免费开源自动化加密货币交易机器人PowerTrader AI:AI价格预测+分层DCA策略全景概览
免费开源自动化加密货币交易机器人PowerTrader AI:AI价格预测+分层DCA策略全景概览
PowerTrader AI 是一个免费开源的自动化加密货币交易机器人,它用自研的价格预测 AI 生成多周期买卖信号,再配合一套结构化、分层递进(tiered)的 DCA(分批定投)策略自动完成买入、加仓和卖出。整套系统只有 4 个 Python 脚本,完全免费、代码全公开,适合作为搭建自己交易机器人的框架基础。
🤖 什么是 PowerTrader AI
一句话概括:用 AI 预测价格区间,在"便宜的位置"自动买入并分层加仓,用追踪止盈在"赚够的位置"自动卖出。
它的核心特点:
- 全自动实盘交易:通过 Robinhood API 自动下真实订单(现货,无杠杆)
- 自研价格预测 AI:基于 kNN/核风格实例预测器,对 1小时~1周共 7 个周期分别预测下一根 K 线的高低点
- 分层 DCA 策略:价格越低加仓档位越深,避免一次性重仓
- 追踪止盈(Trailing Profit Margin):利润线跟随价格上移,最大化锁定涨幅
- 图形化控制台(Hub):日常只需运行一个窗口,训练、启停、图表、交易历史全在一个界面里
项目作者明确表示:这不是产品、不收费,目的是实验与教育,PowerTrader AI 将永久完全免费(Apache 2.0 协议,见 LICENSE)。
⚠️ 官方免责声明:软件会自动下真实订单,使用者需自行承担全部资金与安全风险,请妥善保管 API 密钥。这不是投资建议。
🧩 核心架构:4 个 Python 脚本覆盖完整交易闭环
整个仓库非常精简,四个脚本各司其职:
| 脚本 | 规模 | 职责 |
|---|---|---|
| pt_hub.py | 6700+ 行 | 图形化控制台:设置、训练调度、K线图表、交易历史、损益(PnL)总览 |
| pt_trainer.py | 1600+ 行 | 训练"币的记忆":遍历历史 K 线,存储价格模式及其后续走势 |
| pt_thinker.py | 1200+ 行 | 信号引擎:加载记忆生成预测,输出 LONG/SHORT 信号等级,决定是否开仓 |
| pt_trader.py | 3700+ 行 | 执行引擎:读取信号,调用 Robinhood API 完成买入、DCA 加仓、追踪止盈卖出 |
日常只需要运行 Hub,它会自动先启动 pt_thinker.py,等其就绪后再启动 pt_trader.py,无需手动分别运行。目录结构也很简单:BTC 使用主文件夹,其他币种各自使用子文件夹(如 ETH/)。
🧠 AI 价格预测:一个简单的"记忆模式"模型
很多人以为 AI 只有大语言模型和神经网络,而 PowerTrader AI 用的是第三类:基于实例(kNN/核风格)的预测器,带在线的单样本可靠性加权(README 中引用了 ChatGPT 对此的概括)。
工作原理其实很直白(详见 README.md):
- 训练阶段:对某币种遍历多周期(1hr 到 1wk)的全部历史,把每一种 K 线模式记录下来,同时记录该模式出现后的下一根 K 线实际发生了什么
- 预测阶段:用与当前形态最接近的记忆模式做加权平均,为每个周期各生成一根"预测 K 线"
- 在线更新:每根 K 线收盘后,对比预测与实际结果,按准确度动态调整每个记忆模式的权重
- 输出:各周期预测 K 线的高点/低点,就是图表上的蓝色/橙色横线,也是交易信号的来源
📉 分层 DCA 策略:买入、加仓、卖出的完整规则
这是整套系统的灵魂,三条规则环环相扣:
① 何时开始交易(开仓)
Thinker 持续监控卖价(ask price)。当价格跌破 AI 预测的至少 3 条最低价线(即 LONG 信号等级 ≥ 3 且 SHORT 等级为 0)时,发出开仓信号。等级数值越高代表信号越强,开仓阈值可在设置中调整。
② 何时加仓(DCA)
开仓后若价格继续下跌,机器人按档位加仓。每档触发条件是以下两者中先到达的那个:
- AI 给出的下一条价格线(例如刚开仓时跨过了 3 条蓝线,第一笔 DCA 要等价格触及第 4 条线才执行)
- 该档位预设的固定回撤百分比,默认档位为:
-2.5% → -5% → -10% → -20% → -30% → -40% → -50%(见 pt_trader.py)
同时有24 小时滚动窗口内最多加仓 2 次的限制,防止在长期阴跌中把钱一次性打光。
③ 何时卖出(追踪止盈)
系统使用追踪利润线(Trailing Profit Margin):
- 未加仓时,利润线初始设在 +5%;发生过任何 DCA 后,降到 +2.5%
- 利润线追踪间隙(gap)为 0.5%:价格每突破利润线 0.5%,利润线就向上跟随
- 当价格再次跌破利润线时,机器人立即卖出,锁定利润
作者刻意不设止损,理由是全仓只做现货、坚信长期价值——宁可等待甚至继续加仓,也不在低位割肉。这是策略的鲜明个性,使用前务必理解。
🚀 安装与启动:5 步跑通 PowerTrader AI
以下流程来自官方 README.md(基于 Windows 编写,其他系统应同样可运行):
第 1 步:安装 Python 从 python.org 下载安装包,安装时务必勾选 "Add Python to PATH"。
第 2 步:获取项目文件
官方提示仓库 zip 存在待修复的问题,建议逐个下载原始文件(pt_hub.py、pt_thinker.py、pt_trader.py、pt_trainer.py、requirements.txt)到同一文件夹,例如 C:\PowerTraderAI\。
第 3 步:安装依赖
打开命令提示符,进入项目目录后执行:
# Python 3.12+ 需先固定 setuptools 版本
python -m pip install "setuptools==81.0.0"
# 安装全部依赖
python -m pip install -r requirements.txt
依赖项非常轻量,完整清单见 requirements.txt(仅 requests、matplotlib、kucoin-python 等 7 个库)。
第 4 步:启动 Hub
python pt_hub.py
弹出的窗口就是 PowerTrader Hub,日常只需运行它。
第 5 步:配置与训练
在 Hub 的 Settings 中依次完成:
- 设置 Main Neural Folder(指向存放
pt_hub.py的文件夹) - 选择要交易的币种(新手建议从 BTC 开始)
- 打开 Robinhood API Setup 向导:点击 Generate Keys 生成密钥对,把公钥填入 Robinhood 并授予交易权限,再把 Robinhood 返回的 API Key 填回向导保存
- 回到 Settings 点击 Save(此时会生成
r_key.txt与r_secret.txt,请妥善保管)
然后:
- 点击 Train All 训练所有币种(训练即构建该币的"记忆",完成后才能产生信号)
- 训练全部完成后点击 Start All,Hub 会自动按顺序启动 Thinker 和 Trader
后续添加新币种流程相同:Settings 里加入币种 → 保存 → Train All → Start All。K 线数据来自 KuCoin 公开行情 API,而下单走 Robinhood 账户。
⚙️ 关键参数速查
以下参数都可在 GUI 设置中热更新(无需重启),默认值来自 pt_trader.py:
| 参数 | 默认值 | 说明 |
|---|---|---|
trade_start_level |
3 | LONG 信号达到该等级(1~7)才开仓 |
start_allocation_pct |
0.5% | 首次开仓投入的账户资金比例 |
dca_multiplier |
2.0 | 每档 DCA 金额相对上一档的倍数 |
dca_levels |
-2.5% ~ -50% | 各档位触发回撤百分比 |
max_dca_bugs_per_24h |
2 | 24 小时滚动窗口内最大加仓次数 |
pm_start_pct_no_dca / with_dca |
5% / 2.5% | 未加仓 / 已加仓时的初始止盈线 |
trailing_gap_pct |
0.5% | 追踪利润线的上移间隙 |
lth_profit_alloc_pct |
0% | 将已实现利润自动配置到长期持仓币种的比例 |
🎯 适合谁使用?
适合:想深入理解"AI 信号 + 分批定投 + 追踪止盈"这一完整自动化策略的实现细节、愿意阅读全部开源代码、并且有闲钱承受长期波动的进阶学习者。
需要特别注意:
- 它执行的是真实订单,API 密钥泄露 = 账户失守,密钥文件务必保密
- 没有止损意味着单边深跌时需要持续的资金耐心,请只用可承受的资金
- 作者本人也提醒:警惕任何冒充 PowerTrader AI 收费的衍生版本,本项目永不收费
- 想二次开发?作者在 README 中明确鼓励把这套系统当作"搭建你梦想中机器人"的地基,风险管控功能也很容易用少量 Python 代码扩展
总结
PowerTrader AI 用不到 1.4 万行代码演示了一个完整的免费开源加密货币交易机器人:kNN 式价格预测 AI 负责"看价格",7 档分层 DCA 负责"敢接刀",追踪止盈负责"会落袋"。它结构简单、完全透明、永久免费,无论是学习 AI 交易信号的实现,还是作为自己策略的改造起点,都值得花一个下午把 README.md 通读一遍再动手。