在量化交易快速发展的今天,一套覆盖学习、策略开发、回测评估、实盘模拟的完整平台尤为重要。开源项目 ai_quant_trade 致力于打造这样“一站式AI量化平台”。它集合了从本地策略、辅助操盘工具、因子挖掘、文本分析、大模型应用到在线投研平台对接等七大核心模块,支持股票、基金、加密货币等多市场,帮助新手快速上手并动手实践。
主要内容:
了解 ai_quant_trade 平台的整体架构与核心优势
演示环境安装与依赖配置
以“双均线策略”为例,展示如何3步完成回测
浏览其他模块示例,启发你的量化思路
一、平台概览与核心优势
ai_quant_trade 维护,源码结构如下:
ai_quant_trade
├── ai_notes
├── docs
├── egs_trade
│ ├── vanilla
│ ├── rl
│ └── paper_trade
├── egs_alpha
├── egs_data
├── egs_fin_nlp
├── egs_llm
├── egs_online_platform
├── quant_brain
├── runtime
└── tools
平台亮点:
七大模块全覆盖:学习、模拟、回测、实盘、因子、NLP、大模型一应俱全;
案例丰富:每个模块内都有“egs_*”示例目录,包含详细使用说明与原理解读;
零封装源码:直接拷贝项目,无需额外打包;只要 pip install -r requirements.txt
即可运行;
多市场支持:涵盖 A 股、港美股、基金、加密货币等;
免费开源+付费增值:基础示例和源码永久免费,同时提供“知识星球”付费深度课程与工具。
二、环境配置与依赖安装
克隆源码并进入目录:
git clone https://github.com/charliedream1/ai_quant_trade.git
cd ai_quant_trade
2.安装依赖:
pip
install -r requirements.txt
本项目基于 Python 3.8,依赖包括 pandas、numpy、tensorflow、torch、tushare、windpy、ffn 等。
3.若需 Wind 数据或特定大模型示例,请确保已安装 Wind API 或下载模型权重,具体可参考 egs_trade/paper_trade/wind
及 egs_llm
子目录下的 README。
三、双均线策略实战示例
我们以 egs_trade/vanilla/double_ma
示例为切入点,3步完成策略回测:
步骤1:准备数据
在 egs_trade/vanilla/double_ma
目录下,示例使用 Tushare 拉取股票日线数据,代码片段:
import tushare as ts
import pandas as pd
ts.set_token('YOUR_TUSHARE_TOKEN')
pro = ts.pro_api()
df = pro.index_daily(ts_code='000001.SH', start_date='20190101', end_date='20231231')
df = df[['trade_date', 'close']].rename(columns={'trade_date':'date'}).set_index('date')
df.index = pd.to_datetime(df.index)
df['ma_short'] = df['close'].rolling(window=10).mean()
df['ma_long'] = df['close'].rolling(window=50).mean()
df['signal'] = 0
df.loc[df['ma_short']>df['ma_long'], 'signal'] = 1
df.loc[df['ma_short']<df['ma_long'], 'signal'] = -1
步骤3:回测与可视化
平台内置简单回测框架,示例脚本 backtest.py
:import matplotlib.pyplot as plt
df['returns'] = df['close'].pct_change().shift(-1) * df['signal']
df['cum_return'] = (1 + df['returns']).cumprod()
plt.figure(figsize=(10,5))
plt.plot(df.index, df['cum_return'], label='Double MA Strategy')
plt.title('双均线策略回测累计收益')
plt.legend()
plt.show()
运行后即可看到如下图示:
四、其他模块快速浏览
文本分析(egs_fin_nlp):使用 StructBERT
做市场情绪二分类,可作为情绪因子输入策略。
强化学习策略(egs_trade/rl):示例利用 FinRL NeurIPS2018 框架训练股票交易智能体,年化收益可达 ~53%。
大模型应用(egs_llm):集成自研 Unsloth 推理型股票预测大模型,示例提供训练与推理代码。
在线投研平台(egs_online_platform):展示 JoinQuant、Uqer 等平台策略部署示例,方便云端回测与实盘。
辅助工具(egs_aide):如 Excel 看盘神器、K线图监控脚本等,增强日常操盘效率。
五、总结与建议
全流程覆盖:从“入门知识”到“策略实战”,再到“实盘模拟”,ai_quant_trade帮你一站式学习。
模块化示例:各 egs_* 子目录即是可直接运行的案例,修改参数即可复现实验。
扩展性强:新手可先从 vanilla/double_ma
入手,逐步尝试 rl
、alpha
、llm
等高级模块。
付费资源:若需更多深度教程和工具,可加入“知识星球”享受视频课程与答疑服务。
动手实践:
📎 项目链接:
https://github.com/charliedream1/ai_quant_trade