https://github.com/charliedream1/ai_quant_trade
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
https://github.com/charliedream1/ai_quant_trade
cpp jupyter-notebook keras mlflow python pytorch sklearn tensorflow trading-bot trading-platform trading-strategies
Last synced: 9 days ago
JSON representation
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
- Host: GitHub
- URL: https://github.com/charliedream1/ai_quant_trade
- Owner: charliedream1
- License: apache-2.0
- Created: 2022-06-09T23:55:44.000Z (almost 3 years ago)
- Default Branch: master
- Last Pushed: 2025-03-26T15:13:45.000Z (26 days ago)
- Last Synced: 2025-04-05T09:02:54.956Z (17 days ago)
- Topics: cpp, jupyter-notebook, keras, mlflow, python, pytorch, sklearn, tensorflow, trading-bot, trading-platform, trading-strategies
- Language: Jupyter Notebook
- Homepage:
- Size: 63.1 MB
- Stars: 2,637
- Watchers: 57
- Forks: 568
- Open Issues: 8
-
Metadata Files:
- Readme: README.md
- Contributing: CONTRIBUTING.md
- License: LICENSE
- Code of conduct: CODE_OF_CONDUCT.md
Awesome Lists containing this project
README
# AI量化交易操盘手
[**ENGLISH VERSION**](https://github.com/charliedream1/ai_quant_trade/blob/master/README_EN.md)
[](https://opensource.org/licenses/Apache-2.0)
[](https://github.com/charliedream1/ai_quant_trade)
[**AI量化教程**](https://github.com/charliedream1/ai_quant_trade/tree/master/ai_wiki)
| [**本地策略**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade)
| [**辅助操盘**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_aide)
| [**因子挖掘**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_alpha)
| [**文本分析**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_fin_nlp)
| [**大模型**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_llm)
| [**数据处理**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_data)
| [**在线投研平台**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_online_platform)
| [**使用文档**](https://github.com/charliedream1/ai_quant_trade/tree/master/docs)
**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!**
**AI量化交易操盘手**
- 一站式平台：从学习、模拟到实盘
- 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
- 资源汇总：全网资源汇总、实战案例、论文解读、代码实现
- 提供辅助操盘工具：辅助盯盘、股票推荐
- 覆盖股票、基金、加密货币等多个市场
- 实盘部署工具：python/C++/CPU/GPU等部署
---
## 配套资源
本代码仓秉承收费和免费并行的原则。
### 收费资源
**知识星球**
知识星球官网注册，用户权益有保障。
[星球内容介绍](docs/03_星球使用和介绍)
🔥低至每日1毛|独家速成课|无痛学课|📺视频教程|答疑解惑|
开源避坑指南|自研工具代码|3分钟视频论文速度|图书馆|
全网最低价量化类星球之一|3天不满意免费退款
👇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🎏
星球视频介绍：
- 星球使用指南：https://mp.weixin.qq.com/s/SGc49e0xf24q5aUbf3rO0g?token=2028063978&lang=zh_CN
- 学习路线及群内资源使用：https://mp.weixin.qq.com/s/3-U048mc0riVsdETrKr77g
星球加入链接：
- [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
- [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
星球介绍：
- [**星球内容介绍**](docs/03_星球使用和介绍/01_星球介绍.md)
- [**新人使用指南**](docs/03_星球使用和介绍/02_新人使用指南.md)
福利限时放送：
🧧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。🧧
🧧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）🧧
👇扫码查看“星球”更详细的介绍（里面有搞笑漫画哦）！
🎈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！
🎯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
---
### 免费资源
**微信公众号**
🔥最新资讯实时关注
🎁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！！！
---
- [知乎：576关注者](https://www.zhihu.com/people/yi-dui-ji-mu-zai-kuang-xiang)
- [聚宽：599关注者](https://www.joinquant.com/user/d7aafd0b8b767b735bfb6f3639c81a6c)
---
**代码仓 (永久免费)**
✨AI量化交易操盘手:
- Github: https://github.com/charliedream1/ai_quant_trade
- Gitee（国内镜像）: https://gitee.com/charlie1/ai_quant_trade.git
**本仓库配套项目**
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**]
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。
✨AI大模型避坑指南：
- Github: https://github.com/charliedream1/ai_wiki
- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git
- 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
---
## :newspaper: 新特性 :fire:
| **时间** | **特性** |
|:-----------|:-----------------------------------------------------------------------------|
| 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) |
2023
| **时间** | **特性** |
|:-----------|:--------------------------------------------------------------------------------------------------------------------------------------------|
| 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) |
| 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) |
| 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) |
| 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) |
| 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) |
2022
| **时间** | **特性** |
|:-----------|:--------------------------------------------------------------------------------------------------------------------------------------------|
| 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) |
| 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) |
## 目录
* [1. 简介](#1-简介)
* [2. 使用](#2-使用)
* [3. 量化资源集合](#3-量化资源集合)
* [4. 本地量化平台](#4-本地量化平台)
* [4.1 强化学习策略](#41-强化学习策略)
* [4.2 图网络策略](#42_图网络策略)
* [4.3 深度学习策略](#43_深度学习策略)
* [4.4 机器学习策略](#44_机器学习策略)
* [4.5 高频交易](#45_高频交易)
* [4.6 传统策略](#46_传统策略)
* [5. 实盘](#5_实盘)
* [5.1 实盘模拟](#51_实盘模拟)
* [6. 辅助操盘](#6_辅助操盘)
* [7. 因子挖掘](#7_因子挖掘)
* [8. 数据获取](#8_数据获取)
* [9. 文本分析](#9_文本分析)
* [10. 大模型](#10_大模型)
* [11. 编程及AI基础知识](#11_编程及AI基础知识)
* [12. 在线投研平台](#12_在线投研平台)
* [12.1 聚宽平台](#121_聚宽平台)
* [打赏我](#打赏我)
* [讨论](#讨论)
* [技术支持](#技术支持)
* [常见问题](#常见问题)
* [引用](#引用)
## 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_notes (金融量化交易知识，以Markdown, Jupyter Notebook汇总知识体系)
│ ├── 资源：持续收录全网优秀资源
│ ├── 实战：各类工具、框架、库的使用及踩坑实录
│ ├── 热点：金融市场热点、技术热点、论文解读
├── 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)
│ ├── 开源工具 (各类开源数据获取工具使用介绍)
├── egs_fin_nlp (文本分析)
│ ├── emotion_analysis (情感分析)
├── egs_llm (大模型应用)
├── 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，在每个egs下的示例中均有详细的**使用说明**和**原理介绍**。
安装依赖包
>pip install -r requirements.txt
## 3. 量化资源集合
[(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)
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，
收录在[ai_notes](ai_notes)文件夹下，方便大家查找。
🎯**开发中**
- 陆续对所有工具进行点评，方便选择
- 陆续记录各个工具的优缺点，形成一个对比表，方便选型
- 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
⛳⛳⛳**AI基础知识**
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**]
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。
✨AI大模型避坑指南：
- Github: https://github.com/charliedream1/ai_wiki
- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git
- 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
## 4. 本地量化平台
[**本地量化平台**](egs_trade)
🎯 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。
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
- 大模型
- 传统规则类策略
### 4.1 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。
1. 样例介绍：
| **序号** | **策略** | **论文** |
|:-------- |:-------------------------------------------------------------------------------|:-------------------------------------------------------|
| 1 | [原型](egs_trade/rl/a001_proto_sb3) | 无 |
| 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） |
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](egs_trade/rl/a001_proto_sb3) | 中国A股 | | | |
| 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 |
### 4.2 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。。。)
### 4.3 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。。。)
### 4.4 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。。。)
### 4.5 高频交易
(构建中，尽请期待。。。)
### 4.6 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。
1. [双均线策略+简易手写回测框架](egs_trade/vanilla/double_ma)
- [详细使用教程](egs_trade/vanilla/double_ma/文档教程)
- 包含策略代码+自建纯手写回测框架
- 包含良好的绘图，指示买点和卖点
- 目标：通过这个实例了解量化交易的完整框架构建方式
2. [投资组合管理7节教学](egs_trade/vanilla/portfolio_optimization)
## 5. 实盘
**代码详细参见目录：[egs_trade](egs_trade)**
### 5.1 实盘模拟
1. [**Wind本地实盘模拟：双均线策略**](egs_trade/paper_trade/wind)
- 利用wind软件实现的实盘模拟
- 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
- 使用对象：机构
## 6. 辅助操盘
**代码详细参见目录：[egs_aide](egs_tools)**
1. [利用EXCEL看盘](egs_tools/a01_market_monitor_via_excel/v1)
- 看盘是不容易被发现
- 可以自己加入要盯盘的股票
- 可以方便利用excel快速计算和处理数据
## 7. 因子挖掘
**代码详细参见目录：[egs_alpha](egs_alpha)**
### 7.1 因子挖掘策略
| **序号** | **策略** | **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) | |
### 7.2 因子库
| **序号** | **因子库** |
|:-------- |:----------------------------------------------------------------------|
| 1 | [alpha101](egs_alpha/alpha_libs/alpha101) |
| 2 | [stockstats](egs_alpha/alpha_libs/stockstats) |
| 3 | [ta_lib](egs_alpha/alpha_libs/ta_lib) |
## 8. 数据处理
- 各类常见数据源使用详解
- 统一数据源接口
## 9. 文本分析
**代码详细参见目录：[egs_fin_nlp](egs_fin_nlp)**
| **序号** | **工具** |
|:-------- |:-------- |
| 1 | [**StructBERT市场情绪分析**](egs_fin_nlp/emotion_analysis/01_StructBert_Binary_Class) |
## 10. 大模型
**代码详细参见目录：[egs_llm](egs_llm)**
| **序号** | **工具** |
|:-------- |:-----------------------------------------------------------------------------|
| 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) |
## 11. 编程及AI基础知识
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**]
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。
✨AI大模型避坑指南：
- Github: https://github.com/charliedream1/ai_wiki
- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git
- 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
## 12. 在线投研平台
[**在线投研平台样例**](https://www.joinquant.com/)
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**)
### 12.1 聚宽平台
[**聚宽平台**](https://www.joinquant.com/)
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](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_online_platform/%E8%81%9A%E5%AE%BD_JoinQuant)
- 该部分代码仅能在 [**聚宽平台**](https://www.joinquant.com/) 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**](https://www.joinquant.com/view/community/detail/f2a9d2ec6d4ad18882fa0a364fb9123d) | 12.3% | 38.93% |
| [**小市值+多均线量化炒股**](https://www.joinquant.com/view/community/detail/c754d315a391f39f61858dfe3275f45f) | 58.4% | 46.61% |
| [**龙虎榜-看长做短**](https://www.joinquant.com/view/community/detail/0986c3b92578952cc22c52f0a5ea4664) | 41.82% | 26.89% |
| [**强势股+趋势线判断+止损止盈**](https://www.joinquant.com/view/community/detail/c0390ceabdc1b3365df343490b7caf28) | 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) ](https://www.joinquant.com/view/community/detail/4fa769264b0bf6489b36351b43e37012)
* [龙虎榜数据筛选和过滤](https://www.joinquant.com/view/community/detail/a3a95cc7e53092aaea510d93bab9cb96)
* [概念板块数据获取和选股](https://www.joinquant.com/view/community/detail/d1bf674ad163654aa263dac859762c90)
* [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)
---
## 打赏我
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^)/
## 讨论
欢迎在 [Github Discussions](https://github.com/charliedream1/ai_quant_trade/discussions) 中发起讨论。
## 技术支持
- 欢迎在 [Github Issues](https://github.com/charliedream1/ai_quant_trade/issues) 中提交问题。
- 加入知识星球，获取更多技术支持。
- [AI智投星球](https://t.zsxq.com/dHt9l)：专注AI量化交易知识分享
- [大模型避坑指南](https://t.zsxq.com/q42Js)：专注编程、大模型、AI应用赋能
## 常见问题
请查看文档[**常见问题**](docs/02_常见问题)
## 引用
``` bibtex
@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}},
}
```