作业-需求规格说明书

一、预期用户数量
根据软件用途、系统规模与部署方式，预期用户数量如下：
（1）直接用户（Primary Users）
开发者本人（1人）
课程老师/助教（1–3人）
（2）潜在用户（Secondary Users）
软件工程课程同学，用于参考或测试（20–40人）
（3）扩展用户（Optional）
若系统部署为线上原型工具，则：
普通加密货币爱好者：50–100人（体验版）
量化研究新手：20–50人
2.1 真实性（Realism）
本系统的数据、功能与架构均基于可验证的真实来源和可实现技术，具体表现如下：
数据来源真实可信
系统通过欧易（OKX）官方公开 API 获取比特币历史 K 线数据，数据与市场真实交易完全一致，确保预测结果建立在真实市场环境中。
预测模型真实可验证
系统采用业界常用的时间序列预测模型（如 ARIMA、LSTM），这些模型为学术界与产业界广泛使用的真实算法，具有成熟理论支撑。
系统架构真实存在工程落地可能
系统采用标准软件工程方法，如：
模块化设计
清晰的数据流
层次化架构
可复现的运行环境
开发环境与技术栈均为可实际部署的方案
Python 3.10
Pandas、NumPy、Matplotlib
requests + OKX API
本地运行即可完成全部流程
2.2 可用性（Usability）
系统面向初学者与课程测试用户，设计结构简单清晰，主要的可用性体现如下：
学习成本低，界面简单
用户只需运行 main.py，即可自动：
获取数据
预处理
调用模型
绘制图表
无需复杂配置。
操作流程简单明确
输入：无须手动输入任何参数
输出：自动生成图表与预测结果
错误提示清晰（如 API 错误、数据缺失）
良好的可维护性与可扩展性
系统依据软件工程思想进行模块化设计：
data_fetcher.py
preprocess.py
model_arima.py
model_lstm.py
visualize.py
模块之间耦合度低，便于未来扩展。
跨平台运行
系统仅依赖 Python，可在 Windows / macOS / Linux 运行。
因此系统的使用门槛低、易学习、易运行，非常适合作为课程作业与教学示例。
2.3 系统价值（System Value）
系统的价值可从以下三个层面体现：
（1）教学价值
完整示范一个从数据采集 → 数据预处理 → 模型训练 → 可视化的工程项目。
满足软件工程课程对实际可运行系统的要求。
可作为后续深度学习/机器学习课程的实验基础。
（2）实际应用价值
提供比特币短期价格趋势预测（如未来 1h、6h）。
可用于观察波动趋势、辅助风险管理。
可作为未来量化交易系统的基础模块（可加入买卖策略）。
（3）工程价值
模块化架构有利于持续迭代
可扩展更多模型（GRU、Transformer）
可接入更多交易所的数据（Binance、Coinbase）