Skip to content

ChiShengChen/katana_amm_backtest

BranchesTags

Repository files navigation

AMM 回測系統

基於 Uniswap V3 風格的 AMM（自動做市商）績效回測系統，使用 WBTC-USDC 池的歷史事件數據進行回測分析。

功能特點

  • ✅ Uniswap V3 風格的集中流動性模擬
  • ✅ 支持 Mint、Burn、Swap 事件處理
  • ✅ Omnis AI (ATR) 動態 Rebalancing 策略
  • ✅ Steer Finance 策略 (Classic, Elastic, Fluid)
  • ✅ Charm Alpha Vault 策略 (被動再平衡)
  • ✅ 完整的績效分析（收益率、夏普比率、最大回撤等）
  • ✅ LP 特定指標（無常損失、手續費收入等）
  • ✅ 多策略比較與視覺化圖表
  • ✅ 自動導出 CSV 數據和圖表

項目結構

katana_backtest/
├── data/
│   ├── wbtc_usdc_pool_events.jsonl    # WBTC-USDC 池事件數據
│   └── usdc_eth_pool_events.jsonl     # USDC-ETH 池事件數據
├── src/
│   ├── __init__.py                    # 模組初始化
│   ├── amm_simulator.py               # AMM 模擬器核心
│   ├── atr_strategy.py                # ATR 策略（動態 LP 區間）
│   ├── backtest_engine.py             # 回測引擎
│   ├── event_processor.py             # 事件處理器
│   ├── output_generator.py            # 輸出生成器（CSV、圖表）
│   ├── performance_analyzer.py        # 績效分析器
│   ├── uniswap_v3_math.py             # Uniswap V3 數學計算
│   ├── main.py                        # 主程序入口
│   ├── strategies/                    # 策略模組
│   │   ├── __init__.py
│   │   ├── base_strategy.py           # 策略基類
│   │   ├── uniswap_math.py            # V3 數學計算
│   │   ├── charm_strategy.py          # Charm Alpha Vault 策略
│   │   ├── steer_strategy.py          # Steer 策略 (Classic/Elastic/Fluid)
│   │   └── strategy_backtest.py       # 策略比較回測框架
│   └── output/                        # 輸出目錄
│       ├── marketing/                 # 行銷素材
│       └── all_compare/               # 所有策略比較
├── requirements.txt
├── README.md
└── run_example.sh

安裝

# 1. 確保 Python 3.8+ 已安裝
# 2. 安裝依賴
pip install -r requirements.txt

快速開始

基本回測

cd src
python main.py --data ../data/wbtc_usdc_pool_events.jsonl --capital 10000

使用 ATR 策略

python main.py \
  --data ../data/wbtc_usdc_pool_events.jsonl \
  --capital 10000 \
  --use-atr \
  --atr-period 14 \
  --atr-multiplier 2.0

多策略比較

cd src
python -m strategies.strategy_backtest ../data/wbtc_usdc_pool_events.jsonl 10000

📊 支持的策略

1. Omnis AI (ATR Dynamic Range)

核心理念: 使用 ATR 指標動態調整 LP 區間

ATR = Average True Range（平均真實波動幅度）

區間設定:
├─ Upper = 當前價格 + (ATR × 乘數)
└─ Lower = 當前價格 - (ATR × 乘數)

特點:
✅ 動態適應市場波動
✅ 下跌時自動減少曝險
✅ 無協議費（自建策略）

參數:

參數 說明 預設值
atr_period ATR 計算週期 14
atr_multiplier 區間寬度乘數 2.0
rebalance_interval 最小再平衡間隔 180 秒

2. Charm Alpha Vault (Passive Rebalancing)

核心理念: 完全被動再平衡，不執行 Swap

Base Order: 對稱區間，最大平衡流動性
Limit Order: 多餘資產設置為限價單，等待市場成交

特點:
✅ 零 Swap 成本
✅ 無滑點風險
✅ 協議費僅 2%
❌ 趨勢市場反應慢

參數:

參數 說明 預設值
base_threshold Base Order 寬度 600 ticks
limit_threshold Limit Order 寬度 1200 ticks
rebalance_interval 再平衡間隔 48 小時

3. Steer Classic (Fixed Width)

核心理念: 固定區間寬度，價格觸發再平衡

固定區間: 600 ticks (~6%)
觸發條件: 價格偏離中心 > 5%

執行動作:
1. 撤出流動性
2. Swap 平衡資產
3. 重新部署

特點:
✅ 邏輯簡單透明
❌ 需要 Swap（有滑點）
❌ 協議費 15%

4. Steer Elastic (Bollinger Bands)

核心理念: 基於布林通道動態調整區間

Upper = SMA + 2σ
Lower = SMA - 2σ

高波動 → 區間擴大
低波動 → 區間收窄

⚠️ 警告: 頻繁 Rebalance 導致高 Gas 成本

📈 策略比較結果

基於 BTC 下跌 20% 的市場環境:

策略 收益率 最大回撤 Rebalance 評價
🏆 Omnis AI (ATR) -9.5% -12.6% 37 最佳保護
HODL 50/50 -9.9% -12.5% 0 基準線
Charm Alpha -15.0% -18.8% 55 穩定但慢
Steer Classic -19.3% -22.4% 44 跟隨市場
Pure BTC -19.8% -24.5% 0 完全暴露
❌ Steer Elastic -69.6% -70.0% 200 過度交易

詳細比較報告: src/output/all_compare/README.md

命令行參數

python main.py [選項]

基本選項：
  --data PATH              數據文件路徑
  --capital FLOAT          初始資金 (USDC)
  --start-timestamp INT    起始時間戳
  --end-timestamp INT      結束時間戳

LP 區間選項：
  --tick-lower INT         LP 區間下界
  --tick-upper INT         LP 區間上界
  --price-range-pct FLOAT  價格範圍百分比（默認 10%）

ATR 策略選項：
  --use-atr                啟用 ATR 策略
  --atr-period INT         ATR 週期（默認 14）
  --atr-multiplier FLOAT   ATR 乘數（默認 2.0）
  --rebalance-interval INT 再平衡間隔（秒）

輸出選項：
  --output-dir PATH        輸出目錄
  --no-csv                 不導出 CSV
  --no-plots               不導出圖表

Python API 使用

單策略回測

from src.backtest_engine import BacktestEngine

engine = BacktestEngine(
    data_file='data/wbtc_usdc_pool_events.jsonl',
    initial_capital=10000.0
)

metrics = engine.run_backtest(
    use_atr_strategy=True,
    atr_period=14,
    atr_multiplier=2.0
)

多策略比較

from strategies import CharmAlphaVaultStrategy, SteerClassicStrategy
from strategies.strategy_backtest import StrategyBacktester, BacktestConfig
from decimal import Decimal

config = BacktestConfig(
    initial_amount0=Decimal('0.05'),
    initial_amount1=Decimal('5000'),
    pool_fee=3000
)

backtester = StrategyBacktester(config)
backtester.load_tick_data("../data/wbtc_usdc_pool_events.jsonl")

# 創建策略
charm = CharmAlphaVaultStrategy(base_threshold=600)
steer = SteerClassicStrategy(position_width_ticks=600)

# 運行回測
charm_result = backtester.run_backtest(charm)
steer_result = backtester.run_backtest(steer)

print(f"Charm Return: {charm_result.total_return_pct:.2f}%")
print(f"Steer Return: {steer_result.total_return_pct:.2f}%")

輸出文件

目錄 文件 說明
output/ metrics.csv 績效指標
price_history.csv 價格歷史
value_history.csv 價值歷史
backtest_*.png 各類圖表
output/all_compare/ strategy_comparison_value.png 策略價值對比
drawdown_comparison.png 回撤曲線
crash_comparison_bar.png 崩盤損失對比
README.md 詳細策略說明
output/marketing/ 各類行銷素材圖表

績效指標說明

基本指標

  • 總收益率: 回測期間總收益
  • 年化收益率: 按年計算的收益率
  • 最大回撤: 峰值到谷值的最大跌幅
  • 夏普比率: 風險調整後收益

LP 特定指標

  • 手續費收入: 累積的交易手續費
  • 無常損失 (IL): 相對於 HODL 的損失
  • 區間內時間: 價格在 LP 區間內的時間比例

⚠️ 注意事項

本系統為模擬系統，與實盤存在差異：

  • Gas 費用為估算值
  • 手續費計算基於簡化模型
  • 未完全模擬滑點和 MEV
  • 假設完美執行時機

詳見 SIMULATION_VS_REAL.md

相關文檔

許可證

MIT License

貢獻

歡迎提交 Issue 和 Pull Request！

About

No description, website, or topics provided.

Resources

Readme
Activity

Stars

0 stars

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages