ai_quant_trade
1.0.0
영어 버전
AI Trading Tutorial |
이 프로젝트가 마음에 들거나 언제든지 뉴스를 따르고 싶다면 (페이지의 오른쪽 상단에있는 작은 별), 커뮤니티에서 공유 할 수 있습니다!
주식 AI 트레이더
지식 행성
더 많은 지식과 서비스를 얻으려면 My Knowledge Planet에 가입하는 것을 환영합니다! 새로운 오프닝, 팔로우에 오신 것을 환영합니다! 콘텐츠가 계속 업데이트됩니다!
Wechat 공개 계정
창고 관련 품목
| 시간 | 특성 | 코드 경로 |
|---|---|---|
| 2023.04.09 | Structbert 시장 감정 분석 | egs_fin_nlp/extion_analysis/01_structbert_binary_class |
| 2023.03.28 | 강화 학습 멀티 스탁 거래 : 연간 수익 53% | EGS_TRADE/RL/A002_FINRL/A01_STOCK_NEURIPS2018 |
| 2023.02.28 | 머신 러닝은 자동으로 5,000 요인 및 주식 추세 예측을 채굴합니다. | EGS_ALPHA/AUTO_ALPHA/TSFRESH |
| 2023.02.05 | 맞춤형 디스크보기 소프트웨어 | eGS_AIDE/디스크 시계 아티팩트/v1 |
| 2023.01.01 | 지역 깊은 강화 학습 전략 | EGS_TRADE/RL/A001_PROTO_SB3 |
| 2022.11.07 | 로컬 실제 디스크 시뮬레이션 | egs_trade/real_bid_simulate/wind |
| 2022.08.03 | 기본 백 테스트 프레임 워크 + 이중 이동 평균 전략 | eGS_TRADE/바닐라/더블_MA |
이 시스템의 적절한 인구 :
이 창고의 코드 구조 및 내용 소개
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
이 저장소는 아직 Python 패키지로 캡슐화되지 않았으며 전체 프로젝트 소스 코드를 복사했습니다.
필요한 라이브러리를 설치하십시오
pip install -r requirements.txtEGS 정책 폴더 아래에서 문서를 확인하고 해당 인스턴스를 실행하십시오.
지역 정량 플랫폼
자세한 내용은 디렉토리를 참조하십시오 : EGS_Trade
독립적 인 정량적 거래 시스템은 전략을 포함하여 로컬로 구축 할 수 있습니다.
자세한 내용은 디렉토리를 참조하십시오 : EGS_TRADE/RL
2017 년 Alphago와 Ke Jie 간의 전투 이후 깊은 강화 학습이 인기를 얻었습니다.
기계 학습 및 딥 러닝과 비교할 때 강화 학습은 궁극적 인 목표 (상호 작용은 목표)를 기반으로하며, 다른 많은 방법은 고립 된 하위 프로젝트 (예 : "주식 가격 예측", "시장 예측", "거래 결정"등)를 고려하는 것입니다 "그리고"주식 거래 이익 "의 지속적인 조치를 직접 얻을 수 있습니다.
샘플 소개 :
| 일련 번호 | 전략 | 코드 경로 | 종이 |
|---|---|---|---|
| 1 | 원기 | EGS_TRADE/RL/A001_PROTO_SB3 | |
| 2 | FINRL 튜토리얼 0-neurips2018 | EGS_TRADE/RL/A002_FINRL_TUTORION/A01_STOCK_NEURIPS2018 | 주식 거래를위한 실질적인 깊은 강화 학습 접근법 (https://arxiv.org/abs/1811.07522) |
샘플 백 테스트 세부 사항
| 일련 번호 | 전략 | 시장 | 연간 소득 | 최대 되돌아 | 날카로운 속도 |
|---|---|---|---|---|---|
| 1 | 원기 | 중국 A- 샤 | |||
| 2 | FINRL 튜토리얼 0-neurips2018 | Dow Jones 30, 미국 주식 | 53.1% | -10.4% | 2.17 |
MAP 네트워크는 주식 간의 관계를 더 잘 구축 할 수 있으며 동시에 주식, 뉴스, 감정 등과 같은 다양한 정보를 연결하여 글로벌 관계 네트워크를 더 잘 탐색 할 수 있습니다.
(건물을 건설하는 동안 기대 해주세요 ...)
2012 년 이미지 분류 작업에서 Alexnet의 성능이 이미지 분류 작업에서 전통적인 기계 학습 성능을 무너 뜨린 이후, 딥 러닝은 큰 타격이되었으며 인공 지능의 첫 번째 물결을 무작위로 시작했습니다. 주로 주가 및 시장 예측 등에 사용됩니다.
(건물을 건설하는 동안 기대 해주세요 ...)
머신 러닝은 견고한 데이터 기반, 용액, 낮은 데이터 의존성, 낮은 리소스 활용 및 빠른 교육 속도와 함께 통계를 기반으로합니다.
(건물을 건설하는 동안 기대 해주세요 ...)
(건물을 건설하는 동안 기대 해주세요 ...)
전통적인 전략은 어제의 노란 꽃인 것처럼 보이지만, 더 운영되고 있으며 여전히 유용합니다. 딥 러닝 및 기계 학습은 종종 규칙과 함께 사용해야합니다.
이중 이동 평균 전략
7 포트폴리오 관리 교육 섹션
디렉토리를 참조하십시오 : egs_trade/paper_trade
자세한 내용은 디렉토리를 참조하십시오 : EGS_AIDE
| 일련 번호 | 도구 | 코드 경로 |
|---|---|---|
| 1 | 맞춤형보기 도구 | eGS_AIDE/디스크 시계 아티팩트/v1 |
자세한 내용은 디렉토리를 참조하십시오 : EGS_ALPHA
| 일련 번호 | 전략 | 코드 경로 | 종이 |
|---|---|---|---|
| 1 | 머신 러닝은 자동으로 5,000 요인 및 주식 추세 예측을 채굴합니다. | EGS_ALPHA/AUTO_ALPHA/TSFRESH |
| 일련 번호 | 팩터 라이브러리 |
|---|---|
| 1 | alpha101 |
| 2 | 스톡 스타트 |
| 3 | ta_lib |
| 일련 번호 | 도구 | 코드 경로 |
|---|---|---|
| 1 | Structbert 시장 감정 분석 | egs_fin_nlp/extion_analysis/01_structbert_binary_class |
AI-Practice 가이드
AI_WIKI를 참조하십시오
코드 의이 부분은 독립적으로 창고 AI와 동기화됩니다 - 연습 안내서 -
여기서 우리는 다양한 정량적 관련 플랫폼, 오픈 소스 리소스 및 지식을 요약합니다. 다음은 풍부한 지식 창고 및 내비게이션 맵입니다.
여기서 우리는 정량적 투자, 창, 리눅스, 쉘, vim, 마크 다운, 파이썬, C ++, 머신 러닝 수학 기본 사항을 요약 할 것입니다.
Leetcode (C ++, Python), 기계 학습, 딥 러닝, 강화 학습, 그래프 신경망, 음성 인식, NLP 및 이미지 인식과 같은 기본 지식
코드 구조 및 컨텐츠 소개
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
정량적 관련 자원
| 일련 번호 | 도구 | 길 |
|---|---|---|
| 1 | 전체 네트워크의 정량적 리소스 요약 | ai_wiki/12_quantitative 거래 및 투자/01_Resources |
온라인 투자 연구 플랫폼의 예
Jukuan, Youmin, Rice Basket, Nut 및 BigQuant 등과 같은 국내 정량 플랫폼도 관심이 있으시면 직접 시도 할 수 있습니다.
Investment Research Platform은 정량적 애호가 (Kuanke)를위한 클라우드 플랫폼으로, 무료 재고 데이터 수집, 정확한 백 테스트 기능, 고속 실시간 거래 인터페이스, 사용하기 쉬운 API 문서 및 전략을 신속하게 구현하고 확인할 수있는 전략 라이브러리를 제공합니다. ( 참고 : 다음 전략은 백 테스트 세그먼트에서만 유효하며 자세한 튜닝 및 풀 사이클 검증은 수행되지 않습니다. 또한 전략은 전체 사이클 효율성을 보장 할 수 없습니다. 다음 전략이 실시간 거래에 사용되면주의해서 사용하십시오 ).
Jukuan 플랫폼
Jukuan 플랫폼에서 나를 따라 오신 것을 환영합니다 : Liangke Siege City Lion
재고 정량적 전략
| 전략 | 소득 | 최대 되돌아 |
|---|---|---|
| 기계 학습 - 동적 요소 선택 전략 | 12.3% | 38.93% |
| 작은 시장 가치 + 멀티 모드 평균 정량적 주식 추측 | 58.4% | 46.61% |
| Dragon and Tiger List - Long을보고 짧게 만듭니다. | 41.82% | 26.89% |
| 강한 주식 + 추세선 판단 + 중지 손실 및 중지 이익 | 10.09% | 21.449% |
주식 분석 연구
당신의 지원은 "10 센트"라도 앞으로 나아가는 동기입니다.
Github 토론에서 토론을 시작하는 데 오신 것을 환영합니다.
GitHub 문제에 대한 질문을 제출하는 데 오신 것을 환영합니다.
FAQ 문서를 확인하십시오
@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} } ,
}
