Skip to content

股票AI操盘手:从学习、模拟到实盘,一站式平台。包含股票知识、策略实例、因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易、C++部署和聚宽实例代码等,可以方便学习、模拟及实盘交易

License

Notifications You must be signed in to change notification settings

homiexie/ai_quant_trade

 
 

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

股票AI操盘手

ENGLISH VERSION

License Python-Version

AI炒股教程 | 本地策略 | 辅助操盘 | 数据处理 | 在线投研平台 | 使用文档

drawing如果喜欢本项目,或希望随时关注动态,请给我点个赞吧 (页面右上角的小星星),欢迎分享到社区!

股票AI操盘手

  • 一站式平台:从学习、模拟到实盘
  • 炒股策略:因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易等
  • 提供辅助操盘工具:辅助盯盘、股票推荐
  • 实盘部署工具:C++/CPU/GPU等部署

📰 新特性 🔥

时间 特性 代码路径
2023.02.28 机器学习自动挖掘5000个因子及股票趋势预测 egs_alpha/auto_alpha
2023.02.05 上班“摸鱼炒股”神器--超隐蔽“划水致富” egs_aide/看盘神器/v1
2023.01.01 本地深度强化学习策略 egs_trade/rl/a001_proto_sb3
2022.11.07 Wind本地实盘模拟 egs_trade/real_bid_simulate/wind
2022.08.03 基础回测框架 + 双均线策略 egs_trade/vanilla/double_ma

目录

1. 简介

  1. 本系统适合的人群:

    • 机构
    • 散户
      • 有编程基础
      • 无编程基础
  2. 本仓库代码结构和内容简介

    ai_quant_trade
    ├── ai_wiki (AI全栈教学知识,以Markdown, Jupyter Notebook汇总知识体系)
    │   ├── 基础:操作系统、软件编程、数学基础
    │   ├── 进阶:机器学习、深度学习、强化学习、图网络
    │   ├── 实战:量化交易与投资、模型部署
    ├── docs (本仓库使用说明文档)
    ├── egs_alpha (因子库)
    ├── egs_aide (辅助操盘工具)
    │   ├── 看盘神器 (上班“摸鱼炒股”神器--超隐蔽“划水致富”)
    ├── egs_data (数据获取及处理)
    │   ├── wind (Wind万得数据处理)
    ├── egs_trade (本地量化炒股策略)
    │   ├── real_bid_simulate (实盘模拟)
    │       ├── Wind万得实盘模拟
    │   ├── reinforcement_learn (强化学习炒股)
    │   ├── rules (传统规则类策略)
    ├── egs_online_platform (在线投研平台策略)
    │   ├── 优矿_Uqer
    │   ├── 聚宽_JoinQuant
    ├── quant_brain (核心算法库)
    ├── runtime (模型的部署和实际使用)
    ├── tools (辅助工具)
    ├── requirements.txt
    └── README.md
    
    
  3. 支持的数据源

    • Wind
    • Baostock
    • qstock
    • Tushare

2. 使用

本仓库暂未进行封装成python包,拷贝整个项目源代码,

  1. 安装所需库

    pip install -r requirements.txt
  2. 查看egs策略文件夹下文档, 并运行对应实例即可

3. 本地量化平台

本地量化平台

可在本地可构建一套独立的量化交易系统,包含的策略:

  • AI策略
    • 强化学习
    • 图网络
    • 深度学习
    • 机器学习
    • 高频交易
    • 因子挖掘
  • 传统规则类策略

3.1 强化学习策略

  自从2017年AlphaGo与柯洁围棋大战之后,深度强化学习大火。

  相比于机器学习和深度学习, 强化学习是以最终目标为导向 (以交互作为目标) , 而很多其他方法是考虑孤立的子问题 (如“股价预测”,“大盘预测”,“交易决策”等) , 这并不能直接获得交互的动作, 比如“命令机器人炒股盈利”, 这个任务包含了“股价预测”,”大盘预测”等等, 而强化学习的目标则是“完成命令者的任务”, 可以直接得到“炒股盈利”的一连贯动作。

trades_on_k_line

样例:

3.2 图网络策略

  图网络可以更好的构建股票和股票之间的关系,同时关联股票、新闻、情绪等各类信息,能更好的挖掘全局关系网。

(构建中,尽请期待。。。)

3.3 深度学习策略

  自从2012年AlexNet在图像分类任务上,性能碾压传统机器学习性能后,深度学习大火, 随机开启第一波人工智能热潮。其主要用于股价和大盘的预测等。

(构建中,尽请期待。。。)

3.4 机器学习策略

  机器学习以统计学为基础,以其坚实的数据基础,可解性,数据依赖少,资源占用低,训练速度快,在表格任务上, 仍然可以追平深度学习等优势,任有其应用价值。

(构建中,尽请期待。。。)

3.5 高频交易

(构建中,尽请期待。。。)

3.6 因子挖掘

(构建中,尽请期待。。。)

3.7 传统策略

  传统策略虽然看似昨日黄花,但其可操作性更强,仍又一定使用价值。深度学习和机器学习,往往需要配合规则使用。

双均线策略

trades_on_k_line

4. 实盘

4.1 实盘模拟

5. 知识宝库

知识宝库

  这里汇总了各种量化相关的平台、开源资源和知识。这里是一个丰富的知识仓库和导航地图。
  这里将汇总包括量化投资,windows, linux, shell, vim, markdown,python, c++,机器学习数学基础, leetcode(c++, python),机器学习、 深度学习、强化学习、图神经网络,语音识别、NLP和图像识别等基础知识

6. 在线投研平台

在线投研平台样例

  国内量化平台,如聚宽、优矿、米筐、果仁和BigQuant等,如果感兴趣,也可以自行尝试。

  投研平台是为量化爱好者(宽客)量身打造的云平台,提供免费股票数据获取、精准的回测功能、 高速实盘交易接口、易用的API文档、由易入难的策略库,便于快速实现和验证策略。( 注:如下策略仅在所述回测段有效,没有进行详细的调优和全周期验证。另外,没有策略能保证全周期有效的, 如果实盘使用如下策略,请慎重使用)

6.1 聚宽平台

聚宽平台

欢迎在聚宽平台关注我:量客攻城狮

  1. 股票量化策略

    策略 收益 最大回撤
    机器学习-动态因子选择策略 12.3% 38.93%
    小市值+多均线量化炒股 58.4% 46.61%
    龙虎榜-看长做短 41.82% 26.89%
    强势股+趋势线判断+止损止盈 10.09% 21.449%
  2. 股票分析研究

关注

知乎

讨论

欢迎在 Github Discussions 中发起讨论。

技术支持

欢迎在 Github Issues 中提交问题。

常见问题

请查看文档常见问题

引用

@misc{ai_quant_trade,
  author={Charlie Lee},
  title={ai_quant_trade},
  year={2022},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/charliedream1/ai_quant_trade}},
}

About

股票AI操盘手:从学习、模拟到实盘,一站式平台。包含股票知识、策略实例、因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易、C++部署和聚宽实例代码等,可以方便学习、模拟及实盘交易

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published

Languages

  • Jupyter Notebook 88.7%
  • Python 11.2%
  • Shell 0.1%