{"id":13487975,"url":"https://github.com/charliedream1/ai_quant_trade","last_synced_at":"2025-05-14T05:10:35.538Z","repository":{"id":38686228,"uuid":"501843211","full_name":"charliedream1/ai_quant_trade","owner":"charliedream1","description":"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、大模型、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","archived":false,"fork":false,"pushed_at":"2025-04-29T16:15:14.000Z","size":69409,"stargazers_count":2821,"open_issues_count":8,"forks_count":605,"subscribers_count":60,"default_branch":"master","last_synced_at":"2025-04-29T17:29:14.277Z","etag":null,"topics":["cpp","jupyter-notebook","keras","mlflow","python","pytorch","sklearn","tensorflow","trading-bot","trading-platform","trading-strategies"],"latest_commit_sha":null,"homepage":"","language":"Jupyter Notebook","has_issues":true,"has_wiki":null,"has_pages":null,"mirror_url":null,"source_name":null,"license":"apache-2.0","status":null,"scm":"git","pull_requests_enabled":true,"icon_url":"https://github.com/charliedream1.png","metadata":{"files":{"readme":"README.md","changelog":null,"contributing":"CONTRIBUTING.md","funding":null,"license":"LICENSE","code_of_conduct":"CODE_OF_CONDUCT.md","threat_model":null,"audit":null,"citation":null,"codeowners":null,"security":null,"support":null,"governance":null,"roadmap":null,"authors":null,"dei":null,"publiccode":null,"codemeta":null,"zenodo":null}},"created_at":"2022-06-09T23:55:44.000Z","updated_at":"2025-04-29T16:15:18.000Z","dependencies_parsed_at":"2025-04-12T11:46:00.858Z","dependency_job_id":"b284dc5f-ee69-4a20-98a7-92aac2dd1fd7","html_url":"https://github.com/charliedream1/ai_quant_trade","commit_stats":{"total_commits":353,"total_committers":1,"mean_commits":353.0,"dds":0.0,"last_synced_commit":"8ce153d66c41c20c2749d2737d2c5845138e2deb"},"previous_names":[],"tags_count":1,"template":false,"template_full_name":null,"repository_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/charliedream1%2Fai_quant_trade","tags_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/charliedream1%2Fai_quant_trade/tags","releases_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/charliedream1%2Fai_quant_trade/releases","manifests_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories/charliedream1%2Fai_quant_trade/manifests","owner_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners/charliedream1","download_url":"https://codeload.github.com/charliedream1/ai_quant_trade/tar.gz/refs/heads/master","host":{"name":"GitHub","url":"https://github.com","kind":"github","repositories_count":254076849,"owners_count":22010611,"icon_url":"https://github.com/github.png","version":null,"created_at":"2022-05-30T11:31:42.601Z","updated_at":"2022-07-04T15:15:14.044Z","host_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub","repositories_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repositories","repository_names_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/repository_names","owners_url":"https://repos.ecosyste.ms/api/v1/hosts/GitHub/owners"}},"keywords":["cpp","jupyter-notebook","keras","mlflow","python","pytorch","sklearn","tensorflow","trading-bot","trading-platform","trading-strategies"],"created_at":"2024-07-31T18:01:07.363Z","updated_at":"2025-05-14T05:10:35.504Z","avatar_url":"https://github.com/charliedream1.png","language":"Jupyter Notebook","funding_links":[],"categories":["Jupyter Notebook","Machine Learning"],"sub_categories":[],"readme":"# AI量化交易操盘手  \n\n[**ENGLISH VERSION**](https://github.com/charliedream1/ai_quant_trade/blob/master/README_EN.md)\n\n[![License](https://img.shields.io/badge/License-Apache%202.0-brightgreen.svg)](https://opensource.org/licenses/Apache-2.0)\n[![Python-Version](https://img.shields.io/badge/Python-3.8-brightgreen)](https://github.com/charliedream1/ai_quant_trade)\n\n[**AI量化教程**](https://github.com/charliedream1/ai_quant_trade/tree/master/ai_wiki)\n| [**本地策略**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade)\n| [**辅助操盘**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_aide)\n| [**因子挖掘**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_alpha)\n| [**文本分析**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_fin_nlp)\n| [**大模型**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_llm)\n| [**数据处理**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_data)\n| [**在线投研平台**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_online_platform)\n| [**使用文档**](https://github.com/charliedream1/ai_quant_trade/tree/master/docs)\n\n\u003cimg src=\"https://github.blog/wp-content/uploads/2020/09/github-stars-logo_Color.png\" alt=\"drawing\" width=\"25\"/\u003e**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!**\n\n\u003cdiv align=\"center\"\u003e \u003cimg src=\".README_images/LOGO_NEW.png\" width = 290 height = 300 /\u003e \u003c/div\u003e\n\n**AI量化交易操盘手**\n\n- 一站式平台：从学习、模拟到实盘\n- 炒股策略：大模型、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\n- 资源汇总：全网资源汇总、实战案例、论文解读、代码实现\n- 提供辅助操盘工具：辅助盯盘、股票推荐\n- 覆盖股票、基金、加密货币等多个市场\n- 实盘部署工具：python/C++/CPU/GPU等部署\n\n---\n\n## 配套资源\n\n本代码仓秉承收费和免费并行的原则。\n\n### 收费资源\n\n**知识星球**\n\n知识星球官网注册，用户权益有保障。\n\n[星球内容介绍](docs/03_星球使用和介绍)\n\n\u003cfont face=\"逐浪立楷\" color=#00bfff\u003e\n🔥低至每日1毛|独家速成课|无痛学课|📺视频教程|答疑解惑|   \n开源避坑指南|自研工具代码|3分钟视频论文速度|图书馆|    \n全网最低价量化类星球之一|3天不满意免费退款\n\u003c/font\u003e\n\n👇下方扫描二维码或者点击链接，都可以进入星球查看更详细的介绍🎏\n\n星球视频介绍：\n- 星球使用指南：https://mp.weixin.qq.com/s/SGc49e0xf24q5aUbf3rO0g?token=2028063978\u0026lang=zh_CN\n- 学习路线及群内资源使用：https://mp.weixin.qq.com/s/3-U048mc0riVsdETrKr77g\n\n星球加入链接：\n- [AI智投星球](https://t.zsxq.com/dHt9l)：AI量化交易速成、前沿技术、实战案例、资源库\n- [AI速成营](https://t.zsxq.com/q42Js)：作为子星球，深入补充编程、大模型、AI基础、原理及金融方向实战及求职等的速成和案例分享，为[AI智投星球]提供扎实的基础知识内容，形成互补\n\n星球介绍：\n- [**星球内容介绍**](docs/03_星球使用和介绍/01_星球介绍.md)  \n- [**新人使用指南**](docs/03_星球使用和介绍/02_新人使用指南.md)  \n\n福利限时放送：    \n🧧加入并帮助我们推广拉新可返现15元，详情请在星球或公众号内咨询管理员。🧧        \n🧧同时加入2个星球，立减30元（可先加入一个星球，联系管理员领取优惠卷之后，再加入另一个星球）🧧 \n\n👇扫码查看“星球”更详细的介绍（里面有搞笑漫画哦）！\n\n\u003ccenter class=\"half\"\u003e\n\u003cimg src=\".README_images/知识星球_量化.jpg\" width=245 height = \"350\" alt=\"知识星球\"/\u003e\n\u003cimg src=\".README_images/知识星球_大模型.jpg\" width=245 height = \"350\" alt=\"知识星球\"/\u003e\n\u003c/center\u003e\n\n🎈随着人数增加，以及内容的丰富和完善，后续会随时调整价格，请大家不要错过。欢迎大家加入！\n\n\u003cfont color= orange\u003e🎯本代码仓会持续更新，但部分代码转为私有化维护仅在星球中可见，对应功能会在仓库中标注\u003c/font\u003e  \n\n---\n\n### 免费资源\n\n**微信公众号**\n\n🔥最新资讯实时关注       \n🎁\u003cfont color= orange\u003e关注并点赞任一篇文章，私信管理员，领取精美量化资料包一份！！！\u003c/font\u003e\n\n\u003cimg src=\".README_images/公众号链接.png\" width = \"320\" height = \"120\" alt=\"微信公众号\" align=center /\u003e\n\n---\n\n- [知乎：576关注者](https://www.zhihu.com/people/yi-dui-ji-mu-zai-kuang-xiang)\n- [聚宽：599关注者](https://www.joinquant.com/user/d7aafd0b8b767b735bfb6f3639c81a6c)\n\n---\n\n**代码仓 (永久免费)**   \n✨AI量化交易操盘手: \n- Github: https://github.com/charliedream1/ai_quant_trade\n- Gitee（国内镜像）: https://gitee.com/charlie1/ai_quant_trade.git \n\n**本仓库配套项目**\n\n为了便于维护，将原有的系统操作、编程基础、AI基础、AI实践等内容，独立同步至仓库[**AI大模型避坑指南**]\n\n里面记录了很多我在实际中遇到的问题和解决方案，同时在实时关注更新技术发展的前沿，欢迎大家关注和star。\n\n✨AI大模型避坑指南：\n- Github: https://github.com/charliedream1/ai_wiki\n- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git\n- 简介：分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域\n\n---\n\n## :newspaper: 新特性 :fire:\n\n| **时间**     | **特性**                                                                       |   \n|:-----------|:-----------------------------------------------------------------------------|\n| 2025.01.03 | [**大模型金融市场分析（视频教程见星球或公众号）**](egs_llm/a01_hot_topic_report/v1_proto_internet) |\n\n\u003cdetails\u003e \n\u003csummary\u003e\u003cb\u003e2023\u003c/b\u003e\u003c/summary\u003e\n\n| **时间**     | **特性**                                                                                                                                      |   \n|:-----------|:--------------------------------------------------------------------------------------------------------------------------------------------|\n| 2023.04.09 | [**StructBERT市场情绪分析**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_fin_nlp/emotion_analysis/01_StructBert_Binary_Class) | \n| 2023.03.28 | [**强化学习多股票交易：年化收益53%**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018) | \n| 2023.02.28 | [**机器学习自动挖掘5000个因子及股票趋势预测**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_alpha/auto_alpha/tsfresh)                      | \n| 2023.02.05 | [**利用EXCEL看盘**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_aide/%E7%9C%8B%E7%9B%98%E7%A5%9E%E5%99%A8/v1)               | \n| 2023.01.01 | [**本地深度强化学习策略**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/rl/a001_proto_sb3)                                   | \n\n\u003c/details\u003e\n\n\u003cdetails\u003e \n\u003csummary\u003e\u003cb\u003e2022\u003c/b\u003e\u003c/summary\u003e\n\n| **时间**     | **特性**                                                                                                                                      |   \n|:-----------|:--------------------------------------------------------------------------------------------------------------------------------------------|\n| 2022.11.07 | [**Wind本地实盘模拟**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/real_bid_simulate/wind)                              | \n| 2022.08.03 | [**基础回测框架 + 双均线策略**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/vanilla/double_ma)                               |\n\n\u003c/details\u003e\n\n## 目录   \n* [1. 简介](#1-简介)  \n* [2. 使用](#2-使用)  \n* [3. 量化资源集合](#3-量化资源集合)  \n* [4. 本地量化平台](#4-本地量化平台)  \n    * [4.1 强化学习策略](#41-强化学习策略)  \n    * [4.2 图网络策略](#42_图网络策略)  \n    * [4.3 深度学习策略](#43_深度学习策略)  \n    * [4.4 机器学习策略](#44_机器学习策略)  \n    * [4.5 高频交易](#45_高频交易)  \n    * [4.6 传统策略](#46_传统策略)  \n* [5. 实盘](#5_实盘)  \n    * [5.1 实盘模拟](#51_实盘模拟)  \n* [6. 辅助操盘](#6_辅助操盘) \n* [7. 因子挖掘](#7_因子挖掘)   \n* [8. 数据获取](#8_数据获取)   \n* [9. 文本分析](#9_文本分析)   \n* [10. 大模型](#10_大模型)   \n* [11. 编程及AI基础知识](#11_编程及AI基础知识)  \n* [12. 在线投研平台](#12_在线投研平台)  \n    * [12.1 聚宽平台](#121_聚宽平台)  \n* [打赏我](#打赏我)\n* [讨论](#讨论)  \n* [技术支持](#技术支持)  \n* [常见问题](#常见问题)  \n* [引用](#引用)  \n\n## 1. 简介\n\n1. 本系统适合的人群：\n    - 机构\n    - 散户\n        - 有编程基础\n        - 无编程基础\n\n2. 本仓库代码结构和内容简介\n    ```\n    ai_quant_trade\n    ├── ai_notes (金融量化交易知识，以Markdown, Jupyter Notebook汇总知识体系)\n    │   ├── 资源：持续收录全网优秀资源\n    │   ├── 实战：各类工具、框架、库的使用及踩坑实录\n    │   ├── 热点：金融市场热点、技术热点、论文解读\n    ├── docs (本仓库使用说明文档)\n    ├── egs_aide (辅助操盘工具)\n    │   ├── 看盘神器\n    ├── egs_alpha (因子库)\n    ├── egs_data (数据获取及处理)\n    │   ├── wind (Wind万得数据处理)\n    │   ├── 开源工具 (各类开源数据获取工具使用介绍)\n    ├── egs_fin_nlp (文本分析)\n    │   ├── emotion_analysis (情感分析)\n    ├── egs_llm (大模型应用)\n    ├── egs_online_platform (在线投研平台策略)\n    │   ├── 优矿_Uqer\n    │   ├── 聚宽_JoinQuant\n    ├── egs_trade (本地量化炒股策略)\n    │   ├── paper_trade (实盘模拟)\n    │       ├── wind万得实盘模拟\n    │   ├── rl (强化学习炒股)\n    │   ├── vanilla (传统规则类策略)\n    ├── quant_brain (核心算法库)\n    ├── runtime (模型的部署和实际使用)\n    ├── tools (辅助工具)\n    ├── requirements.txt\n    └── README.md\n    ```\n\n## 2. 使用\n\n本仓库暂未进行封装成python包，拷贝整个项目源代码，在每个egs下的示例中均有详细的**使用说明**和**原理介绍**。\n\n安装依赖包\n\n\u003epip install -r requirements.txt\n\n## 3. 量化资源集合\n\n[(我们在知乎上2.6万阅读的文章)史上最全AI股票量化交易工具和开源项目汇总](https://zhuanlan.zhihu.com/p/562878605)\n\n以上是我们在**知乎上2.6万阅读**的文章，我们将所有工具重新进行了分类，并进行了点评，\n收录在[ai_notes](ai_notes)文件夹下，方便大家查找。\n\n🎯**开发中**\n- 陆续对所有工具进行点评，方便选择\n- 陆续记录各个工具的优缺点，形成一个对比表，方便选型\n- 陆续记录使用方法，方便使用：我们不做大而全的使用教程，那会让你迷失，我们只列举最常用且实用的功能，让你快速上手\n\n⛳⛳⛳**AI基础知识**\n\n为了便于维护，将原有的ai_wiki目录下内容，包括系统操作、编程基础、AI基础、AI实践等内容，独立同步至仓库[**AI大模型避坑指南**]\n\n里面记录了很多我在实际中遇到的问题和解决方案，同时在实时关注更新技术发展的前沿，欢迎大家关注和star。\n\n✨AI大模型避坑指南：\n- Github: https://github.com/charliedream1/ai_wiki\n- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git\n- 简介：分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域\n\n## 4. 本地量化平台\n\n[**本地量化平台**](egs_trade)  \n\n🎯 每个实例我都尽可能配备完善的教程，从原理、使用到代码解读。\n\n可在本地可构建一套独立的量化交易系统，包含的策略：\n\n- AI策略\n    - 强化学习\n    - 图网络\n    - 深度学习\n    - 机器学习\n    - 高频交易\n    - 因子挖掘\n    - 大模型\n- 传统规则类策略\n\n### 4.1 强化学习策略\n\n\u0026emsp;\u0026emsp;代码详细参见目录：egs_trade/rl\n\n\u0026emsp;\u0026emsp;自从2017年AlphaGo与柯洁围棋大战之后，深度强化学习大火。\n\n\u0026emsp;\u0026emsp;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) , \n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, \n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”, \n可以直接得到“炒股盈利”的一连贯动作。 \n\n![trades_on_k_line](.README_images/强化学习.png)\n\n1. 样例介绍：\n\n    | **序号**    | **策略**                                                                         | **论文**                                                 |   \n    |:-------- |:-------------------------------------------------------------------------------|:-------------------------------------------------------| \n    | 1 | [原型](egs_trade/rl/a001_proto_sb3)                                              | 无                                            |\n    | 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） |\n\n2. 样例回测详情\n\n    | **序号**    | **策略**  | **市场**  | **年化收益** |  **最大回撤** |  **夏普率** | \n    |:-------- |:-------- |:-------| :-------| :-------| :-------| \n    | 1 | [原型](egs_trade/rl/a001_proto_sb3) | 中国A股 |  |  | | \n    | 2 | [FinRL教程0-NeurIPS2018](egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018) | 美股道儿琼斯30 | 53.1% | -10.4%  | 2.17 |\n\n### 4.2 图网络策略\n\u0026emsp;\u0026emsp;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。\n\n(构建中，尽请期待。。。)\n\n### 4.3 深度学习策略\n\u0026emsp;\u0026emsp;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，\n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。\n\n(构建中，尽请期待。。。)\n\n### 4.4 机器学习策略\n\u0026emsp;\u0026emsp;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，\n仍然可以追平深度学习等优势，任有其应用价值。\n\n(构建中，尽请期待。。。)\n\n### 4.5 高频交易\n(构建中，尽请期待。。。)\n\n### 4.6 传统策略\n\u0026emsp;\u0026emsp;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。\n\n1. [双均线策略+简易手写回测框架](egs_trade/vanilla/double_ma)\n    - [详细使用教程](egs_trade/vanilla/double_ma/文档教程)\n    - 包含策略代码+自建纯手写回测框架\n    - 包含良好的绘图，指示买点和卖点\n    - 目标：通过这个实例了解量化交易的完整框架构建方式\n    \n2. [投资组合管理7节教学](egs_trade/vanilla/portfolio_optimization)\n\n## 5. 实盘\n\n**代码详细参见目录：[egs_trade](egs_trade)**\n\n### 5.1 实盘模拟\n\n1. [**Wind本地实盘模拟：双均线策略**](egs_trade/paper_trade/wind)\n    - 利用wind软件实现的实盘模拟\n    - wind常作为各大金融机构的首选数据源，由于价格高额，不适合散户使用\n    - 使用对象：机构\n\n## 6. 辅助操盘\n\n**代码详细参见目录：[egs_aide](egs_tools)**\n\n1. [利用EXCEL看盘](egs_tools/a01_market_monitor_via_excel/v1)\n    - 看盘是不容易被发现\n    - 可以自己加入要盯盘的股票\n    - 可以方便利用excel快速计算和处理数据\n\n## 7. 因子挖掘\n\n**代码详细参见目录：[egs_alpha](egs_alpha)**\n\n### 7.1 因子挖掘策略\n\n| **序号**    | **策略**                     |  **论文** |   \n|:-------- |:---------------------------|:--------| \n| 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) |         |\n\n### 7.2 因子库\n\n| **序号**    | **因子库**                                                               | \n|:-------- |:----------------------------------------------------------------------|\n| 1 | [alpha101](egs_alpha/alpha_libs/alpha101)                             | \n| 2 | [stockstats](egs_alpha/alpha_libs/stockstats)                         | \n| 3 | [ta_lib](egs_alpha/alpha_libs/ta_lib)                                 | \n\n## 8. 数据处理 \n\n- 各类常见数据源使用详解\n- 统一数据源接口\n\n![](.README_images/数据源.png)\n\n\n## 9. 文本分析\n\n**代码详细参见目录：[egs_fin_nlp](egs_fin_nlp)**\n\n| **序号**    | **工具**  |  \n|:-------- |:-------- |\n| 1 | [**StructBERT市场情绪分析**](egs_fin_nlp/emotion_analysis/01_StructBert_Binary_Class) |\n\n## 10. 大模型\n\n**代码详细参见目录：[egs_llm](egs_llm)**\n\n| **序号**    | **工具**                                                                       |  \n|:-------- |:-----------------------------------------------------------------------------|\n| 1 | [**大模型金融市场分析（视频教程见星球或公众号）**](egs_llm/a01_hot_topic_report/v1_proto_internet) |\n\n## 11. 编程及AI基础知识\n\n为了便于维护，将原有的ai_wiki目录下内容，包括系统操作、编程基础、AI基础、AI实践等内容，独立同步至仓库[**AI大模型避坑指南**]\n\n里面记录了很多我在实际中遇到的问题和解决方案，同时在实时关注更新技术发展的前沿，欢迎大家关注和star。\n\n✨AI大模型避坑指南：\n- Github: https://github.com/charliedream1/ai_wiki\n- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git\n- 简介：分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域\n\n## 12. 在线投研平台\n\n[**在线投研平台样例**](https://www.joinquant.com/)\n\n\u0026emsp;\u0026emsp;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。\n\n\u0026emsp;\u0026emsp;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、\n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。(\u003cfont color=red\u003e\n**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，\n如果实盘使用如下策略，请慎重使用**\u003c/font\u003e)\n\n### 12.1 聚宽平台\n\n[**聚宽平台**](https://www.joinquant.com/)\n\n欢迎在聚宽平台关注我：量客攻城狮\n- 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\n- 聚宽使用介绍请查看: [egs_online_platform/聚宽_JoinQuant](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_online_platform/%E8%81%9A%E5%AE%BD_JoinQuant)  \n- 该部分代码仅能在 [**聚宽平台**](https://www.joinquant.com/) 运行\n\n\n1. 股票量化策略      \n\n    | 策略    | 收益 | 最大回撤 |   \n    |:-------- |:-------:|:-------:|\n    | [**机器学习-动态因子选择策略**](https://www.joinquant.com/view/community/detail/f2a9d2ec6d4ad18882fa0a364fb9123d) | 12.3% | 38.93% |\n    | [**小市值+多均线量化炒股**](https://www.joinquant.com/view/community/detail/c754d315a391f39f61858dfe3275f45f) | 58.4% | 46.61% |\n    | [**龙虎榜-看长做短**](https://www.joinquant.com/view/community/detail/0986c3b92578952cc22c52f0a5ea4664) | 41.82% | 26.89% |\n    | [**强势股+趋势线判断+止损止盈**](https://www.joinquant.com/view/community/detail/c0390ceabdc1b3365df343490b7caf28) | 10.09% | 21.449% |\n\n2. 股票分析研究\n    * [手把手教你\"机器学习-动态多因子选股\"(附保姆级教程) ](https://www.joinquant.com/view/community/detail/4fa769264b0bf6489b36351b43e37012)\n    * [龙虎榜数据筛选和过滤](https://www.joinquant.com/view/community/detail/a3a95cc7e53092aaea510d93bab9cb96)\n    * [概念板块数据获取和选股](https://www.joinquant.com/view/community/detail/d1bf674ad163654aa263dac859762c90)\n    * [详解: 股票数据获取及图形分析(附详细代码)](https://www.joinquant.com/view/community/detail/8fe84d0d25dcf1a6da72e442460cdf36)\n\n---\n\n## 打赏我 \n\n您的支持是我前进的动力，即便“1毛钱”我也很开心啊，感谢您的打赏和支持 \\(^o^)/\n\n\u003cimg src=\".README_images/支付宝收款码_alma_new.jpg\" width = \"300\" height = \"390\" alt=\"图片名称1\" align=center /\u003e\n\u003cimg src=\".README_images/微信收款码_alma_new.jpg\" width = \"300\" height = \"390\" alt=\"图片名称2\" align=center /\u003e\n\n\n## 讨论\n欢迎在 [Github Discussions](https://github.com/charliedream1/ai_quant_trade/discussions) 中发起讨论。\n\n\n## 技术支持\n\n- 欢迎在 [Github Issues](https://github.com/charliedream1/ai_quant_trade/issues) 中提交问题。\n- 加入知识星球，获取更多技术支持。\n  - [AI智投星球](https://t.zsxq.com/dHt9l)：专注AI量化交易知识分享\n  - [大模型避坑指南](https://t.zsxq.com/q42Js)：专注编程、大模型、AI应用赋能\n  \n## 常见问题\n\n请查看文档[**常见问题**](docs/02_常见问题)\n\n## 引用\n\n``` bibtex\n@misc{ai_quant_trade,\n  author={Yi Li},\n  title={ai_quant_trade},\n  year={2022},\n  publisher = {GitHub},\n  journal = {GitHub repository},\n  howpublished = {\\url{https://github.com/charliedream1/ai_quant_trade}},\n}\n\n```\n","project_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fcharliedream1%2Fai_quant_trade","html_url":"https://awesome.ecosyste.ms/projects/github.com%2Fcharliedream1%2Fai_quant_trade","lists_url":"https://awesome.ecosyste.ms/api/v1/projects/github.com%2Fcharliedream1%2Fai_quant_trade/lists"}