1. 项目定位与用途
本项目是动态网格交易（DGT）策略的官方Python实现，源自arXiv:2506.11921论文。核心用途是提供可复现的回测框架，用于验证DGT策略在加密货币市场（如BTC、ETH）上的表现。项目包含数据获取脚本、参数配置文件、核心交易逻辑模块和回测引擎，支持用户调整网格大小、数量、本金与费率等参数，执行历史回测并计算内部收益率（IRR）与最大回撤等绩效指标。适用于量化研究者、交易策略开发人员及学术复现需求。
项目档案应用项目
Dynamic Grid Trading (DGT) 策略Python实现 - 加密货币动态网格交易回测系统安装与使用指南
本页面详细介绍Dynamic Grid Trading策略的Python实现，一种通过动态重置网格边界适应市场变化的交易方法。提供完整安装步骤、使用指南、项目结构解析，适用于BTC/ETH等加密货币的历史回测与量化策略研究。
AI 总结
Dynamic Grid Trading (DGT) 策略的Python实现，通过动态重置网格边界适应市场变化，在BTC/ETH等加密货币回测中显著优于传统网格策略，提供完整回测框架以复现论文实验。
中文项目介绍
本项目基于学术论文《Dynamic Grid Trading Strategy: From Zero Expectation to Market Outperformance》实现了一种创新的动态网格交易策略。
传统固定网格交易在理想市场假设下期望收益为零，DGT策略通过动态重置网格边界机制，使策略能够自适应价格趋势与波动，从而在不同市场阶段保持盈利能力。
项目提供完整的回测框架，支持比特币（BTC）和以太坊（ETH）等加密货币的分钟级历史数据回测（2021年1月至2024年7月），并包含数据获取、参数配置、核心交易逻辑与绩效评估模块。
技术架构采用模块化设计，分离配置管理、网格逻辑、回测引擎与数据获取层，便于研究者复现论文实验、进行参数敏感性分析或扩展新的交易逻辑。
详细信息与使用说明
2. 解决的问题
传统网格交易策略在简单市场假设下被证明期望收益为零，无法长期盈利。DGT策略通过引入动态重置机制，当价格突破预设阈值时自动调整网格边界，使策略能够跟随市场趋势并适应波动率变化。该机制解决了固定网格策略在趋势行情中持续亏损的问题，回测显示DGT在BTC和ETH上均显著跑赢静态网格和买入持有策略，同时控制了最大回撤。项目通过代码实现这一理论创新，将数学证明转化为可执行的回测系统。
3. 适用场景
主要适用于加密货币（如BTCUSDT、ETHUSDT）的分钟级历史数据回测与策略评估，时间范围覆盖2021年1月至2024年7月。适合量化交易研究者进行网格策略的参数优化与对比分析，学术人员复现论文实验，或开发人员在此基础上扩展新的动态网格逻辑。项目不涉及实盘交易接口，当前版本聚焦于历史回测与绩效研究，数据源为交易所K线，需先通过fetch_candlestick.py获取。
4. 安装方式
项目依赖Python 3.x及指定库版本。安装步骤为：克隆仓库后，在项目根目录执行 `pip install -r requirements.txt`。requirements.txt明确列出依赖：pandas>=1.5、numpy>=1.23、requests>=2.28、matplotlib>=3.6。安装前请确保已安装Python及pip。仓库中未提供Docker或Conda环境配置，也未提及系统级依赖，仅需上述Python包即可运行回测与数据获取脚本。
5. 使用方式
使用流程分三步：首先，运行 `python fetch_candlestick.py` 下载或更新BTC/ETH分钟级K线数据；其次，编辑 `src/config.py` 配置关键参数，如交易对symbol、起止时间、网格大小列表grid_sizes、半网格数量列表grid_numbers_half_list、本金grid_principal和手续费费率fee_pct；最后，在项目根目录执行 `python -m src.dgt_backtest` 启动回测。回测结果将输出绩效指标，具体输出格式与保存路径需查看代码实现，仓库中未明确给出可视化脚本。
6. 补充说明与实现特点
项目架构清晰，核心逻辑集中于src/grid_logic.py，实现网格重置、利润计算与结算函数；回测引擎src/dgt_backtest.py协调数据加载与策略执行；grid_trading.py处理订单模拟与持仓更新。动态重置机制是策略核心，当价格突破当前网格边界时触发重置，重新计算网格区间。仓库欢迎贡献，建议方向包括添加新资产数据源、开发参数优化仪表盘、绘制收益曲线与热图、实现模拟交易 wrapper等。注意：当前版本仅支持回测，未提供实盘交易接口或Web界面。
思维导图
Dynamic Grid Trading Project
配置管理
src/config.py: 全局参数（交易对、时间、网格、本金、费率）
网格逻辑核心
src/grid_logic.py: 动态重置、利润计算、结算
回测引擎
src/dgt_backtest.py: 回测驱动、绩效评估
数据获取
fetch_candlestick.py: 下载分钟级K线数据
交易执行
grid_trading.py: 订单模拟、持仓更新
常见问题
DGT策略与传统网格策略的核心区别是什么？
传统网格策略在理想市场下期望收益为零，且无法适应趋势行情；DGT策略通过动态重置网格边界，当价格突破阈值时调整网格区间，从而自适应市场趋势与波动，实现长期盈利。回测显示DGT在BTC/ETH上显著跑赢静态网格和持有策略。
项目支持哪些交易对和时间范围？
README示例使用BTCUSDT_spot，时间范围为2021-01