ai_quant_trade
1.0.0
Versi bahasa Inggris
Tutorial Saham AI |
Jika Anda menyukai proyek ini atau ingin mengikuti berita kapan saja, beri saya seperti (bintang kecil di sudut kanan atas halaman), selamat datang untuk membagikannya di komunitas!
Saham AI Trader
Planet Pengetahuan
Selamat datang untuk bergabung dengan planet pengetahuan saya untuk mendapatkan lebih banyak pengetahuan dan layanan! Pembukaan baru, selamat datang untuk mengikuti! Konten akan terus diperbarui!
Akun Publik WeChat
Item Terkait Gudang
| waktu | ciri | Jalur kode |
|---|---|---|
| 2023.04.09 | Analisis Sentimen Pasar Structbert | egs_fin_nlp/emotion_analysis/01_structbert_binary_class |
| 2023.03.28 | Pembelajaran Penguatan Perdagangan Multi-Stok: Pengembalian Tahunan 53% | EGS_TRADE/RL/A002_FINRL/A01_STOCK_NEURIPS2018 |
| 2023.02.28 | Pembelajaran mesin secara otomatis menambang 5.000 faktor dan perkiraan tren stok | EGS_ALPHA/AUTO_ALPHA/TSFRESH |
| 2023.02.05 | Perangkat lunak tampilan disk yang disesuaikan | EGS_AIDE/DISK Watch Artifact/V1 |
| 2023.01.01 | Strategi pembelajaran penguatan mendalam lokal | EGS_TRADE/RL/A001_PROTO_SB3 |
| 2022.11.07 | Simulasi Disk Nyata Lokal Angin | egs_trade/real_bid_simulate/wind |
| 2022.08.03 | Kerangka Kerja Backtesting Dasar + Strategi Rata -Rata Pindah Ganda | egs_trade/vanilla/double_ma |
Populasi yang tepat dari sistem ini:
Pengantar struktur kode dan konten gudang ini
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
Repositori ini belum dienkapsulasi ke dalam paket Python, menyalin seluruh kode sumber proyek.
Instal perpustakaan yang diperlukan
pip install -r requirements.txtPeriksa dokumen di bawah folder kebijakan EGS dan jalankan contoh yang sesuai
Platform Kuantitatif Lokal
Untuk detailnya, silakan merujuk ke direktori: egs_trade
Sistem perdagangan kuantitatif independen dapat dibangun secara lokal, termasuk strategi:
Untuk detailnya, silakan merujuk ke direktori: egs_trade/rl
Sejak pertempuran antara Alphago dan Ke Jie pada tahun 2017, pembelajaran penguatan yang mendalam telah menjadi populer.
Dibandingkan dengan pembelajaran mesin dan pembelajaran yang mendalam, pembelajaran penguatan didasarkan pada tujuan akhir (interaksi adalah tujuannya), dan banyak metode lain untuk mempertimbangkan sub-masalah yang terisolasi (seperti "prediksi harga saham", "prediksi pasar", "keputusan perdagangan", hal ini, "Pedisir," PREACTION PEKERJAAN ", PEKERJAAN PEKERJAAN", PEKERJAAN PEKERJAAN ", PEKERJAAN PEKERJAAN", PEKERJAAN PEKERJAAN ". , dan Anda dapat secara langsung mendapatkan tindakan berkelanjutan dari "laba perdagangan saham".
Contoh Pendahuluan:
| Nomor seri | Strategi | Jalur kode | kertas |
|---|---|---|---|
| 1 | prototipe | EGS_TRADE/RL/A001_PROTO_SB3 | |
| 2 | Tutorial FINRL 0-Neurips2018 | EGS_TRADE/RL/A002_FINRL_TUTORIAL/A01_STOCK_NEURIPS2018 | Pendekatan Pembelajaran Penguatan Deep Praktis untuk Perdagangan Saham (https://arxiv.org/abs/1811.07522) |
Contoh detail backtest
| Nomor seri | Strategi | pasar | Pendapatan tahunan | Retracement maksimum | Tingkat yang tajam |
|---|---|---|---|---|---|
| 1 | prototipe | China A-Shares | |||
| 2 | Tutorial FINRL 0-Neurips2018 | Dow Jones 30, stok AS | 53,1% | -10,4% | 2.17 |
Jaringan peta dapat membangun hubungan antara saham, dan pada saat yang sama, ia juga dapat menghubungkan berbagai informasi seperti saham, berita, emosi, dll., Yang dapat lebih mengeksplorasi jaringan hubungan global.
(Tolong nantikan saat membangun ...)
Sejak kinerja Alexnet menghancurkan kinerja pembelajaran mesin tradisional dalam tugas klasifikasi gambar pada tahun 2012, Deep Learning telah menjadi hit besar dan secara acak memulai gelombang pertama kecerdasan buatan. Ini terutama digunakan untuk harga saham dan peramalan pasar, dll.
(Tolong nantikan saat membangun ...)
Pembelajaran mesin didasarkan pada statistik, dengan fondasi data yang solid, solvabilitas, ketergantungan data rendah, pemanfaatan sumber daya rendah, dan kecepatan pelatihan cepat.
(Tolong nantikan saat membangun ...)
(Tolong nantikan saat membangun ...)
Meskipun strategi tradisional tampaknya menjadi bunga kuning kemarin, mereka lebih operasional dan masih memiliki kegunaan tertentu. Pembelajaran yang mendalam dan pembelajaran mesin sering perlu digunakan bersama dengan aturan.
Strategi rata -rata bergerak ganda
7 bagian pengajaran manajemen portofolio
Lihat Direktori: EGS_TRADE/PAPER_TRADE
Untuk detailnya, silakan merujuk ke direktori: egs_aide
| Nomor seri | alat | Jalur kode |
|---|---|---|
| 1 | Alat tampilan yang disesuaikan | EGS_AIDE/DISK Watch Artifact/V1 |
Untuk detailnya, silakan merujuk ke direktori: egs_alpha
| Nomor seri | Strategi | Jalur kode | kertas |
|---|---|---|---|
| 1 | Pembelajaran mesin secara otomatis menambang 5.000 faktor dan perkiraan tren stok | EGS_ALPHA/AUTO_ALPHA/TSFRESH |
| Nomor seri | Perpustakaan Faktor |
|---|---|
| 1 | alpha101 |
| 2 | Stockstats |
| 3 | ta_lib |
| Nomor seri | alat | Jalur kode |
|---|---|---|
| 1 | Analisis Sentimen Pasar Structbert | egs_fin_nlp/emotion_analysis/01_structbert_binary_class |
Panduan praktik AI
Lihat: ai_wiki
Bagian Kode ini disinkronkan secara independen ke Warehouse AI - Panduan Praktik -
Di sini kami merangkum berbagai platform terkait kuantitatif, sumber daya open source dan pengetahuan. Berikut adalah gudang pengetahuan dan peta navigasi yang kaya.
Di sini kita akan meringkas investasi kuantitatif, windows, linux, shell, vim, markdown, python, c ++, dasar pembelajaran mesin, dasar -dasar matematika,
LeetCode (C ++, Python), Pengetahuan Dasar seperti Pembelajaran Mesin, Pembelajaran mendalam, Pembelajaran Penguatan, Grafik Jaringan Saraf, Pengenalan Pidato, NLP dan Pengenalan Gambar
Struktur Kode dan Pendahuluan Konten
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
Sumber Daya Terkait Kuantitatif
| Nomor seri | alat | jalur |
|---|---|---|
| 1 | Ringkasan sumber daya kuantitatif dari seluruh jaringan | AI_Wiki/12_Quantitative Trading and Investment/01_Resources |
Contoh platform penelitian investasi online
Platform kuantitatif domestik seperti Jukuan, YouMin, Keranjang Beras, Kacang dan Bigquant, dll., Juga dapat mencobanya sendiri jika Anda tertarik.
Investment Research Platform adalah platform cloud yang dirancang untuk penggemar kuantitatif (Kuanke), menyediakan akuisisi data stok gratis, fungsi backtesting yang akurat, antarmuka perdagangan real-time berkecepatan tinggi, dokumen API yang mudah digunakan, dan perpustakaan strategi yang mudah diimplementasikan dan memverifikasi strategi dengan cepat. ( Catatan: Strategi berikut hanya valid di segmen backtest, dan tidak ada tuning terperinci dan verifikasi siklus penuh dilakukan. Selain itu, tidak ada strategi yang dapat memastikan efektivitas siklus penuh. Jika strategi berikut digunakan dalam perdagangan real-time, silakan gunakan dengan hati-hati )
Platform Jukuan
Selamat datang untuk mengikuti saya di Platform Jukuan: Liangse Siege City Lion
Strategi kuantitatif stok
| Strategi | penghasilan | Retracement maksimum |
|---|---|---|
| Pembelajaran Mesin - Strategi Pemilihan Faktor Dinamis | 12,3% | 38,93% |
| Nilai pasar kecil + spekulasi saham kuantitatif rata-rata multi-mode | 58,4% | 46,61% |
| Daftar naga dan harimau - lihat yang panjang dan buat pendek | 41,82% | 26,89% |
| Saham yang kuat + penilaian jalur tren + stop loss dan berhenti laba | 10,09% | 21.449% |
Penelitian Analisis Stok
Dukungan Anda adalah motivasi saya untuk bergerak maju.
Selamat datang untuk memulai diskusi dalam diskusi GitHub.
Selamat datang untuk mengirimkan pertanyaan dalam masalah GitHub.
Silakan periksa dokumentasi untuk FAQ
@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} } ,
}
