| GitHub | 您所在的位置：网站首页 › 外汇盯盘手 › GitHub |
GitHub
|
股票AI操盘手
ENGLISH VERSION
AI炒股教程 | 本地策略 | 辅助操盘 | 因子挖掘 | 文本分析 | 数据处理 | 在线投研平台 | 使用文档
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 2023.04.09 StructBERT市场情绪分析 egs_fin_nlp/emotion_analysis/01_StructBert_Binary_Class 2023.03.28 强化学习多股票交易：年化收益53% egs_trade/rl/a002_finRL/a01_Stock_NeurIPS2018 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/tsfresh 2023.02.05 定制化看盘软件 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 2. 使用 3. 本地量化平台 3.1 强化学习策略 3.2 图网络策略 3.3 深度学习策略 3.4 机器学习策略 3.5 高频交易 3.6 传统策略 4. 实盘 4.1 实盘模拟 5. 辅助操盘 6. 因子挖掘 7. 数据获取 8. 文本分析 9. AI-实践指南 10. 在线投研平台 10.1 聚宽平台 关注我 讨论 技术支持 常见问题 引用 1. 简介本系统适合的人群： 机构 散户 有编程基础 无编程基础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_aide (辅助操盘工具) │ ├── 看盘神器 ├── egs_alpha (因子库) ├── egs_data (数据获取及处理) │ ├── wind (Wind万得数据处理) ├── egs_fin_nlp (文本分析) │ ├── emotion_analysis (情感分析) ├── egs_online_platform (在线投研平台策略) │ ├── 优矿_Uqer │ ├── 聚宽_JoinQuant ├── egs_trade (本地量化炒股策略) │ ├── paper_trade (实盘模拟) │ ├── wind万得实盘模拟 │ ├── rl (强化学习炒股) │ ├── vanilla (传统规则类策略) ├── 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 2. 使用本仓库暂未进行封装成python包，拷贝整个项目源代码， 安装所需库 pip install -r requirements.txt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 代码详细参见目录：egs_trade 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 强化学习策略代码详细参见目录：egs_trade/rl 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。
样例介绍： 序号 策略 代码路径 论文 1 原型 egs_trade/rl/a001_proto_sb3 2 FinRL教程0-NeurIPS2018 egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018 Practical Deep Reinforcement Learning Approach for Stock Trading （https://arxiv.org/abs/1811.07522）样例回测详情 序号 策略 市场 年化收益 最大回撤 夏普率 1 原型 中国A股 2 FinRL教程0-NeurIPS2018 美股道儿琼斯30 53.1% -10.4% 2.17 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 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 详细使用教程
投资组合管理7节教学 4. 实盘 4.1 实盘模拟参见目录：egs_trade/paper_trade Wind本地实盘模拟：双均线策略 5. 辅助操盘代码详细参见目录：egs_aide 序号 工具 代码路径 1 定制化看盘工具 egs_aide/看盘神器/v1 6. 因子挖掘代码详细参见目录：egs_alpha 6.1 因子挖掘 序号 策略 代码路径 论文 1 机器学习自动挖掘5000个因子及股票趋势预测 egs_alpha/auto_alpha/tsfresh 6.2 因子库 序号 因子库 1 alpha101 2 stockstats 3 ta_lib 7. 数据处理 各类常见数据源使用详解 统一数据源接口
AI-实践指南 代码参见：ai_wiki 本部分代码独立同步至仓库AI-实践指南- 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 代码结构和内容简介 ai_wiki (AI全栈教学知识，以Markdown, Jupyter Notebook汇总知识体系) ├── 01_系统平台 │ ├── 基础：常用网站、通用工具 │ ├── 系统：Windows/Linux ├── 02_程序代码 │ ├── 编程：python, c, c++, 数据库, LeetCode │ ├── 实战：常用工具、常见问题汇总 ├── 03_数学基础（程序员必备数学知识） ├── 04_算法原理（传统算法，优化算法，遗传算法） ├── 05_机器学习（资源+原理+实战） ├── 06_深度学习（资源+原理+实战） ├── 07_强化学习（资源+原理+实战） ├── 08_图网络（资源+原理+实战） ├── 09_模型部署（资源+原理+实战） ├── 10_实践应用 │ ├── 01_开源平台 │ ├── 02_音频 (语音识别、唤醒、声纹、语音合成、语音增强) │ ├── 03_文本处理 │ ├── 04_时间序列 │ ├── 05_图像识别 ├── 11_面试 ├── 12_量化交易与投资 └── README.md量化相关资源 序号 工具 路径 1 全网量化资源汇总 ai_wiki/12_量化交易与投资/01_资源 10. 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) 10.1 聚宽平台聚宽平台 欢迎在聚宽平台关注我：量客攻城狮 具体策略详细介绍和源码请单击如下对应策略链接访问查看 聚宽使用介绍请查看: egs_online_platform/聚宽_JoinQuant 该部分代码仅能在 聚宽平台 运行股票量化策略 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%股票分析研究 手把手教你"机器学习-动态多因子选股"(附保姆级教程) 龙虎榜数据筛选和过滤 概念板块数据获取和选股 详解: 股票数据获取及图形分析(附详细代码) 关注我 知乎 聚宽 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={Yi Li}, title={ai_quant_trade}, year={2022}, publisher = {GitHub}, journal = {GitHub repository}, howpublished = {\url{https://github.com/charliedream1/ai_quant_trade}}, } |
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!
【本文地址】