ai_quant_trade
1.0.0
النسخة الإنجليزية
AI Trading Trading |
إذا كنت تحب هذا المشروع أو ترغب في اتباع الأخبار في أي وقت ، فالرجاء إعطائي (The Little Star في الزاوية اليمنى العليا من الصفحة) ، مرحبًا بك في مشاركته في المجتمع!
تاجر الأسهم الذكاء الاصطناعي
كوكب المعرفة
مرحبًا بك للانضمام إلى كوكب معرفتي للحصول على مزيد من المعرفة والخدمات! افتتاح جديد ، مرحبًا بك للمتابعة! سيستمر تحديث المحتوى!
حساب WeChat العام
العناصر المتعلقة بالمستودع
| وقت | خاصية | مسار الكود |
|---|---|---|
| 2023.04.09 | تحليل المعنويات في السوق | egs_fin_nlp/suffion_analysis/01_structbert_binary_class |
| 2023.03.28 | التعلم التعزيز متعدد المخططات: العائد السنوي 53 ٪ | EGS_TRADE/RL/A002_FINRL/A01_STOCK_NEURIPS2018 |
| 2023.02.28 | التعلم الآلي تلقائيًا استخراج 5000 عامل وتوقعات اتجاه الأسهم | egs_alpha/auto_alpha/tsfresh |
| 2023.02.05 | برنامج عرض القرص المخصص | EGS_AIDE/DISK WATCH ARTIFACT/V1 |
| 2023.01.01 | استراتيجية التعلم التعزيز العميق المحلي | EGS_TRADE/RL/A001_PROTO_SB3 |
| 2022.11.07 | محاكاة الرياح الواقعة المحلية | egs_trade/real_bid_simulate/wind |
| 2022.08.03 | إطار الاختبار الأساسي | egs_trade/vanilla/double_ma |
السكان المناسبين لهذا النظام:
مقدمة في بنية الكود ومحتوى هذا المستودع
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
لم يتم تغليف هذا المستودع في حزمة Python حتى الآن ، مما ينسخ رمز مصدر المشروع بأكمله.
تثبيت المكتبات المطلوبة
pip install -r requirements.txtتحقق من المستند ضمن مجلد سياسة EGS وقم بتشغيل المثيل المقابل
منصة كمية محلية
للحصول على التفاصيل ، يرجى الرجوع إلى الدليل: EGS_TRADE
يمكن بناء نظام تداول كمي مستقل محليًا ، بما في ذلك الاستراتيجيات:
للحصول على تفاصيل ، يرجى الرجوع إلى الدليل: EGS_TRADE/RL
منذ المعركة بين AlphaGo و Ke Jie في عام 2017 ، أصبحت تعلم التعزيز العميق شائعًا.
بالمقارنة مع التعلم الآلي والتعلم العميق ، يعتمد تعلم التعزيز على الهدف النهائي (التفاعل هو الهدف) ، والعديد من الطرق الأخرى هي النظر ، ويمكنك الحصول مباشرة على إجراء مستمر من "ربح تداول الأسهم".
مقدمة عينة:
| رقم سري | الاستراتيجية | مسار الكود | ورق |
|---|---|---|---|
| 1 | النموذج الأولي | EGS_TRADE/RL/A001_PROTO_SB3 | |
| 2 | FINRL البرنامج التعليمي 0-NEURIPS2018 | egs_trade/rl/a002_finrl_tutorial/a01_stock_neurips2018 | نهج التعلم العملي للتعزيز العميق لتداول الأسهم (https://arxiv.org/abs/1811.07522) |
عينة من التفاصيل الخفية
| رقم سري | الاستراتيجية | سوق | الدخل السنوي | الحد الأقصى للتراجع | معدل حاد |
|---|---|---|---|---|---|
| 1 | النموذج الأولي | الصين أ | |||
| 2 | FINRL البرنامج التعليمي 0-NEURIPS2018 | داو جونز 30 ، أسهم الولايات المتحدة | 53.1 ٪ | -10.4 ٪ | 2.17 |
يمكن لشبكة MAP أن تبني العلاقة بين الأسهم ، وفي الوقت نفسه ، يمكنها أيضًا ربط معلومات مختلفة مثل الأسهم والأخبار والعواطف ، وما إلى ذلك ، والتي يمكنها استكشاف شبكة العلاقات العالمية بشكل أفضل.
(من فضلك نتطلع إلى ذلك أثناء البناء ...)
نظرًا لأن أداء Alexnet قد سحق أداء التعلم الآلي التقليدي في مهام تصنيف الصور في عام 2012 ، فقد أصبح التعلم العميق نجاحًا كبيرًا وبدأ بشكل عشوائي الموجة الأولى من الذكاء الاصطناعي. يستخدم بشكل أساسي لسعر الأسهم والتنبؤ في السوق ، إلخ.
(من فضلك نتطلع إلى ذلك أثناء البناء ...)
يعتمد التعلم الآلي على الإحصاءات ، مع أساس البيانات الصلبة ، ومحلولها ، والاعتماد على البيانات المنخفضة ، وسرعة التدريب السريع ، وسرعة التدريب السريع.
(من فضلك نتطلع إلى ذلك أثناء البناء ...)
(من فضلك نتطلع إلى ذلك أثناء البناء ...)
على الرغم من أن الاستراتيجيات التقليدية يبدو أنها زهرة صفراء بالأمس ، إلا أنها أكثر تشغيلية ولا تزال لها فناء معين. التعلم العميق والتعلم الآلي غالبا ما يجب استخدامه بالاقتران مع القواعد.
إستراتيجية متوسط الحركة المزدوجة
7 أقسام من تدريس إدارة المحافظ
انظر الدليل: egs_trade/paper_trade
لمزيد من التفاصيل ، يرجى الرجوع إلى الدليل: egs_aide
| رقم سري | أداة | مسار الكود |
|---|---|---|
| 1 | أدوات عرض مخصصة | EGS_AIDE/DISK WATCH ARTIFACT/V1 |
لمزيد من التفاصيل ، يرجى الرجوع إلى الدليل: EGS_ALPHA
| رقم سري | الاستراتيجية | مسار الكود | ورق |
|---|---|---|---|
| 1 | التعلم الآلي تلقائيًا استخراج 5000 عامل وتوقعات اتجاه الأسهم | egs_alpha/auto_alpha/tsfresh |
| رقم سري | مكتبة عامل |
|---|---|
| 1 | ألفا 101 |
| 2 | StockStats |
| 3 | Ta_lib |
| رقم سري | أداة | مسار الكود |
|---|---|---|
| 1 | تحليل المعنويات في السوق | egs_fin_nlp/suffion_analysis/01_structbert_binary_class |
دليل الممارسة AI
انظر: ai_wiki
تتم مزامنة هذا الجزء من الكود بشكل مستقل مع دليل الممارسة - دليل الممارسة -
هنا نلخص مختلف المنصات الكمية ذات الصلة ، وموارد المصادر المفتوحة والمعرفة. هنا مستودع المعرفة الغنية وخريطة التنقل.
هنا سنلخص الاستثمار الكمي ، النوافذ ، Linux ، Shell ، VIM ، Markdown ، Python ، C ++ ، أساسيات الرياضيات التعلم الآلي ،
LeetCode (C ++ ، Python) ، المعرفة الأساسية مثل التعلم الآلي ، التعلم العميق ، التعلم التعزيز ، الشبكات العصبية الرسم البياني ، التعرف على الكلام ، NLP والتعرف على الصور
بنية الكود ومقدمة المحتوى
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
الموارد الكمية ذات الصلة
| رقم سري | أداة | طريق |
|---|---|---|
| 1 | ملخص الموارد الكمية للشبكة بأكملها | Ai_wiki/12_quantitative Trading and Investment/01_resources |
أمثلة على منصة أبحاث الاستثمار عبر الإنترنت
يمكن أن تجربها المنصات الكمية المحلية مثل Jukuan و YouMin و BASTER BACK و BIGQUANT ، وما إلى ذلك إذا كنت مهتمًا.
منصة أبحاث الاستثمار هي منصة سحابة مصممة خصيصًا لعشاق الكمية (Kuanke) ، حيث توفر الحصول على بيانات مجانية للبيانات ، ووظائف الاختبار الخلفي الدقيق ، وواجهة التداول في الوقت الفعلي عالي السرعة ، ومستندات واجهة برمجة تطبيقات سهلة الاستخدام ، ومكتبة استراتيجية يسهل تنفيذها والتحقق من الاستراتيجيات بسرعة. ( ملاحظة: إن الاستراتيجية التالية صالحة فقط في شريحة الاختبار الخلفي ، ولا يتم إجراء ضبط مفصل والتحقق من الدورة الكاملة. بالإضافة إلى ذلك ، لا يمكن لأي استراتيجية ضمان فعالية الدورة الكاملة. إذا تم استخدام الاستراتيجية التالية في التداول في الوقت الفعلي ، فيرجى استخدامها بحذر )
منصة Jukuan
مرحبًا بك في متابعتي على منصة Jukuan: Liangke Siege City Lion
الاستراتيجية الكمية المخزون
| الاستراتيجية | دخل | الحد الأقصى للتراجع |
|---|---|---|
| التعلم الآلي - استراتيجية اختيار العوامل الديناميكية | 12.3 ٪ | 38.93 ٪ |
| القيمة السوقية الصغيرة + متوسط تكهنات الأسهم الكمية متعددة الوضع | 58.4 ٪ | 46.61 ٪ |
| قائمة التنين والنمر - انظر إلى الطول وجعل القصور القصير | 41.82 ٪ | 26.89 ٪ |
| الأسهم القوية + الحكم خط الاتجاه + توقف الخسارة ووقف الربح | 10.09 ٪ | 21.449 ٪ |
أبحاث تحليل الأسهم
دعمكم هو المضي قدمًا.
مرحبًا بك لبدء مناقشة في مناقشات جيثب.
مرحبًا بك في تقديم الأسئلة في قضايا GitHub.
يرجى التحقق من وثائق الأسئلة الشائعة
@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} } ,
}
