前言
在ChatGPT引领的AI浪潮下，涌现了一大批AI应用，其背后其实蕴含着一个基本事实：AI能力得到了极大突破——大模型的能力有目共睹，未来只会变得更强。这世界唯一不变的就是变，适应变化、拥抱变化、喜欢变化，天行健君子以自强不息。我们相信未来会有越来越多的大模型出现，AI正在逐渐平民化，将来每个人都可以利用大模型轻松地做出自己的AI产品。
最近这些天，github的排行榜每天都在发生着变化。今天介绍一款排位比较靠前的关于量化交易的AI项目，之所以选择这个项目来介绍的原因是笔者之前是做量化交易出身的，深知想要做好一款量化交易软件的难度。
项目github地址：https://github.com/UFund-Me/Qbot
功能特点
Qbot是一款AI驱动的自动化智能投研、智能投顾平台，它的功能上主要有以下几个特点：
•智能交易策略（quant.ai - qlib, deep learning strategies） •回测系统（BackTest - backtrader, easyquant） •自动化量化交易（Qbot - vnpy, pytrader, pyfunds） •可视化分析（quantstats (dashboard\online operate)）
快速开始
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'
亮点
- 多种交易方式：在线回测 + 模拟交易 + 实盘自动化交易
以策略研究为目标，提供多种交易方式验证策略和提高收益。
2. 多种提示方式：邮件 + 飞书 + 弹窗 + 微信
这是qbot的消息提示模块，多种方式提示交易信息：交易买卖信息、每日交易收益结果、股票每日推荐等。
使用
安装
安装指引[1] | 在线文档[2]
____________________________________
< Run ``./env_setup.sh`` to say hello >
------------------------------------
\ ^__^
\ (oo)\_______
(__)\ )\/\
||----w |
|| ||
开始
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[3]查看源码
本地布署
export USER_ID="admin" # replace your info
export PASSWORD="admin1234." # replace your info
pip install -r requirements.txt
cd pytrader
python test_backtrade.py
python test_trader.py
# visualization
python main.py
# if run on Mac, please use 'pythonw main.py'
Web环境
- 基金策略在线分析
需要 node 开发环境: npm、node，点击查看[4]详细操作文档
运行命令
cd pyfunds/fund-strategies
npm install
npm start
- 选基、选股助手
运行命令
cd investool
./investool webserver
无代码操作 (TODO)
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
策略
部分未整理。。。
多个模型的Benchmark结果
Results and models are available in the model zoo[5]. AI strategies is shown at here[6], local run python pytrader/strategies/workflow_by_code.py, also provide [7]
具体AI模型benchmark结果：
策略原理及源码分析
在线文档[9] | ❓ 常见问题[10] | Jupyter Notebook[11]
策略统计报告
Quantstats Report
点击 这里[12] 查看更多.
一些策略的回测结果:
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:
image
👉 点击查看[13]源码
A股回测KDJ策略:
image
👉 点击查看[14]源码
A股回测 KDJ+MACD 策略:
image
👉 点击查看[15]源码
TODO
• 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[16]交流；
贡献
我们感谢所有为改进 Qbot 所做的贡献。请参考 CONTRIBUTING.md[17] 的贡献指南。
🍮 社区
有想要做进一步了解的，可以去github上联系项目负责人，github地址为：https://github.com/UFund-Me/Qbot。当然，也可以联系笔者帮忙进项目交流学习群，但是这里强烈不建议大家用于实盘，希望大家能通过这个项目学习一下AI如何在金融领域应用。
References
[1] 安装指引: ./docs/01-新手指引/Install_guide.md
[2] 在线文档: https://ufund-me.github.io/Qbot/#/
[3] 这里: gui/mainframe.py
[4] 查看: pyfunds/fund-strategies/README.md
[5] model zoo: docs/03-智能策略/model_zoo.md
[6] here: ./pytrader/strategies/
[7] : https://mybinder.org/v2/gh/UFund-Me/Qbot/blob/main/pytrader/strategies/workflow\_by\_code.ipynb/HEAD
[8] Model Zoo: ./docs/03-智能策略/model_zoo.md
[9] 在线文档: https://ufund-me.github.io/Qbot/#/
[10] ❓ 常见问题: https://ufund-me.github.io/Qbot/#/04-%E5%B8%B8%E8%A7%81%E9%97%AE%E9%A2%98/FQA
[11] Jupyter Notebook: ./pytrader/strategies/notebook
[12] HERE: quantstats#visualize-stock-performance
[13] 查看: pytrader/doc/02.easy_macd_strategy/macd.py
[14] 查看: pytrader/doc/04.kdj_with_macd/kdj.py
[15] 查看: pytrader/doc/04.kdj_with_macd/kdj_macd.py
[16] issues: https://github.com/UFund-Me/Qbot/issues/
[17] CONTRIBUTING.md: .github/CONTRIBUTING.md