CoolFace
Modelpublic

ma-tnt/Qwen3-8B-BTC-v4

sourceHugging Faceapache-2.0updated 8mo agoView on Hugging Face
1likes14downloads
Model Card

Qwen3-8B-BTC-v4

基于 Qwen/Qwen3-8B 微调的 BTC 15分钟交易预测模型。

模型描述

该模型通过 LoRA 微调，学习从K线数据和技术指标中判断 BTC/USDT 15分钟级别的交易方向。

输出格式

json
{"action": "BUY_UP/BUY_DOWN/SKIP", "confidence": 0.58-0.75, "reasoning": "简要分析理由"}
  • —BUY_UP: 看涨做多
  • —BUY_DOWN: 看跌做空
  • —SKIP: 信号不明确，跳过

训练细节

  • —微调方法: LoRA (rank=16, alpha=32, dropout=0.0)
  • —目标模块: qproj, kproj, vproj, oproj, gateproj, upproj, down_proj
  • —训练策略: Assistant-only loss masking (仅在助手回复上计算损失)
  • —训练数据: ~1500+ 样本，来自实盘交易数据和 Qdrant 向量数据库
  • —精度: fp16
  • —硬件: 2x NVIDIA V100 16GB

使用方式

vLLM (推荐生产环境)

bash
python -m vllm.entrypoints.openai.api_server \
    --model ma-tnt/Qwen3-8B-BTC-v4 \
    --tensor-parallel-size 2 \
    --port 8001

Transformers

python
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("ma-tnt/Qwen3-8B-BTC-v4", torch_dtype="auto", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("ma-tnt/Qwen3-8B-BTC-v4")

messages = [
    {"role": "system", "content": "你是一个专业的加密货币交易分析师..."},
    {"role": "user", "content": "分析以下K线数据..."}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

免责声明

本模型仅供研究和学习用途。加密货币交易具有高风险，模型预测不构成投资建议。使用本模型进行实盘交易所产生的任何损失，作者不承担责任。