AI量化教程 | 本地策略 | 辅助操盘 | 因子挖掘 | 文本分析 | 大模型 | 数据处理 | 在线投研平台 | 使用文档
AI量化交易操盘手
- 一站式平台：从学习、模拟到实盘
- 炒股策略：大模型、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
- 资源汇总：全网资源汇总、实战案例、论文解读、代码实现
- 提供辅助操盘工具：辅助盯盘、股票推荐
- 覆盖股票、基金、加密货币等多个市场
- 实盘部署工具：python/C++/CPU/GPU等部署
本代码仓秉承收费和免费并行的原则。
知识星球
知识星球官网注册，用户权益有保障。
🔥低至每日1毛|独家速成课|无痛学课|📺视频教程|答疑解惑| 开源避坑指南|自研工具代码|3分钟视频论文速度|图书馆| 全网最低价量化类星球之一|3天不满意免费退款👇下方扫描二维码或者点击链接，都可以进入星球查看更详细的介绍🎏
👇扫码查看“星球”更详细的介绍（里面有搞笑漫画哦）！
🎈随着人数增加，以及内容的丰富和完善，后续会随时调整价格。欢迎大家加入！
🧧帮助我们推广拉新可返现，详情请在公众号内咨询管理员。
🎯本代码仓会持续更新，但部分代码转为私有化维护仅在星球中可见，对应功能会在仓库中标注
微信公众号
🔥最新资讯实时关注
🎁关注并点赞任一篇文章，私信管理员，领取精美量化资料包一份！！！
代码仓 (永久免费)
✨AI量化交易操盘手:
- Github: https://github.com/charliedream1/ai_quant_trade
- Gitee（国内镜像）: https://gitee.com/charlie1/ai_quant_trade.git
本仓库配套项目
为了便于维护，将原有的系统操作、编程基础、AI基础、AI实践等内容，独立同步至仓库[AI大模型避坑指南]
里面记录了很多我在实际中遇到的问题和解决方案，同时在实时关注更新技术发展的前沿，欢迎大家关注和star。
✨AI大模型避坑指南：
- Github: https://github.com/charliedream1/ai_wiki
- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git
- 简介：分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域
| 时间 | 特性 |
|---|---|
| 2025.01.03 | 大模型金融市场分析（视频教程见星球或公众号） |
2023
| 时间 | 特性 |
|---|---|
| 2023.04.09 | StructBERT市场情绪分析 |
| 2023.03.28 | 强化学习多股票交易：年化收益53% |
| 2023.02.28 | 机器学习自动挖掘5000个因子及股票趋势预测 |
| 2023.02.05 | 利用EXCEL看盘 |
| 2023.01.01 | 本地深度强化学习策略 |
2022
| 时间 | 特性 |
|---|---|
| 2022.11.07 | Wind本地实盘模拟 |
| 2022.08.03 | 基础回测框架 + 双均线策略 |
- 1. 简介
- 2. 使用
- 3. 量化资源集合
- 4. 本地量化平台
- 5. 实盘
- 6. 辅助操盘
- 7. 因子挖掘
- 8. 数据获取
- 9. 文本分析
- 10. 大模型
- 11. 编程及AI基础知识
- 12. 在线投研平台
- 打赏我
- 讨论
- 技术支持
- 常见问题
- 引用
-
本系统适合的人群：
- 机构
- 散户
- 有编程基础
- 无编程基础
-
本仓库代码结构和内容简介
ai_quant_trade ├── ai_notes (金融量化交易知识，以Markdown, Jupyter Notebook汇总知识体系) │ ├── 资源：持续收录全网优秀资源 │ ├── 实战：各类工具、框架、库的使用及踩坑实录 │ ├── 热点：金融市场热点、技术热点、论文解读 ├── 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) │ ├── 开源工具 (各类开源数据获取工具使用介绍) ├── egs_fin_nlp (文本分析) │ ├── emotion_analysis (情感分析) ├── egs_llm (大模型应用) ├── 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
本仓库暂未进行封装成python包，拷贝整个项目源代码，在每个egs下的示例中均有详细的使用说明和原理介绍。
安装依赖包
pip install -r requirements.txt
(我们在知乎上2.6万阅读的文章)史上最全AI股票量化交易工具和开源项目汇总
以上是我们在知乎上2.6万阅读的文章，我们将所有工具重新进行了分类，并进行了点评， 收录在ai_notes文件夹下，方便大家查找。
🎯开发中
- 陆续对所有工具进行点评，方便选择
- 陆续记录各个工具的优缺点，形成一个对比表，方便选型
- 陆续记录使用方法，方便使用：我们不做大而全的使用教程，那会让你迷失，我们只列举最常用且实用的功能，让你快速上手
⛳⛳⛳AI基础知识
为了便于维护，将原有的ai_wiki目录下内容，包括系统操作、编程基础、AI基础、AI实践等内容，独立同步至仓库[AI大模型避坑指南]
里面记录了很多我在实际中遇到的问题和解决方案，同时在实时关注更新技术发展的前沿，欢迎大家关注和star。
✨AI大模型避坑指南：
- Github: https://github.com/charliedream1/ai_wiki
- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git
- 简介：分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域
🎯 每个实例我都尽可能配备完善的教程，从原理、使用到代码解读。
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
- 大模型
- 传统规则类策略
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。
-
样例介绍：
序号 策略 论文 1 原型 无 2 FinRL教程0-NeurIPS2018 Practical Deep Reinforcement Learning Approach for Stock Trading （https://arxiv.org/abs/1811.07522） -
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
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。。。)
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。。。)
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。。。)
(构建中，尽请期待。。。)
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。
-
- 详细使用教程
- 包含策略代码+自建纯手写回测框架
- 包含良好的绘图，指示买点和卖点
- 目标：通过这个实例了解量化交易的完整框架构建方式
代码详细参见目录：egs_trade
- Wind本地实盘模拟：双均线策略
- 利用wind软件实现的实盘模拟
- wind常作为各大金融机构的首选数据源，由于价格高额，不适合散户使用
- 使用对象：机构
代码详细参见目录：egs_aide
- 利用EXCEL看盘
- 看盘是不容易被发现
- 可以自己加入要盯盘的股票
- 可以方便利用excel快速计算和处理数据
代码详细参见目录：egs_alpha
| 序号 | 策略 | 论文 |
|---|---|---|
| 1 | 机器学习自动挖掘5000个因子及股票趋势预测 |
| 序号 | 因子库 |
|---|---|
| 1 | alpha101 |
| 2 | stockstats |
| 3 | ta_lib |
- 各类常见数据源使用详解
- 统一数据源接口
代码详细参见目录：egs_fin_nlp
| 序号 | 工具 |
|---|---|
| 1 | StructBERT市场情绪分析 |
代码详细参见目录：egs_llm
| 序号 | 工具 |
|---|---|
| 1 | 大模型金融市场分析（视频教程见星球或公众号） |
为了便于维护，将原有的ai_wiki目录下内容，包括系统操作、编程基础、AI基础、AI实践等内容，独立同步至仓库[AI大模型避坑指南]
里面记录了很多我在实际中遇到的问题和解决方案，同时在实时关注更新技术发展的前沿，欢迎大家关注和star。
✨AI大模型避坑指南：
- Github: https://github.com/charliedream1/ai_wiki
- Gitee（国内镜像）：https://gitee.com/charlie1/ai_wiki.git
- 简介：分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域
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)
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
- 该部分代码仅能在 聚宽平台 运行
-
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 12.3% 38.93% 小市值+多均线量化炒股 58.4% 46.61% 龙虎榜-看长做短 41.82% 26.89% 强势股+趋势线判断+止损止盈 10.09% 21.449% -
股票分析研究
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^)/
欢迎在 Github Discussions 中发起讨论。
- 欢迎在 Github Issues 中提交问题。
- 加入知识星球，获取更多技术支持。
请查看文档常见问题
@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}},
}