ai_quant_trade
1.0.0
Английская версия
Айно -аккумуляторная торговля
Если вам нравится этот проект или вы хотите следовать новостям в любое время, пожалуйста, дайте мне пример (маленькая звезда в правом верхнем углу страницы), добро пожаловать, чтобы поделиться им в сообществе!
Стоковой трейдер искусственного интеллекта
Знание планета
Добро пожаловать, чтобы присоединиться к моим знаниям Planet, чтобы получить больше знаний и услуг! Новое открытие, добро пожаловать! Контент будет продолжать обновляться!
WeChat Public Account
Предметы, связанные с складом
| время | характеристика | Кодовый путь |
|---|---|---|
| 2023.04.09 | Анализ настроений на рынок структуры | EGS_FIN_NLP/EMEMON_ANALISS/01_Structbert_Binary_Class |
| 2023.03.28 | Подкрепление обучения многокам | egs_trade/rl/a002_finrl/a01_stock_neurips2018 |
| 2023.02.28 | Машиное обучение автоматически добывать 5000 факторов и прогноз тенденций акций | egs_alpha/auto_alpha/tsfresh |
| 2023.02.05 | Индивидуальное программное обеспечение для просмотра дисков | EGS_AIDE/DISK WATCH ARTIFACT/V1 |
| 2023.01.01 | Местная стратегия обучения глубоководства | egs_trade/rl/a001_proto_sb3 |
| 2022.11.07 | Ветром локальный моделирование реального диска | egs_trade/Real_bid_simulate/Wind |
| 2022.08.03 | Основная структура бэк -тестирования + стратегия двойного скользящего среднего | egs_trade/vanilla/double_ma |
Соответствующая популяция этой системы:
Введение в структуру кода и содержание этого склада
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
Этот репозиторий еще не был включен в пакет Python, копировав весь исходный код проекта.
Установите необходимые библиотеки
pip install -r requirements.txtПроверьте документ в папке политики EGS и запустите соответствующий экземпляр
Локальная количественная платформа
Для получения подробной информации, пожалуйста, обратитесь к каталогу: EGS_TRADE
Независимая количественная торговая система может быть построена на местном уровне, включая стратегии:
Для получения подробной информации, пожалуйста, обратитесь к каталогу: EGS_TRADE/RL
С момента битвы между Альфаго и Ке Цзе в 2017 году, глубокое обучение подкреплению стало популярным.
По сравнению с машинным обучением и глубоким обучением, обучение подкреплению основано на конечной цели (взаимодействие-это цель), и многие другие методы должны рассмотреть изолированные подзадачи (такие как «прогноз цен на акции», «Прогноз рынка», «Торговое решение» и т. Д.) «И вы можете напрямую получить непрерывное действие« прибыли от акций ».
Пример введения:
| Серийный номер | Стратегия | Кодовый путь | бумага |
|---|---|---|---|
| 1 | прототип | egs_trade/rl/a001_proto_sb3 | |
| 2 | Учебник FINRL 0-NEURIPS2018 | egs_trade/rl/a002_finrl_tutorial/a01_stock_neurips2018 | Практический подход к обучению глубоким подкреплением для торговли акциями (https://arxiv.org/abs/1811.07522) |
Образец задних деталей
| Серийный номер | Стратегия | рынок | Годовой доход | Максимальное восстановление | Резкая скорость |
|---|---|---|---|---|---|
| 1 | прототип | Китай а-шеры | |||
| 2 | Учебник FINRL 0-NEURIPS2018 | Dow Jones 30, американские акции | 53,1% | -10,4% | 2.17 |
Сеть карт может лучше построить взаимосвязь между акциями, и в то же время она также может связать различную информацию, такую как акции, новости, эмоции и т. Д., Которые могут лучше изучить глобальную сеть отношений.
(Пожалуйста, с нетерпением жду этого во время строительства ...)
С тех пор, как производительность Alexnet раздавила традиционные результаты машинного обучения в задачах классификации изображений в 2012 году, Deep Learning стало большим хитом и случайным образом начала первую волну искусственного интеллекта. Это в основном используется для цены акций и прогнозирования рынка и т. Д.
(Пожалуйста, с нетерпением жду этого во время строительства ...)
Машинное обучение основано на статистике, с его основой твердых данных, решаемости, низкой зависимости от данных, низким использованием ресурсов и быстрой скоростью обучения в таблице.
(Пожалуйста, с нетерпением жду этого во время строительства ...)
(Пожалуйста, с нетерпением жду этого во время строительства ...)
Хотя традиционные стратегии кажутся вчерашним желтым цветом, они более эксплуатируют и все еще имеют определенную полезность. Глубокое обучение и машинное обучение часто необходимо использовать в сочетании с правилами.
Стратегия двойного скользящего среднего
7 разделов преподавания по управлению портфелем
См. Каталог: EGS_TRADE/PAPPER_TRADE
Для получения подробной информации, пожалуйста, обратитесь к каталогу: EGS_AIDE
| Серийный номер | инструмент | Кодовый путь |
|---|---|---|
| 1 | Индивидуальные инструменты просмотра | EGS_AIDE/DISK WATCH ARTIFACT/V1 |
Для получения подробной информации, пожалуйста, обратитесь к каталогу: EGS_ALPHA
| Серийный номер | Стратегия | Кодовый путь | бумага |
|---|---|---|---|
| 1 | Машиное обучение автоматически добывать 5000 факторов и прогноз тенденций акций | egs_alpha/auto_alpha/tsfresh |
| Серийный номер | Факторная библиотека |
|---|---|
| 1 | альфа101 |
| 2 | Stockstats |
| 3 | TA_LIB |
| Серийный номер | инструмент | Кодовый путь |
|---|---|---|
| 1 | Анализ настроений на рынок структуры | EGS_FIN_NLP/EMEMON_ANALISS/01_Structbert_Binary_Class |
Ай-практика
Смотрите: ai_wiki
Эта часть кода независимо синхронизирована со складом AI - Практическое руководство -
Здесь мы суммируем различные количественные платформы, ресурсы и знания с открытым исходным кодом. Вот богатый склад знаний и навигационная карта.
Здесь мы суммируем количественные инвестиции, Windows, Linux, Shell, Vim, Markdown, Python, C ++, Основы математики машинного обучения,
LeetCode (C ++, Python), базовые знания, такие как машинное обучение, глубокое обучение, обучение подкреплению, нейронные сети графиков, распознавание речи, НЛП и распознавание изображений
Структура кода и введение контента
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
Количественные связанные ресурсы
| Серийный номер | инструмент | путь |
|---|---|---|
| 1 | Количественное резюме ресурсов всей сети | ai_wiki/12_quantitative Trading and Investment/01_Resources |
Примеры платформы исследований онлайн -инвестиций
Домашние количественные платформы, такие как Jukuan, Youmin, рисовая корзина, орехи, Bigquant и т. Д., Также могут попробовать самостоятельно, если вам интересно.
Инвестиционная исследовательская платформа представляет собой облачную платформу, адаптированную для количественных энтузиастов (Kuanke), обеспечивающая бесплатное сборы данных о акциях, точные функции бэк-тестирования, высокоскоростный торговый интерфейс в реальном времени, простые в использовании документы API и библиотеку стратегии, которая легко реализовать и проверить стратегии быстро. ( Примечание. Следующая стратегия действительна только в сегменте задних тестов, и не выполняется подробная настройка и проверка полного цикла. Кроме того, никакая стратегия не может обеспечить эффективность полного цикла. Если следующая стратегия используется в торговле в реальном времени, используйте ее с осторожностью ).
Джукуанская платформа
Добро пожаловать, чтобы следовать за мной на платформе Jukuan: Liangke Siege City Lion
Количественная стратегия запаса
| Стратегия | доход | Максимальное восстановление |
|---|---|---|
| Машинное обучение - стратегия выбора динамического фактора | 12,3% | 38,93% |
| Небольшая рыночная стоимость + многомодовая средняя количественная спекуляция запасов | 58,4% | 46,61% |
| Список дракона и тигра - посмотрите на долго и сделайте короткие | 41,82% | 26,89% |
| Сильные акции + суждение линии тренда + остановка и остановить прибыль | 10,09% | 21,449% |
Исследование анализа запасов
Ваша поддержка - это моя мотивация двигаться вперед.
Добро пожаловать, чтобы инициировать обсуждение в дискуссиях GitHub.
Добро пожаловать, чтобы отправить вопросы в вопросах GitHub.
Пожалуйста, проверьте документацию на предмет 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} } ,
}
