手把手教你修改Bateman源码：自定义交易参数与策略的完整指南

2026/7/19 16:55:19

手把手教你修改Bateman源码：自定义交易参数与策略的完整指南

【免费下载链接】bateman(ABANDONED) Simple stock trading system that optimizes its parameters with particle swarm optimization项目地址: https://gitcode.com/gh_mirrors/ba/bateman

想要打造属于自己的智能交易系统吗？Bateman是一个基于粒子群优化算法的开源股票交易系统，它能够自动寻找最优的交易参数。本文将详细介绍如何修改Bateman源码，自定义交易策略，让这个强大的工具完全按照你的需求工作！🎯

为什么需要自定义Bateman交易参数？

Bateman默认使用固定的交易策略和优化参数，但每个交易者的需求都不同。通过修改源码，你可以：

调整风险偏好：改变资金分配比例和止损策略
优化不同市场：适应A股、美股或加密货币市场特性
个性化交易规则：定义自己的买入卖出触发条件
改进性能指标：使用夏普比率以外的评估标准

快速上手：环境准备与项目结构

首先克隆项目到本地：

git clone https://gitcode.com/gh_mirrors/ba/bateman cd bateman mvn package

项目核心结构如下：

src/main/java/org/wkh/bateman/model/- 交易模型和优化器
src/main/java/org/wkh/bateman/trade/- 交易核心逻辑
src/main/java/org/wkh/bateman/pso/- 粒子群优化算法
src/main/java/org/wkh/bateman/fetch/- 数据获取模块

核心参数修改指南

1. 调整初始资金和交易成本

打开 BuyZoneOptimizer.java，找到以下配置：

final double commission = 10.0; // $10.00 a trade final double slippage = 1.0E-3; // 0.1% mean slippage final int initialBalance = 100000; // $100,000 to start with final double accountAllocation = 0.75; // risk 75% of capital

修改建议：

将initialBalance改为你的初始资金（如50000）
调整commission为你的券商手续费
修改accountAllocation控制单次交易仓位（建议0.3-0.5）

2. 自定义优化参数范围

在同一文件的第106-111行，找到参数边界设置：

final double minBuy = 0; // allow buying at open price final double minSell = firstPrice.multiply(new BigDecimal("0.002")).doubleValue(); final double minStop = minSell; final double maxBuy = yearlyMedianDailyIncrease; final double maxSell = yearlyMedianDailyIncrease; final double maxStop = yearlyMedianDailyIncrease;

参数含义：

minBuy/maxBuy：买入触发价格的最小/最大值
minSell/maxSell：卖出触发价格的最小/最大值
minStop/maxStop：止损价格的最小/最大值

调整示例：

// 更保守的设置 final double minBuy = firstPrice.multiply(new BigDecimal("0.001")).doubleValue(); // 0.1% final double minSell = firstPrice.multiply(new BigDecimal("0.003")).doubleValue(); // 0.3% final double maxBuy = yearlyMedianDailyIncrease * 0.5; // 只使用历史波动的一半

3. 修改优化目标函数

在BuyZoneOptimizer.java的FitnessFunction中，默认使用夏普比率：

//return -tradingSession.grossProfit().doubleValue(); return -tradingSession.sharpeRatio();

可选优化目标：

总收益：取消注释第58行，使用grossProfit()
最大回撤：添加tradingSession.maxDrawdown()
胜率：计算盈利交易比例

4. 自定义交易股票和时间周期

修改BuyZoneOptimizer.java的main方法：

int days = 60; // 使用60天数据 String symbol = "GOOGL"; // 改为谷歌股票 // 或者通过命令行参数指定 String symbol = args.length > 0 ? args[0] : "AAPL";

运行命令：

java -jar target/bateman-1.0-SNAPSHOT.jar GOOGL

高级策略自定义

1. 修改买入卖出逻辑

查看BuyZoneModel.java的核心逻辑：

public boolean buy(DateTime time, Session session) { // 当前价格超过开盘价达到buyTrigger时买入 BigDecimal increase = current.subtract(open); return !tradedToday && increase.compareTo(buyTrigger) >= 0; } public boolean sell(DateTime time, Session session) { // 达到sellTrigger、触发止损或交易日结束时卖出 boolean thresholdReached = difference.compareTo(sellTrigger) >= 0; boolean stopLossReached = buyPrice.subtract(current).compareTo(stopLoss) >= 0; return atEndOfDay || thresholdReached || stopLossReached; }

自定义示例：添加移动平均线过滤

// 在buy方法中添加 BigDecimal ma20 = calculateMovingAverage(20); // 20日移动平均 boolean aboveMA = current.compareTo(ma20) > 0; return !tradedToday && increase.compareTo(buyTrigger) >= 0 && aboveMA;

2. 实现新的资金管理策略

查看FixedPercentageAllocationStrategy.java，创建自定义策略：

public class DynamicAllocationStrategy implements MoneyManagementStrategy { // 根据市场波动动态调整仓位 public BigDecimal calculatePositionSize(BigDecimal balance, Asset asset) { BigDecimal volatility = calculateVolatility(asset); BigDecimal allocation = new BigDecimal("0.5").divide(volatility, MathContext.DECIMAL128); return balance.multiply(allocation); } }

3. 添加技术指标支持

在trade包中创建新的技术指标类：

public class TechnicalIndicators { public static BigDecimal calculateRSI(TimeSeries series, int period) { // 实现相对强弱指数计算 } public static BigDecimal calculateMACD(TimeSeries series) { // 实现MACD指标计算 } }

优化算法调优

1. 调整粒子群参数

查看SimpleParticleSwarmOptimizer.java：

// 默认参数 private static final double INERTIA = 0.729; private static final double COGNITIVE = 1.49445; private static final double SOCIAL = 1.49445;

调优建议：

增大INERTIA（0.8-0.9）：增强全局搜索能力
调整COGNITIVE和SOCIAL：平衡个体经验与群体智慧
增加粒子数量：提高搜索精度

2. 修改优化代数

在BuyZoneOptimizer.java中：

final int generations = 200; // 增加优化代数，提高精度

数据源自定义

1. 更换数据获取API

默认使用Google Finance和Yahoo Finance，你可以修改QuoteFetcher.java接口的实现：

public class CustomDataFetcher implements QuoteFetcher { // 实现自定义数据源，如Tushare、AKShare等 public TimeSeries fetchAndParse(String symbol, int days, int interval) { // 调用A股数据API } }

2. 支持更多市场类型

修改数据解析逻辑，支持不同市场的数据格式：

// 在GoogleQuoteFetcher或YahooQuoteFetcher中添加 if (symbol.endsWith(".SS") || symbol.endsWith(".SZ")) { // 处理A股数据格式 return parseChineseMarketData(response); }

实战案例：创建A股交易策略

步骤1：调整参数适应A股

// 在BuyZoneOptimizer.java中 final double commission = 5.0; // A股手续费较低 final double slippage = 2.0E-3; // A股滑点较大 final int initialBalance = 100000; // 10万人民币

步骤2：添加涨停板限制

// 在BuyZoneModel的buy方法中添加 boolean isLimitUp = calculateLimitUpPrice(asset); // 计算涨停价 if (current.compareTo(isLimitUp) >= 0) { return false; // 涨停不买入 }

步骤3：优化交易时间

// A股交易时间：9:30-11:30, 13:00-15:00 public boolean isTradingTime(DateTime time) { int hour = time.getHourOfDay(); int minute = time.getMinuteOfHour(); // 实现A股交易时间判断 }

调试与验证技巧

1. 日志输出优化

在src/main/resources/logback.xml中添加详细日志：

<logger name="org.wkh.bateman" level="DEBUG"/>

2. 结果可视化

使用项目自带的R脚本进行结果可视化：

# 复制生成的CSV文件 cp *.csv plot/ cd plot # 修改sample_plotting_script.r中的文件名 R CMD BATCH sample_plotting_script.r

3. 回测验证

创建独立的回测验证类：

public class BacktestValidator { public static void validateStrategy(BuyZoneModel model, TimeSeries testData) { // 在独立数据集上验证策略 Session testSession = model.generateSignals(testData.beginningOfSeries(), testData.lastOfSeries()); System.out.println("测试集表现："); System.out.println("总收益：" + testSession.grossProfit()); System.out.println("夏普比率：" + testSession.sharpeRatio()); } }

常见问题解决

1. 数据获取失败

检查网络连接和API密钥
修改重试机制和超时设置
考虑使用本地数据缓存

2. 优化结果不理想

增加generations参数
调整参数搜索范围
尝试不同的优化目标函数

3. 性能问题

减少数据获取天数
优化技术指标计算
使用并行计算加速优化过程

安全注意事项 ⚠️

不要用于实盘交易：Bateman是教育项目，未经充分测试
数据质量：确保使用可靠的历史数据
过拟合风险：避免在少量数据上过度优化
市场变化：过去表现不代表未来结果

下一步学习建议

掌握了Bateman源码修改后，你可以：

研究更复杂的交易策略：如均值回归、动量策略
学习机器学习应用：将深度学习引入交易系统
探索风险管理：实现更科学的仓位管理
构建交易回测框架：创建通用的策略测试平台

通过自定义Bateman源码，你不仅能够创建个性化的交易策略，还能深入理解量化交易的核心原理。记住，成功的交易系统需要持续的优化和严格的回测验证。现在就开始动手，打造属于你自己的智能交易系统吧！💪

重要提示：本文提供的修改示例仅供参考，实际交易请谨慎决策，投资有风险，入市需谨慎。

【免费下载链接】bateman(ABANDONED) Simple stock trading system that optimizes its parameters with particle swarm optimization项目地址: https://gitcode.com/gh_mirrors/ba/bateman

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

手把手教你修改Bateman源码：自定义交易参数与策略的完整指南