303 lines
9.8 KiB
Python
303 lines
9.8 KiB
Python
import os
|
||
import json
|
||
import requests
|
||
from typing import Dict, Any, List, Optional
|
||
import time
|
||
|
||
|
||
class DeepSeekAPI:
|
||
"""DeepSeek API交互类，用于进行市场分析和预测"""
|
||
|
||
def __init__(self, api_key: str, model: str = "deepseek-moe-16b-chat"):
|
||
"""
|
||
初始化DeepSeek API
|
||
|
||
Args:
|
||
api_key: DeepSeek API密钥
|
||
model: 使用的模型名称
|
||
"""
|
||
self.api_key = api_key
|
||
self.model = model
|
||
self.base_url = "https://api.deepseek.com/v1"
|
||
self.headers = {
|
||
"Content-Type": "application/json",
|
||
"Authorization": f"Bearer {api_key}"
|
||
}
|
||
|
||
def analyze_market_data(self, market_data: Dict[str, Any]) -> Dict[str, Any]:
|
||
"""
|
||
分析市场数据
|
||
|
||
Args:
|
||
market_data: 包含市场数据的字典，例如价格、交易量等
|
||
|
||
Returns:
|
||
分析结果
|
||
"""
|
||
# 将市场数据格式化为适合大模型的格式
|
||
formatted_data = self._format_market_data(market_data)
|
||
|
||
# 构建提示词
|
||
prompt = self._build_market_analysis_prompt(formatted_data)
|
||
|
||
# 调用API获取分析
|
||
response = self._call_api(prompt)
|
||
|
||
# 解析响应
|
||
return self._parse_analysis_response(response)
|
||
|
||
def predict_price_trend(self, symbol: str, historical_data: Dict[str, Any]) -> Dict[str, Any]:
|
||
"""
|
||
预测价格趋势
|
||
|
||
Args:
|
||
symbol: 交易对符号，例如 'BTCUSDT'
|
||
historical_data: 历史数据
|
||
|
||
Returns:
|
||
预测结果
|
||
"""
|
||
# 格式化历史数据
|
||
formatted_data = self._format_historical_data(symbol, historical_data)
|
||
|
||
# 构建提示词
|
||
prompt = self._build_price_prediction_prompt(symbol, formatted_data)
|
||
|
||
# 调用API获取预测
|
||
response = self._call_api(prompt)
|
||
|
||
# 解析响应
|
||
return self._parse_prediction_response(response)
|
||
|
||
def generate_trading_strategy(self, symbol: str, analysis_result: Dict[str, Any], risk_level: str) -> Dict[str, Any]:
|
||
"""
|
||
生成交易策略
|
||
|
||
Args:
|
||
symbol: 交易对符号，例如 'BTCUSDT'
|
||
analysis_result: 分析结果
|
||
risk_level: 风险等级，'low', 'medium', 'high'
|
||
|
||
Returns:
|
||
交易策略
|
||
"""
|
||
# 构建提示词
|
||
prompt = self._build_trading_strategy_prompt(symbol, analysis_result, risk_level)
|
||
|
||
# 调用API获取策略
|
||
response = self._call_api(prompt)
|
||
|
||
# 解析响应
|
||
return self._parse_strategy_response(response)
|
||
|
||
def _call_api(self, prompt: str) -> Dict[str, Any]:
|
||
"""
|
||
调用DeepSeek API
|
||
|
||
Args:
|
||
prompt: 提示词
|
||
|
||
Returns:
|
||
API响应
|
||
"""
|
||
try:
|
||
endpoint = f"{self.base_url}/chat/completions"
|
||
|
||
payload = {
|
||
"model": self.model,
|
||
"messages": [
|
||
{"role": "system", "content": "你是一个专业的加密货币分析助手，擅长分析市场趋势、预测价格走向和提供交易建议。请始终使用中文回复，并确保输出格式规范的JSON。"},
|
||
{"role": "user", "content": prompt}
|
||
],
|
||
"temperature": 0.2, # 低温度使输出更加确定性
|
||
"max_tokens": 2000
|
||
}
|
||
|
||
response = requests.post(endpoint, headers=self.headers, json=payload)
|
||
response.raise_for_status()
|
||
|
||
return response.json()
|
||
|
||
except Exception as e:
|
||
print(f"调用DeepSeek API时出错: {e}")
|
||
return {}
|
||
|
||
def _format_market_data(self, market_data: Dict[str, Any]) -> str:
|
||
"""
|
||
格式化市场数据为适合大模型的格式
|
||
|
||
Args:
|
||
market_data: 市场数据
|
||
|
||
Returns:
|
||
格式化的数据字符串
|
||
"""
|
||
# 这里可以根据实际情况调整格式化方式
|
||
return json.dumps(market_data, indent=2)
|
||
|
||
def _format_historical_data(self, symbol: str, historical_data: Dict[str, Any]) -> str:
|
||
"""
|
||
格式化历史数据为适合大模型的格式
|
||
|
||
Args:
|
||
symbol: 交易对符号
|
||
historical_data: 历史数据
|
||
|
||
Returns:
|
||
格式化的数据字符串
|
||
"""
|
||
# 可以根据实际情况调整格式化方式
|
||
return json.dumps(historical_data, indent=2)
|
||
|
||
def _build_market_analysis_prompt(self, formatted_data: str) -> str:
|
||
"""
|
||
构建市场分析提示词
|
||
|
||
Args:
|
||
formatted_data: 格式化的市场数据
|
||
|
||
Returns:
|
||
提示词
|
||
"""
|
||
return f"""请分析以下加密货币市场数据，并提供详细的市场分析。请使用中文回复。
|
||
|
||
数据:
|
||
{formatted_data}
|
||
|
||
请包括以下内容:
|
||
1. 市场总体趋势
|
||
2. 主要支撑位和阻力位
|
||
3. 交易量分析
|
||
4. 市场情绪评估
|
||
5. 关键技术指标解读（如RSI、MACD等）
|
||
|
||
请以JSON格式回复，包含以下字段:
|
||
- market_trend: 市场趋势 (牛市, 熊市, 震荡)
|
||
- support_levels: 支撑位列表
|
||
- resistance_levels: 阻力位列表
|
||
- volume_analysis: 交易量分析
|
||
- market_sentiment: 市场情绪
|
||
- technical_indicators: 技术指标分析
|
||
- summary: 总结
|
||
|
||
请确保回复为有效的JSON格式，并使用中文进行分析。"""
|
||
|
||
def _build_price_prediction_prompt(self, symbol: str, formatted_data: str) -> str:
|
||
"""
|
||
构建价格预测提示词
|
||
|
||
Args:
|
||
symbol: 交易对符号
|
||
formatted_data: 格式化的历史数据
|
||
|
||
Returns:
|
||
提示词
|
||
"""
|
||
return f"""请基于以下{symbol}的历史数据，预测未来24小时、7天和30天的价格走势。请使用中文回复。
|
||
|
||
历史数据:
|
||
{formatted_data}
|
||
|
||
请考虑市场趋势、技术指标、历史模式和当前市场情况，提供详细的预测分析。
|
||
|
||
请以JSON格式回复，包含以下字段:
|
||
- symbol: 交易对符号
|
||
- current_price: 当前价格
|
||
- prediction_24h: 24小时预测 (包含 price_range价格区间, trend趋势, confidence置信度)
|
||
- prediction_7d: 7天预测 (包含 price_range价格区间, trend趋势, confidence置信度)
|
||
- prediction_30d: 30天预测 (包含 price_range价格区间, trend趋势, confidence置信度)
|
||
- key_factors: 影响预测的关键因素
|
||
- risk_assessment: 风险评估
|
||
|
||
请确保回复为有效的JSON格式，并使用中文进行分析。"""
|
||
|
||
def _build_trading_strategy_prompt(self, symbol: str, analysis_result: Dict[str, Any], risk_level: str) -> str:
|
||
"""
|
||
构建交易策略提示词
|
||
|
||
Args:
|
||
symbol: 交易对符号
|
||
analysis_result: 分析结果
|
||
risk_level: 风险等级
|
||
|
||
Returns:
|
||
提示词
|
||
"""
|
||
analysis_json = json.dumps(analysis_result, indent=2)
|
||
|
||
return f"""请基于以下{symbol}的市场分析结果，生成一个风险等级为{risk_level}的交易策略。请使用中文回复。
|
||
|
||
分析结果:
|
||
{analysis_json}
|
||
|
||
请考虑市场趋势、技术指标、风险等级和当前市场情况，提供详细的交易策略。
|
||
|
||
请以JSON格式回复，包含以下字段:
|
||
- symbol: 交易对符号
|
||
- risk_level: 风险等级 (low低风险, medium中风险, high高风险)
|
||
- position: 建议仓位 (买入、卖出、持有)
|
||
- entry_points: 入场点列表
|
||
- exit_points: 出场点列表
|
||
- stop_loss: 止损位
|
||
- take_profit: 止盈位
|
||
- time_frame: 建议的交易时间框架
|
||
- strategy_type: 策略类型 (例如：趋势跟踪、反转、突破等)
|
||
- reasoning: 策略推理过程
|
||
|
||
请确保回复为有效的JSON格式，并使用中文进行分析。"""
|
||
|
||
def _parse_analysis_response(self, response: Dict[str, Any]) -> Dict[str, Any]:
|
||
"""
|
||
解析分析响应
|
||
|
||
Args:
|
||
response: API响应
|
||
|
||
Returns:
|
||
解析后的分析结果
|
||
"""
|
||
try:
|
||
if 'choices' in response and len(response['choices']) > 0:
|
||
content = response['choices'][0]['message']['content']
|
||
|
||
# 尝试从响应中提取JSON
|
||
start_idx = content.find('{')
|
||
end_idx = content.rfind('}') + 1
|
||
|
||
if start_idx != -1 and end_idx != -1:
|
||
json_str = content[start_idx:end_idx]
|
||
return json.loads(json_str)
|
||
|
||
return {"error": "无法从响应中提取JSON", "raw_content": content}
|
||
|
||
return {"error": "API响应格式不正确", "raw_response": response}
|
||
|
||
except Exception as e:
|
||
print(f"解析分析响应时出错: {e}")
|
||
return {"error": str(e), "raw_response": response}
|
||
|
||
def _parse_prediction_response(self, response: Dict[str, Any]) -> Dict[str, Any]:
|
||
"""
|
||
解析预测响应
|
||
|
||
Args:
|
||
response: API响应
|
||
|
||
Returns:
|
||
解析后的预测结果
|
||
"""
|
||
# 与_parse_analysis_response相同的实现
|
||
return self._parse_analysis_response(response)
|
||
|
||
def _parse_strategy_response(self, response: Dict[str, Any]) -> Dict[str, Any]:
|
||
"""
|
||
解析策略响应
|
||
|
||
Args:
|
||
response: API响应
|
||
|
||
Returns:
|
||
解析后的策略结果
|
||
"""
|
||
# 与_parse_analysis_response相同的实现
|
||
return self._parse_analysis_response(response) |