axon-quant 0.1.2

AI 原生量化交易框架 — Rust 实现高性能内核，Python 提供 RL 训练接口，一套代码贯穿回测、训练、优化、验证、生产的完整链路。

English | 中文

AXON

面向量化交易与强化学习的事件驱动交易引擎。它从设计之初就以 AI 为核心，而非在传统量化系统上"嫁接"机器学习模块。

AI 原生量化交易框架 — Rust 实现高性能内核，Python 提供 RL 训练接口，一套代码贯穿回测、训练、优化、验证、生产的完整链路。

在线文档 · 设计文档 · ADR · 更新日志 · 示例

设计哲学

• AI First：强化学习（RL）环境与回测引擎共享同一套数据结构，训练与生产零差异
• Rust Core：纳秒级时间戳、确定性撮合、零成本抽象，回测吞吐 > 1M events/sec
• Python Front：通过 PyO3 暴露 Gymnasium 兼容接口，可直接挂 Stable-Baselines3 / Ray RLlib
• Full Pipeline：回测 → 训练 → HPO → Walk-forward → 追踪 → 注册 → 部署，全链路内置
• 100% 开源：Apache-2.0 许可，无企业版、无功能阉割

---

特性

回测引擎

• 多级撮合：L1 基础撮合 → L2 复杂订单簿 → L3 多资产交叉
• 冲击模型：Almgren-Chriss 永久/临时冲击 + 概率延迟 + 分层费用
• 确定性回放：SimulatedClock + crossbeam-channel bounded 100K 事件队列
• 列式存储：Arrow/Parquet，1M tick 读写 < 15ms

RL 环境

• Gymnasium API：离散 / 连续 / 混合动作空间
• 奖励函数：PnL / Sharpe / Sortino，基于统一 ReturnHistory
• 向量化：VecEnv 支持多环境并行 rollout
• PyO3 绑定：maturin 打包，6 个子模块

训练管线

• 超参优化：Optuna 集成 + NSGA-II 多目标 + Pareto 前沿 + 早停剪枝
• 滚动前向验证：Purged + Embargo + 泄漏检测 + Deflated Sharpe Ratio
• 实验追踪：MLflow / WandB / Local / Memory 四后端
• 模型注册：SemVer + 阶段生命周期 + 自动归档 + 回滚
• 分布式训练：Ray Actor + Parameter Server + Checkpoint 容错

AI 增强

• LLM 智能体：ReAct + Tool Calling，内置 PlaceOrder / QueryPortfolio 交易工具，带 SafetyMode 风控
• 模型集成：Voting / Stacking / 动态加权，在线监控夏普比率自动调权
• 可解释性：SHAP 特征归因 + 反事实解释 + Explainer trait 内建
• 合规审计：不可篡改的交易日志 + 决策报告归档

生产部署

• 交易所适配：Binance / OKX REST + WebSocket（自动重连）
• 风控引擎：预交易检查（12ns）、实时熔断、仓位限制
• 推理引擎：ONNX / Candle 双后端 + CPU/GPU 亲和性绑核 + 批推理

---

快速开始

环境要求

• Rust >= 1.96.0（rustup）
• Python >= 3.12（可选，用于 RL 训练）

编译与测试

git clone https://github.com/pengwow/axon_quant.git
cd axon_quant

# 编译
cargo build

# 测试（1200+ 用例）
cargo test --workspace

# 静态检查
cargo clippy --workspace -- -D warnings

Python Wheel

# 构建 wheel
maturin build --release

# 安装
pip install target/wheels/axon_quant-*.whl

# 验证
python -c "import axon_quant; print(axon_quant.__version__)"

训练示例

# 随机基线
python examples/01_random_agent.py

# PPO 训练
python examples/02_train_ppo.py --timesteps 50000

# HPO 优化
python examples/03_hpo/hpo_single_objective.py

# 滚动前向验证
python examples/08_walk_forward/walk_forward_basic.py

---

架构

AXON 采用 Cargo Workspace 管理 21 个 crate，按依赖层级自下而上分为 9 层：

┌─────────────────────────────────────────────────────────────┐
│  Layer 9: 应用入口                                             │
│  ├─ axon-cli        CLI 工具                                  │
│  └─ axon-python     PyO3 统一入口（axon_quant 包）              │
├─────────────────────────────────────────────────────────────┤
│  Layer 8: AI 智能体                                            │
│  ├─ axon-llm        ReAct 智能体 + Tool Calling               │
│  └─ axon-explain    SHAP / 反事实 / 决策报告                   │
├─────────────────────────────────────────────────────────────┤
│  Layer 7: 模型服务                                             │
│  ├─ axon-inference  ONNX / Candle / tch 推理引擎              │
│  └─ axon-ensemble   模型集成（投票 / Stacking / 动态加权）      │
├─────────────────────────────────────────────────────────────┤
│  Layer 6: 训练管线                                             │
│  ├─ axon-rl         Gymnasium 环境 + VecEnv + 奖励函数         │
│  ├─ axon-hpo        Optuna 超参优化（单目标 / 多目标）          │
│  ├─ axon-distributed Ray Actor 分布式训练                     │
│  └─ axon-walk-forward 滚动前向验证（Purged + Embargo）         │
├─────────────────────────────────────────────────────────────┤
│  Layer 5: 实验治理                                             │
│  ├─ axon-tracker    MLflow / WandB / Local / Memory 追踪      │
│  └─ axon-registry   模型注册表（SemVer + 生命周期 + 回滚）      │
├─────────────────────────────────────────────────────────────┤
│  Layer 4: 生产执行                                             │
│  ├─ axon-exchange   Binance / OKX 适配器（REST + WebSocket）   │
│  ├─ axon-risk       风控引擎（仓位 / 回撤 / VaR / 熔断）        │
│  ├─ axon-oms        订单管理系统                               │
│  └─ axon-monitor    监控告警 + 健康检查                        │
├─────────────────────────────────────────────────────────────┤
│  Layer 3: 回测引擎                                             │
│  ├─ axon-backtest   L1/L2/L3 撮合 + Almgren-Chriss 冲击模型    │
│  └─ axon-compliance 合规审计 + 日报 / 月报 / 年报               │
├─────────────────────────────────────────────────────────────┤
│  Layer 2: 数据服务                                             │
│  └─ axon-data       Arrow 列式存储 + CSV/Parquet 源 + 特征管道  │
├─────────────────────────────────────────────────────────────┤
│  Layer 1: 核心类型                                             │
│  └─ axon-core       时间戳 / 价格 / 数量 / 订单 / 事件 / 队列   │
│                     / 组合 / 波动率 / 延迟 / 费用 / SIMD        │
└─────────────────────────────────────────────────────────────┘

线程模型

• 核心匹配引擎：单线程，避免锁竞争，保证确定性
• I/O 线程池：tokio runtime，处理 WebSocket / REST / 文件 I/O
• 计算线程池：rayon，因子计算 / 数据转换 / 并行回测
• 事件队列：crossbeam-channel bounded 100K，零锁设计

数据管道

AXON 的所有模块共享同一套 Arrow RecordBatch，零拷贝透传，无格式转换断层：

数据源 (CSV/Parquet/WebSocket/Mock/交易所 API)
    │
    ▼
axon-data (schema 校验 / 时间对齐 / 去重 / mmap 缓存)
    │
    ▼
Arrow RecordBatch (内存) ──→ TradingEnv / FeaturePipeline / BacktestEngine
    │
    ▼
InferenceEngine (ONNX/Candle 批推理 < 1ms)
    │
    ▼
ExchangeAdapter (Binance/OKX 实盘下单)

层级说明

1. axon-core：整个系统的基石。提供 Timestamp（纳秒精度）、Price / Quantity（基于 rust_decimal）、Order、Event、Queue、Portfolio 等核心类型，以及 SIMD 加速的归一化与订单簿操作。
2. axon-data：统一数据接入层。基于 Apache Arrow 的 RecordBatch 列式存储，支持 CSV / Parquet / Mock 数据源，内置 FeaturePipeline（Z-Score 归一化 + 滑动窗口）。
3. axon-backtest：事件驱动回测引擎。支持 L1（价格优先）、L2（订单簿）、L3（暗池 / 拍卖）三级撮合，集成 Almgren-Chriss 市场冲击模型与概率延迟模拟。
4. axon-exchange：生产级交易所适配器。统一 ExchangeAdapter trait，已实现对 Binance / OKX 的 REST + WebSocket 对接，内置指数退避重连与令牌桶限流。
5. axon-rl：强化学习环境。TradingEnv 实现 Gymnasium 标准接口（reset / step / render），支持连续动作（目标仓位比例 [-1, 1]）、离散动作（分仓档位）、多目标奖励与向量化并行环境 VecEnv。
6. axon-inference：模型推理引擎。支持 ONNX Runtime、Candle（纯 Rust）、tch-rs（PyTorch C++）三后端，具备异步批推理管线、CPU/GPU 亲和性绑定与模型热更新能力。
7. axon-llm：大语言模型智能体。基于 ReAct 推理循环，内置"市场分析"、"查询持仓"、"提交订单"三个工具，支持 OpenAI 兼容后端与流式响应。
8. axon-explain：可解释性引擎。集成 SHAP 特征归因、反事实解释（"如果当时不买入，收益会如何变化"）与结构化决策报告，满足监管合规与策略迭代需求。
9. axon-ensemble：模型集成。提供 HardVote、SoftVote、WeightedVote、Stacking、DynamicWeighted 五种策略，支持在线性能监控与自动权重调整。

---

仓库结构

axon_quant/
├── crates/                     # 21 个 Rust crate
│   ├── axon-core/              # 核心类型（time/types/market/order/event/queue/portfolio）
│   ├── axon-backtest/          # 回测引擎（L1/L2/L3 撮合 + 冲击模型）
│   ├── axon-rl/                # RL 环境（Gymnasium + VecEnv）
│   ├── axon-hpo/               # 超参数优化（Optuna + NSGA-II）
│   ├── axon-walk-forward/      # 滚动前向验证（Purged + Embargo）
│   ├── axon-distributed/       # 分布式训练（Ray）
│   ├── axon-tracker/           # 实验追踪（MLflow/WandB/Local/Memory）
│   ├── axon-registry/          # 模型注册表（SemVer + 生命周期）
│   ├── axon-exchange/          # 交易所适配器（Binance/OKX）
│   ├── axon-inference/         # 推理引擎（ONNX/Candle）
│   ├── axon-risk/              # 风控引擎
│   ├── axon-oms/               # 订单管理系统
│   ├── axon-monitor/           # 监控告警
│   ├── axon-llm/               # LLM 智能体
│   ├── axon-python/            # Python 绑定入口
│   └── axon-cli/               # CLI 工具
├── python/                     # Python 包（axon_quant）
├── examples/                   # 训练示例脚本
├── tests/                      # 测试（Rust + Python）
├── docs/                       # 设计文档 + ADR
├── scripts/                    # 构建与测试脚本
├── pyproject.toml              # Python 打包配置
├── Makefile                    # 开发命令
└── Dockerfile                  # 多阶段构建

---

Crate 矩阵

Crate	功能
axon-core	核心类型（11 模块）
axon-backtest	回测引擎（L1/L2/L3）
axon-rl	RL 环境（Gymnasium + VecEnv）
axon-hpo	超参数优化（Optuna）
axon-walk-forward	滚动前向验证
axon-distributed	分布式训练（Ray）
axon-tracker	实验追踪
axon-registry	模型注册表
axon-exchange	交易所适配器（Binance/OKX）
axon-inference	推理引擎（ONNX/Candle）
axon-python	Python 绑定（PyO3）
axon-cli	CLI 工具
axon-risk	风控引擎
axon-oms	订单管理
axon-monitor	监控告警
axon-llm	LLM 智能体
axon-explain	SHAP 可解释性
axon-ensemble	模型集成
axon-compliance	合规审计
axon-data	数据服务
axon-integration-tests	集成测试

---

性能

指标	数值
回测吞吐	> 1M events/sec
撮合延迟	< 1us (P99)
风控检查	12ns (AtomicBool 熔断 + HashMap 仓位)
订单提交	1.2µs (幂等 + UUID v7 + 状态机)
RL 训练	> 10k steps/sec (8 env VecEnv)
分布式加速	> 5x (8 workers)
测试用例	1200+ Rust + 24 Python

基准测试

workspace 已建立 50+ Criterion bench，跨 5 个 crate:

Crate	Bench 入口	覆盖
axon-core	benches/core_bench.rs	28 个:冲击模型/波动率/延迟/订单簿/订单/事件/费用
axon-backtest	benches/impact_bench.rs	8 个:撮合延迟/不同冲击模型/订单簿深度/永久衰减/多笔/TOML 配置
axon-data	benches/axon_data_bench.rs	7 个 group(8+ bench):LRU/Dataset lazy/CSV/Parquet 流式/Bar 聚合/Mock/Mmap
axon-rl	benches/rl_bench.rs	11 个:观测/奖励/TradingEnv 端到端/Action 转换
Phase 4 crates	benches/phase4_bench.rs	15 个:风控/OMS/监控延迟

make bench                 # 全 workspace,本地 5-10 分钟
make bench-cmp             # 存 main baseline,PR 对比
make bench-one CRATE=axon-core BENCH=event_builder_tick   # 单个 bench
cargo bench -p axon-core -- impact_linear    # 直接 cargo 跑

CI 不跑 bench（避免 main runner 性能噪声）。报告: target/criterion/<group>/report/index.html。

CPU/GPU 亲和性

axon-inference 提供 affinity 模块，跨平台绑核降低跨核 cache miss:

use axon_inference::affinity::{AffinityPlan, pin_to};
let plan = AffinityPlan::new().with_cpus(vec![0, 1]).with_cuda(0);
pin_to(&plan)?;

或通过 BatchConfig 配置（BatchInferencePipeline::new 启动时自动调）:

[batch]
collect_cpu_cores = [0, 1, 2, 3]
collect_gpu_device_id = 0

平台支持: Linux / macOS 完整支持, Windows 运行时返回 Err(AffinityError::NotAvailable)（用 WSL2 / numactl 替代）。

---

工程实践

• TDD 驱动 — 先测试后实现，CI 强制 -D warnings
• 1200+ 测试 — 单元测试 + 集成测试 + Python 场景测试
• cargo clippy — 零警告策略
• cargo-mutants — 变异测试覆盖
• cargo-fuzz — 模糊测试（撮合引擎/订单簿/风控）
• Miri — 数据竞争检测
• Loom — 确定性并发测试

---

文档

• 安装与快速入门
• AI 原生核心设计
• 策略研发全流程
• LLM 智能体驱动交易
• 生产部署与监控
• 传统策略迁移
• API 参考
• 常见问题

---

许可

Apache-2.0