ENGLISH VERSION

文档 | 数据处理 | 在线投研平台样例

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!

  希望这是一个实用，可以快速部署，辅助股票实盘交易的工具，而不是一个仅限于学习和研究的平台。

• 第一阶段：丰富完善各个功能模块
• 第二阶段：用于部署和实盘使用
• 第三阶段：封装成一个带界面的软件，对于不会代码的人，也可以便捷获取到智能推荐消息

  本仓库正在从零开始构建，欢迎关注，学习并了解所有的底层和细节，才会赢！！！

• 2023.01.01: 本地深度强化学习策略: egs_local_strategies/reinforcement_learn/proto_sb3
• 2022.11.07： Wind本地实盘模拟
• 2022.08.03： 本地回测平台初步完善，支持双均线策略

ai_quant_trade工具的目标意在提供一款集量化炒股知识、工具及实盘炒股为一体的 工具，如下特性将逐步完善并加入：

• ai_wiki: 各类基础知识，该内容会再ai_wiki 同步维护 ， 包括windows, linux, shell, vim, markdown，python, c++,机器学习数学基础， leetcode(c++, python)，机器学习、 深度学习、强化学习、图神经网络，语音识别、NLP和图像识别等基础知识
• docs: 本仓库使用说明文档
• egs_aide: 辅助操盘工具
• egs_data: 数据获取及存储，包括股票信息和消息信息，及数据库使用等
• egs_local_strategies: 包含机器学习、深度学习、强化学习和图神经网络等的自动炒股模型， 利用NLP进行消息面分析等，主要用于本地模拟、分析及实盘
• egs_online_platform：主要包含 聚宽平台 的 使用样例，通过该平台可以方便的进行回测、模拟盘及实盘交易 (后续也将加入 其它常见平台的实例)
• quant_brain: 包含机器学习、深度学习、强化学习和图神经网络等的自动炒股模型 的核心算法库
• tools: 辅助工具等
• runtime：包含C++代码，用于模型的部署和实际使用，提供流式实时股票趋势预测 等服务

可在本地可构建一套独立的量化交易系统

• 示例请查看: egs_local_strategies
• 详细使用教程

回测框架

• 数据获取(包含TusharePro)
• 10项风险指标计算
• K线蜡烛图交易点展示

择时策略

• 双均线策略

如何使用：

1. 安装所需库

pip install requirements.txt

2. 查看策略文件夹下文档并运行对应实例即可

  这里汇总了各种量化相关的平台、开源资源和知识。这里是一个丰富的知识仓库和导航地图。
  这里将汇总包括量化投资，windows, linux, shell, vim, markdown，python, c++,机器学习数学基础， leetcode(c++, python)，机器学习、 深度学习、强化学习、图神经网络，语音识别、NLP和图像识别等基础知识

• 量化交易与投资
• python量化工具库
• 股票数据获取

  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

1. 股票量化策略

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)
• 龙虎榜数据筛选和过滤
• 概念板块数据获取和选股
• 详解: 股票数据获取及图形分析(附详细代码)

知乎

欢迎在 Github Discussions 中发起讨论。

欢迎在 Github Issues 中提交问题。

请查看文档常见问题

@misc{ai_quant_trade,
  author={Charlie Lee},
  title={ai_quant_trade},
  year={2022},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished = {\url{https://github.com/charliedream1/ai_quant_trade}},
}