AI Quant Infra

基于多智能体的量化交易系统架构。

系统架构

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   前端 (React)   │────│  后端 (Node.js) │────│  数据库 (MongoDB)│
│                 │    │                 │    │                 │
│ - Agent提交界面  │    │ - RESTful API   │    │ - Agent存储     │
│ - 对比展示      │    │ - WebSocket服务  │    │ - 交易记录      │
│ - 实时图表      │    │ - 认证授权      │    │ - 用户数据      │
└─────────────────┘    └─────────────────┘    └─────────────────┘
                              │
                              ├─────────────────┐
                              │                 │
                    ┌─────────────────┐ ┌─────────────────┐
                    │  交易引擎        │ │  实时数据源      │
                    │                 │ │                 │
                    │ - 策略执行      │ │ - 市场数据API   │
                    │ - 回测系统      │ │ - WebSocket连接 │
                    │ - 风险管理      │ │ - 数据清洗      │
                    └─────────────────┘ └─────────────────┘

核心功能

1. Agent管理

• 用户注册和认证；Agent代码提交和验证；Agent配置和参数设置；版本控制和历史记录。

2. 交易执行

• 实时市场数据接入；策略信号生成和执行；风险控制和资金管理；交易记录和日志。

3. 回测系统

• 历史数据回测；多种评估指标；性能分析报告；参数优化建议。

4. Arena mode（设想，暂未实现）

• Agent间实时对比

5. 数据分析

• 收益率分析、风险指标计算、回撤分析、sharpe ratio等常见指标。

项目结构

trading_agent/
├── frontend/          # React前端应用
├── backend/           # Node.js后端服务
├── trading-engine/    # 交易引擎 (Python)
├── database/          # 数据库脚本和配置
├── docker/            # Docker配置文件
├── docs/              # 项目文档
└── scripts/           # 部署和工具脚本

System Architecture

The platform consists of four core components:

1. Trading Engine (Python/PyTorch):

   • Handles market event loops and signal generation.
   • Implements PPO inference logic with state management.
   • Manages order flow simulation and latency modeling.

2. API Gateway (Node.js):

   • RESTful API for strategy management and configuration.
   • WebSocket services for real-time frontend communication.

3. Data Infrastructure (Redis + MongoDB):

   • Redis: Pub/Sub channel for tick data and trade signals.
   • MongoDB: Persistence layer for trade logs and strategy performance metrics.

4. Visualization (React/TypeScript):

   • Real-time dashboard for monitoring PnL curves and exposure.

Tech Stack

• Language: Python 3.9, TypeScript, JavaScript
• Frameworks: PyTorch, Express.js, React 18
• Infrastructure: Docker, Docker Compose
• Middleware: Redis, MongoDB

Quick Start

Prerequisites

• Docker & Docker Compose
• Python 3.9+ (For local debugging)

Deployment

1. Clone the repository: git clone https://github.com/XiaomanChu/ai-quant-infrastructure.git cd ai-quant-infrastructure

2. Start services: docker-compose up -d

3. Access endpoints:

   • Dashboard: http://localhost:3000
   • API: http://localhost:5000