简介：这是一套基于Java构建的AI开源量化交易平台源码，面向具备一定编程基础的量化开发者、策略研究员及金融科技从业者，可用于期货、股票、外汇、数字货币等多类交易场景，实现自动与半自动交易，覆盖历史回放、策略研发、模拟交易到实盘交易的完整链路。资源包共579个文件，以408个Java源码为核心，辅以62个JavaScript与24个Vue前端文件、14个XML及10个JSON配置，另有少量proto、yml、Dockerfile等部署与协议文件，整体约1.83MB，结构紧凑、便于二次开发。目前已有384人学习下载。读者可借此研究量化引擎架构、策略调度与行情回放机制，参考CTP等期货接口对接思路，并基于现成的前后端模块快速搭建自己的程序化交易系统，适合作为量化平台学习与改造的实践样本。
1. 从一份 Java 源码包说起：它到底能不能跑起自动交易
前阵子有个做期货 CTP 的朋友甩给我一个压缩包，说“你帮我看看这个 Java 写的量化平台，能不能直接接实盘”。我解压一看，目录里躺着.browserslistrc、lombok.config、Dockerfile、index.css、loding.gif这些前端构建和容器化的痕迹，还有一堆.gitignore，说明这是个前后端分离、能容器化部署的完整工程，不是那种只丢几个策略脚本的玩具。它定位很明确：基于 JAVA 的 AI 开源量化交易平台，覆盖期货、股票、外汇、炒币多种场景，主打历史回放、策略研发、模拟交易、实盘交易，兼顾全自动与半自动。对 Java 工程师来说，这类开源量化项目最大的价值不是“秒替文华、MC、金字塔”这种口号，而是它把行情接入、策略生命周期、订单管理、风控这些脏活累活用一套工程化代码摊开了。你拿到手，能改、能调、能接自己的柜台，这才是关键。这篇笔记就按我拆包的顺序，讲清楚它怎么用、参数怎么设、坑在哪。
2. 环境与工程结构：先把 Java 侧跑通再谈策略
2.1 从.gitignore和Dockerfile反推技术栈
拿到源码别急着mvn spring-boot:run，先看根目录那几个点文件。.browserslistrc是前端构建目标浏览器的配置，说明仓库里带了 Web 控制台；lombok.config意味着实体类大量用@Data、@Slf4j这类注解，编译时必须装 Lombok 插件，否则 IDE 满屏红线；Dockerfile说明官方推荐容器化跑，省去你配 JDK、Maven、Node 的版本冲突。我一般先做一件事：把Dockerfile里的基础镜像和暴露端口抄下来，对照自己机器判断能不能直接docker build。
# 查看 Dockerfile 关键行，确认基础镜像与端口 grep -E "FROM|EXPOSE|ENTRYPOINT|CMD" Dockerfile # 典型输出会类似： # FROM openjdk:17-jdk-slim # EXPOSE 8080 # ENTRYPOINT ["java","-jar","/app/app.jar"]这段命令不是让你盲跑，而是先确认 JDK 大版本。Java 量化项目对 JDK 版本敏感，17 和 8 在ZGC、Record、var上写法不同，用错版本编译报错能查半天。EXPOSE的端口要和后面前端index.css所在工程的 API 代理对上，否则页面能开、数据不来，新手最容易卡在这。
2.2 数据库与配置文件的参数怎么改
工程里通常有application.yml或application.properties，里面藏着数据库、行情源、交易柜台的连接串。我习惯先把配置项按“必须改”和“可默认”分两类。必须改的是数据库账号密码、行情推送地址、CTP 的 BrokerID 和投资者账号；可默认的是线程池大小、日志级别、回放速度。下面是一个典型的配置片段，字段名以你实际仓库为准，但结构大同小异。
spring: datasource: url: jdbc:mysql://127.0.0.1:3306/quant?useSSL=false&serverTimezone=Asia/Shanghai username: quant_user password: "改成你自己的" jpa: hibernate: ddl-auto: update # 首次启动可 update，生产环境务必改 none quant: market: source: ctp # 行情源，可选 ctp / ib / binance front: tcp://180.168.146.187:10131 trade: broker-id: "9999" investor-id: "你的账号" password: "你的密码" replay: speed: 10 # 历史回放倍速，1 为实时ddl-auto: update是新手福利也是生产炸弹，第一次跑让它自动建表，跑通后立刻改none，否则某次实体类改动可能悄悄改你表结构。replay.speed设成 10 表示 10 倍速回放，做策略验证时能省大量等待时间，但设太高会让撮合逻辑和真实延迟脱节，我一般验证用 5 到 10，压测才往上加。行情front地址是期货模拟环境常用入口，实盘要换成期货公司给你的生产前置，别拿模拟地址接真钱。
2.3 启动顺序与首次登录
容器化启动最省事，但如果你要改代码调试，还是本地跑。顺序是：先起 MySQL 和 Redis（如果有），再起 Java 后端，最后起前端。前端工程里index.css、loding.gif这些静态资源说明它是个独立 SPA，通常npm install && npm run dev就能起。
# 后端：跳过测试打包并启动 mvn clean package -DskipTests java -jar target/quant-platform-*.jar --spring.profiles.active=dev # 前端：另开终端 npm install npm run dev-DskipTests是因为开源项目自带测试常依赖外部行情，本地没网或没账号会挂，先跳过保证主流程起来。--spring.profiles.active=dev切到开发配置，避免误连生产库。起来后默认账号一般在data.sql或文档里，首次登录后第一件事是改密码并确认当前连的是模拟还是实盘，这个习惯能救命。
3. 策略研发与历史回放：把想法变成可验证的代码
3.1 策略类的骨架与生命周期方法
Java 量化平台的策略通常是一个实现特定接口的类，平台在行情到达、订单成交、定时器触发时回调你。你要做的是继承基类、重写onTick、onBar、onOrder这几个方法。别一上来就写复杂逻辑，先用一个最小策略确认回调真的被触发。
public class DemoStrategy extends AbstractStrategy { @Override public void onInit() { // 订阅合约，参数为合约代码与周期 subscribe("rb2401", BarPeriod.M1); log.info("策略初始化完成"); } @Override public void onBar(Bar bar) { // 简单示例：收盘价高于开盘价就买一手 if (bar.getClose() > bar.getOpen()) { order(bar.getSymbol(), Direction.LONG, 1); } } @Override public void onOrder(Order order) { log.info("订单状态更新: {} {}", order.getStatus(), order.getOrderId()); } }onInit里做订阅和状态初始化，别在这里发单，因为行情还没来。onBar是核心，bar对象带开高低收和成交量，order方法参数依次是合约、方向、手数。onOrder用来跟踪成交回报，实盘里必须处理部分成交和拒单，模拟环境往往直接全成，容易让你忽略这块。写完编译通过只是第一步，真正要看的是回放时日志里有没有onBar输出。
3.2 历史回放的参数与验证方法
历史回放是这类平台最值钱的功能之一，它让你用真实历史行情驱动策略，而不是拿未来函数自欺欺人。启动回放时通常要指定合约、起止时间、初始资金、手续费和滑点。我一般先用一段已知单边行情验证方向逻辑，再用震荡行情验证会不会频繁打脸。
| 参数 | 含义 | 建议值 |
|---|---|---|
| symbol | 回放合约 | 选主力连续或具体月份 |
| startTime / endTime | 回放区间 | 先取一周，跑通再拉长 |
| initCash | 初始资金 | 按策略规模设，别用默认 100 万 |
| commission | 手续费率 | 按真实柜台填，别填 0 |
| slippage | 滑点 | 至少 1 跳，否则回测虚高 |
手续费和滑点填 0 是血泪经验里最常见的翻车点，回测曲线漂亮得不像话，一上模拟就亏。填上真实成本后，很多“高频套利”策略直接现原形。回放跑完看三个数：总收益、最大回撤、胜率，但别只看收益，回撤才是你能不能拿住的关键。如果平台支持导出成交明细，一定导出来对一遍，确认没有同一根 K 线反复开平这种异常。
3.3 模拟交易与实盘交易的切换边界
模拟和实盘在代码层面往往只差一个配置项，但行为差异巨大。模拟撮合通常按当前价或下一根开盘价成交，实盘要经过柜台、有网络延迟、可能部分成交。切换前我强制自己做三件事：确认broker-id、investor-id是生产账号；把下单手数临时改成 1 手；打开所有订单和成交日志。平台如果支持半自动模式，可以先让策略只发信号、人工确认再下单，跑几天再放开全自动。这个过渡能帮你发现“信号对了但下单参数错了”这类问题，比直接全自动安全得多。
4. 避坑与常见问题排查：那些让我熬夜的报错
4.1 启动报 Lombok 相关编译错误
现象：mvn package时报找不到getXxx()或log符号。原因：Lombok 注解处理器没生效，常见于 JDK 版本过高或 IDE 没开注解处理。解决：确认pom.xml里 Lombok 版本与 JDK 匹配，IDEA 里开启Annotation Processors，命令行编译加-Dmaven.compiler.annotationProcessorPaths或直接升级 Lombok 到较新版本。别手动给每个类补 getter，那是无底洞。
4.2 前端页面能开但数据空白
现象：浏览器打开控制台正常，但行情列表、策略列表一直转圈。原因：前端 API 代理指向的后端地址不对，或后端 CORS 没放行。解决：看前端vite.config或vue.config里的proxy配置，确认 target 是后端实际端口；后端检查跨域配置，开发环境可临时放行localhost。loding.gif一直转就是典型信号，别怀疑数据库，先查网络请求。
4.3 回放速度设太高导致结果失真
现象：回放倍速调到 100 后，策略成交价明显偏离 K 线。原因：撮合线程和行情线程竞争，高倍速下时间戳错乱。解决：把replay.speed降回 10 以内，或开启平台的“逐笔回放”模式。回放是为了验证逻辑，不是比谁跑得快，速度换不来正确性。
4.4 实盘下单被拒但日志无明细
现象：策略发了单，onOrder没回调，仓位没变化。原因：柜台拒单信息在底层 SDK 日志里，平台没往上抛。解决：打开 CTP 或对应柜台的 API 日志，查OnRspOrderInsert返回的错误码；常见是资金不足、合约未订阅、非交易时段。把错误码对照柜台文档查，别在平台层瞎找。
4.5 数据库时区导致 K 线时间偏移
现象：回放和实盘的 K 线时间差 8 小时。原因：MySQL 连接串没指定serverTimezone，或 JVM 时区是 UTC。解决：连接串加serverTimezone=Asia/Shanghai，启动参数加-Duser.timezone=Asia/Shanghai。时间错位会让跨日策略完全失效，这个坑很隐蔽。
5. 进阶技巧：用 AI 信号与多策略隔离把平台用出花
平台名字里带 AI，但别指望它内置一个能预测涨跌的大模型。真正实用的玩法是把外部 AI 信号接进来，同时用多策略隔离控制风险。我一般会留一个SignalStrategy作为适配层，把模型输出的方向、置信度转成平台的下单指令，置信度低于阈值就只记录不交易。
public class AiSignalStrategy extends AbstractStrategy { private final SignalClient client = new SignalClient("http://127.0.0.1:8000/predict"); @Override public void onBar(Bar bar) { Signal s = client.predict(bar.getSymbol(), bar.toFeatures()); if (s.getConfidence() < 0.65) { log.info("置信度不足，跳过: {}", s.getConfidence()); return; } Direction dir = s.getScore() > 0 ? Direction.LONG : Direction.SHORT; order(bar.getSymbol(), dir, positionSize(s.getConfidence())); } private int positionSize(double confidence) { // 置信度越高仓位越大，但设上限 return Math.min(5, (int) Math.round(confidence * 5)); } }SignalClient指向你本地或远程的推理服务，toFeatures把 K 线转成模型输入。置信度阈值 0.65 是我拍的经验值，你可以按品种调，但别低于 0.5，否则等于随机下单。positionSize做了仓位与置信度挂钩并封顶 5 手，防止某个极端信号一把梭。多策略隔离则靠平台的多账户或多策略实例功能，每个策略独立资金、独立持仓，一个策略爆仓不牵连其他。如果平台不支持，至少用不同合约或不同方向做逻辑隔离。
验证 AI 信号有没有用，别只看回测收益，要看它在样本外的表现。我的习惯是拿最近三个月数据做样本外测试，如果收益比随机下单还差，果断弃用。另外，推理服务的延迟要测，超过 200ms 的信号在短线策略里基本没用。从那以后我每次接外部信号，都强制先跑一周模拟、对比信号时间戳和成交时间戳，确认没有未来函数。希望这些拆包经验帮到你，少熬几个夜。
本文还有配套的精品资源，点击获取
