TradingGameVideo.mp4
基于 NEAT (NeuroEvolution of Augmenting Topologies) 算法的 AI 交易模拟竞技场。两种类型的 AI Agent（高级散户、做市商）通过神经网络进化算法学习交易策略，在模拟订单簿市场中竞争。噪声交易者提供随机性流动性和布朗运动价格特征。
TradingGame 是一个高性能的 AI 交易模拟系统，模拟真实金融市场的交易机制。AI 代理通过强化学习进化交易策略，在动态变化的市场环境中竞争生存。
- NEAT 神经进化算法 - 自动进化神经网络拓扑结构和权重
- 完整的交易机制 - 订单簿、撮合引擎、保证金、强平、ADL 自动减仓
- 两种 AI 代理 - 高级散户、做市商，各有独特的策略和约束
- 噪声交易者 - 100个随机交易者，提供市场流动性和价格随机游走
- Cython 加速 - 关键路径使用 Cython 优化，支持高频交易模拟
- 多竞技场并行训练 - 批量推理合并，OpenMP 并行执行
- 可视化界面 - 实时监控订单簿、价格走势、资产变化
- 灵活配置 - 所有参数可通过配置文件调整
TradingGame_refactor/
├── CLAUDE.md # 项目总览（开发者指南）
├── README.md # 本文档（用户指南）
├── setup.py # Cython 模块构建配置
├── rebuild.sh # 一键清理缓存和重新编译
│
├── config/ # NEAT 配置文件目录
│ ├── neat_retail_pro.cfg # 高级散户 NEAT 配置（527输入，3输出）
│ └── neat_market_maker.cfg # 做市商 NEAT 配置（592输入，43输出）
│
├── scripts/ # 启动脚本
│ ├── train_noui.py # 无 UI 高性能训练
│ ├── train_ui.py # 带 UI 训练
│ ├── train_parallel_arena.py # 多竞技场并行训练
│ ├── demo_ui.py # 演示模式
│ └── tools/ # 工具脚本集合
│ ├── plot_evolution_curve.py # 绘制进化曲线
│ ├── memory_profiler.py # 内存分析
│ └── ...
│
├── src/ # 源代码
│ ├── core/ # 核心引擎（日志系统）
│ │
│ ├── market/ # 交易市场引擎
│ │ ├── orderbook/ # 订单簿（Cython，买卖各100档）
│ │ ├── matching/ # 撮合引擎（价格优先、时间优先）
│ │ ├── account/ # 账户管理（持仓、余额、保证金、强平）
│ │ ├── adl/ # ADL 自动减仓机制
│ │ └── noise_trader/ # 噪声交易者（市场随机性提供者）
│ │
│ ├── bio/ # 生物系统
│ │ ├── brain/ # NEAT 神经网络封装
│ │ └── agents/ # 两种 Agent 类型实现
│ │
│ ├── training/ # 训练引擎
│ │ ├── population.py # 种群管理
│ │ ├── trainer.py # 训练协调器
│ │ ├── arena/ # 多竞技场并行训练
│ │ └── league/ # 联盟训练
│ │
│ ├── ui/ # 可视化界面
│ │ ├── components/ # UI 组件
│ │ ├── data_collector.py # 数据采集器
│ │ ├── training_app.py # 训练模式 UI
│ │ └── demo_app.py # 演示模式 UI
│ │
│ ├── analysis/ # 分析模块
│ │ ├── demo_analyzer.py # 演示分析器
│ │ └── evolution_tester.py # 进化效果测试器
│ │
│ └── config/ # 配置类定义
│
├── tests/ # 测试代码
├── logs/ # 日志文件目录（自动创建）
├── checkpoints/ # 检查点目录（自动创建）
└── docs/ # 项目文档
| 类型 | 数量 | 初始资金 | 杠杆 | 输入维度 | 输出维度 | 特点 |
|---|---|---|---|---|---|---|
| 高级散户 | 2,400 | 2万 | 10.0x | 527 | 3 | 完整信息（5档+100笔成交），10子种群×240 |
| 做市商 | 600 | 1000万 | 10.0x | 592 | 43 | 提供流动性，双边挂单，6子种群×100 |
| 噪声交易者 | 100 | 1e18 | - | - | - | 随机买卖，50%行动概率，不参与进化 |
高级散户（3个输出）：
- 0: 动作选择（-1到1，等宽分6 bin：HOLD/PLACE_BID/PLACE_ASK/CANCEL/MARKET_BUY/MARKET_SELL）
- 1: 价格偏移（-1到1，映射到 ±100 ticks）
- 2: 数量比例（-1到1，映射到 [0, 1.0] 可用购买力比例）
做市商（43个输出）：
- 0-9: 买单价格偏移（映射到 [1, 100] ticks，相对 reservation_price）
- 10-19: 买单数量权重（归一化）
- 20-29: 卖单价格偏移（相对 reservation_price）
- 30-39: 卖单数量权重（归一化）
- 40: 总下单比例基准
- 41: gamma_adjustment（缩放 AS gamma，[0.1, 10.0]）
- 42: spread_adjustment（缩放 AS 点差，[0.5, 2.0]）
- Python 3.10+
- NumPy
- Cython
- neat-python (NEAT 算法库)
- dearpygui (可选，用于 UI 界面)
- 克隆项目
cd /home/rongheng/python_project/TradingGame_refactor- 安装依赖
pip install numpy cython neat-python dearpygui pytest matplotlib seaborn- 编译 Cython 模块
./rebuild.sh或手动编译：
python setup.py build_ext --inplace训练模式用于训练 NEAT 模型，Agent 会通过进化不断优化策略。
适用于大规模训练，无界面开销，速度最快。
# 基础训练：100 个 episode
python scripts/train_noui.py --episodes 100
# 从检查点恢复训练
python scripts/train_noui.py --resume checkpoints/ep_50.pkl --episodes 100
# 自定义参数
python scripts/train_noui.py --episodes 500 --episode-length 1000 --checkpoint-interval 50训练过程：
- 创建两个 NEAT 种群（高级散户、做市商）和 100 个噪声交易者
- 每个 episode 运行指定数量的 tick
- 每个 tick 执行：强平检查 → 噪声交易者行动 → Agent 观察 → Agent 决策 → 订单撮合
- 每个 episode 结束后根据 PnL 计算适应度并执行 NEAT 进化
- 定期保存检查点
训练输出：
- 终端实时显示训练进度
- 日志保存在
logs/目录 - 检查点保存在
checkpoints/目录
适用于小规模训练和实时观察训练过程。
# 启动可视化训练界面
python scripts/train_ui.pyUI 功能：
- 实时显示订单簿深度图
- 价格走势曲线
- 各种群资产变化
- 成交记录
- 开始/暂停/停止控制
通过多个独立的竞技场并行训练，提高适应度评估的稳定性。
# 默认：2个竞技场，每个50个episode，无限轮
python scripts/train_parallel_arena.py
# 指定轮数
python scripts/train_parallel_arena.py --rounds 100
# 自定义参数
python scripts/train_parallel_arena.py --num-arenas 8 --episodes-per-arena 5 --rounds 200
# 从检查点恢复
python scripts/train_parallel_arena.py --resume checkpoints/parallel_arena_gen_50.pkl多竞技场特点：
- 多个竞技场的神经网络推理合并成一个批量，OpenMP 并行执行
- 交易配对和账户更新串行执行（保证正确性）
- 所有竞技场完成后汇总适应度（简单平均）
- 每轮进行一次进化
- 2竞技场×50episode = 每轮100个样本，提高适应度评估稳定性
演示模式用于展示训练好的模型效果，不进行进化。
# 从检查点加载模型并演示
python scripts/demo_ui.py --checkpoint checkpoints/ep_100.pkl
# 调整演示速度（通过UI滑块，范围0.1x-100x）演示模式特点：
- 不进行 NEAT 进化
- 无限循环运行 episode
- 支持速度控制（0.1x - 100x）
- 结束条件：任意物种淘汰到只剩 1/4
- 结束后自动生成分析图和终端摘要（如启用分析器）
训练模式 vs 演示模式：
| 特性 | 训练模式 | 演示模式 |
|---|---|---|
| 进化 | 是 | 否 |
| Episode数量 | 有限 | 无限（直到满足结束条件） |
| 速度控制 | 不支持 | 支持（0.1x - 100x） |
| 结束条件 | 订单簿单边、物种淘汰 | 仅物种淘汰 |
| 检查点加载 | 不支持（从头训练） | 支持（加载已有模型） |
| 用途 | 训练新的NEAT模型 | 展示已有模型效果 |
# 运行所有测试
pytest tests/
# 运行单个测试文件
pytest tests/training/test_population.py
# 查看测试覆盖率
pytest tests/ --cov=src --cov-report=html初始化阶段
├─ 创建2个NEAT种群（高级散户、做市商）
├─ 创建100个噪声交易者
├─ 从基因组创建Agent对象
├─ 创建撮合引擎
└─ 做市商建立初始流动性（Tick 1）
Episode循环（每episode N个tick）
├─ 重置所有Agent账户
├─ 重置噪声交易者状态
├─ 重置市场状态和订单簿
└─ Tick循环
├─ Tick 1: 仅做市商行动
└─ Tick 2+:
├─ 强平检查（三阶段）
├─ 噪声交易者行动
├─ 计算归一化市场状态（所有Agent共用）
├─ 随机打乱Agent顺序
├─ 并行决策（神经网络推理）
└─ 串行执行（订单提交）
NEAT进化阶段
├─ 计算适应度（基于PnL）
├─ 执行NEAT进化算法
├─ 清理历史数据防止内存泄漏
└─ 从新基因组创建Agent
触发条件：保证金率 < 维持保证金率
| 阶段 | 操作 | 目的 |
|---|---|---|
| 阶段1 | 统一撤销被淘汰Agent的所有挂单 | 防止撤单时作为maker产生反向仓位 |
| 阶段2 | 统一提交市价单平仓 | 尝试在订单簿中平仓 |
| 阶段3 | ADL自动减仓 | 处理无法完全成交的情况 |
ADL排名公式：
- 盈利方：
排名 = PnL% × 有效杠杆 - 亏损方：
排名 = PnL% / 有效杠杆 - 成交价格：使用当前市场价格（非破产价格）
为市场提供随机性流动性和布朗运动价格特征（不参与NEAT进化）：
- 200个独立噪声交易者，各自每 tick 以 50% 概率行动
- 行动时 50% 买 / 50% 卖，通过市价单撮合
- 下单量：
max(1, int(lognormvariate(mu=12.0, sigma=1.0))) - 无限资金（1e18），不触发强平
- 手续费为 0，可作为 ADL 对手方
| 角色 | Maker费 | Taker费 |
|---|---|---|
| 高级散户 | 万2 (0.02%) | 万5 (0.05%) |
| 做市商 | -万1（返佣） | 万1 (0.01%) |
| 噪声交易者 | 0 | 0 |
train_noui.py / train_ui.py:
| 参数 | 默认值 | 说明 |
|---|---|---|
--episodes |
100 | 训练的 episode 数量 |
--episode-length |
1000 | 每个 episode 的 tick 数量 |
--checkpoint-interval |
10 | 检查点保存间隔（0=不保存） |
--resume |
None | 从检查点恢复训练 |
train_parallel_arena.py:
| 参数 | 默认值 | 说明 |
|---|---|---|
--num-arenas |
2 | 竞技场数量 |
--episodes-per-arena |
50 | 每个竞技场的 episode 数量 |
--rounds |
无限 | 训练轮数 |
--resume |
None | 从检查点恢复训练 |
demo_ui.py:
| 参数 | 默认值 | 说明 |
|---|---|---|
--checkpoint |
必需 | 检查点文件路径 |
在 src/config/config.py 中配置：
# Agent 配置
retail_pro_count = 2_400 # 高级散户数量（10子种群×240）
retail_pro_initial_balance = 20_000 # 高级散户初始资金
market_maker_count = 600 # 做市商数量（6子种群×100）
market_maker_initial_balance = 10_000_000 # 做市商初始资金
# 噪声交易者配置
noise_trader_count = 100 # 噪声交易者数量
noise_trader_action_probability = 0.5 # 行动概率
# 市场配置
initial_price = 100.0 # 初始价格
tick_size = 0.01 # 最小价格变动单位项目提供了一系列工具脚本用于分析和调优：
# 绘制进化曲线
python scripts/tools/plot_evolution_curve.py checkpoints/ep_100.pkl
# 内存分析
python scripts/tools/memory_profiler.py
# 推理性能分析
python scripts/tools/profile_inference_breakdown.py
# Tick 级别性能分析
python scripts/tools/profile_tick_detailed.py
# 竞技场数量基准测试
python scripts/tools/benchmark_arena_count.py
# OpenMP 线程数调优
python scripts/tools/benchmark_openmp_threads.py
# 兼容性阈值调优
python scripts/tools/tune_compatibility_threshold.py- Python 3.10+ - 主要开发语言
- NumPy - 高性能数值计算
- Cython - 关键路径优化
- neat-python - NEAT 神经进化算法
- DearPyGui - 可视化界面
- OpenMP - 多核并行推理
- pytest - 单元测试框架
项目采用了多项性能优化措施：
- Cython 加速 - 订单簿、持仓、神经网络推理、撮合引擎
- OpenMP 并行 - 批量决策推理，多竞技场并行训练
- 向量化计算 - 使用 NumPy 批量操作替代 Python 循环
- 内存预分配 - 预分配 NumPy 数组避免重复内存分配
- 高效数据结构 - 使用 deque 实现固定长度的历史数据缓冲区
- 共享内存 IPC - 多竞技场零拷贝进程间通信
详细的模块文档请参考各子目录的 CLAUDE.md：
- 项目总览 - 项目概述和架构说明
- 市场模块 - 订单簿、撮合引擎、账户管理
- Agent 模块 - 两种 AI 代理实现
- 训练模块 - 种群管理和训练流程
- 多竞技场 - 并行训练详解
- 噪声交易者模块 - 噪声交易者机制详解
- UI 模块 - 可视化界面说明
A: 必须执行清理缓存和重新编译：
./rebuild.shA:
- 无 UI 模式已经是最快速度
- 带 UI 训练模式以最大速度运行，不支持速度控制
- 演示模式支持速度控制（0.1x - 100x），通过 UI 滑块调整
A: 默认保存在 checkpoints/ 目录：
- 单竞技场：
ep_{episode}.pkl - 多竞技场：
parallel_arena_gen_{generation}.pkl
A: 日志文件保存在 logs/ 目录，按日期命名。
A: NEAT 配置已设置 reset_on_extinction = True，会自动重置种群。
A:
- 减少 Agent 数量
- 减少 episode 长度
- 降低 OpenMP 线程数
- 使用内存分析工具排查：
python scripts/tools/memory_profiler.py
A:
- 使用演示模式观察行为：
python scripts/demo_ui.py --checkpoint checkpoints/ep_100.pkl - 使用进化测试器：
python -m src.analysis.evolution_tester checkpoints/ep_100.pkl - 绘制进化曲线：
python scripts/tools/plot_evolution_curve.py checkpoints/ep_100.pkl
欢迎提交 Issue 和 Pull Request！
开发前请确保：
- 阅读相关模块的
CLAUDE.md了解代码逻辑 - 运行
./rebuild.sh清理缓存并重新编译 - 通过所有测试：
pytest tests/ - 更新相关文档（代码逻辑 → CLAUDE.md，功能说明 → README.md）
MIT License
祝训练愉快！让 AI 在市场中进化出独特的交易策略。