基于深度强化学习(DRL)的加密货币高频量化交易系统

本项目旨在解决传统量化策略在极端行情下适应性差的问题，开发了一套基于深度强化学习的自动化交易系统。
主要功能包括：

多因子数据处理：实时接入交易所WebSocket数据，自动清洗并计算MACD、RSI、布林带等50+技术指标及链上数据特征。

智能决策代理：系统根据当前市场状态（State），自动输出买入、卖出或持仓动作（Action），并动态调整仓位比例。

回测与模拟盘：提供高性能回测引擎，支持历史数据回放验证策略有效性，并集成实盘模拟环境。

风险控制模块：内置最大回撤控制、止盈止损机制，防止极端市场波动导致的本金大幅亏损。

环境构建：基于OpenAI Gym接口自定义交易环境，模拟真实的滑点和手续费，确保训练环境贴近实战。

算法模型：采用PPO（Proximal Policy Optimization）算法作为核心策略网络，相比DQN具有更好的收敛性和稳定性。

特征工程与状态空间：设计了包含过去N个时间步的OHLCV数据及衍生技术指标的时间滑动窗口作为状态空间输入。

奖励函数设计：摒弃单纯的收益率奖励，采用夏普比率（Sharpe Ratio）和最大回撤惩罚相结合的奖励函数，引导模型在追求收益的同时兼顾风险。

模型训练与优化：使用历史3年的分钟级数据进行训练，并在测试集中实现了年化收益率优于基准策略15%的效果。