---

项目简介

TimeYYCopilot 是在开源项目 TimeCopilot 之上构建的一个实践项目， 目标是为 BTC/ETH 等加密货币 提供：

• 多周期（5m / 15m / 1h / 4h）K 线的 价格与波动预测
• 基于预测结果的 策略生成与资金曲线回测
• 面向未来的 半自动 / 自动实盘下单架构雏形

本仓库更多是「应用工程层」，复用 TimeCopilot 的智能体与模型能力，聚焦在：

• 对接 Binance 行情数据
• 将加密货币 K 线数据转换成 TimeCopilot 兼容格式
• 设计策略引擎与模拟交易 / 回测框架

注意：当前阶段仅用于 个人研究与模拟交易，不直接面向真实资金的自动化交易。

---

核心能力

• 多周期加密货币预测

  • 支持 5m / 15m / 1h / 4h / 1d 的 BTCUSDT / ETHUSDT 等主流交易对
  • 利用 TimeCopilot 统一调用传统统计模型 + ML + 神经网络 + TSFM
  • 自动进行模型选择与交叉验证，并输出可解释的分析报告
  • 支持实时数据获取与预测

• 交易策略 & 回测

  • 基于未来数根 K 线的预测轨迹，生成 BUY/SELL/HOLD 信号
  • 支持手续费、滑点、仓位控制等基础要素
  • 可以在历史区间上做完整回测，输出资金曲线与关键指标
  • 历史回测预测 vs 实际价格对比分析

• 图形化界面

  • 完整的 Streamlit Web 界面，无需编程即可使用
  • 数据获取、预测、回测、分析一体化流程
  • 实时预测功能，基于最新 K 线数据
  • 丰富的可视化图表和性能指标展示

• 面向实盘的架构设计

  • 数据源、预测服务、策略引擎、执行引擎分层解耦
  • 当前执行引擎仅实现"模拟成交"，未来可替换为 Binance 实盘下单

---

项目结构（规划中）

本仓库基于上游 timecopilot 代码结构，并将逐步增加与加密货币交易相关的模块，例如：

• crypto_data/：Binance 数据拉取与本地存储（REST + WebSocket）
• crypto_adapter/：将 K 线数据转换为 unique_id, ds, y 形式供 TimeCopilot 使用
• crypto_strategy/：策略实现（趋势跟随、均值回复、波动过滤等）
• crypto_backtest/：回测与模拟交易引擎
• examples/：Jupyter Notebook 示例（单币种 / 多周期组合回测）

目前这些目录会在后续迭代中逐步补齐，具体以仓库实际代码为准。

---

开发环境与前置依赖

• 硬件环境（推荐）：
  • Apple Silicon（如 MacBook Pro M4 Max, 36GB RAM）或同级别 Linux 主机
• 软件环境：
  • Python 3.10–3.13
  • Git
  • 推荐使用 uv 或 venv 创建虚拟环境

必要的 API Key

• OpenAI / 其他 LLM 提供商（用于 TimeCopilot 智能体）
  • 环境变量：OPENAI_API_KEY 等
• Binance API Key（未来接入实盘/实时数据时使用，可选）
  • 环境变量示例：BINANCE_API_KEY, BINANCE_API_SECRET
  • 模拟回测阶段可以仅使用公共 K 线历史数据

---

快速开始

1. 克隆仓库并安装依赖

git clone https://github.com/TigerYY/TimeYYCopilot.git
cd TimeYYCopilot

# 推荐使用 uv
uv sync  # 或者使用: pip install -e .

2. 配置环境变量

在项目根目录创建 .env 文件，或使用环境变量：

# DashScope API Key（推荐，用于 TimeCopilot）
DASHSCOPE_API_KEY=your-dashscope-api-key
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
DASHSCOPE_MODEL=qwen-turbo

# 或使用 OpenAI API Key
OPENAI_API_KEY=your-openai-key

# 可选：未来接入 Binance 实盘/实时数据时需要
BINANCE_API_KEY=your-binance-key
BINANCE_API_SECRET=your-binance-secret

3. 启动图形化界面（推荐）

方式 1：使用启动脚本

chmod +x start_crypto_ui.sh
./start_crypto_ui.sh

方式 2：直接运行 Streamlit

streamlit run crypto_ui_app.py

应用会自动在浏览器中打开，默认地址：http://localhost:8501

图形化界面功能

TimeYYCopilot 提供了完整的图形化界面，包含以下功能模块：

• 📥 数据获取：从 Binance 获取历史 K 线数据，支持多种交易对和周期
• 🔮 价格预测：使用 TimeCopilot 进行多模型预测，自动选择最佳模型
• 💹 策略回测：基于预测结果进行策略回测，生成资金曲线和交易记录
• 📊 结果分析：查看详细的性能指标和分析报告
• ⏱️ 实时回预测：历史回测预测 vs 实际价格对比，以及未来预测
• 🔄 实时预测：基于最新 K 线数据进行实时预测

详细使用说明请参考 CRYPTO_UI_README.md

4. 命令行运行示例（回测）

计划提供类似以下脚本 / Notebook（示意）：

python -m crypto_backtest.run_btc_eth_example \
  --symbol BTCUSDT \
  --interval 15m \
  --start 2024-01-01 \
  --end 2024-03-01

脚本会完成：

• 从本地或 Binance 拉取历史 K 线
• 转换为 TimeCopilot 接受的时间序列格式
• 运行 TimeCopilot 做多模型预测与模型选择
• 根据策略规则生成交易信号并模拟成交
• 输出资金曲线和关键指标（年化收益、最大回撤等）

---

与上游 TimeCopilot 的关系

• 本仓库是 个人实验项目，基于上游项目：
  • 源项目地址：https://github.com/TimeCopilot/timecopilot
  • 如果你只关心「通用时间序列 + LLM 预测智能体」，建议直接使用上游库。
• TimeYYCopilot 在此基础上：
  • 聚焦「加密货币交易」这一具体场景；
  • 增加数据接入、交易策略、回测与（未来的）下单执行层。

上游项目的详细说明可参考本仓库中的 README.TC.md。

---

Roadmap

1. 数据层
   • Binance 历史 K 线拉取脚本（多周期）
   • 实时 K 线数据获取
   • 本地数据落地（Parquet / SQLite / DuckDB）
2. 适配层
   • 将 K 线数据标准化为 TimeCopilot 所需的 unique_id, ds, y
   • 多资产 / 多周期统一管理
3. 预测层
   • 基于 TimeCopilot 的多模型预测（5m / 15m / 1h / 4h）
   • 结果缓存与可视化（价格 + 预测曲线）
   • 实时预测功能
   • 历史回测预测对比
4. 策略 & 回测层
   • 简单趋势策略回测（单币种）
   • 资金曲线与指标报表
   • 多币种 / 多周期组合策略
5. 用户界面
   • Streamlit 图形化界面
   • 数据获取、预测、回测、分析完整流程
   • 实时预测与回预测功能
6. 执行层
   • 半自动下单（生成"建议单"，人工确认）
   • 自动化下单的风险控制与限额机制

---

免责声明

• 本项目仅用于 技术研究与模拟交易学习，不构成任何投资建议。
• 加密货币/衍生品交易具有极高风险，可能导致本金全部损失；请勿将本项目或其输出用于缺乏充分风控与合规检查的真实资金交易。