات

• مارکیٹ ٹرمینل: Sina کا مفت حقیقی وقت کا کوٹ اور K لائن تاریخ فراہم کرتا ہے، نیز واچ لسٹ اور انسٹرومنٹ ٹری کی معاونت کرتا ہے؛ پانچ سطحی آرڈر بک وغیرہ کی سہولیات منسلک مارکیٹ ڈیٹا کے ماخذ پر منحصر ہیں۔
• فیکٹر لیبارٹری: 60 سے زیادہ بلٹ اِن خصوصیات فراہم کرتی ہے، جنہیں ایکسپریشنز کے ذریعے فیکٹر مائننگ اور token انکوڈنگ کے ذریعے تجربات کی تکرار کے لیے استعمال کیا جا سکتا ہے۔
• تاریخی بیک ٹیسٹنگ: کثیر مدتی K لائن بیک ٹیسٹنگ، AI سے تیار کردہ K لائن بیک ٹیسٹنگ اور فیصلہ جاتی ماڈل بیک ٹیسٹنگ کی معاونت کرتی ہے۔
• فرضی تجارت: کاغذی اکاؤنٹ، زیر التوا آرڈرز کی میچنگ، پوزیشن مینجمنٹ، ایکویٹی کَرو اور پوزیشن بند کرنے کے متعدد معیارات فراہم کرتی ہے۔
• مقداری کام: حکمت عملی کے سگنلز کا حقیقی وقت میں حساب کرتا ہے اور کثیر مدتی ہم آہنگی و سگنل K لائن اسٹاپ لاس کی معاونت کرتا ہے۔
• AI مارکیٹ مانیٹرنگ: خود ترتیب دیے گئے LLM چینل کے ذریعے اینکر طرز کی مارکیٹ رپورٹ اور تجارتی معاون معلومات تیار کرتی ہے۔
• انتظامی پس منظر: مارکیٹ ڈیٹا چینلز کی نگرانی اور بنیادی/ثانوی سوئچنگ، K لائن ماخذ، صارفین اور کوٹے کا انتظام کرتا ہے۔

تکنیکی ڈھانچہ

بیک اینڈ Python 3.12، FastAPI، غیر متزامن SQLAlchemy، PostgreSQL اور Redis پر مبنی ہے؛ فرنٹ اینڈ میں Next.js 15، React 19 اور Tailwind CSS استعمال ہوتے ہیں؛ تمام خدمات Docker Compose کے ذریعے منظم کی جاتی ہیں۔

یہ ڈھانچہ فرنٹ اینڈ، API، ڈیٹابیس اور کیش کو کنٹینرائزڈ تعیناتی میں یکجا کرتا ہے، اس لیے ذاتی سرور یا اندرونی تحقیقی ماحول میں خود میزبانی کے لیے موزوں ہے۔

تنصیب اور آغاز

پہلا مرحلہ: تعیناتی کا ماحول تیار کریں

شروع کرنے سے پہلے یقینی بنائیں کہ ماحول میں Docker نصب ہے اور Docker Compose استعمال کیا جا سکتا ہے۔ اس کے بعد پروجیکٹ کا سورس کوڈ حاصل کر کے ریپوزٹری کی جڑ میں جائیں۔

دوسرا مرحلہ: ماحولیاتی متغیرات کی فائل بنائیں

ریپوزٹری میں فراہم کردہ نمونہ کنفیگریشن نقل کریں:

cp .env.example .env

.env کھولیں اور تعیناتی کے ماحول کے مطابق ڈیٹابیس، Redis اور JWT کلید وغیرہ کی ترتیبات جانچیں یا تبدیل کریں۔ عوامی تعیناتی میں آسانی سے اندازہ لگائی جانے والی یا نمونے جیسی کلیدیں استعمال نہیں کرنی چاہییں۔

تیسرا مرحلہ: کنٹینرز شروع کریں

ریپوزٹری کی جڑ میں یہ کمانڈ چلائیں:

docker compose up -d

یہ کمانڈ Compose میں متعین خدمات کو پس منظر میں شروع کرے گی۔ آغاز کے بعد کنٹینرز کی حالت دیکھنے کے لیے یہ کمانڈ استعمال کریں:

docker compose ps

ڈیٹابیس ٹیبلز، ڈیٹا کنفیگریشن اور مکمل ماحولیاتی متغیرات کی وضاحت پروجیکٹ کی SELF-HOSTING.md کے مطابق ہو گی۔ README رسائی کے پورٹ کی کوئی مقررہ ضمانت نہیں دیتی، اس لیے اصل رسائی ایڈریس Compose فائل اور مقامی ماحولیاتی متغیرات کے مطابق طے کریں۔

مارکیٹ ڈیٹا کا ماخذ ترتیب دیں

بطور ڈیفالٹ Sina مارکیٹ ڈیٹا استعمال کریں

پہلے تجربے کے لیے ڈیفالٹ sina مارکیٹ ڈیٹا ماخذ برقرار رکھا جا سکتا ہے۔ اس ماخذ کے لیے اکاؤنٹ یا سرور ایڈریس درکار نہیں، یہ تقریباً ہر 5 سیکنڈ میں تازہ ہوتا ہے اور مارکیٹ صفحے و بنیادی تحقیقی عمل کی فوری جانچ کے لیے موزوں ہے۔

اپنا CTP مطابقت رکھنے والا فرنٹ اینڈ منسلک کریں

اگر آپ کے پاس قابل استعمال CTP مطابقت رکھنے والی مارکیٹ ڈیٹا سروس موجود ہے تو ctp_sim منتخب کریں، پھر انتظامی پس منظر کے “مارکیٹ چینل مانیٹرنگ” صفحے پر اپنا ایڈریس درج کریں، مثلاً:

tcp://host:port

اوپن سورس ریپوزٹری میں بامعاوضہ یا نجی مارکیٹ ڈیٹا سرور کا ایڈریس شامل نہیں ہو گا؛ تعینات کرنے والے کو خود قانونی اور قابل استعمال فرنٹ اینڈ ایڈریس حاصل کر کے ترتیب دینا ہو گا۔

openctp 7×24 فرضی ماحول استعمال کریں

openctp_724، openctp کے 7×24 فرضی ماحول سے متعلق ہے اور ورچوئل مارکیٹ تجربات کے لیے موزوں ہے۔ مختلف ڈیٹا ذرائع کے فراہم کردہ فیلڈز اور گہرائی مختلف ہو سکتی ہے؛ مثلاً پانچ سطحی آرڈر بک کے لیے متعلقہ مارکیٹ ڈیٹا ماخذ میں یہ صلاحیت موجود ہونا ضروری ہے۔

بنیادی استعمال کا طریقہ

1. مارکیٹ ٹرمینل سے تحقیقی موضوع منتخب کریں

مارکیٹ ٹرمینل میں داخل ہونے کے بعد واچ لسٹ یا انسٹرومنٹ ٹری کے ذریعے فیوچرز کوٹ اور تاریخی K لائن دیکھیں۔ فیکٹر تجربہ یا بیک ٹیسٹنگ شروع کرنے سے پہلے تصدیق کریں کہ مارکیٹ ڈیٹا اپ ڈیٹ ہو رہا ہے، تاکہ ڈیٹا ماخذ کی خرابی سے ہونے والے غلط نتائج کم کیے جا سکیں۔

2. فیکٹر لیبارٹری میں تجربہ کریں

فیکٹر لیبارٹری 60 سے زیادہ بلٹ اِن خصوصیات فراہم کرتی ہے اور ایکسپریشنز کے ذریعے فیکٹرز کو ملانے کی معاونت کرتی ہے۔ نسبتاً سادہ ایکسپریشنز سے شروع کرنے، تحقیقی انسٹرومنٹ، مدت اور پیرامیٹرز درج کرنے، پھر بتدریج پیچیدگی بڑھانے کی سفارش کی جاتی ہے۔

پلیٹ فارم کی token انکوڈنگ تجربات کو دوبارہ بنانے کے لیے استعمال کی جا سکتی ہے۔ کسی مفید فیکٹر تحقیق کے بعد متعلقہ token محفوظ کریں اور استعمال شدہ ڈیٹا ماخذ و مدت بھی درج کریں۔ اس طرح دوبارہ چلانے یا نتائج کا موازنہ کرنے پر تجرباتی حالات یکساں رکھنا آسان ہو گا۔

3. تاریخی بیک ٹیسٹنگ چلائیں

بیک ٹیسٹنگ ماڈیول میں جا کر تحقیقی مقصد کے مطابق کثیر مدتی K لائن بیک ٹیسٹنگ، AI سے تیار کردہ K لائن بیک ٹیسٹنگ یا فیصلہ جاتی ماڈل بیک ٹیسٹنگ منتخب کریں۔ بیک ٹیسٹنگ کے دوران منتخب مدت، سگنل منطق اور پوزیشن بند کرنے کی شرائط کو اصل مفروضے سے مطابقت کے لیے خاص طور پر جانچیں۔

صرف ایک منافع کے نتیجے کا مشاہدہ نہ کریں۔ چونکہ README نے مخصوص تشخیصی اشاریے یا ڈیفالٹ پیرامیٹرز مقرر نہیں کیے، اس لیے عملی تجزیے میں نظام کے دکھائے گئے بیک ٹیسٹ نتائج کو بنیاد بنائیں اور مختلف مدتوں و شرائط کے ساتھ موازنہ کریں۔

4. تصدیق کے لیے فرضی تجارت کی طرف منتقل ہوں

تاریخی بیک ٹیسٹنگ کے بعد کاغذی اکاؤنٹ کے ذریعے فرضی تصدیق کی جا سکتی ہے۔ فرضی تجارتی ماڈیول زیر التوا آرڈرز کی میچنگ، پوزیشن دیکھنے اور ایکویٹی کَرو کی معاونت کرتا ہے، نیز اشارے کے ڈیڈ کراس، فیکٹر کی حد یا سوئنگ ریفرنس جیسے پوزیشن بند کرنے کے معیارات فراہم کرتا ہے۔

تاریخی بیک ٹیسٹ کے نتائج کو مستقبل کی کارکردگی نہ سمجھیں؛ پہلے فرضی اکاؤنٹ میں مسلسل مارکیٹ کے دوران سگنلز کی کارکردگی دیکھیں۔ خاص طور پر زیر التوا آرڈر کی حالت، پوزیشن میں تبدیلی اور ایکویٹی کَرو کو حکمت عملی کی توقعات کے مطابق جانچیں۔

5. حقیقی وقت کا مقداری کام بنائیں

مقداری کام حکمت عملی کے سگنلز کا حقیقی وقت میں حساب کر سکتے ہیں اور کثیر مدتی ہم آہنگی و سگنل K لائن اسٹاپ لاس کی معاونت کرتے ہیں۔ عملی استعمال میں پہلے ایک ہی مدت پر سگنل کی تصدیق کریں، پھر ہم آہنگی کے فلٹر کے لیے دیگر مدتیں شامل کریں، تاکہ بنیادی سگنل اور کثیر مدتی شرائط کے اثرات الگ کیے جا سکیں۔

6. AI مارکیٹ مانیٹرنگ ترتیب دیں

AI مارکیٹ مانیٹرنگ کے لیے تعینات کرنے والے کو ماڈل چینل خود ترتیب دینا ہو گا۔ LLM چینل کی ترتیبات مکمل ہونے کے بعد نظام اینکر طرز کی مارکیٹ رپورٹ اور تجارتی معاون معلومات فراہم کر سکتا ہے۔

AI آؤٹ پٹ کو تحقیقی معاون سمجھیں، حتمی تجارتی نتیجہ نہیں۔ AI سے تیار کردہ K لائن یا مارکیٹ تشریح استعمال کرتے وقت اصل مارکیٹ ڈیٹا، بیک ٹیسٹ نتائج اور فرضی اکاؤنٹ کی کارکردگی سے آزادانہ تصدیق کریں۔

اعلیٰ درجے کے استعمال کی تجاویز

تجربات کو قابل تکرار رکھیں

• فیکٹر ایکسپریشن سے متعلق token انکوڈنگ محفوظ کریں۔
• انسٹرومنٹ، K لائن مدت، ڈیٹا ماخذ اور تجرباتی مدت درج کریں۔
• تجربات کا موازنہ کرتے وقت حتی الامکان صرف ایک اہم متغیر تبدیل کریں۔
• مارکیٹ ڈیٹا ماخذ تبدیل کرنے کے بعد ڈیٹا فیلڈز اور آرڈر بک کی صلاحیت دوبارہ جانچیں۔

حکمت عملی کی مرحلہ وار تصدیق کریں

1. فیکٹر لیبارٹری میں فیکٹر بنائیں اور جانچیں۔
2. تاریخی بیک ٹیسٹنگ کے ذریعے مختلف مدتوں کی کارکردگی کی تصدیق کریں۔
3. کاغذی اکاؤنٹ کے ذریعے آرڈر، پوزیشن اور پوزیشن بند کرنے کے عمل کی جانچ کریں۔
4. مقداری کام بنائیں اور حقیقی وقت کے سگنلز و کثیر مدتی ہم آہنگی کا مشاہدہ کریں۔
5. AI مارکیٹ مانیٹرنگ کو حکمت عملی کے قواعد کے متبادل کے بجائے اضافی معلومات کے طور پر استعمال کریں۔

دستیابی بہتر بنانے کے لیے مارکیٹ چینل مینجمنٹ استعمال کریں

اگر متعدد مارکیٹ ڈیٹا چینلز ترتیب دیے گئے ہیں تو انتظامی پس منظر کے ذریعے چینل مانیٹرنگ اور بنیادی/ثانوی سوئچنگ کی جا سکتی ہے۔ کنکشن کی حالت باقاعدگی سے جانچیں اور یقینی بنائیں کہ ثانوی چینل میں درست اور قابل رسائی سروس ایڈریس درج ہے۔

خود میزبان ماحول کی حفاظت کریں

تعیناتی سے پہلے JWT کلید تبدیل کریں اور PostgreSQL، Redis، مارکیٹ ڈیٹا فرنٹ اینڈ اور ماڈل چینلز کی کنکشن معلومات محفوظ رکھیں۔ صارفین اور کوٹے کا انتظام انتظامی پس منظر سے کیا جا سکتا ہے، تاکہ غیر ضروری وسائل کا استعمال یا غیر مجاز رسائی روکی جا سکے۔

عام آپریشنز کمانڈز

موجودہ کنٹینرز کی حالت دیکھیں:

docker compose ps

سروس لاگز دیکھیں:

docker compose logs

لاگز کی مسلسل نگرانی کریں:

docker compose logs -f

Compose سروسز روکیں:

docker compose down

ڈیٹابیس، Redis، JWT یا دیگر ترتیبات تبدیل کرنے کے لیے پہلے پروجیکٹ کی خود تعیناتی دستاویز دیکھیں اور موجودہ Docker Compose کنفیگریشن کے مطابق عمل کریں۔

اختتامیہ

فیوچرز فیکٹر مائننگ تجربہ خود میزبانی پر مبنی مکمل تحقیقی راستہ فراہم کرتا ہے: مفت مارکیٹ ڈیٹا اور فیکٹر سازی سے شروع ہو کر کثیر مدتی بیک ٹیسٹنگ اور فرضی تجارت تک، پھر حقیقی وقت کے مقداری کاموں اور AI مارکیٹ مانیٹرنگ تک۔ پہلے ڈیفالٹ Sina مارکیٹ ڈیٹا کے ساتھ بنیادی عمل مکمل کرنے، پھر ضرورت کے مطابق اپنا مارکیٹ ڈیٹا فرنٹ اینڈ اور ماڈل چینل منسلک کرنے، اور حکمت عملی کی تحقیق و فرضی ماحول میں محتاط تصدیق جاری رکھنے کی سفارش کی جاتی ہے۔