# ai_quant_trade **Repository Path**: ma-yongfan/ai_quant_trade ## Basic Information - **Project Name**: ai_quant_trade - **Description**: AI量化交易操盘手 - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 2 - **Created**: 2025-08-11 - **Last Updated**: 2025-08-11 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # AI量化交易操盘手 [**ENGLISH VERSION**](https://github.com/charliedream1/ai_quant_trade/blob/master/README_EN.md) [![License](https://img.shields.io/badge/License-Apache%202.0-brightgreen.svg)](https://opensource.org/licenses/Apache-2.0) [![Python-Version](https://img.shields.io/badge/Python-3.8-brightgreen)](https://github.com/charliedream1/ai_quant_trade) [**AI量化教程**](https://github.com/charliedream1/ai_quant_trade/tree/master/ai_wiki) | [**本地策略**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade) | [**辅助操盘**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_aide) | [**因子挖掘**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_alpha) | [**文本分析**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_fin_nlp) | [**大模型**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_llm) | [**数据处理**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_data) | [**在线投研平台**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_online_platform) | [**使用文档**](https://github.com/charliedream1/ai_quant_trade/tree/master/docs) drawing**如果喜欢本项目，或希望随时关注动态，请给我点个赞吧 (页面右上角的小星星)，欢迎分享到社区!**
**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 --- ## 配套资源 本代码仓秉承收费和免费并行的原则。 ### 收费资源 **知识星球** 知识星球官网注册，用户权益有保障。 [星球内容介绍](docs/03_星球使用和介绍) 🔥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🎏 星球视频介绍： - 星球使用指南：https://mp.weixin.qq.com/s/SGc49e0xf24q5aUbf3rO0g?token=2028063978&lang=zh_CN - 学习路线及群内资源使用：https://mp.weixin.qq.com/s/3-U048mc0riVsdETrKr77g 星球加入链接： - [AI智投星球](https://t.zsxq.com/dHt9l)：AI量化交易速成、前沿技术、实战案例、资源库 - [AI速成营](https://t.zsxq.com/q42Js)：作为子星球，深入补充编程、大模型、AI基础、原理及金融方向实战及求职等的速成和案例分享，为[AI智投星球]提供扎实的基础知识内容，形成互补 星球介绍： - [**星球内容介绍**](docs/03_星球使用和介绍/01_星球介绍.md) - [**新人使用指南**](docs/03_星球使用和介绍/02_新人使用指南.md) 福利限时放送： 🧧加入并帮助我们推广拉新可返现15元，详情请在星球或公众号内咨询管理员。🧧 🧧同时加入2个星球，立减30元（可先加入一个星球，联系管理员领取优惠卷之后，再加入另一个星球）🧧 👇扫码查看“星球”更详细的介绍（里面有搞笑漫画哦）！
知识星球 知识星球
🎈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，请大家不要错过。欢迎大家加入！ 🎯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 --- ### 免费资源 **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！！！ 微信公众号 --- - [知乎：576关注者](https://www.zhihu.com/people/yi-dui-ji-mu-zai-kuang-xiang) - [聚宽：599关注者](https://www.joinquant.com/user/d7aafd0b8b767b735bfb6f3639c81a6c) --- **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 --- ## :newspaper: 新特性 :fire: | **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）**](egs_llm/a01_hot_topic_report/v1_proto_internet) |
2023 | **时间** | **特性** | |:-----------|:--------------------------------------------------------------------------------------------------------------------------------------------| | 2023.04.09 | [**StructBERT市场情绪分析**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_fin_nlp/emotion_analysis/01_StructBert_Binary_Class) | | 2023.03.28 | [**强化学习多股票交易：年化收益53%**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018) | | 2023.02.28 | [**机器学习自动挖掘5000个因子及股票趋势预测**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_alpha/auto_alpha/tsfresh) | | 2023.02.05 | [**利用EXCEL看盘**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_aide/%E7%9C%8B%E7%9B%98%E7%A5%9E%E5%99%A8/v1) | | 2023.01.01 | [**本地深度强化学习策略**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/rl/a001_proto_sb3) |
2022 | **时间** | **特性** | |:-----------|:--------------------------------------------------------------------------------------------------------------------------------------------| | 2022.11.07 | [**Wind本地实盘模拟**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/real_bid_simulate/wind) | | 2022.08.03 | [**基础回测框架 + 双均线策略**](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_trade/vanilla/double_ma) |
## 目录 * [1. 简介](#1-简介) * [2. 使用](#2-使用) * [3. 量化资源集合](#3-量化资源集合) * [4. 本地量化平台](#4-本地量化平台) * [4.1 强化学习策略](#41-强化学习策略) * [4.2 图网络策略](#42_图网络策略) * [4.3 深度学习策略](#43_深度学习策略) * [4.4 机器学习策略](#44_机器学习策略) * [4.5 高频交易](#45_高频交易) * [4.6 传统策略](#46_传统策略) * [5. 实盘](#5_实盘) * [5.1 实盘模拟](#51_实盘模拟) * [6. 辅助操盘](#6_辅助操盘) * [7. 因子挖掘](#7_因子挖掘) * [8. 数据获取](#8_数据获取) * [9. 文本分析](#9_文本分析) * [10. 大模型](#10_大模型) * [11. 编程及AI基础知识](#11_编程及AI基础知识) * [12. 在线投研平台](#12_在线投研平台) * [12.1 聚宽平台](#121_聚宽平台) * [打赏我](#打赏我) * [讨论](#讨论) * [技术支持](#技术支持) * [常见问题](#常见问题) * [引用](#引用) ## 1. 简介 1. 本系统适合的人群： - 机构 - 散户 - 有编程基础 - 无编程基础 2. 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 ``` ## 2. 使用 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 ## 3. 量化资源集合 [(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](https://zhuanlan.zhihu.com/p/562878605) 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](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 ## 4. 本地量化平台 [**本地量化平台**](egs_trade) 🎯 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 ### 4.1 强化学习策略   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。 ![trades_on_k_line](.README_images/强化学习.png) 1. 样例介绍： | **序号** | **策略** | **论文** | |:-------- |:-------------------------------------------------------------------------------|:-------------------------------------------------------| | 1 | [原型](egs_trade/rl/a001_proto_sb3) | 无 | | 2 | [FinRL教程0-NeurIPS2018](egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018) | Practical Deep Reinforcement Learning Approach for Stock Trading （https://arxiv.org/abs/1811.07522） | 2. 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](egs_trade/rl/a001_proto_sb3) | 中国A股 | | | | | 2 | [FinRL教程0-NeurIPS2018](egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018) | 美股道儿琼斯30 | 53.1% | -10.4% | 2.17 | ### 4.2 图网络策略   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。。。) ### 4.3 深度学习策略   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。。。) ### 4.4 机器学习策略   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。。。) ### 4.5 高频交易 (构建中，尽请期待。。。) ### 4.6 传统策略   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。 1. [双均线策略+简易手写回测框架](egs_trade/vanilla/double_ma) - [详细使用教程](egs_trade/vanilla/double_ma/文档教程) - 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 2. [投资组合管理7节教学](egs_trade/vanilla/portfolio_optimization) ## 5. 实盘 **代码详细参见目录：[egs_trade](egs_trade)** ### 5.1 实盘模拟 1. [**Wind本地实盘模拟：双均线策略**](egs_trade/paper_trade/wind) - 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 ## 6. 辅助操盘 **代码详细参见目录：[egs_aide](egs_tools)** 1. [利用EXCEL看盘](egs_tools/a01_market_monitor_via_excel/v1) - 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 ## 7. 因子挖掘 **代码详细参见目录：[egs_alpha](egs_alpha)** ### 7.1 因子挖掘策略 | **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](egs_alpha/auto_alpha/tsfresh) | | ### 7.2 因子库 | **序号** | **因子库** | |:-------- |:----------------------------------------------------------------------| | 1 | [alpha101](egs_alpha/alpha_libs/alpha101) | | 2 | [stockstats](egs_alpha/alpha_libs/stockstats) | | 3 | [ta_lib](egs_alpha/alpha_libs/ta_lib) | ## 8. 数据处理 - 各类常见数据源使用详解 - 统一数据源接口 ![](.README_images/数据源.png) ## 9. 文本分析 **代码详细参见目录：[egs_fin_nlp](egs_fin_nlp)** | **序号** | **工具** | |:-------- |:-------- | | 1 | [**StructBERT市场情绪分析**](egs_fin_nlp/emotion_analysis/01_StructBert_Binary_Class) | ## 10. 大模型 **代码详细参见目录：[egs_llm](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）**](egs_llm/a01_hot_topic_report/v1_proto_internet) | ## 11. 编程及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 ## 12. 在线投研平台 [**在线投研平台样例**](https://www.joinquant.com/)   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**) ### 12.1 聚宽平台 [**聚宽平台**](https://www.joinquant.com/) 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](https://github.com/charliedream1/ai_quant_trade/tree/master/egs_online_platform/%E8%81%9A%E5%AE%BD_JoinQuant) - 该部分代码仅能在 [**聚宽平台**](https://www.joinquant.com/) 运行 1. 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**](https://www.joinquant.com/view/community/detail/f2a9d2ec6d4ad18882fa0a364fb9123d) | 12.3% | 38.93% | | [**小市值+多均线量化炒股**](https://www.joinquant.com/view/community/detail/c754d315a391f39f61858dfe3275f45f) | 58.4% | 46.61% | | [**龙虎榜-看长做短**](https://www.joinquant.com/view/community/detail/0986c3b92578952cc22c52f0a5ea4664) | 41.82% | 26.89% | | [**强势股+趋势线判断+止损止盈**](https://www.joinquant.com/view/community/detail/c0390ceabdc1b3365df343490b7caf28) | 10.09% | 21.449% | 2. 股票分析研究 * [手把手教你"机器学习-动态多因子选股"(附保姆级教程) ](https://www.joinquant.com/view/community/detail/4fa769264b0bf6489b36351b43e37012) * [龙虎榜数据筛选和过滤](https://www.joinquant.com/view/community/detail/a3a95cc7e53092aaea510d93bab9cb96) * [概念板块数据获取和选股](https://www.joinquant.com/view/community/detail/d1bf674ad163654aa263dac859762c90) * [详解: 股票数据获取及图形分析(附详细代码)](https://www.joinquant.com/view/community/detail/8fe84d0d25dcf1a6da72e442460cdf36) --- ## 打赏我 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^)/ 图片名称1 图片名称2 ## 讨论 欢迎在 [Github Discussions](https://github.com/charliedream1/ai_quant_trade/discussions) 中发起讨论。 ## 技术支持 - 欢迎在 [Github Issues](https://github.com/charliedream1/ai_quant_trade/issues) 中提交问题。 - 加入知识星球，获取更多技术支持。 - [AI智投星球](https://t.zsxq.com/dHt9l)：专注AI量化交易知识分享 - [大模型避坑指南](https://t.zsxq.com/q42Js)：专注编程、大模型、AI应用赋能 ## 常见问题 请查看文档[**常见问题**](docs/02_常见问题) ## 引用 ``` bibtex @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}}, } ```