# ai_quant_trade **Repository Path**: MitchellSorin/ai_quant_trade ## Basic Information - **Project Name**: ai_quant_trade - **Description**: 股票：量化 - **Primary Language**: Unknown - **License**: Apache-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-03-23 - **Last Updated**: 2026-07-06 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README
# 🤖 AI量化交易操盘手 **一站式AI量化交易平台 · 从学习、模拟到实盘** [**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) [![Stars](https://img.shields.io/github/stars/charliedream1/ai_quant_trade?style=social)](https://github.com/charliedream1/ai_quant_trade)
---

🔥 新特性 • 📖 简介 • 🚀 快速开始 • 📊 量化策略 • 🤖 大模型 • ⛏️ 因子挖掘 • 💾 数据 • 🛠️ 工具 • 🎁 资源

--- ## ✨ 核心亮点 | 🎯 定位 | 📌 说明 | |:---:|:---| | 🏦 **一站式平台** | 从学习、模拟到实盘，全流程覆盖 | | 📈 **多元策略** | 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 | | 📚 **资源汇总** | 全网资源汇总、实战案例、论文解读、代码实现 | | 🛠️ **辅助工具** | 辅助盯盘、股票推荐等实用操盘工具 | | 🌍 **多市场覆盖** | 覆盖股票、基金、加密货币等多个市场 | | 🚀 **实盘部署** | 支持 Python/C++/CPU/GPU 等多种部署方式 | --- ## 🔥 新特性 | **时间** | **特性** | |:---|:---| | 2025.08.09 | 🆕 [**推理型股价预测大模型训练教程（预测准确率提升20%，且可解析）**](egs_courses/01_推理型股价预测大模型训练教程.md) | | 2025.05.17 | 🆕 [**Unsloth推理型股价预测大模型（代码见本仓库、详细指南+模型见星球）**](egs_llm/a01_train/a01_unsloth_stock_forcaster) | | 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/b01_app/a01_hot_topic_report/v1_proto_internet) |
📂 2023 年更新 | **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 年更新 | **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) |
--- ## 📖 简介 ### 适合人群 - 🏢 **机构投资者** - 👨‍💻 **散户（有编程基础）** - 🌱 **散户（无编程基础）** ### 项目结构 ``` ai_quant_trade ├── ai_notes ........... 金融量化交易知识（Markdown / Jupyter Notebook 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（看盘神器等） ├── egs_alpha .......... 因子库 & 因子挖掘 ├── egs_data ........... 数据获取及处理（Wind / 开源工具） ├── egs_fin_nlp ........ 文本分析（情感分析等） ├── egs_llm ............ 大模型应用（股价预测 / 金融分析） ├── egs_online_platform 在线投研平台策略（优矿 / 聚宽） ├── egs_trade .......... 本地量化炒股策略 │ ├── paper_trade .... 实盘模拟（Wind万得） │ ├── rl ............. 强化学习炒股 │ ├── ms_qlib ........ 微软Qlib框架 │ └── vanilla ........ 传统规则类策略 ├── quant_brain ........ 核心算法库 ├── runtime ............ 模型部署和实际使用 ├── tools .............. 辅助工具 ├── requirements.txt └── README.md ``` --- ## 🚀 快速开始 本仓库暂未封装为 Python 包，请克隆整个项目后，进入各 `egs` 目录查看详细的 **使用说明** 和 **原理介绍**。 ```bash # 1. 克隆仓库 git clone https://github.com/charliedream1/ai_quant_trade.git # 2. 安装依赖 pip install -r requirements.txt # 3. 进入对应示例目录，查看 README 开始使用 cd egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018 ``` --- ## 📊 本地量化策略 > 📁 **代码目录**：[egs_trade](egs_trade) > > 🎯 每个实例均配备完善的教程，从原理、使用到代码解读。 可在本地构建一套独立的量化交易系统，涵盖以下策略类型： | 类别 | 策略 | 状态 | |:---:|:---|:---:| | 🤖 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 | ✅ / 🔨 | | 📐 传统策略 | 规则类策略（双均线、投资组合管理等） | ✅ | ### 🧠 强化学习策略 > 📁 **代码目录**：`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，强化学习以**最终目标为导向**（以交互作为目标），而很多其他方法考虑的是孤立的子问题（如"股价预测"、"大盘预测"、"交易决策"等），并不能直接获得交互的动作。强化学习则直接面向"完成命令者的任务"，可以获得一连串的动作序列。 **策略列表：** | **序号** | **策略** | **论文** | |:---:|:---|:---| | 1 | [原型](egs_trade/rl/a001_proto_sb3) | — | | 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) | **回测结果：** | **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) | 美股道琼斯30 | 53.1% | -10.4% | 2.17 | ### 📐 传统策略 > 传统策略虽然看似昨日黄花，但其可操作性更强，仍有一定使用价值。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)** --- ## 💰 实盘交易 > 📁 **代码目录**：[egs_trade](egs_trade) ### 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，由于价格较高，更适合机构使用 - 🏢 使用对象：机构 --- ## 🛠️ 辅助操盘工具 > 📁 **代码目录**：[egs_aide](egs_tools) 1. **[利用EXCEL看盘](egs_tools/a01_market_monitor_via_excel/v1)** - 👀 看盘时不容易被发现 - 📋 可自定义添加要盯盘的股票 - ⚡ 可利用 Excel 快速计算和处理数据 2. **[Streamlit实时行情监控](egs_tools/a02_market_monitor_via_streamlit)** - 🌐 基于 Web 的实时行情看板 --- ## ⛏️ 因子挖掘 > 📁 **代码目录**：[egs_alpha](egs_alpha) ### 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) | — | ### 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) | --- ## 💾 数据处理 > 📁 **代码目录**：[egs_data](egs_data) - 各类常见数据源使用详解 - 统一数据源接口 ![数据源示意图](.README_images/数据源.png) --- ## 📝 文本分析 > 📁 **代码目录**：[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) | --- ## 🤖 大模型应用 > 📁 **代码目录**：[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/b01_app/a01_hot_topic_report/v1_proto_internet) | | 2 | [**Unsloth推理型股价预测模型训练（代码开源、详细指南+模型见星球）**](egs_llm/a01_train/a01_unsloth_stock_forcaster) | --- ## 🌟 a_全网优秀资源（重点推荐） > 📁 **目录**：[a_全网优秀资源](a_全网优秀资源) > > ⭐ **本仓库精华版块**：从全网海量资料中筛选、整理、点评的优质量化资源，一站式获取！ ### 🎯 这是什么？ 这是本仓库最核心的"资源宝库"——**我们花费大量精力从全网数万份资料中筛选、整理并附上点评**，按量化交易全流程分类，方便你快速找到所需工具和资料，少走弯路。 **与本仓库其他版块的区别**： | 版块 | 定位 | 特点 | |:---|:---|:---| | `a_全网优秀资源` ⭐ | 实战资源整合 | 收录全网优秀项目，附点评与对比 | | `egs_trade` | 完整策略实战 | 从0到1的策略实现教程 | | `egs_llm` | 大模型应用 | LLM 在金融的落地实践 | | `ai_notes` | 知识笔记 | 理论、概念、踩坑实录 | ### ✨ 四大特色 - 🔍 **优中选优**：从全网海量资源中精选，避免你重复踩坑 - 📂 **分类清晰**：按量化交易全流程（数据→策略→回测→交易）分类，便于按需查找 - 📝 **含点评解读**：不只是罗列链接，附有优缺点分析、上手指南 - 🔄 **持续更新**：紧跟技术发展，持续收录新资源 ### 📚 资源分类一览 | 序号 | 类别 | 核心内容 | |:---:|:---|:---| | 📚 `00_基础知识` | 入门学习 | 股票学习指南、入门教程 | | 🎓 `00_学习资源` | 资源汇总 | GitHub量化资源、开源项目汇总 | | 📊 `01_数据` | 数据获取 | 数据获取工具、新闻数据、多模态数据 | | 🏗️ `02_综合框架` | 主流量化框架 | Qlib、WonderTrader 等详解 | | 🔄 `03_回测框架` | 回测工具 | Backtrader、PyAlgoTrade、Zipline、RQAlpha、QuantDigger 等 | | ⛏️ `04_因子` | 因子库 | Alpha101、ta_lib、stockstats、alphalens 等 | | 💹 `05_交易策略` | 策略资源 | 传统/机器学习/深度学习/强化学习/图神经网络/研报复现/投资组合 | | 🛠️ `06_辅助工具` | 辅助工具 | K线形态识别、金融建模 | | 📊 `07_可视化` | 可视化库 | 量化图表与可视化 | | 🧠 `08_知识图谱` | 知识图谱 | 传统方案与大模型方案 | | ⚡ `09_高频交易` | 高频交易 | 加密货币高频交易 | | 🤖 `10_大模型` | LLM 金融应用 | FinGPT、FinRobot、TradingAgents、Agent、RAG、Skill包等 | | 🌐 `11_投研平台` | 在线平台 | 免费量化平台汇总 | | 💻 `12_交易平台` | 交易接口 | EasyTrader、VNPy 等 | ### 🔥 重点推荐内容 - 🤖 **大模型在金融的应用**：覆盖 FinGPT、FinMem、Self-Reflective、Stock-chain、TradingAgents、FinRobot 等最新研究与实战 - 🛠️ **Skill 包合集（60+）**：包含缠论、技术分析、量化统计、基本面分析、加密货币、宏观分析等专业 Skill - 📊 **回测框架多维对比**：Backtrader、Zipline、RQAlpha、PyAlgoTrade、QuantDigger 等多框架实测对比 - 🔬 **研报复现**：精选高质量券商研报并附复现代码 - 💹 **交易策略全套**：从传统双均线到强化学习、图神经网络，覆盖各类型策略资源 > 💡 **使用建议**：进入 [a_全网优秀资源](a_全网优秀资源) 目录按需浏览；如对某个项目感兴趣，可点击查看详细的介绍和点评。 --- ## 📚 编程及AI基础知识 为了便于维护，已将原有的 `ai_wiki` 目录内容（系统操作、编程基础、AI基础、AI实践等）独立同步至仓库 **AI大模型避坑指南**。 里面记录了大量实际开发中遇到的问题和解决方案，并实时追踪前沿技术发展，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 --- ## 🌐 在线投研平台 > 📁 **代码目录**：[egs_online_platform](egs_online_platform) 国内量化平台如聚宽、优矿、米筐、果仁和 BigQuant 等，感兴趣的读者可自行尝试。 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。 > ⚠️ **注意**：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。没有策略能保证全周期有效，如实盘使用请慎重。 ### 聚宽平台 > 🔗 [聚宽平台](https://www.joinquant.com/) · 欢迎关注我：**量客攻城狮** > > - 具体策略详细介绍和源码请点击对应策略链接查看 > - 聚宽使用介绍：[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 **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% | **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) --- ## 📖 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) 我们将所有工具重新进行了分类并点评，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 - 陆续记录各工具的优缺点，形成对比表，方便选型 - 陆续记录使用方法：我们不做大而全的教程，只列举最常用且实用的功能，让你快速上手 --- ## 🎁 配套资源 本代码仓秉承 **收费与免费并行** 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 👇 下方扫描二维码或点击链接，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)：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，与 AI智投星球 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) 👇 扫码查看"星球"更详细的介绍（里面有搞笑漫画哦）！
知识星球-量化 知识星球-大模型
> 🎯 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** > ✨ **AI驯龙笔记** > - **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 --- ## 💖 打赏我 您的支持是我前进的动力，即便"1毛钱"我也很开心，感谢您的打赏和支持 \(^o^)/
支付宝收款码      微信收款码
--- ## 💬 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}}, } ``` ---
**如果本项目对你有帮助，请给一个 Star ⭐ 支持一下！** [![Stargazers over time](https://starchart.cc/charliedream1/ai_quant_trade.svg)](https://starchart.cc/charliedream1/ai_quant_trade)