Algodesks — 算法交易优化平台

问题所在

算法交易工作通常会碎片化成一堆彼此独立的工具:研究脚本、本地 backtest、 参数 notebook、交易所 runner,以及运维 dashboard。这会制造一个危险的鸿沟: 在研究阶段看起来还可以接受的策略,跑在真实交易所上时未必还是同一回事。

Algodesks 为加密货币期货策略弥合了这道鸿沟。这款产品对外的承诺很直接: 用同一套引擎在研究和生产中构建、backtest 并运行交易策略,配合 walk-forward validation 和 Bybit 执行。

产品做什么

Algodesks 让用户定义一个策略,针对 Bybit 历史行情数据运行它、优化它的参数、 组装一个 portfolio,然后在 paper trading 模式下运行结果。系统目前正在 Bybit 上 以 paper trading 进行测试,之后才会开放真金白银的执行。

今天它还不是一个 ML 系统。核心是参数优化:遍历候选配置、运行 backtest、剔除较弱的 配置、对比目标指标,再把最佳候选应用回策略或 portfolio。

产品一览

• 

  对外的产品定位:自适应加密货币期货交易、全自动运行 — 用同一套引擎在研究和生产中构建、backtest 并运行策略,配合 walk-forward validation 和 Bybit 执行。

• 

  实时 dashboard,把每一个会话 — paper、testnet 和实盘 — 聚合到同一个视图里:equity、已实现与未实现 PnL、win rate、profit factor 以及 equity 曲线,下方再把每个运行中的会话单独拆开展示。

• 

  用来组装 portfolio 的 AutoBuild 向导:选定交易标的范围、交易所(这里是 Bybit testnet)、合约类型、计价货币、时间周期,以及标的数量 — 之后 optimizer 会对每一个逐一遍历。

• 

  Backtests — 在上线之前用历史数据验证策略。每个 AutoBuild 候选方案都会按标的各跑一次,附带它的 PnL、成交笔数、win rate 和 profit factor,这样较弱的配置就能凭证据被剔除。

• 

  针对单个标的的参数优化:把候选配置遍历一遍并并排打分,胜出的参数随时可以应用回 portfolio,或者另起一个新的。这就是核心 — 优化和 backtest,而不是 ML。

• 

  把一个运行中的会话拉近来看:实时的 NEAR-USDT 图表标出了入场和出场,外加这条 leg 的 deposit、杠杆、单笔风险和 fee gate — 正是 backtest 里那套规则在驱动实时(paper)执行。

• 

  自助式定价 — Free、Pro 和 Premium — 下方是功能对比:每月 backtest 次数、AutoBuild 任务、优化运行、最大 legs 数、历史窗口,以及那项一直被 gated、要等 paper 验证之后才开放的真金白银交易。

我构建了什么

把 backtest 当作契约。 在历史数据上被测试的那套交易规则,正是 runtime 路径所使用的 那一套。手续费、滑点假设、trailing stop、trend gate 和接受规则,都被当作一等输入, 而不是系统之外某张电子表格里的备注。

在 Fly.io 上做参数优化。 优化是计算密集型的,因此运行任务会被推送到 Fly.io 服务器上,而不是阻塞 web app。一个 job 会针对选定的交易标的遍历参数网格,为每个候选 运行 backtest,并把进度回报给产品。

Walk-forward validation。 系统把拟合和测试分开,这样一组参数必须先在后续的时间窗口 里存活下来,才会被当作有用。其目的是减少过拟合,而不是假装优化器能预测市场。

Bybit paper trading。 当前的验证阶段是在 Bybit 上做 paper trading。这让系统获得了 真实的交易所交互、实时市场时序,以及各种运维上的失败模式,而无需过早开启真金白银的风险。

产品界面。 对外的 app 包含研究循环、价格档位、Google 登录、portfolio/backtest 流程, 以及从优化到一次 paper trading 会话的整条运维路径。

架构选择

在系统证明自己之前不引入 ML。 把它包装成 AI/ML 来营销会很容易。但对当前的产品来说 那是错的。系统使用的是优化和 backtest;只有当 ML 在同样的 validation 纪律下能击败更简单的 方案时,才会在日后加入它。

研究与 runtime 共用同一套概念。 策略参数、trend filter、trailing stop、fee gate 和 portfolio leg 都是领域对象,而不仅仅是 UI 上的表单字段。这让 backtest、optimizer 和 runner 保持一致。

默认异步 job。 Backtest 和优化运行都是长耗时的工作。它们需要 job 状态、取消、进度事件、 重试和清晰的失败模式。把它们当作普通的 HTTP request/response 来处理,会让产品变得脆弱。

真金白银之前先 paper trading。 这款产品刻意要经历一个在 Bybit 上的 paper-trade 阶段。 正是在这个阶段,交易所凭证、下单、实时时序和会话恢复都可以在真实资本承担风险之前得到测试。

当前状态

Algodesks 已上线于 algodesks.com。对外的网站围绕自适应加密货币 期货交易、backtest、优化和 Bybit 执行来定位产品。付费档位围绕研究容量、优化运行、 paper trading,以及最终的真金白银交易来设计。

平台目前处于 Bybit 上的 paper-trade 验证阶段。下一个重要里程碑不是"加上 ML",而是证明 optimizer、backtest、portfolio 配置和实时执行路径在真实交易所条件下表现一致。