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

• 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 因子挖掘
  • 3.7 传统策略
• 4. 实盘
  • 4.1 实盘模拟
• 5. 知识宝库
• 6. 在线投研平台
  • 6.1 聚宽平台
• 关注
• 讨论
• 技术支持
• 常见问题
• 引用

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

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

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

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

1. 样例介绍:

   序号	策略	代码路径	论文
   1	原型	egs_trade/rl/a001_proto_sb3
   2	多股票交易	egs_trade/rl/a002_finRL/a01_Stock_NeurIPS2018	Practical Deep Reinforcement Learning Approach for Stock Trading (https://arxiv.org/abs/1811.07522)

2. 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	多股票交易	美股道儿琼斯30	53.1%	-10.4%	2.17

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。。。)

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。。。)

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。。。)

(构建中,尽请期待。。。)

样例介绍:

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

trades_on_k_line

• Wind本地实盘模拟:双均线策略

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

• 量化交易与投资
• python量化工具库
• 股票数据获取

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)

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

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

   • 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)

知乎

欢迎在 Github Discussions 中发起讨论。

欢迎在 Github Issues 中提交问题。

请查看文档常见问题

@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}},
}