基于Python的MetaTrader 5智能交易系统,通过多策略组合和动态权重管理实现自动化量化交易。

• 多策略组合: 集成10种量化策略,通过加权投票生成稳健交易信号
• 动态权重管理: 根据市场状态动态调整策略权重,提升适应性
• 完整风控体系: 追踪止损、时间退出、资金管理等多层次风险控制
• 遗传算法优化: 自动寻找最佳策略参数和权重组合
• 多模式运行: 支持回测、实盘交易、模拟运行三种模式
• 架构重构: 采用依赖注入设计,提高代码可维护性和扩展性

mt5_python_ea_suite/
├── core/ # 核心组件
│ ├── data_providers.py # 数据提供者(实盘/回测/模拟)
│ ├── utils.py # 工具函数
│ └── risk/ # 风险管理模块
│ ├── position_manager.py # 持仓管理器
│ ├── market_state.py # 市场状态分析
│ └── __init__.py
├── execution/ # 执行模块
│ ├── realtime_trader.py # 实时交易器
│ ├── backtest_engine.py # 回测引擎
│ ├── dynamic_weights.py # 动态权重管理
│ └── __init__.py
├── strategies/ # 交易策略
│ ├── ma_cross.py # 均线交叉策略
│ ├── rsi.py # RSI策略
│ ├── bollinger.py # 布林带策略
│ ├── macd.py # MACD策略
│ ├── kdj.py # KDJ策略
│ ├── turtle.py # 海龟交易法则
│ ├── mean_reversion.py # 均值回归策略
│ ├── momentum_breakout.py # 动量突破策略
│ ├── daily_breakout.py # 日内突破策略
│ ├── wave_theory.py # 波浪理论策略
│ └── base_strategy.py # 策略基类
├── config.py # 配置文件
├── main.py # 主入口(优化器)
├── start_backtest.py # 回测启动脚本
├── start_realtime.py # 实时交易启动脚本
├── optimizer.py # 遗传算法优化器
├── logger.py # 日志系统
└── requirements.txt # 依赖包

• Python 3.7+
• MetaTrader 5 终端
• 网络连接

1. 克隆项目

   git clone <repository-url>
   cd mt5_python_ea_suite

2. 创建虚拟环境

   python -m venv myenv
   # Windows
   myenv\Scripts\activate
   # macOS/Linux
   source myenv/bin/activate

3. 安装依赖

   pip install -r requirements.txt

4. 配置MT5终端

   • 确保MT5终端已登录
   • 启用自动交易(点击"自动交易"按钮或按Ctrl+E)
   • 确保账户允许自动交易

• 均线交叉 (MACrossStrategy): 基于快慢均线交叉的买卖信号
• 相对强弱指数 (RSIStrategy): 使用RSI指标判断超买超卖
• 布林带 (BollingerStrategy): 基于价格与布林带的相对位置
• MACD策略: MACD指标的金叉死叉信号
• KDJ策略: KDJ指标的超买超卖信号

• 海龟交易法则 (TurtleStrategy): 基于价格突破的顺势交易
• 均值回归 (MeanReversionStrategy): 价格偏离均值时的回归交易
• 动量突破 (MomentumBreakoutStrategy): 基于动量指标的突破信号
• 日内突破 (DailyBreakoutStrategy): 基于日内价格区间的突破

• 波浪理论 (WaveTheoryStrategy): 结合EMA、ADX、动量等多指标的趋势分析

# 运行历史回测
python start_backtest.py

回测结果将生成:

• backtest_trades.csv: 交易记录CSV格式
• backtest_trades.json: 交易记录JSON格式
• 详细的性能报告(胜率、盈亏比、最大回撤等)

# 启动实时交易(模拟运行)
python start_realtime.py
# 启动实盘交易(需要确认)
python start_realtime.py
# 输入 'YES' 确认实盘交易

# 运行遗传算法优化
python optimizer.py

优化结果将生成:

• optimization_results_YYYYMMDD_HHMMSS.json: 详细优化结果
• optimization_best_params_YYYYMMDD_HHMMSS.csv: 最佳参数
• optimization_history_YYYYMMDD_HHMMSS.csv: 优化历史
• optimization_report_YYYYMMDD_HHMMSS.txt: 优化报告

# 基础配置
SYMBOL = "XAUUSD" # 交易品种
TIMEFRAME = 1 # 时间周期(1分钟)
INITIAL_CAPITAL = 20000 # 初始资金
SPREAD = 16 # 点差
# 回测配置
BACKTEST_COUNT = 30000 # 回测数据量
BACKTEST_START_DATE = "2025-05-01"
BACKTEST_END_DATE = "2025-08-01"

RISK_CONFIG = {
 "stop_loss_pct": -0.01, # 止损阈值(-1%)
 "take_profit_pct": 0.20, # 止盈阈值(20%)
 "profit_retracement_pct": 0.10, # 追踪止损回撤阈值(10%)
 "min_profit_for_trailing": 0.01, # 启动追踪止损的最小盈利(1%)
 "max_holding_minutes": 60, # 最大持仓时间(分钟)
 "min_profit_for_time_exit": 0.001 # 时间退出最小盈利(0.1%)
}

SIGNAL_THRESHOLDS = {
 "buy_threshold": 1.5, # 买入信号阈值
 "sell_threshold": -1.5 # 卖出信号阈值
}

1. 止损保护

   • 固定百分比止损
   • 追踪止损(基于盈利回撤)
   • 动态止损位调整

2. 时间管理

   • 最大持仓时间限制
   • 盈利未达标强制平仓
   • 市场状态适应性调整

3. 资金管理

   • 初始资金分配
   • 多空仓位资金分配
   • 动态权益更新

4. 持仓限制

   • 最大持仓数量控制
   • 交易方向限制(多/空/双向)
   • 信号强度过滤

系统根据市场状态动态调整策略权重:

• 趋势识别: 价格突破、成交量确认、动量指标
• 市场状态: 强趋势、弱趋势、震荡市
• 置信度评估: 高置信度、中等置信度
• 权重调整: 根据市场状态调整各策略权重

• 当前持仓状态
• 浮动盈亏计算
• 策略信号强度
• 账户权益更新

• 交易记录CSV/JSON格式导出
• 性能指标统计
• 参数优化历史
• 峰值盈利数据持久化

1. MT5连接失败

   • 确保MT5终端已启动并登录
   • 检查网络连接
   • 验证MT5终端版本

2. 自动交易被禁用

   • 点击MT5终端"自动交易"按钮
   • 按Ctrl+E快捷键
   • 检查账户权限

3. 订单执行失败

   • 检查账户资金
   • 验证品种信息
   • 确认交易时间

4. 数据获取失败

   • 检查日期范围设置
   • 验证MT5服务器连接
   • 调整数据量设置

• logs/error.log: 错误日志
• logs/strategy.log: 策略执行日志
• position_peaks.json: 持仓峰值数据

1. 参数优化

   • 使用遗传算法优化策略参数
   • 定期重新优化以适应市场变化
   • 保存最佳参数组合

2. 策略调整

   • 根据市场情况调整策略权重
   • 添加新的策略模块
   • 优化信号阈值

3. 风险控制

   • 定期检查止损设置
   • 监控最大回撤
   • 调整资金分配比例

• 实盘交易前务必充分测试
• 建议先使用模拟运行模式
• 不要投入超过风险承受能力的资金
• 定期监控系统运行状态
• 保持策略的持续优化

• 架构重构,采用依赖注入设计
• 新增动态权重管理模块
• 完善风险控制体系
• 优化持仓管理和数据持久化
• 改进信号组合逻辑

• 基础多策略组合框架
• 遗传算法参数优化
• 回测和实时交易功能
• 基本风险控制

欢迎提交Issue和Pull Request来改进系统!

本项目仅供学习和研究使用,实盘交易风险自负。