量化工具栈：Binance API + Grafana + 自动化告警全套配置

A close-up of a golden Bitcoin highlighting its digital curr

跑一个量化策略需要的不只是策略本身——还需要一套支撑它运行、监控它状态、在出问题时及时告警的工具链。这篇文章分享我的完整工具栈，从策略执行到告警通知。

整体架构

策略层（Python）
  ↓ 交易指令
Binance API
  ↓ 执行结果
状态文件 / CF KV
  ↓ 指标
Prometheus + node_exporter
  ↓ 存储
Grafana 可视化
  ↓ 告警规则
Alertmanager → Telegram

策略执行层

技术栈

语言：Python 3.11
Binance SDK：python-binance
定时任务：APScheduler 或系统 cron
依赖管理：requirements.txt + venv

目录结构

quant/
├── strategy/
│   ├── main.py          # 主策略逻辑（信号生成 + 下单）
│   ├── signals.py       # 指标计算（技术指标库）
│   └── risk.py          # 仓位管理、止损逻辑
├── exchange/
│   └── binance_client.py # Binance API 封装
├── monitor/
│   └── exporter.py      # 状态指标写入 Prometheus 格式
├── config/
│   └── settings.py      # 配置（从环境变量读取）
└── run.py               # 入口

关键代码：状态指标暴露

策略运行时，把关键指标写成 Prometheus textfile 格式，供 node_exporter 抓取：

# monitor/exporter.py
import os
import time

METRICS_FILE = "/var/lib/node_exporter/textfile_collector/quant.prom"

def write_metrics(data: dict):
    """
    data 示例：
    {
        "pnl_total": 12.5,          # 累计收益率 %
        "pnl_today": 0.8,           # 今日收益率 %
        "position": 1,              # 1=多, -1=空, 0=空仓
        "last_signal_ts": 1776200000,  # 最后信号时间戳
        "last_run_ts": 1776235000,     # 策略最后运行时间
    }
    """
    lines = [
        '# HELP quant_pnl_total 累计收益率（百分比）',
        '# TYPE quant_pnl_total gauge',
        f'quant_pnl_total {data["pnl_total"]}',
        '',
        '# HELP quant_pnl_today 今日收益率（百分比）',
        '# TYPE quant_pnl_today gauge',
        f'quant_pnl_today {data["pnl_today"]}',
        '',
        '# HELP quant_position 当前持仓方向 (1=多,-1=空,0=空仓)',
        '# TYPE quant_position gauge',
        f'quant_position {data["position"]}',
        '',
        '# HELP quant_last_signal_timestamp 最后信号时间',
        '# TYPE quant_last_signal_timestamp gauge',
        f'quant_last_signal_timestamp {data["last_signal_ts"]}',
        '',
        '# HELP quant_last_run_timestamp 策略最后运行时间',
        '# TYPE quant_last_run_timestamp gauge',
        f'quant_last_run_timestamp {int(time.time())}',
        '',
    ]
    
    tmp = METRICS_FILE + ".tmp"
    with open(tmp, "w") as f:
        f.write("\n".join(lines))
    os.rename(tmp, METRICS_FILE)

服务器配置

选择

量化策略对服务器的核心要求：

稳定：不能随意宕机，24/7 运行
延迟低：离 Binance 服务器近（新加坡或东京），下单延迟更低
独立：不和其他高负载任务共享

我用 AWS 新加坡节点（aws-sg），Binance 主服务器在新加坡，下单延迟 1-5ms。

systemd 守护进程

不要用 nohup 跑策略，用 systemd：

# /etc/systemd/system/quant-strategy.service
[Unit]
Description=Quant Strategy
After=network.target

[Service]
Type=simple
User=ubuntu
WorkingDirectory=/home/ubuntu/quant
ExecStart=/home/ubuntu/quant/venv/bin/python run.py
Restart=always
RestartSec=10
EnvironmentFile=/home/ubuntu/quant/.env

[Install]
WantedBy=multi-user.target

systemctl enable quant-strategy
systemctl start quant-strategy
systemctl status quant-strategy

策略崩溃会自动重启，重启间隔 10 秒。

环境变量管理

API Key 放 .env 文件，不提交到 Git：

# .env（只有 600 权限）
BINANCE_API_KEY=xxxx
BINANCE_API_SECRET=xxxx
TELEGRAM_BOT_TOKEN=xxxx
TELEGRAM_CHAT_ID=xxxx

# settings.py
from dotenv import load_dotenv
import os

load_dotenv()
BINANCE_API_KEY = os.environ["BINANCE_API_KEY"]
BINANCE_API_SECRET = os.environ["BINANCE_API_SECRET"]

Prometheus 监控配置

在 prometheus.yml 添加策略服务器的 node_exporter：

scrape_configs:
  - job_name: node-remote-linux
    static_configs:
      - targets:
          - 你的策略服务器IP:9100

node_exporter 默认会自动采集 /var/lib/node_exporter/textfile_collector/*.prom 里的指标，不需要额外配置。

Grafana Dashboard

量化策略的核心监控面板包含：

收益区（上方）

累计收益率时序曲线
今日收益 Stat 卡片
当前持仓方向（多/空/空仓）

风险区（中间）

最大回撤（Max Drawdown）
近 30 日日收益柱状图
夏普比率（年化）

健康区（下方）

策略最后运行时间（距现在多久）
最后信号时间（距现在多久）
心跳状态（绿色=正常，红色=异常）

关键面板：策略心跳

# Grafana PromQL
(time() - quant_last_run_timestamp) / 60

这个查询显示策略最后运行距现在多少分钟。配合阈值颜色：

< 65 分钟：绿色（正常，小时级策略）
65-120 分钟：黄色（轻微延迟）
120 分钟：红色（策略可能挂了）

告警配置

Alertmanager + Telegram

在 alerts.yml 里定义告警规则：

groups:
  - name: quant-alerts
    rules:
      # 策略心跳超时
      - alert: QuantHeartbeatTimeout
        expr: (time() - quant_last_run_timestamp) > 7200
        for: 5m
        labels:
          severity: critical
        annotations:
          summary: "量化策略心跳超时"
          description: "策略超过 2 小时未运行，请检查服务器状态"

      # 今日大幅亏损
      - alert: QuantLargeLoss
        expr: quant_pnl_today < -3
        for: 1m
        labels:
          severity: warning
        annotations:
          summary: "今日亏损超过 3%"
          description: "当日收益率 {{ $value }}%，请关注"

Telegram 告警模板（在 alertmanager.yml 里配置）：

receivers:
  - name: telegram
    telegram_configs:
      - bot_token: "你的BOT_TOKEN"
        chat_id: 你的CHAT_ID
        message: |
          🚨 {{ .GroupLabels.alertname }}
          {{ range .Alerts }}
          {{ .Annotations.summary }}
          {{ .Annotations.description }}
          {{ end }}

在策略代码里直接推送告警

除了 Alertmanager，策略代码里也可以直接推 Telegram：

import requests

def send_telegram(message: str):
    bot_token = os.environ["TELEGRAM_BOT_TOKEN"]
    chat_id = os.environ["TELEGRAM_CHAT_ID"]
    url = f"https://api.telegram.org/bot{bot_token}/sendMessage"
    requests.post(url, json={"chat_id": chat_id, "text": message})

# 下单后推送
send_telegram(f"📊 信号：{direction}\n价格：{price}\n仓位：{size}")

总结：工具选型逻辑

工具	替代方案	选这个的原因
Python	Go、JavaScript	量化生态最丰富（pandas、ta-lib 等）
Binance python-binance	自己封装 REST	官方 SDK，省去重复造轮子
systemd	supervisor、PM2	系统自带，稳定，日志集中管理
Prometheus + node_exporter	InfluxDB + Telegraf	已有监控栈，复用，不引入新组件
Alertmanager	自己写告警脚本	支持规则、静默、分组，功能完整
Telegram	邮件、钉钉	手机推送及时，API 简单

→ 查看北极星策略介绍 → 查看 Binance API 从零到第一笔下单 → 查看 Prometheus + Grafana VPS 监控搭建

📷 封面图 · Flux Schnell AI 生成 · panshi.io 品牌风格

整体架构#

策略执行层#

技术栈#

目录结构#

关键代码：状态指标暴露#

服务器配置#

选择#

systemd 守护进程#

环境变量管理#

Prometheus 监控配置#

Grafana Dashboard#

关键面板：策略心跳#

告警配置#

Alertmanager + Telegram#

在策略代码里直接推送告警#

总结：工具选型逻辑#