وصف تفصيلي لمشروع AI-Trader

🎯 نظرة عامة على المشروع

AI-Trader هو منصة تنافسية مبتكرة للتداول الذاتي بالذكاء الاصطناعي، تم تطويرها بواسطة مختبر علوم البيانات بجامعة هونغ كونغ (HKUDS). يتيح هذا المشروع لخمسة نماذج مختلفة من الذكاء الاصطناعي (GPT، Claude، DeepSeek، Qwen، Gemini) التنافس في تداولات حقيقية في سوق ناسداك 100 بشكل مستقل تمامًا، لاستكشاف السؤال الأساسي: "هل يمكن للذكاء الاصطناعي أن يتغلب على السوق؟"

الفكرة الأساسية: لا يوجد تدخل بشري، منافسة ذكاء اصطناعي بحتة، اتخاذ قرارات مستقلة تمامًا.

📊 الترتيب الحالي للمسابقة (تحديث مباشر)

🏆 الترتيب	🤖 نموذج الذكاء الاصطناعي	📈 إجمالي العائد
🥇 الأول	DeepSeek	🚀 +9.68%
🥈 الثاني	Claude-3.7	📊 +2.17%
🥉 الثالث	GPT-5	📊 +1.60%
خط الأساس	QQQ	📊 +1.22%
الرابع	Qwen3-max	📊 -0.75%
الخامس	Gemini-2.5-flash	📊 -2.73%

---

🌟 الميزات الأساسية

1. 🤖 اتخاذ قرارات مستقلة تمامًا

• يقوم وكلاء الذكاء الاصطناعي بتحليل واتخاذ القرارات والتنفيذ بشكل مستقل بنسبة 100%، دون تدخل بشري.
• يبدأ كل نموذج ذكاء اصطناعي التداول بشكل مستقل برأس مال أولي قدره 10,000 دولار.
• تطور استراتيجي تكيفي، تحسين ذاتي بناءً على ملاحظات أداء السوق.

2. 🛠️ بنية مدفوعة بالأدوات البحتة

• مبني على سلسلة أدوات بروتوكول سياق النموذج (MCP).
• تتم جميع عمليات التداول من خلال استدعاءات أدوات موحدة.
• نظام بيئي للأدوات المعيارية، يدعم التوسع المرن.

3. 🏆 ساحة تنافسية متعددة النماذج

• يدعم نشر نماذج ذكاء اصطناعي متعددة (GPT، Claude، Qwen، إلخ) للتداول التنافسي.
• تتنافس جميع النماذج في نفس الظروف: نفس رأس المال الأولي، وحقوق الوصول إلى البيانات، ومقاييس التقييم.
• يضمن مقارنة عادلة وتقييمًا موضوعيًا لقدرات تداول الذكاء الاصطناعي.

4. 📊 تحليل الأداء في الوقت الفعلي

• سجلات تداول شاملة، ومراقبة المراكز، وتحليل الأرباح والخسائر.
• مقاييس تقييم موحدة: نسبة شارب، أقصى تراجع، عائد سنوي، إلخ.
• سجلات تداول كاملة وسجلات قرارات.

5. 🔍 معلومات سوق ذكية

• دمج بحث Jina AI للحصول على أخبار السوق وتقارير الأرباح في الوقت الفعلي.
• بحث سوق مستقل: استرجاع وتصفية ذكية لأخبار السوق، وتقارير المحللين.
• تحليل متعدد الأبعاد يدفع عمليات الشراء والبيع المستقلة تمامًا.

6. ⏰ قدرة إعادة التشغيل التاريخية

• وظيفة إعادة تشغيل الفترة الزمنية، تدعم محاكاة البيانات التاريخية.
• تصفية تلقائية للمعلومات المستقبلية، لضمان وصول الذكاء الاصطناعي فقط إلى البيانات حتى نقطة الزمن الحالية وما قبلها.
• بيئة تجريبية قابلة للتكرار بالكامل، تضمن الدقة العلمية.

---

🎮 قواعد التداول

إعدادات المسابقة

• 💰 رأس المال الأولي: رصيد بدء قدره 10,000 دولار لكل نموذج ذكاء اصطناعي.
• 📈 أدوات التداول: أسهم مؤشر ناسداك 100 (أكبر 100 سهم تقني).
• ⏰ وقت التداول: ساعات تداول السوق في أيام العمل، تدعم المحاكاة التاريخية.
• 📊 مصدر البيانات: Alpha Vantage API + Jina AI Market Intelligence.
• 💲 سعر الأساس: استخدام سعر الافتتاح اليومي للتداول.
• 🔄 إدارة الوقت: إعادة تشغيل الفترات التاريخية، تصفية تلقائية للمعلومات المستقبلية.

مبادئ المنافسة العادلة

تتنافس جميع نماذج الذكاء الاصطناعي في نفس الظروف لضمان مقارنة عادلة:

• ✅ نفس رأس المال الأولي (10,000 دولار).
• ✅ مصادر بيانات ومعلومات سوق موحدة.
• ✅ نافذة زمنية متزامنة للتداول.
• ✅ مقاييس تقييم موحدة.
• ✅ نفس حقوق الوصول إلى سلسلة أدوات MCP.

تصميم بدون تدخل بشري

يعمل وكلاء الذكاء الاصطناعي بشكل مستقل تمامًا، دون أي برمجة يدوية أو توجيه أو تدخل:

• ❌ لا توجد استراتيجيات محددة مسبقًا: لا توجد استراتيجيات تداول أو قواعد خوارزمية محددة مسبقًا.
• ❌ لا يوجد إدخال بشري: يعتمد كليًا على قدرة الذكاء الاصطناعي المتأصلة في الاستدلال.
• ❌ لا يوجد تجاوز بشري: يُمنع منعًا باتًا التدخل البشري أثناء التداول.
• ✅ تنفيذ الأدوات البحتة: تتم جميع العمليات فقط من خلال استدعاءات الأدوات الموحدة.
• ✅ التعلم التكيفي: تعديل الاستراتيجيات بشكل مستقل بناءً على ملاحظات أداء السوق.

---

🏗️ بنية النظام

هيكل المشروع

AI-Trader Bench/
├── 🤖 النظام الأساسي
│   ├── main.py                    # 🎯 نقطة دخول البرنامج الرئيسية
│   ├── agent/base_agent/          # 🧠 جوهر وكيل الذكاء الاصطناعي
│   └── configs/                   # ⚙️ ملفات التكوين
│
├── 🛠️ سلسلة أدوات MCP
│   ├── agent_tools/
│   │   ├── tool_trade.py          # 💰 تنفيذ التداول
│   │   ├── tool_get_price_local.py # 📊 استعلام السعر
│   │   ├── tool_jina_search.py    # 🔍 البحث عن المعلومات
│   │   └── tool_math.py           # 🧮 الحسابات الرياضية
│   └── tools/                     # 🔧 أدوات مساعدة
│
├── 📊 نظام البيانات
│   ├── data/
│   │   ├── daily_prices_*.json    # 📈 بيانات أسعار الأسهم
│   │   ├── merged.jsonl           # 🔄 تنسيق بيانات موحد
│   │   └── agent_data/            # 📝 سجلات تداول الذكاء الاصطناعي
│   └── calculate_performance.py   # 📈 تحليل الأداء
│
├── 🎨 واجهة أمامية
│   └── frontend/                  # 🌐 لوحة تحكم الويب
│
└── 📋 التكوين والوثائق
    ├── configs/                   # ⚙️ تكوين النظام
    ├── prompts/                   # 💬 مطالبات الذكاء الاصطناعي
    └── calc_perf.sh              # 🚀 نص برمجي لحساب الأداء

سلسلة أدوات MCP

الأداة	الوظيفة	API
Trading Tool	شراء وبيع الأسهم، إدارة المراكز	buy(), sell()
Price Tool	استعلام عن الأسعار في الوقت الفعلي والتاريخية	get_price_local()
Search Tool	البحث عن معلومات السوق	get_information()
Math Tool	الحسابات والتحليلات المالية	العمليات الرياضية الأساسية

وحدات الوظائف الأساسية

1. تعدد النماذج المتزامنة: تشغيل نماذج ذكاء اصطناعي متعددة للتداول في نفس الوقت.
2. إدارة التكوين: تدعم ملفات تكوين JSON ومتغيرات البيئة.
3. إدارة التاريخ: تقويم تداول مرن وإعدادات نطاق التاريخ.
4. معالجة الأخطاء: معالجة شاملة للاستثناءات وآلية إعادة المحاولة.

---

🚀 البدء السريع

متطلبات النظام

• بايثون 3.8+
• مفاتيح API: OpenAI، Alpha Vantage، Jina AI

خطوات التثبيت

# 1. استنساخ المشروع
git clone https://github.com/HKUDS/AI-Trader.git
cd AI-Trader

# 2. تثبيت التبعيات
pip install -r requirements.txt

# 3. تكوين متغيرات البيئة
cp .env.example .env
# قم بتحرير ملف .env واملأ مفاتيح API الخاصة بك

تكوين البيئة

أنشئ ملف .env وقم بتكوين المتغيرات التالية:

# 🤖 تكوين API لنموذج الذكاء الاصطناعي
OPENAI_API_BASE=https://your-openai-proxy.com/v1
OPENAI_API_KEY=your_openai_key

# 📊 تكوين مصدر البيانات
ALPHAADVANTAGE_API_KEY=your_alpha_vantage_key
JINA_API_KEY=your_jina_api_key

# ⚙️ تكوين النظام
RUNTIME_ENV_PATH=./runtime_env.json

# 🌐 تكوين منفذ الخدمة
MATH_HTTP_PORT=8000
SEARCH_HTTP_PORT=8001
TRADE_HTTP_PORT=8002
GETPRICE_HTTP_PORT=8003

# 🧠 تكوين وكيل الذكاء الاصطناعي
AGENT_MAX_STEP=30  # الحد الأقصى لخطوات الاستدلال

إعداد البيانات

# 📈 الحصول على بيانات أسهم ناسداك 100
cd data
python get_daily_price.py

# 🔄 دمج البيانات في تنسيق موحد
python merge_jsonl.py

تشغيل النظام

# تشغيل خدمات MCP
cd ./agent_tools
python start_mcp_services.py

# 🎯 تشغيل البرنامج الرئيسي - دع الذكاء الاصطناعي يبدأ التداول!
python main.py

# أو استخدم تكوينًا مخصصًا
python main.py configs/my_config.json

---

⚙️ دليل التكوين

مثال على التكوين الأساسي

{
  "agent_type": "BaseAgent",
  "date_range": {
    "init_date": "2024-01-01",  // تاريخ بدء الاختبار الخلفي
    "end_date": "2024-03-31"     // تاريخ انتهاء الاختبار الخلفي
  },
  "models": [
    {
      "name": "claude-3.7-sonnet",
      "basemodel": "anthropic/claude-3.7-sonnet",
      "signature": "claude-3.7-sonnet",
      "enabled": true
    }
  ]
}

مثال على التكوين الكامل

{
  "agent_type": "BaseAgent",
  "date_range": {
    "init_date": "2025-01-01",
    "end_date": "2025-01-31"
  },
  "models": [
    {
      "name": "claude-3.7-sonnet",
      "basemodel": "anthropic/claude-3.7-sonnet",
      "signature": "claude-3.7-sonnet",
      "enabled": true
    }
  ],
  "agent_config": {
    "max_steps": 30,
    "max_retries": 3,
    "base_delay": 1.0,
    "initial_cash": 10000.0
  },
  "log_config": {
    "log_path": "./data/agent_data"
  }
}

وصف معلمات التكوين

المعلمة	الوصف	القيمة الافتراضية
agent_type	نوع وكيل الذكاء الاصطناعي	"BaseAgent"
max_steps	الحد الأقصى لخطوات الاستدلال	30
max_retries	الحد الأقصى لعدد مرات إعادة المحاولة	3
base_delay	تأخير العملية (ثانية)	1.0
initial_cash	رأس المال الأولي	10,000 دولار

---

📊 تنسيق البيانات

تنسيق سجل التداول

{
  "date": "2025-01-20",
  "id": 1,
  "this_action": {
    "action": "buy",
    "symbol": "AAPL",
    "amount": 10
  },
  "positions": {
    "AAPL": 10,
    "MSFT": 0,
    "CASH": 9737.6
  }
}

تنسيق بيانات السعر

{
  "Meta Data": {
    "2. Symbol": "AAPL",
    "3. Last Refreshed": "2025-01-20"
  },
  "Time Series (Daily)": {
    "2025-01-20": {
      "1. buy price": "255.8850",
      "2. high": "264.3750",
      "3. low": "255.6300",
      "4. sell price": "262.2400",
      "5. volume": "90483029"
    }
  }
}

هيكل تخزين البيانات

data/agent_data/
├── claude-3.7-sonnet/
│   ├── position/
│   │   └── position.jsonl      # 📝 سجل المراكز
│   └── log/
│       └── 2025-01-20/
│           └── log.jsonl       # 📊 سجل التداول
├── gpt-4o/
│   └── ...
└── qwen3-max/
    └── ...

---

🔧 قابلية التوسع

وكيل ذكاء اصطناعي مخصص

# إنشاء فئة وكيل ذكاء اصطناعي جديدة
class CustomAgent(BaseAgent):
    def __init__(self, model_name, **kwargs):
        super().__init__(model_name, **kwargs)
        # إضافة منطق مخصص

# التسجيل في main.py
AGENT_REGISTRY = {
    "BaseAgent": {
        "module": "agent.base_agent.base_agent",
        "class": "BaseAgent"
    },
    "CustomAgent": {  # جديد
        "module": "agent.custom.custom_agent",
        "class": "CustomAgent"
    },
}

إضافة أدوات مخصصة

# إنشاء أداة MCP جديدة
@mcp.tools()
class CustomTool:
    def __init__(self):
        self.name = "custom_tool"
    
    def execute(self, params):
        # تنفيذ منطق الأداة المخصصة
        return result

تكوين نماذج مخصصة

{
  "agent_type": "CustomAgent",
  "models": [
    {
      "name": "your-custom-model",
      "basemodel": "your/model/path",
      "signature": "custom-signature",
      "enabled": true
    }
  ]
}

---

🎯 الابتكارات الأساسية

1. بيئة تداول قابلة للتكرار بالكامل

أحد الابتكارات الأساسية في AI-Trader هو بيئة التداول القابلة للتكرار بالكامل، مما يضمن الدقة العلمية في تقييم أداء وكلاء الذكاء الاصطناعي.

آلية إعادة تشغيل الوقت:

{
  "date_range": {
    "init_date": "2025-01-01",  // أي تاريخ بدء
    "end_date": "2025-01-31"     // أي تاريخ انتهاء
  }
}

التحكم في حدود المعلومات:

• 📊 حدود بيانات الأسعار: يقتصر الوصول إلى بيانات السوق على الطابع الزمني للمحاكاة والسجلات التاريخية.
• 📰 تنفيذ تسلسل الأخبار: تصفية في الوقت الفعلي لمنع الوصول إلى الأخبار والإعلانات المستقبلية.
• 📈 الجدول الزمني للتقارير المالية: تقتصر المعلومات على بيانات الإصدار الرسمية حتى تاريخ المحاكاة الحالي.
• 🔍 نطاق المعلومات التاريخية: يقتصر تحليل السوق على توفر البيانات المناسبة للوقت.

2. قيمة البحث العلمي

• 📊 دراسة كفاءة السوق: تقييم أداء الذكاء الاصطناعي في ظل ظروف السوق وتقلباته المختلفة.
• 🧠 تحليل اتساق القرار: فحص استقرار منطق تداول الذكاء الاصطناعي بمرور الوقت وأنماط السلوك.
• 📈 تقييم إدارة المخاطر: التحقق من فعالية استراتيجيات تخفيف المخاطر المدفوعة بالذكاء الاصطناعي.
• 🏆 الوصول المتساوي للمعلومات: تستخدم جميع نماذج الذكاء الاصطناعي نفس مجموعة البيانات التاريخية.
• 🔍 قابلية التكرار الكاملة: شفافية تجريبية كاملة ونتائج قابلة للتحقق.

---

📈 تحليل الأداء

تشغيل لوحة تحكم الويب

cd docs
python3 -m http.server 8000
# قم بزيارة http://localhost:8000

مقاييس الأداء

• 📊 إجمالي العائد
• 📈 نسبة شارب
• 📉 أقصى تراجع
• 💰 العائد السنوي
• 📝 تكرار التداول
• 🎯 إحصائيات معدل الفوز

---

🔮 الخطط المستقبلية

• 🇨🇳 دعم أسهم A-share - التوسع ليشمل سوق الأسهم الصيني.
• 📊 إحصائيات ما بعد السوق - تحليل تلقائي للأرباح والخسائر.
• 🔌 سوق الاستراتيجيات - إضافة منصة لمشاركة استراتيجيات الطرف الثالث.
• 🎨 واجهة أمامية رائعة - لوحة تحكم ويب حديثة.
• ₿ العملات المشفرة - دعم تداول العملات الرقمية.
• 📈 المزيد من الاستراتيجيات - التحليل الفني، الاستراتيجيات الكمية.
• ⏰ إعادة تشغيل متقدمة - دعم دقة زمنية على مستوى الدقيقة وإعادة تشغيل في الوقت الفعلي.
• 🔍 تصفية ذكية - كشف وتصفية أكثر دقة للمعلومات المستقبلية.

---

🤝 دليل المساهمة

نرحب بالمساهمات بجميع أشكالها! خاصة استراتيجيات تداول الذكاء الاصطناعي وتطبيقات الوكلاء.

طرق المساهمة

1. 🎯 استراتيجيات التداول

• ساهم بتطبيق استراتيجية تداول الذكاء الاصطناعي الخاصة بك.
• شارك أفكارًا وخوارزميات تداول فريدة.

2. 🤖 وكلاء مخصصون

• تنفيذ أنواع جديدة من وكلاء الذكاء الاصطناعي.
• تحسين أداء الوكلاء الحاليين.

3. 📊 أدوات التحليل

• إضافة أدوات تحليل سوق جديدة.
• تحسين مقاييس تقييم الأداء.

4. 🔍 مصادر البيانات

• دمج مصادر بيانات وواجهات برمجة تطبيقات جديدة.
• توسيع تغطية السوق.

مجالات المساهمة في الاستراتيجيات

• 📈 استراتيجيات التحليل الفني: استراتيجيات الذكاء الاصطناعي القائمة على المؤشرات الفنية.
• 📊 الاستراتيجيات الكمية: نماذج متعددة العوامل والتحليل الكمي.
• 🔍 استراتيجيات التحليل الأساسي: استراتيجيات التحليل القائمة على البيانات المالية.
• 🌐 الاستراتيجيات الكلية: استراتيجيات قائمة على بيانات الاقتصاد الكلي.

عملية التقديم

1. Fork المشروع.
2. إنشاء فرع للميزة.
3. تنفيذ استراتيجيتك أو وظيفتك.
4. إضافة حالات اختبار.
5. إنشاء طلب سحب (Pull Request).

---

📞 الاتصال والدعم

• 💬 منطقة المناقشة: GitHub Discussions
• 🐛 الإبلاغ عن المشكلات: GitHub Issues
• 📧 الاتصال عبر البريد الإلكتروني: your-email@example.com

---

📄 رخصة المصدر المفتوح

يستخدم هذا المشروع رخصة MIT.

---

🙏 شكر وتقدير

شكرًا للمشاريع والخدمات مفتوحة المصدر التالية:

• LangChain - إطار عمل لتطوير تطبيقات الذكاء الاصطناعي.
• MCP - بروتوكول سياق النموذج.
• Alpha Vantage - واجهة برمجة تطبيقات للبيانات المالية.
• Jina AI - خدمة البحث عن المعلومات.

---

⭐ قيمة المشروع

AI-Trader ليس مجرد نظام تداول، بل هو منصة مبتكرة لاستكشاف قدرة الذكاء الاصطناعي على اتخاذ القرارات المستقلة في الأسواق المالية:

✨ القيمة الأكاديمية: يوفر إطار عمل بحثيًا قابلاً للتكرار لتطبيقات الذكاء الاصطناعي في مجال التمويل. ✨ القيمة التقنية: يعرض القدرات القوية لسلسلة أدوات MCP في التطبيقات العملية. ✨ القيمة العملية: يوفر حلاً كاملاً للتداول الذاتي بالذكاء الاصطناعي. ✨ قيمة المصدر المفتوح: يعزز المشاركة المفتوحة والابتكار التعاوني لاستراتيجيات تداول الذكاء الاصطناعي.