我将这篇文章分为“为什么我要这样做”和“技术实现方法”。如果您想跳过“为什么”部分，可以直接跳到技术部分。

1. 可靠性： 该算法将独立于其他系统、更新等执行。

2. 性能效率： 我可以在单个（小型）系统上运行多个算法，彼此独立。

3. 成本节省： AWS每月允许320万计算秒 ，基本上让我所有算法都能免费运行。

我一直在寻找一种方法，以确保我的投资机器人能够可靠地执行，因为执行失败可能会造成巨额损失，如果交易方向错误，交易未能及时取消。此外，我还想避免让我的电脑一直运行，并确保多个算法能够同时运行，而不影响或延迟彼此的执行。

此外，让投资算法在不担心操作系统更新、硬件故障和断电等问题的情况下运行是很好的想法，这是无服务器技术的通用优势。

我现在可以运行算法的多种变体来测试算法的修改，并确保它一定会运行。另一个好处是？AWS 提供大约 100 万次免费 Lambda 调用，让我可以在免费套餐中运行整个架构。

投资算法

我将在网站 www.datafortress.cloud 的另一篇文章中更深入地解释该算法，但我通常的投资算法设置包括：

1. 使用 Backtrader ，一个用 Python 编写的开源回测框架，来测试算法
2. 将成功的算法转换为包含 run() 方法的单个 Python 文件，该方法返回已执行的投资
3. 将 Python 文件传输到 AWS Lambda，并在其中调用 run() 函数与 AWS Lambda 的 lambda_handler 函数

在这个示例算法中，我会根据当前价格是否高于或低于由 Facebook 的 Prophet 模型 预测的趋势线来做出投资决策。我参考了 Sean Kelley 的想法，他撰写了 Backtrader 设置，说明如何将 Prophet 与 Backtrader 配合使用。

此设置中的股票宇宙是通过从 SPY500 指数中选择过去 X 个时间步长中回报最高的 20 只股票来计算的。

数据来源是雅虎财经，使用 免费的 yfinance 库 ，我的算法经纪人选择的是 Alpaca.markets 。

在我的设置中，算法将每天下午 3 点执行一次，或在交易时间内每 15 分钟执行一次。

将 Facebook Prophet 部署到 AWS Lambda 的问题

AWS Lambda 预先安装了一些 Python 库，但正如许多人所知，默认情况下，这些库相当有限（对于 Lambda 的承诺来说这是合理的）。但是，Lambda 允许安装私有包，对于较小的包来说非常容易（请参阅 官方文档 ），但如果处理超过 250 MB 的包，则会变得更加复杂。不幸的是，Facebook 的 Prophet 模型超过了这个限制，但幸运的是，Alexandr Matsenov 通过减小包大小解决了这个问题 ，Marc Metz 处理了编译问题，使其在 AWS Lambda 上运行 。

可以通过使用层将非默认库添加到 AWS Lambda，这些层包含所有所需的包。如果导入层，则可以在 Python 函数中像在本地设置中一样简单地导入包。

如何实现（技术）

最后，让我解释如何实现这一点。以下是针对不耐烦人士的 TLDR，或者以下更详细的版本。

TLDR;

1. 您需要一个 Lambda 层，将我的层 (下载 ) 包含 Prophet、yfinance 等上传到 S3 存储桶（私有访问）
2. 选择 AWS Lambda，创建一个函数，添加一个层并粘贴您的 S3 对象 URL
3. 将您的 lambda_function.py 粘贴到 Lambda 编辑器中 (或者使用我的 )
4. 设置您的环境变量（可选）
5. 通过点击“测试”手动运行它，或者转到 CloudWatch -> 规则 -> 创建规则并设置“计划执行”以在指定的时间间隔运行它

详细说明：

1. 为 AWS Lambda 创建自定义层

您可以使用包含 Facebook Prophet、NumPy、pandas、alpaca-trading-API 、yfinance (GitHub ) 的我的 Lambda 层，或者使用 Marc 的说明进行编译。

使用我的 Lambda 层

1. 下载我的 GitHub 存储库 中包含所有包的 zip 文件 (链接 )。
2. 由于您只能将层直接上传到 Lambda，直到大小为 50 MB，因此我们首先需要将文件上传到 AWS S3。
3. 创建一个存储桶并将下载的 zip 文件放入其中。访问可以保持私有，不需要公开！复制文件的 URL（例如 https://BUCKETNAME.s3.REGION.amazonaws.com/python.zip )。
4. 登录 AWS 并转到 Lambda -> 层 (欧洲中部链接 )。
5. 点击“创建层”，为其赋予匹配的名称，选择“从 Amazon S3 上传文件”，并将步骤 3 的代码复制到其中。作为运行时选择 Python 3.7。点击创建。

编译您自己的 Lambda 层

请按照 Marc 的说明 进行操作。

2. 设置 AWS Lambda 函数

1. 打开 Lambda 函数仪表板 (欧洲中部链接 ) 并点击“创建函数”
2. 保持“从零开始创建”复选框不变，并赋予其合适的名称。
3. 在“运行时”中，选择 Python 3.7，其余保持不变，并点击“创建函数”。
4. 在“设计器”选项卡的概述中，您将看到 Lambda 函数的图形表示。点击其下的“层”框，然后点击“添加层”。如果正确设置了层，您将能够在接下来的对话框中选择它。最后点击“添加”。
5. 在“设计器”选项卡中，选择您的 Lambda 函数。如果您向下滚动，您将在名为“lambda_function.py”的文件中看到默认的 Python 代码片段。如果您以与我的代码 (链接 ) 相同的结构组织代码，则可以使用 run() 函数执行您的函数。如果调用 Lambda 函数，它将执行 lambda_handler(event, context) 函数，从中可以例如调用 run() 函数。当然，您可以重命名所有文件和函数，但是为了该项目的简单性，我保持原样。
6. 随意粘贴我的函数 (链接 ) 并进行测试。
7. 点击“测试”应该会导致成功执行，否则，它将在对话框中显示错误。

3. 在 AWS Lambda 中使用环境变量

您永远不应该在代码中以明文形式留下您的用户名和密码，这就是为什么您应该始终使用环境变量！幸运的是，Lambda 也使用它们，并且可以轻松地使用 python 的 os 包调用它们。例如，在我的脚本中，我使用 os.environ['ALPACAUSER'] 调用用户变量。环境变量可以在主要 Lambda 函数屏幕中设置，在代码编辑器下方滚动。

4. 定期触发 AWS Lambda 函数

无服务器和 AWS Lambda 的概念建立在函数在触发事件发生时执行的想法之上。在我的设置中，我希望函数例如每 15 分钟在交易时间执行一次，星期一至星期五。幸运的是，AWS 提供了一种触发事件的方法，无需运行服务器，使用 CloudWatch 服务。

1. 转到 CloudWatch (欧洲中部链接 )。
2. 在左侧面板中，选择“事件”和“规则”。
3. 点击“创建规则”，并选择“计划”而不是“事件模式”。这里您可以使用简单的“固定速率”对话框，或者创建 cron 表达式。我使用 https://crontab.guru/ （免费的）来创建 cron 表达式。对于以上提到的用例，我的 cron 表达式为“0/15 13-21 ? * MON-FRI *”。
4. 在右侧面板中，选择“添加目标”并选择您的 Lambda 函数。它将自动添加到 Lambda。
5. 最后点击“配置详细信息”，为其命名，然后点击“创建规则”。

5. (可选) 日志分析、错误搜索

如果您已到达此步骤，您应该完成了！但是，如果您想检查一切是否正常工作，可以使用 CloudWatch 查看 Lambda 函数的输出。转到 CloudWatch -> 日志 -> 日志组 (欧洲中部链接 ) 并选择您的 Lambda 函数。在此概述中，您应该能够看到函数的输出。

如果您喜欢这篇文章，请留下评论或访问我的博客 www.datafortress.cloud 来激励我 😊。