# ailab_quant **Repository Path**: j2soft/ailabx_quant ## Basic Information - **Project Name**: ailab_quant - **Description**: AI量化实验室,专注将前沿人工智能技术(深度学习/强化学习/知识图谱)应用于金融量化投资。 - **Primary Language**: Python - **License**: GPL-3.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 86 - **Created**: 2024-05-07 - **Last Updated**: 2024-05-07 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # ailabx AI量化投资实验室,专注将前沿人工智能技术(机器学习、深度学习、强化学习、遗传算法、图计算、知识图谱等)应用于金融量化投资。 金融投资领域是高度信息密集型,而且信息相对结构化,照理讲是最适合机器计算的领域。可是,当前投资仍然处于“刀耕火种”的年代,有人忙于调研,读报表;有人忙于盯盘,画线条。 alphago master登顶围棋之巅都过去五年之久了,算法、算力日新月异的发展,不应该是当前这个样子。 尽管金融数据低“信噪比”,也不要指望打造一台永动机。 但请相信一句话就是: No man is better than a machine, but no machine is better than a man with a machine! 让机器辅助我们投资,将无往而不利。 按照个人积极参与主动决策的程度,把投资分成三个层次: - 一、全天候大类资产配置。 被动管理,很少参与。在坐好资产后长期持续,只做一些被动再平衡的操作; - 二、战术资产配置。 关注宏观层面大的周期,在周期偏好的资产上持有更多的仓位。 - 三、择时 积极判断市场方向,期望做到“低买高卖”。 这三个层次,从上到下,越来越不确定,越来越难,风险也越来越高。当然如果做好,收益也是越来越大。 建议普通人都从第一层次做起,比较容易做到从理财往投资过渡。 但是很遗憾,大部分人一上手就是冲着第三层次来的,“追涨杀跌”却常常做错方向,最终成为韭菜。 ![图片](https://gitee.com/ailabx/ailabx/raw/master/images/mainwindow.png) ### 项目说明 传统的量化投资,使用技术指标比如均值,MACD,RSI,KDJ等以及它们的线性变种来产生信号。 有几个缺点: 一则这是线性的, 二是参数全凭经验,没有调优的过程, 三是规则是静态的,无法根据市场变化自主进化。 我们的目标,是把前沿人工智能技术,包括机器学习,深度学习,深度强化学习,知识图谱,时间序列分析等技术应用于金融大数据挖掘, 更好的赋能量化投资。 金融数据的低信噪比,让这件事情变更很难, 难,才有意思。 ### “积木式”回测引擎 algo_list_rolling = [ SelectFix(instruments=['sh000300', 'sh000905', 'sz399006']), SelectBySignal(signal_buy='to_buy', signal_sell='to_sell'), SelectTopK(K=1,col='五日动量'), WeightEqually() ] ### 开发环境与安装部署 python3.7 直接git或者下载源码包,安装相关依赖,然后运行main.py即可。 git clone https://gitee.com/ailabx/ailabx.git cd ailabx pip install -r requirements.txt python main.py ### 联系我们 也可以关注微信公众号:**七年实现财富自由**(ailabx)。 持续分享我的 七年实现财务自由 实盘及逻辑。 投资理财前沿观察与思考。 ![WAI](https://gitee.com/ailabx/ailabx/raw/master/images/weixin.jpg) 有任何问题,可以到**知识星球**——**AI量化投资实验室** 找我,每天都在。 持续分享前沿**人工智能技术如何赋能金融投资**,并找到一帮志同道合的朋友! ![WAI](https://gitee.com/ailabx/ailabx/raw/master/images/xingqiu.png)