# abu **Repository Path**: macro2008/abu ## Basic Information - **Project Name**: abu - **Description**: 阿布量化交易系统（股票，期权，期货，比特币，机器学习），基于 Python 的开源量化交易，量化投资架构 - **Primary Language**: Python - **License**: GPL-3.0 - **Default Branch**: master - **Homepage**: https://www.oschina.net/p/abu - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 112 - **Created**: 2021-08-26 - **Last Updated**: 2021-08-26 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README ![](./img/head.png) ![](./img/d2.png) ### 索引 | 内容 | 位置 | | ------| ------ | | 阿布量化系统源代码 | abupy目录 | | 阿布量化使用教程 | abupy_lecture目录 | | 阿布量化非编程界面操作 | abupy_ui目录 | | 《量化交易之路》示例代码 | ipython／python目录| | 《机器学习之路》示例代码 | https://github.com/maxmon/abu_ml | ### 特点 * 使用多种机器学习技术智能优化策略 * 在实盘中指导策略进行交易，提高策略的实盘效果，战胜市场 ### 支持的投资市场: * 美股，A股，港股 * 期货，期权 * 比特币，莱特币 ### 工程设计目标： * 分离基础策略和策略优化监督模块 * 提高灵活度和适配性 ### APP下载 & 网址 谢谢您来使用我们的应用! * [电脑浏览器访问网址: https://www.abuquant.com](https://www.abuquant.com) * [iOS苹果手机AppStore下载链接](https://itunes.apple.com/cn/app/id1447039705?mt=8) * [android手机下载链接页面](https://www.abuquant.com/download) * [量化技术博客地址](https://blog.abuquant.com/) * [K线课堂地址](https://blog.abuquant.com/category/kl_classical) * [量化课堂地址](https://blog.abuquant.com/category/lecture/) ### APP简介 * 量化系统 阿布量化综合AI大数据系统, K线形态系统, 经典指标系统, 走势趋势分析系统, 时间序列维度系统, 统计概率系统, 传统均线系统对投资品种进行深度量化分析, 彻底跨越用户复杂的代码量化阶段, 更适合普通人群使用, 迈向量化2.0时代. * 量化模型 上述系统中结合上百种子量化模型, 如: 金融时间序列损耗模型, 深度形态质量评估模型, 多空形态组合评定模型, 多头形态止损策略模型, 空头形态回补策略模型, 大数据K线形态历史组合拟合模型, 交易持仓心态模型, 多巴胺量化模型, 惯性残存阻力支撑模型, 多空互换报复概率模型, 强弱对抗模型, 趋势角度变化率模型, 联动分析模型, 时间序列的过激反应模型, 迟钝报复反应模型, 趋势启动速度模型, 配对对冲模型等. ![](./img/d3.png) * AI量化 阿布量化针对AI人工智能从底层开发算法, 构建适合量化体系的人工智能AI系统, 训练了数个从不同角度识别量化特征的评分模型，整体上分为三个系别：物理模型组、多巴胺生物模型组、量化形态模型组。不同系别模型群从不同角度(主要物理交易实体分析、人群心理、图表等三个方向)评估走势，系别的模型群是由若干个独有的识别算法和参数遗传淘汰，组成族群，加权投票评分. * 量化策略 阿布量化结合了传统基于代码策的量化系统, 对未来择时信号发出时机的预判, 系统基于数百种简单种子交易策略，衍生出更多的量化交易策略新策略在这些种子基础上不断自我学习、自我成长，不断分裂，适者生存，淘汰选择机制下繁衍，目前应用的量化买入卖出信号策略共计18496种。 * 量化应用 阿布量化结合多种量化分析数据构建了数百种量化应用, 如: AI高能预警, AI高光时刻, 智能预测涨跌幅, 下跌五浪量化, 上涨五浪量化, 阻力支撑强度分析, 上升三角形突破, 下降三角形, 三重底 (头肩底), 三重顶 (头肩顶), 圆弧顶, 圆弧底, 乌云盖顶形态, 上升三部曲形态, 好友反攻形态, 单针探底形态, 射击之星形态, 多方炮形态, 上涨镊子线, 向上突破箱体, 跳空突破缺口, 黄金分割线量化, 趋势跟踪信号, 均值回复信号, 止损风险控制量化, 止盈利润保护量化, 综合指标分析等. ## 安装 ### 部署 推荐使用Anaconda部署Python环境，详见 [量化环境部署](http://www.abuquant.com/lecture/lecture_0.html) ### 测试 ```python import abupy ``` ## 界面操作（非编程） ![](./abupy_ui/gif/loop_back.gif) [更多界面操作示例](./abupy_ui/readme.md) ## 使用文档 ### 1：择时策略的开发 [第一节界面操作教程视频播放地址](https://v.qq.com/x/page/g0555b9k6ge.html) 择时策略决定什么时候买入投资品，回测告诉我们这种策略在历史数据中的模拟收益如何。 1. 买入择时因子的编写 2. 分解模式一步一步对策略进行回测 3. 卖出择时因子的实现 >在对的时间，遇见对的人(股票)，是一种幸福 > >在对的时间，遇见错的人(股票)，是一种悲伤 > >在错的时间，遇见对的人(股票)，是一声叹息 > >在错的时间，遇见错的人(股票)，是一种无奈 [详细阅读](http://www.abuquant.com/lecture/lecture_1.html) ### 2: 择时策略的优化 通过止盈止损保护策略产生的利润，控制风险。 1. 基本止盈止损策略 2. 风险控制止损策略 3. 利润保护止盈策略 ![](./img/img1.png) [详细阅读](http://www.abuquant.com/lecture/lecture_2.html) ### 3: 滑点策略与交易手续费 考虑应用交易策略时产生的成交价格偏差及手续费。 1. 滑点买入卖出价格确定及策略实现 2. 交易手续费的计算以及自定义手续费 | type | date | symbol | commission | | ------| ------ | ------ | ------ | | buy | 20150423 | usTSLA | 8.22 | | buy | 20150428 | usTSLA | 7.53 | | sell | 20150622 | usTSLA | 8.22 | | buy | 20150624 | usTSLA | 7.53 | | sell | 20150706 | usTSLA | 7.53 | | sell | 20150708 | usTSLA | 7.53 | | buy | 20151230 | usTSLA | 7.22 | | sell | 20160105 | usTSLA | 7.22 | | buy | 20160315 | usTSLA | 5.57 | | sell | 20160429 | usTSLA | 5.57 | [详细阅读](http://www.abuquant.com/lecture/lecture_3.html) ### 4: 多支股票择时回测与仓位管理 针对多支股票实现择时策略，通过仓位管理策略控制风险。 1. 多支股票使用相同的因子进行择时 2. 自定义仓位管理策略的实现 3. 多支股票使用不同的因子进行择时 4. 使用并行来提升择时运行效率 ![](./img/img3.png) [详细阅读](http://www.abuquant.com/lecture/lecture_4.html) ### 5: 选股策略的开发 一个好的策略需要一个好的标的。 1. 选股因子的编写 2. 多个选股因子并行执行 3. 使用并行来提升选股运行效率 [详细阅读](http://www.abuquant.com/lecture/lecture_5.html) ### 6: 回测结果的度量 正确的度量引领着正确的前进方向。 1. 度量的基本使用方法 2. 度量的可视化 3. 扩展自定义度量类 [详细阅读](http://www.abuquant.com/lecture/lecture_6.html) ### 7: 寻找策略最优参数和评分 通过定制的评分机制，寻找一个策略最合理的参数，比如：应该考虑多少天的均线？ 1. 参数取值范围 2. Grid Search寻找最优参数 3. 度量结果的评分 4. 不同权重的评分 5. 自定义评分类的实现 [详细阅读](http://www.abuquant.com/lecture/lecture_7.html) ### 8: A股市场的回测 1. A股市场的回测示例 2. 涨跌停的特殊处理 3. 对多组交易结果进行分析 [详细阅读](http://www.abuquant.com/lecture/lecture_8.html) ### 9: 港股市场的回测 1. 港股市场的回测示例 2. 优化策略，提高系统的稳定性 3. 将优化策略的'策略'做为类装饰器进行封装 [详细阅读](http://www.abuquant.com/lecture/lecture_9.html) ### 10: 比特币, 莱特币的回测 1. 比特币, 莱特币的走势数据分析 2. 比特币, 莱特币的走势可视化分析 3. 比特币，莱特币市场的回测 [详细阅读](http://www.abuquant.com/lecture/lecture_10.html) ### 11: 期货市场的回测 1. 期货市场的特点 2. 看涨合约的回测 3. 看跌合约的回测 4. 位移路程比优化策略 [详细阅读](http://www.abuquant.com/lecture/lecture_11.html) ### 12: 机器学习与比特币示例 如何在投资品的量化交易中正确使用机器学习技术？ 1. 比特币特征的提取 2. abu中内置机器学习模块的使用 3. 测试集的验证与非均衡技术 4. 继承AbuMLPd对数据处理进行封装 [详细阅读](http://www.abuquant.com/lecture/lecture_12.html) ### 13: 量化技术分析应用 技术分析三大假设：市场行为涵盖一切；价格沿趋势移动；历史会重演。 1. 阻力线，支撑线自动绘制 2. 跳空技术分析 3. 传统技术指标技术分析 [详细阅读](http://www.abuquant.com/lecture/lecture_13.html) ### 14: 量化相关性分析应用 相似的投资品数据的背后，往往是相似行为模式的投资人群。 1. 相关相似度的度量 2. 距离的度量与相似度 3. 相似相关接口的应用 4. 自然相关性 [详细阅读](http://www.abuquant.com/lecture/lecture_14.html) ### 15: 量化交易和搜索引擎 搜索策略生成的失败交易，由裁判拦截住冲动的交易者。 1. 切分训练集交易的回测 2. 对交易进行人工分析 3. 主裁系统原理 4. 角度主裁 5. 赋予宏观上合理的解释 6. 最优分类簇筛选 ![](./img/img13.png) [详细阅读](http://www.abuquant.com/lecture/lecture_15.html) ### 16: UMP主裁交易决策 1. 跳空主裁 2. 价格主裁 3. 波动主裁 4. 验证主裁是否称职, 在abu系统中开启主裁拦截模式 5. 组织裁判进行更复杂的综合裁决 6. 让裁判自己学习怎么配合，自己做出最正确的判断 [详细阅读](http://www.abuquant.com/lecture/lecture_16.html) ### 17: UMP边裁交易决策 1. 角度边裁 2. 价格边裁 3. 波动边裁 4. 综合边裁 5. 验证边裁是否称职 6. 在abu系统中开启边裁拦截模式 [详细阅读](http://www.abuquant.com/lecture/lecture_17.html) ### 18: 自定义裁判决策交易 1. 从不同视角训练新的主裁 2. 从不同视角训练新的边裁 3. 添加新的视角来录制比赛（记录回测特征） 4. 主裁使用新的视角来决策交易 5. 边裁使用新的视角来决策交易 abupy中ump模块的设计目标是： * 不需要在具体策略中硬编码 * 不需要人工设定阀值，即且使得代码逻辑清晰 * 分离基础策略和策略优化监督模块，提高灵活度和适配性 * 发现策略中隐藏的交易策略问题 * 可以通过不断的学习新的交易数据 [详细阅读](http://www.abuquant.com/lecture/lecture_18.html) ### 19: 数据源 abu支持股票、期货、数字货币等多种金融投资品的行情和交易，并具有高度可定制性。 1. 数据模式的切换 2. 数据存储的切换 3. 数据源的切换 4. 全市场数据的更新 5. 接入外部数据源，股票数据源 6. 接入外部数据源，期货数据源 7. 接入外部数据源，比特币，莱特币数据源 [详细阅读](http://www.abuquant.com/lecture/lecture_19.html) [更多阿布量化量化技术文章](http://www.abuquant.com/article) 关注阿布量化微信公众号: abu_quant ![](./img/qrcode.jpg) ### License [GPL](./LICENSE)