
Lumibot 是一个开源的 Python 框架,用于回测、纸上交易和执行算法交易策略。它支持传统的 Python 规则、AI 交易代理和经纪人连接。本指南探讨其策略方法、历史数据、经纪人感知执行和 AI 交易团队,帮助开发者和量化交易者评估自动化交易系统。
Lumibot 提供 12 种经纪人集成,包括 Alpaca、Interactive Brokers (IBKR) 和 Tradier,不同市场的功能各异。
Lumibot 需要 Python 3.10 或更高版本,并支持股票、期权、期货、外汇、加密货币和预测市场。
同一策略类可以在不重写核心交易逻辑的情况下运行历史回测、纸上交易和实时交易。
Lumibot 的内置 AI 代理运行时支持研究代理、牛市和熊市代理、风险审查员和最终交易代理。
历史测试、真实订单成交和样本外验证有助于评估策略,但无法保证未来的盈利能力。
Lumibot 是由 Lumiwealth 开发的真实 Python 交易框架。其事件驱动架构连接市场数据、策略逻辑、经纪账户和订单执行。
与将研究、回测和执行分离为无关系统的交易项目不同,Lumibot 强调通过可重用的策略类实现研究与实时交易的一致性。
官方 Lumibot 仓库 记录了其经纪人集成、历史测试工具和 AI 交易项目。
其核心 Python 组件包括:
| 组件 | 功能 |
|---|---|
| 策略 | 定义交易逻辑和生命周期方法 |
| 资产 | 表示股票、加密货币、期权或其他工具 |
| 数据 | 保存历史市场信息 |
| 交易者 | 协调策略执行 |
| Alpaca | 将交易策略连接到 Alpaca 经纪账户 |
| YahooDataBacktesting | 使用 Yahoo Finance 价格进行历史模拟 |
lumibot.strategies、lumibot.entities、lumibot.traders 和 lumibot.brokers 导入这些组件。
策略方法包括 initialize() 和 on_trading_iteration(),定义设置和交易行为。这种经纪人感知的策略代码使同一 Lumibot 策略能够在支持的环境中运行。
Lumibot 支持使用历史市场数据进行日内和跨日回测。其 Pandas 回测器可以使用兼容的自定义数据集,而 Yahoo Finance、Polygon.io 和其他支持的提供商提供市场信息。
该框架还包括基于 CCXT 的加密货币连接,尽管必须验证单个交易所和工具的支持。
| 功能 | 支持的方法 |
|---|---|
| 历史测试 | Yahoo Finance、Polygon.io、Pandas/CSV、专业提供商 |
| 自定义数据集 | 用户控制的时间序列数据 |
| 实时经纪人 | Alpaca、IBKR、Tradier 和支持的集成 |
| 加密货币连接 | 支持的交易所 API 和 CCXT 集成 |
| Python 库 | Pandas、NumPy 和技术指标库 |
| 部署 | 本地环境或配置的云基础设施 |
| 执行模式 | 回测、纸上交易、实时交易 |
强大的加密货币交易所提供市场数据和订单下达的 API。Lumibot 可以使用兼容的集成来自动化交易,但连接性并不意味着支持每个交易所。
Alpaca 和类似的经纪人可能为符合条件的产品提供免佣金交易环境。其他费用、点差和监管限制仍然适用。
在测试日内和限价订单策略时,真实成交尤其重要。历史模拟应考虑滑点、延迟、费用和流动性。
作为对比,Backtesting.py 是一个轻量级的事件驱动 Python 库,适合较小的回测项目,而 Lumibot 将回测与更广泛的经纪执行和 AI 代理能力结合在一起。
Lumibot 包含一个内置的 AI 交易代理运行时,允许专业代理检查市场状况、进行研究、调用外部工具和评估交易机会。
完整的 AI 交易团队在正常的策略子类中运作。其代理流程可以将确定性的 Python 规则与 AI 生成的决策结合起来。
根据 Lumibot AI 代理文档,开发者可以配置多个具有不同职责的代理。
| 代理 | 职责 |
|---|---|
| 研究代理 | 收集技术、基本面和历史证据 |
| 牛市代理 | 构建最强的看涨交易论点 |
| 熊市代理 | 挑战论点并识别下行风险 |
| 代理审查员 | 评估证据、假设和风险控制 |
| 交易者或投资组合经理 | 审查头寸、账户余额和潜在订单 |
| 最终代理 | 在明确获得交易许可时提交订单 |
在交易团队示例中,研究员在牛市和熊市代理辩论机会之前收集证据。交易代理决定是否买入、卖出或持有。
每个代理都接收相同的市场背景,并补充之前的研究或审查员输出。
因此,专业的研究流程可以支持单代理策略或分层的 AI 交易团队 Lumibot 实现。
一些演示提示指示代理寻找最强的赚钱交易或部署几乎所有现金。这些激进的示例说明了代理权限和执行,而不是推荐的风险管理。
只有最终的交易启用代理在策略设计中分离时,才应具有订单提交权限。
Lumibot 需要 Python 3.10 或更高版本。开发者可以安装该框架并在连接真实资金之前运行演示。
pip install lumibot
lumibot demo
初始演示使用历史数据,无需经纪人凭证。
开发者可以初始化并测试 AI 交易项目:
lumibot init my-bot --template ai
lumibot backtest my-bot --days 90
lumibot run my-bot --paper
配置的 AI 策略需要适当的 AI 密钥,而连接经纪人的纸上交易可能需要 AI 和 Alpaca 凭证。
例如,Python 导入可以包括:
from lumibot.strategies import Strategy
from lumibot.entities import Asset
from lumibot.traders import Trader
from lumibot.brokers import Alpaca
AI 策略还可以通过 self.agents.create() 创建代理,并在 on_trading_iteration() 中调用它们。
缺少模型凭证应产生明确的提供者密钥错误,而不是默默授权另一个提供者。
开发者应在启用实时订单之前测试代理行为、执行权限和风险限制。
回测对算法交易至关重要,但盈利的历史结果并不能建立预期的未来表现。
策略在部署之前应经过样本外验证、真实执行测试和纸上交易。
AI 代理的决策也需要审计历史,因为新模型响应可能在运行之间发生变化。
Lumibot 支持协作研究和可分享的交易项目,尽管社交复制交易并不是其主要焦点。
保证金交易和杠杆通过借入资金增加风险,放大潜在利润和损失。AI 代理不应独立覆盖预定义的头寸限制。
代币化股票可能代表与传统证券相关的区块链索赔,但其所有权权利、分数曝光和监管处理取决于发行人和产品结构。
评估自动化加密货币策略的交易者可以通过 Gate Spot 检查市场价格、流动性和订单簿状况。
Gate 交易机器人平台 还提供可配置的自动化策略和支持市场的回测工具。
这些工具为策略评估提供了实用的比较,但不应假定提供原生的 Lumibot 集成。API 权限、市场兼容性和执行风险需要独立验证。
Lumibot 将 Python 回测、经纪人感知策略执行和多代理 AI 交易结合在一个可重用的框架中。其主要优势在于在历史测试、纸上交易和支持的实时环境中保持一致的策略逻辑。
开发者可以自定义研究代理、投资组合管理和风险控制,同时保留对传统算法策略的访问。然而,可靠的部署仍然依赖于市场数据质量、执行测试、安全性和严格的风险管理。
Lumibot 提供 12 种经纪人集成,包括 Alpaca、Interactive Brokers 和 Tradier。各个经纪人在支持的市场、订单类型和实时交易能力上有所不同。
是的。Lumibot 支持 Yahoo Finance 和 Polygon.io 数据集成,并包括基于 CCXT 的加密货币连接。自定义 Pandas 数据集也可用于历史模拟。
是的。同一策略类可以重复用于回测和实时执行。每种模式必须选择启动配置、数据提供者、经纪连接和凭证。
是的。Lumibot 支持单代理策略和多代理交易团队。授权代理可以通过配置的经纪连接提交订单,受执行规则和账户权限的限制。
是的。Lumibot 可以在合适的本地 Python 环境或配置的云基础设施中运行。部署要求取决于策略、数据提供者、经纪连接和监控安排。











