NOFX：基于大模型的开源加密货币量化交易系统实战

AI 看到这个反馈后，就会知道：嗯，BTC 最近表现不错，可以考虑；SOL 连续亏损，先观望。

这种'从错误中学习'的能力，才是真正的智能。

多时间周期融合分析

人工看盘经常犯的错误是：只看一个时间周期。比如 5 分钟 K 线显示要涨，但 4 小时趋势明明是下跌。

NOFX 的 AI 同时分析多个维度：

• 3 分钟 K 线：捕捉短期波动，找入场时机
• 4 小时 K 线：判断大趋势，避免逆势交易
• 技术指标矩阵：RSI(7) 判断超买超卖、MACD 看趋势动能、ATR 评估波动率
• 持仓量变化：监控 OI（Open Interest）流向，判断资金动向

而且这些数据不是简单堆砌，而是完整的原始序列数据。AI 可以自己分析 K 线形态、支撑阻力位，而不是只看系统算好的几个指标。

就像给了 AI 一张完整的地图，而不是只告诉它'前方 500 米左转'。

风险控制的铁律

AI 虽然聪明，但如果没有约束，照样会干出'梭哈归零'的蠢事。所以系统内置了几条硬约束：

仓位限制：

• 山寨币单笔最多 1.5 倍账户净值
• BTC/ETH 最多 10 倍账户净值

风险回报比：

• 强制要求≥1:3（冒 1% 风险，必须追求 3%+收益）
• 如果 AI 给出的止损止盈不满足，直接拒绝执行

保证金控制：

• 总保证金使用率≤90%（留 10% 缓冲，防止波动爆仓）

杠杆限制：

• 币安子账户最高 5 倍（受平台限制）
• 主账户可配置到 20 倍（建议保守用户还是 5 倍起步）

这些规则写死在代码里，AI 再想'赌一把大的'也没用。

完整的决策日志

最怕的就是 AI 像个黑盒，赚了不知道为啥赚，亏了也不知道哪里错了。

NOFX 的每一个决策都会完整记录：

• 输入 Prompt：AI 看到了什么数据
• 思维链（CoT）：AI 的分析过程
• 决策 JSON：具体的交易指令（币种、方向、仓位、杠杆、止损止盈）
• 执行结果：实际成交价、订单 ID、盈亏情况

所有日志保存在 decision_logs/{trader_id}/ 目录下，随时可以回溯分析。

这就像给 AI 的每一次操作都录了像，事后可以慢放回看，总结经验。

部署指南

理论讲得差不多了，下面进入实战环节。我会用最通俗的语言，带你从零开始搭建这个系统。

准备工作

1. 注册交易所账户

虽然系统支持多交易所，但对新手来说，币安是最成熟、流动性最好的选择。

注册后需要做的事：

1. 完成 KYC 认证（实名验证，上传身份证）
2. 开通合约交易：进入'衍生品'→'U 本位合约'→点击'立即开通'
3. 创建 API 密钥：
   • 进入'API 管理'
   • 创建新密钥，勾选'合约交易'权限
   • 保存 API Key 和 Secret Key（只显示一次！）
   • 强烈建议：绑定 IP 白名单（只允许你的服务器 IP 访问）

⚠️ 资金安全提醒：

• 测试阶段建议只转入 100-500 USDT
• API 权限只开'合约交易'，不要开'提现'权限
• 绑定 IP 白名单是最重要的防护措施

2. 获取 AI API 密钥

系统需要调用 AI 模型做决策，所以需要 API 密钥。推荐 DeepSeek（便宜、快速、效果好）。

步骤：

1. 用邮箱注册账号
2. 充值（最低 5 美元，推荐充 20-50 美元测试一段时间）
3. 创建 API 密钥（格式类似 sk-xxxxxxxxxxxxx）
4. 立即保存（关闭页面后无法再查看）

费用参考：DeepSeek 大约 $0.14/百万 tokens，一天 24 小时跑大概消耗 1-2 美元。

3. 安装 Docker

Docker 是一个容器化工具，可以把复杂的环境打包，一键运行。强烈推荐用这种方式部署。

Windows/Mac 用户：

• 下载 Docker Desktop，双击安装

Linux 用户：

# 一键安装脚本
curl -fsSL https://get.docker.com -o get-docker.sh
sudo sh get-docker.sh
# 把当前用户加入 docker 组（避免每次都要 sudo）
sudo usermod -aG docker $USER
newgrp docker

验证安装：

docker --version
docker compose version

看到版本号就说明安装成功了。

部署系统

第 1 步：下载项目代码

git clone https://github.com/tinkle-community/nofx.git
cd nofx

第 2 步：配置文件

cp config.example.jsonc config.json
nano config.json

最简配置示例：

{
  "use_default_coins": true,
  "api_server_port": 8080,
  "jwt_secret": "your-super-long-random-secret-at-least-32-chars",
  "leverage": {
    "btc_eth_leverage": 5,
    "altcoin_leverage": 5
  }
}

字段说明：

• use_default_coins：使用内置的主流币列表（BTC、ETH、SOL 等），新手建议设为 true
• api_server_port：后端 API 端口，默认 8080
• jwt_secret：用户登录凭证的加密密钥，必须设置一个长随机字符串
• leverage：杠杆倍数配置
  • btc_eth_leverage：BTC 和 ETH 的最大杠杆（建议 5 倍起步）
  • altcoin_leverage：山寨币最大杠杆（建议 5 倍，风险控制）

⚠️ 重要提醒：

• 如果是币安子账户，杠杆最高只能 5 倍（平台限制）
• 主账户理论上可以开到 50 倍，但强烈不建议新手这么玩

第 3 步：一键启动

docker compose up -d --build

等待 3-5 分钟（首次构建会慢一些），看到这个输出就成功了：

✅ Container nofx-trading       Started
✅ Container nofx-frontend      Started

访问系统并配置

打开浏览器，访问：http://localhost:3000

1. 首次登录

系统默认开启了'管理员模式'，使用默认账户登录：

• 用户名：admin
• 密码：admin123

⚠️ 生产环境必须修改密码！

2. 配置 AI 模型

点击'AI 模型配置'：

1. 启用 DeepSeek（或 Qwen）
2. 填入你的 API 密钥（之前保存的 sk-xxx）
3. 保存

3. 配置交易所

点击'交易所配置'：

1. 选择 Binance
2. 填入 API Key 和 Secret Key
3. 保存

4. 创建交易员

点击'创建交易员'：

• 交易员名称：比如'稳健策略 A'
• AI 模型：选择 DeepSeek
• 交易所：选择 Binance
• 初始余额：填入你转入币安的实际金额（比如 500 USDT）
• 扫描间隔：建议 3-5 分钟（太频繁会增加 API 调用成本）

创建完成后，点击'启动'按钮，交易员就开始工作了。

监控与优化

看懂监控界面

系统提供了专业的实时监控界面（深色主题，像极了币安的交易面板）。

主要模块：

1. 账户概览

• 总权益：当前账户总价值（包括未实现盈亏）
• 可用余额：可以开新仓的资金
• 总盈亏：相对初始余额的盈亏百分比
• 保证金使用率：已用保证金占比（超过 90% 会限制开仓）

2. 持仓列表 每个持仓显示：

• 币种、方向（多/空）
• 入场价、当前价、浮动盈亏
• 杠杆倍数、保证金、强平价
• 持仓时长（系统会自动追踪，帮助 AI 决策何时止盈）

3. 权益曲线图 这是最直观的表现：

• 横轴是时间，纵轴是账户价值
• 曲线向上走→赚钱，向下走→亏钱
• 可以切换'绝对值'和'百分比'视图

4. AI 决策日志 点击'展开'可以看到完整的思维过程：

输入数据：
- BTC 价格 96500，4 小时 +2.5%
- RSI(14): 62（中性偏强）
- MACD: 金叉信号

AI 分析：
BTC 近期突破 95000 阻力位，4 小时级别呈现上升三角形态，
MACD 金叉且 RSI 未进入超买区，做多信号明确。
设置止损 95000（-1.5%），止盈 99000（+2.6%），
风险回报比 1:1.73，符合要求。

决策：
开多 BTCUSDT，杠杆 5x，仓位 3000U，止损 95000，止盈 99000

看到这个，你就知道 AI 为什么做出这个决策了。

多 AI 竞技场

如果你有两个币安账户（或者一个币安 + 一个 Hyperliquid），可以玩更高级的：让两个 AI 互相 PK。

配置方法：

1. 创建两个交易员：
   • 交易员 A：DeepSeek + 币安账户 1
   • 交易员 B：Qwen + 币安账户 2
2. 初始余额设置相同（比如都是 1000U）
3. 同时启动

系统会自动生成对比图表：

• 实时排行榜：谁的 ROI 更高，谁就排前面
• 双 AI ROI 曲线对比：一目了然
• 领先幅度：实时显示谁领先多少百分比

这就像给 AI 搞了个擂台赛，非常有趣。

优化策略的技巧

1. 调整扫描间隔

• 3 分钟：激进策略，捕捉短期波动，但费用更高
• 5 分钟：平衡策略，适合大多数情况
• 10 分钟：保守策略，适合趋势交易

2. 自定义 Prompt 如果你懂一些交易策略，可以在 Web 界面添加'个性化策略'：

个性化策略：
- 优先关注 BTC 和 ETH，山寨币仅在市场热度极高时参与
- 震荡市降低杠杆到 3 倍，趋势市可提升到 5 倍
- 连续亏损 2 笔后，暂停交易 1 小时

系统会把这段内容追加到 AI 的 Prompt 里，让它按照你的风格来交易。

3. 关注夏普比率 夏普比率衡量的是'风险调整后的收益'：

• 夏普>1：策略表现不错
• 夏普>2：优秀
• 夏普<0.5：策略可能需要调整

不要只看总盈亏，要看夏普比率。一个稳定小赚的策略，远胜于大起大落的赌博。

常见问题

Q1：系统会不会亏光所有钱？

理论上会，但概率很低。

系统内置了多重保护：

• 单笔最大亏损限制（风险回报比≥1:3）
• 保证金使用率≤90%（防止爆仓）
• 强制止损（每笔交易都有止损价）

但市场极端波动（比如瞬间插针、交易所宕机）时，止损可能无法成交。所以：

• 只投入你能承受损失的资金
• 建议小资金测试（100-500U）
• 不要用借来的钱或生活费

Q2：AI 决策错了怎么办？

AI 不是神，它也会判断失误。关键是：

• 风险控制做得好：单笔最多亏 1-2%，连续错几次也不会伤筋动骨
• 自学习机制：连续亏损后，AI 会调整策略，避免重复犯错
• 人工干预：你可以随时在 Web 界面手动停止交易员

Q3：用哪个 AI 模型更好？

新手推荐 DeepSeek：

• 便宜（每天 1-2 美元）
• 快速（响应时间<2 秒）
• 效果稳定

进阶用户可以试 Qwen：

• 中文理解更好（如果你自定义了中文 Prompt）
• 有时候会更激进（风险和收益都更高）

终极玩法：同时跑两个，看谁表现更好。

Q4：系统会被封号吗？

只要你遵守交易所规则，不会被封：

• 不要用 VPN 频繁切换 IP（绑定 IP 白名单可以避免这个问题）
• 不要用 API 疯狂刷接口（系统默认 3 分钟一次决策，远低于限额）
• 不要给别人用你的 API 密钥

Q5：能盈利吗？

这是最核心的问题，我必须实话实说：

能盈利，但不保证。

加密货币市场本身就是高风险、高波动的。AI 可以帮你：

• 24 小时监控，不错过机会
• 纪律执行，不会情绪化操作
• 快速决策，捕捉短期波动

但它做不到：

• 预测黑天鹅事件（比如监管政策突变）
• 在极端行情下保证盈利
• 对抗市场大趋势（熊市再牛的 AI 难赚钱）

现实情况：

• 牛市或震荡市：AI 有较大概率盈利（年化 20-50% 是可能的）
• 单边熊市：AI 会尽量减少亏损，但很难逆势盈利
• 测试用户反馈：3 个月测试周期，60% 的用户实现了正收益

我的建议：

• 把它当成学习量化交易的工具，而不是'躺赚神器'
• 用小资金测试，积累经验
• 关注 AI 的决策逻辑，学习它的思路
• 如果持续亏损，及时停止，复盘原因

进阶玩法

部署到云服务器

如果你想让系统 24 小时不间断运行，可以部署到云服务器。

推荐配置：

• CPU：2 核
• 内存：4GB
• 存储：20GB SSD
• 运营商：阿里云、腾讯云、AWS 都可以

部署步骤：

# SSH 登录服务器后
git clone https://github.com/tinkle-community/nofx.git
cd nofx
# 修改 config.json（填入你的 API 密钥）
docker compose up -d --build

然后通过 http://你的服务器 IP:3000 访问。

⚠️ 安全建议：

• 修改默认管理员密码
• 配置防火墙，只开放必要端口（80、443、3000）
• 定期备份 config.db 和 decision_logs/ 目录

接入更多交易所

系统目前支持 3 个交易所，但架构上可以无限扩展：

Hyperliquid（去中心化）：

• 无需 KYC，用 MetaMask 钱包即可交易
• 手续费更低
• 但流动性可能不如币安

Aster DEX（新兴选择）：

• 币安兼容 API，迁移成本低
• API 钱包机制，安全性更好
• 支持多链部署

未来可能接入：OKX、Bybit、dYdX 等。

深入学习：从日志中提取 Alpha

这个系统最大的价值不仅是帮你赚钱，更重要的是帮你理解量化交易的本质。

建议每周花 1 小时复盘：

1. 打开 decision_logs 目录，查看 AI 的所有决策
2. 对比盈利和亏损的交易，找出差异点
3. 总结规律：
   • 什么市场环境下胜率更高？（趋势市 vs 震荡市）
   • 什么类型的信号更可靠？（突破 vs 回调 vs 反转）
   • 止损止盈设置是否合理？（过窄容易扫损，过宽亏损太大）
4. 优化 Prompt：把总结的经验融入自定义策略

经过几轮迭代，你会发现自己的交易理解已经超越了 90% 的散户。

总结

站在 2025 年的今天，回看金融市场的发展：

• 20 世纪 90 年代，程序化交易出现
• 21 世纪初，高频交易崛起
• 2010 年代，机器学习被引入量化
• 2020 年代，大语言模型开始接管决策

NOFX 可能不是第一个 AI 量化系统，但它是第一个真正面向普通人、完全开源、可以实战的完整解决方案。

它证明了一件事：金融民主化不是空谈，技术正在抹平散户和机构的鸿沟。

当然，它也不是完美的。AI 会犯错，市场有风险，黑天鹅永远存在。但至少，它让我们看到了一种可能性：

• 个人也能拥有机构级的交易工具
• 算法也能为普通人服务
• 金融科技的成果可以惠及更多人

如果你对量化交易感兴趣，如果你想尝试 AI 驱动的投资，如果你愿意为这个领域做点贡献——那么，NOFX 值得你花一个周末的时间去探索。

最后，祝你在量化交易的道路上，既能学到真知识，也能有真收益。

但永远记住：市场有风险，投资需谨慎。

官方资源：

• GitHub 仓库：https://github.com/tinkle-community/nofx