دانلود داده
انتخاب صرافی، نماد، بازه زمانی و چند تایمفریم. دانلود هوشمند با آرشیو ماهانه Binance + CCXT fallback. پیشرفت real-time از طریق SSE.
مطالعه موردی / Quant Research
پلتفرم تحقیقاتی
کوانت از صفر تا سیستم
سیستم پایانبهپایان تحقیقات کوانت: جمعآوری داده از ۱۱۱+ صرافی، بکتست وکتوری با هزینههای واقعی، ۸ خانواده استراتژی، داشبورد تعاملی تحقیقاتی و آنالیزهای پیشرفته — همه با Python.
Python 3.12+
FastAPI
CCXT · 111 Exchange
Parquet · Vectorized
scikit-learn · LightGBM
Plotly Interactive
آمار پروژه
111+
صرافی پشتیبانیشده از طریق CCXT
8
خانواده استراتژی پیادهسازیشده
40+
ویژگی فنی و آماری در Feature Library
9
تایمفریم از 1m تا 1d
چرا این پروژه ساخته شد
از فرضیه معاملاتی تا اجرای قابل اتکا
اغلب سیستمهای معاملاتی بین ایده و اجرا یک شکاف بزرگ دارند: داده ناکافی، بکتست بدون هزینه واقعی، استراتژی بدون رژیمبندی بازار. این پلتفرم این شکاف را با یک pipeline پایانبهپایان و کاملاً تکرارپذیر پر میکند.
از دانلود تدریجی داده Binance با آرشیوهای ماهانه، تا بکتست وکتوری با تأخیر اجرا و هزینه واقعی (۱۰bp کارمزد + ۲bp slippage)، تا داشبورد تعاملی با نمودارهای Plotly — همه چیز با Python پیادهسازی شده.
معماری سهلایهای
Browser Dashboard
FastAPI + SSE
↓
FastAPI Web Server
src/web/app.py
↓
Research Library
src/ modules
↓
Parquet Data Store
data/processed/*.parquet
Binance Bulk Archives
CCXT Fallback
Nobitex UDF
Incremental Merge
قابلیتهای اصلی
۵ بخش اصلی داشبورد
داشبورد تحقیقاتی به ۵ بخش مستقل تقسیم شده که هر کدام یک مرحله از چرخه تحقیقات کوانت را پوشش میدهند.
موجودی داده
جدول بصری از تمام datasetهای دانلودشده با metadata کامل: صرافی، نماد، تایمفریم، تعداد ردیف، حجم فایل و وضعیت کیفیت.
تحقیق و بکتست
انتخاب چند dataset و چند استراتژی، تنظیم سرمایه/کارمزد/slippage و اجرای بکتست وکتوری با پیشرفت زنده.
گزارش تعاملی
نمودارهای Plotly شامل equity curve با سایهبندی رژیم بازار، drawdown، heatmap بازده ماهانه، Sharpe rolling و جدول متریک رنگبندیشده.
بینشهای خودکار
آنالیز rolling 90 روزه روی تمام datasetها با تشخیص رژیم بازار، رتبهبندی استراتژیها و نشانگر momentum.
اعتبارسنجی داده
بررسی خودکار ۶ دسته مشکل: gapهای زمانی، timestamp تکراری، ناسازگاری OHLCV، حجم صفر، outlier و کیفیت کلی داده.
کتابخانه استراتژی
۸ خانواده استراتژی پیادهسازیشده
هر استراتژی با dataclass یخزده پیادهسازی شده — پارامترها غیرقابل تغییر، نتایج کاملاً تکرارپذیر. سیگنالها binary هستند: Long یا Cash.
| استراتژی | نوع | منطق ورود | حساسیت بازار |
|---|---|---|---|
| EMA Trend | Trend | EMA سریع (20) > EMA کند (100) | بهترین در بازارهای رونددار، ضعیف در choppy |
| RSI Mean Reversion | Mean-Rev | RSI < 30 ورود، RSI > 50 خروج | Range-bound و sideways |
| Bollinger Band | Mean-Rev | z-score < −2σ ورود، برگشت به میانگین خروج | نوسانپذیری متوسط، بازگشت به میانگین |
| Donchian Breakout | Trend | شکست کانال ۵۵ دورهای (Turtle Trading) | بازارهای trend با breakout واضح |
| ATR Breakout | Trend | Close > MA + 1.5×ATR(20) | نوسانپذیری بالا با شکست تطبیقی |
| MACD Crossover | Trend | تقاطع EMA سریع از signal line | بازارهای trendدار با momentum |
| Stochastic Rev. | Mean-Rev | %K در سطح اشباع فروش/خرید | بازارهای ranging با نوسان مشخص |
| ML Signal | ML | Gradient Boosting روی ۶ feature فنی | تقسیم train/test کرونولوژیک (65/35) |
آنالیزهای پیشرفته
فراتر از بکتست ساده
پلتفرم ابزارهایی دارد که look-ahead bias را از بین میبرند و robustness واقعی استراتژی را میسنجند.
Walk-Forward Validation
اعتبارسنجی rolling خارج از نمونه با پنجرههای train/test قابل تنظیم. جلوگیری از overfitting.
Monte Carlo Analysis
Bootstrap resampling از سری بازده برای تخمین بدترین drawdown و robustness استراتژی.
Regime Detection
تشخیص ۴ رژیم بازار: Trending Up/Down، Ranging، High/Low-Vol. پیشنهاد بهترین استراتژی بر اساس رژیم.
Factor Research
Information Coefficient (IC)، Rank IC، factor decay در افقهای ۱ تا ۲۴ بار، matrix همبستگی cross-factor.
Portfolio Analysis
همبستگی cross-dataset، Sharpe تجمیع portfolio، آنالیز drawdown در چند asset همزمان.
Parameter Stability
بررسی خودکار تغییرات پارامتر در پنجرههای مجاور — جلوگیری از curve-fitting روی پارامترهای باریک.
ML Research Baseline
Random Forest برای پیشبینی بازده و نوسان. تقسیم کرونولوژیک بدون shuffle — اطمینان از عدم نشت داده.
Feature Engineering
۴۰+ ویژگی فنی و آماری: Trend، Momentum، Volatility، Volume، Structure و Statistical.
متریکهای بکتست
معیارهای عملکرد محاسبهشده
CAGRنرخ رشد سالانه ترکیبی
Sharpeبازده تعدیلشده با ریسک
SortinoSharpe با فقط downside deviation
Max DDحداکثر drawdown
CalmarCAGR تقسیم بر Max Drawdown
Win Rateنسبت معاملات سودده
Profit Factorجمع سود / جمع ضرر
1-bar Delayتأخیر اجرا برای واقعگرایی
10bp + 2bpکارمزد + slippage در هر طرف
فناوریها
Stack فنی پروژه
تمام اجزا با استانداردهای production انتخاب شدهاند: بدون وابستگی غیرضروری، با type annotation کامل.
Python 3.12+
FastAPI 0.136
pandas 2.2+
numpy 1.26+
CCXT 4.2+
pyarrow (Parquet)
Plotly 5.19+
scikit-learn 1.4+
LightGBM 4.3+
XGBoost 2.0+
scipy 1.12+
Typer CLI
اصول طراحی
تصمیمهای معماری
تکرارپذیری کامل
با فایلهای Parquet یکسان، تمام بکتستها و گزارشها کاملاً deterministic هستند.
بدون نشت داده
تقسیم train/test کرونولوژیک، هیچگاه shuffle نمیشود — look-ahead bias صفر.
Frozen Dataclass
پارامترهای استراتژی در dataclasses یخزده — sweepهای experiment کاملاً traceable.
Job ناهمزمان
Thread-based background jobs + SSE برای پیشرفت real-time، بدون Redis/Celery.
کد در دسترس عموم است
این پروژه با لایسنس MIT در GitHub منتشر شده. داکیومنتیشن کامل، معماری ماژولار و CLI برای batch processing — آماده برای استفاده و توسعه.
MIT License
Python Type Annotations
pytest test suite
ruff + mypy
CLI + Web API
demo mode (synthetic data)
GitHub: Quant_research
git clone https://github.com/0xh0551/Quant_research
درس پروژه
سیستم کوانت با فرضیه شروع میشود، نه با کد
بیشتر پروژههای کوانت در اسکریپتهای پراکنده گم میشوند. این پلتفرم ثابت میکند که وقتی pipeline از داده تا گزارش با معماری روشن طراحی شود، تصمیمهای معاملاتی از کیفیت بالاتری برخوردارند.
Walk-forward validation و Monte Carlo نشان میدهند آیا یک استراتژی واقعاً کار میکند یا فقط در تاریخ گذشته curve-fit شده.
سه اصل اساسی این پروژه
کیفیت داده قبل از هر چیز — اعتبارسنجی در ۶ لایه
هزینههای واقعی اجرا — کارمزد + slippage + تأخیر ۱ بار
robustness اجباری — walk-forward و Monte Carlo پیش از هر تصمیم
میخواهید یک سیستم کوانت برای کسبوکار خود بسازید؟
اگر به pipeline داده، بکتست قابل اتکا، مدیریت ریسک یا داشبورد تحقیقاتی نیاز دارید، از جلسه تشخیص معماری شروع کنیم.