Ecosyste.ms: Awesome

An open API service indexing awesome lists of open source software.
Awesome Lists | Featured Topics | Projects
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、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: 5 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、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 (over 2 years ago)
Default Branch: master
Last Pushed: 2024-12-25T07:18:21.000Z (6 days ago)
Last Synced: 2024-12-25T08:25:10.923Z (6 days ago)
Topics: cpp, jupyter-notebook, keras, mlflow, python, pytorch, sklearn, tensorflow, trading-bot, trading-platform, trading-strategies
Language: Jupyter Notebook
Homepage:
Size: 52.3 MB
Stars: 1,463
Watchers: 41
Forks: 332
Open Issues: 7
Metadata Files:
- Readme: README.md
- Contributing: CONTRIBUTING.md
- License: LICENSE
- Code of conduct: CODE_OF_CONDUCT.md
Awesome Lists containing this project

README

        # 股票AI操盘手  

[**ENGLISH VERSION**](https://github.com/charliedream1/ai_quant_trade/blob/master/README_EN.md)

[![License](https://img.shields.io/badge/License-Apache%202.0-brightgreen.svg)](https://opensource.org/licenses/Apache-2.0)

[![Python-Version](https://img.shields.io/badge/Python-3.8-brightgreen)](https://github.com/charliedream1/ai_quant_trade)

[**AI炒股教程**](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)

| [**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!**

  


**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

**本仓库关联项目**

- 《AI驯龙笔记》：https://github.com/charliedream1/ai_wiki

  - 所有你要的AI全栈知识笔记都在这里

## :newspaper: 新特性 :fire:

| **时间**    | **特性**                                                                                                                                      |  **代码路径** |   

|:-------- |:--------------------------------------------------------------------------------------------------------------------------------------------| :-------|

| 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) | 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) | 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**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_alpha/auto_alpha/tsfresh)                      | 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)             | egs_aide/看盘神器/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)                                   | egs_trade/rl/a001_proto_sb3 |

| 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)                              | 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)                               | egs_trade/vanilla/double_ma |

## 目录   

* [1. 简介](#1._简介)  

* [2. 使用](#2._使用)  

* [3. 本地量化平台](#3._本地量化平台)  

    * [3.1 强化学习策略](#3.1_强化学习策略)  

    * [3.2 图网络策略](#3.2_图网络策略)  

    * [3.3 深度学习策略](#3.3_深度学习策略)  

    * [3.4 机器学习策略](#3.4_机器学习策略)  

    * [3.5 高频交易](#3.5_高频交易)  

    * [3.6 传统策略](#3.7_传统策略)  

* [4. 实盘](#4._实盘)  

    * [4.1 实盘模拟](#4.1_实盘模拟)  

* [5. 辅助操盘](#5._辅助操盘) 

* [6. 因子挖掘](#6._因子挖掘)   

* [7. 数据获取](#7._数据获取)   

* [8. 文本分析](#8._文本分析)   

* [9. AI-实践指南](#9.__AI-实践指南)  

* [10. 在线投研平台](#10._在线投研平台)  

    * [10.1 聚宽平台](#10.1_聚宽平台)  

* [打赏我](#打赏我)  

* [关注我](#关注我)   

* [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_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，

1. 安装所需库

    ```shell

    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**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade)  

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。 

![trades_on_k_line](.README_images/强化学习.png)

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 | 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 | 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。

1. [双均线策略](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/vanilla/double_ma)

    - [详细使用教程](https://github.com/charliedream1/ai_quant_trade/tree/master/docs/%E6%9C%AC%E4%BB%93%E5%BA%93%E6%95%99%E7%A8%8B)

    

    ![trades_on_k_line](.README_images/trades_on_k_line.png)

2. [投资组合管理7节教学](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/vanilla/portfolio_optimization)

## 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**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/paper_trade/wind)

## 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

![](.README_images/数据源.png)

## 8. 文本分析

| **序号**    | **工具**  | **代码路径** |  

|:-------- |:-------- |:-------| 

| 1 | [**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) | egs_fin_nlp/emotion_analysis/01_StructBert_Binary_Class |

## 9. AI-实践指南

[**AI-实践指南**](https://github.com/charliedream1/ai_quant_trade/tree/master/ai_wiki) 

  代码参见：ai_wiki

  本部分代码独立同步至仓库[**AI-实践指南-**](https://github.com/charliedream1/ai_wiki)

  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

1. 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

    ```

2. 量化相关资源

   | **序号**    | **工具**  | **路径** |  

    |:-------- |:-------- |:-------| 

    | 1 | [**全网量化资源汇总**](https://github.com/charliedream1/ai_quant_trade/tree/master/ai_wiki/12_量化交易与投资/01_资源) | 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**](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**)

### 10.1 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)

## 关注我

- [知乎](https://www.zhihu.com/people/yi-dui-ji-mu-zai-kuang-xiang)

- [聚宽](https://www.joinquant.com/user/d7aafd0b8b767b735bfb6f3639c81a6c)

---

**知识星球**

欢迎加入我的知识星球，获取更多知识和服务！



**微信公众号**



---

## 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。

## 常见问题

请查看文档[**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}},

}

```