AI智能量化投研平台
Qbot is an AI-oriented automated quantitative investment platform, which aims to realize the potential,
empower AI technologies in quantitative investment.
🤖 Qbot = 智能交易策略 + 回测系统 + 自动化量化交易 (+ 可视化分析工具)
| | | |
| | | \_ quantstats (dashboard\online operation)
| | \______________ Qbot - vnpy, pytrader, pyfunds
| \____________________________ BackTest - backtrader, easyquant
\________________________________________ quant.ai - qlib, deep learning strategies
***不建议 fork 项目，本项目会持续更新，只 fork 看不到更新，建议 Star ⭐️ ~***
喜欢这个项目吗？请考虑 ❤️赞助 本项目，以帮助改进！
Qbot是一个免费的投研平台，提供从数据获取、交易策略开发、策略回测、模拟交易到最终实盘交易的全闭环流程。在实盘接入前，有股票、基金评测和策略回测，在模拟环境下做交易验证，近乎实盘的时延、滑点仿真。故，本平台提供GUI前端/客户端（部分功能也支持网页），后端做数据处理、交易调度，实现事件驱动的交易流程。对于策略研究部分，尤其强调机器学习、强化学习的AI策略，结合多因子模型提高收益比。
但本项目可能需要一一点python基础知识，有一点点交易经验，会更容易体会作者的初衷，解决当下产品空缺和广大散户朋友的交易痛点，现在直接免费开源出来！
cd ~ # $HOME as workspace
git clone https://github.com/UFund-Me/Qbot.git
cd Qbot
pip install -r requirements.txt
python main.py #if run on Mac, please use 'pythonw main.py'
Mac系统在安装之前需要手动安装tables库的依赖hdf5，以及pythonw UFund-Me#11
brew install hdf5
brew install c-blosc
export HDF5_DIR=/opt/homebrew/opt/hdf5
export BLOSC_DIR=/opt/homebrew/opt/c-blosc
|
|
|
|
|
|
Install Guide | Online documents
____________________________________
< Run ``./env_setup.sh`` to say hello >
------------------------------------
\ ^__^
\ (oo)\_______
(__)\ )\/\
||----w |
|| ||
本项目分为前端（客户端）和后端两部分，前端由wxPython编写的轻量化GUI客户端，后端分为策略开发、策略回测 qbot/strategies、股票基金评测、模拟交易、在线回测几个部分，对应于客户端从左到右的三个菜单。
➕ 请注意：本项目建议使用python 3.8、3.9版本，推荐使用conda搭建环境，参考 Install Guide。
export USER_ID="admin" # replace your info
export PASSWORD="admin1234." # replace your info
pip install -r requirements.txt
# if run on Mac, please use 'pythonw main.py'
python main.py主要包含四个窗口，如果启动界面有问题可以参考这里的启动方式。
👉 点击这里查看源码
- 选基、选股助手（对应客户端第二个菜单：AI选股/选基）
运行命令
cd investool
go build
./investool webserver
- 基金策略在线分析（对应客户端第四个菜单：基金投资策略分析）
需要 node 开发环境: npm、node，点击查看详细操作文档
版本信息（作为参考）
``` ▶ go version go version go1.20.4 darwin/amd64 ~ ▶ node --version v19.7.0 ~ ▶ npm --version 9.5.0 ```使用docker运行项目，在项目路径下运行以下命令构建项目的docker镜像
docker build -t fund_strategy .
镜像构建完毕后运行
docker run -dp 8000:8000 fund_strategy --name="fund_strategy_instance"
等待项目启动过程中，可通过以下命令查看启动日志：
docker log -f fund_strategy_instance
启动后，可通过http://locahost:8000访问网页。
体验下来，dagster是很适合金融数据采集、处理，还有机器学习的场景。当然这里的场景更偏向于“批处理”，“定时任务”的处理与编排。
dagster-daemon run &
dagit -h 0.0.0.0 -p 3000
部分未整理。。。
| 股票 | 基金 | 期货 |
| GBDT | RNN | Reinforcement Learning | 🔥 Transformer |
|
|
|
|
|
Results and models are available in the model zoo. AI strategies is shown at here, local run python pytrader/strategies/workflow_by_code.py, also provide
👉 点击展开查看具体AI模型benchmark结果
| status | benchmark | framework | DGCNN | RegNetX | addition | arXiv | |
|---|---|---|---|---|---|---|---|
| GBDT | ✗ | ✗ | XGBoost | ✗ | ✗ | Tianqi Chen, et al. KDD 2016 | ✗ |
| GBDT | ✗ | ✗ | LightGBM | ✗ | ✓ | Guolin Ke, et al. NIPS 2017 | ✗ |
| GBDT | ✗ | ✗ | Catboost | ✗ | ✓ | Liudmila Prokhorenkova, et al. NIPS 2018 | ✗ |
| MLP | ✓ | ✓ | pytorch | ✗ | ✗ | -- | ✗ |
| LSTM | ✓ | ✓ | pytorch | ✗ | ✗ | Sepp Hochreiter, et al. Neural computation 1997 | ✗ |
| LightGBM | ✓ | ✓ | pytorch | ✗ | ✗ | -- | ✗ |
| GRU | ✓ | ✗ | pytorch | ✗ | ✗ | Kyunghyun Cho, et al. 2014 | ✗ |
| ALSTM | ✗ | ✗ | pytorch | ✗ | ✗ | Yao Qin, et al. IJCAI 2017 | ✗ |
| GATs | ✗ | ✓ | pytorch | ✗ | ✗ | Petar Velickovic, et al. 2017 | ✗ |
| SFM | ✓ | ✓ | pytorch | ✗ | ✗ | Liheng Zhang, et al. KDD 2017 | ✗ |
| TFT | ✓ | ✓ | tensorflow | ✗ | ✗ | Bryan Lim, et al. International Journal of Forecasting 2019 | ✗ |
| TabNet | ✓ | ✗ | pytorch | ✗ | ✗ | Sercan O. Arik, et al. AAAI 2019 | ✗ |
| DoubleEnsemble | ✓ | ✓ | LightGBM | ✗ | ✗ | Chuheng Zhang, et al. ICDM 2020 | ✗ |
| TCTS | ✓ | ✗ | pytorch | ✗ | ✗ | Xueqing Wu, et al. ICML 2021 | ✗ |
| Transformer | ✓ | ✗ | pytorch | ✗ | ✗ | Ashish Vaswani, et al. NeurIPS 2017 | ✗ |
| Localformer | ✓ | ✗ | pytorch | ✗ | ✗ | Juyong Jiang, et al. | ✗ |
| TRA | ✓ | ✗ | pytorch | ✗ | ✗ | Hengxu, Dong, et al. KDD 2021 | ✗ |
| TCN | ✓ | ✗ | pytorch | ✗ | ✗ | Shaojie Bai, et al. 2018 | ✗ |
| ADARNN | ✓ | ✗ | pytorch | ✗ | ✗ | YunTao Du, et al. 2021 | ✗ |
| ADD | ✓ | ✗ | pytorch | ✗ | ✗ | Hongshun Tang, et al.2020 | ✗ |
| IGMTF | ✓ | ✗ | pytorch | ✗ | ✗ | Wentao Xu, et al.2021 | ✗ |
| HIST | ✓ | ✗ | pytorch | ✗ | ✗ | Wentao Xu, et al.2021 | ✗ |
Note: All the about 300+ models, methods of 40+ papers in quant.ai supported by Model Zoo can be trained or used in this codebase.
本项目编写了详细的策略原理说明和平台搭建到使用的详细文档，尤其适合量化小白。欢迎加群交流！
在线文档 | ❓ 常见问题 | Jupyter Notebook
Click HERE to more detail.
声明：别轻易用于实盘，市场有风险，投资需谨慎。
symbol：华正新材(603186)
Starting Portfolio Value: 10000.00
Startdate=datetime.datetime(2010, 1, 1),
Enddate=datetime.datetime(2020, 4, 21),
# 设置佣金为0.001, 除以100去掉%号
cerebro.broker.setcommission(commission=0.001)
A股回测MACD策略:
👉 点击查看源码
A股回测KDJ策略:
👉 点击查看源码
A股回测 KDJ+MACD 策略:
👉 点击查看源码
- 把策略回测整合在一个上位机中，包括：选基、选股策略、交易策略，模拟交易，实盘交易
- 很多策略需要做回测验证；
- 本项目由前后端支持，有上位机app支持，但目前框架还比较乱，需要做调整；
- 各种策略需要抽象设计，支持统一调用；
- 增强数据获取的实时性，每秒数据，降低延迟；
- 在线文档的完善，目前主要几个部分：新手使用指引、经典策略原理和源码、智能策略原理和源码、常见问题等；
- 新的feature开发，欢迎在issues交流；
We appreciate all contributions to improve Qbot. Please refer to CONTRIBUTING.md for the contributing guideline.
-
Github discussions 💬 or issues 💭
-
微信: Yida_Zhang2
-
Email: yidazhang1#gmail.com
-
知乎：@Charmve
- 知识星球：AI量化投研实验室 （加我微信，邀请）
 个人微信 |
 Qbot用户微信交流群 |
 AI量化交易策略分享、实盘交易教程、实时数据接口 知识星球（付费） |
若二维码因 Github 网络无法打开，请点击二维码直接打开图片。
|
🎉 本项目刚上线就收到了两次GitHub官方趋势榜Top5、Top1好成绩! |
|
|
|
👨🏫 重点重点！ 交易策略和自动化工具只是提供便利，并不代表实际交易收益。该项目任何内容不构成任何投资建议。市场有风险，投资需谨慎。
If you like the project, you can become a sponsor at Open Collective or use GitHub Sponsors.
Thank you for supporting Qbot!
Last but not least, we're thankful to these open-source repo for sharing their services for free:
基于Backtrader、vnpy、qlib、tushare、backtest、easyquant、fund-strategies、investool等开源项目，感谢开发者。
感谢大家的支持与喜欢！
Code with ❤️ & ☕️ @Charmve 2022-2023