UFund-Me/Qbot

▲ 7 stars today★ 18,571⑂ 2,601

[🔥updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. 📃 online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant

Open on GitHub ↗

About UFund-Me/Qbot

UFund-Me/Qbot is an open-source project on GitHub, mainly written in Jupyter Notebook. [🔥updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. It currently holds 18,571 stars and 2,601 forks with 0 open issues, and was last pushed on an unknown date (repository created unknown).

Project Overview

AI Homed tracks it on the Today's Trending board, currently at rank #56 with 7 new stars today.

GitHub Repository Details

Repository UFund-Me/Qbot · default branch - · size 0 KB · watchers 0 · source: GitHub REST API and repository README

README

👆 右上角点击 告诉我，你希望这个项目继续加速开发迭代 ❤️ & ☕️

🤖 Qbot

https://github.com/UFund-Me/Qbot/blob/HEAD/ViewCount https://github.com/UFund-Me/Qbot/blob/HEAD/releases since Sep 26

CodeQL AutoTrade Pylint Coverage https://github.com/UFund-Me/Qbot/blob/HEAD/Python version https://github.com/UFund-Me/Qbot/blob/HEAD/Documentation status https://github.com/UFund-Me/Qbot/blob/HEAD/Ask DeepWiki

https://github.com/UFund-Me/Qbot/blob/HEAD/Qbot
 
Qbot website HOT      Qbot DeepWiki TRY IT OUT
 

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 supports diverse machine learning modeling paradigms. including supervised learning, market dynamics modeling, and RL.

https://github.com/UFund-Me/Qbot/blob/HEAD/demo 

🤖 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


🎺 号外：Qbot微信小程序开发招募 UFund-miniprogram

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！

Quick Start

Qbot是一个免费的量化投研平台，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点点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！

Qbot 目前仅在 python3.8 pyhont3.9 下测试过，其他版本未测试。

<<< 详细文档 docs/Install_guide.md

cd ~ # $HOME as workspace
git clone https://github.com/UFund-Me/Qbot --depth 1

cd Qbot


pip install -r dev/requirements.txt


export PYTHONPATH=${PYTHONPATH}:$(pwd):$(pwd)/backend/multi-fact/mfm_learner
python main.py  #if run on Mac, please use 'pythonw main.py'

Highlights

1. 模块化分层设计：数据层、策略层、交易引擎抽象设计

- 数据、策略中间表达，方便多种数据接口、交易接口接入，用户自定义策略和因子挖掘
- 支持多种交易对象：股票、基金、期货、虚拟货币

2. 人工智能交易策略、自动化因子挖掘

机器学习、强化学习、深度学习策略开发，因子挖掘自动化workflow

3. 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。

4. 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。

Strategy pool

通过Qbot 可以积木式完成策略编写、多因子挖掘，实现数据开发、因子开发、组合优化、交易执行的量化交易全流程。

如果说策略是量化的核心 ，那么因子就是策略的核心。通过Qbot量化投研平台研究员可实现自动化因子挖掘，提取出具备预测能力的单因子，利用历史数据进行回测，如果回测结果显示该因子的预测能力达标，就提交到因子库。然后，对因子库里的因子进行有机组合，以形成预测模型，预测模型是整个量化策略的目标。

以下即为，数据指标单因子或组合因子和通过深度学习、机器学习、强化学习挖掘到的交易因子，然后通过组合优化算法实现趋势交易、风险策略、alpha策略、动量轮动等等交易策略。

策略库源代码路径：qbot/strategy

经典策略
交易对象 选股 择时 风险控制 (组合、仓位管理)
股票/期货/虚拟货币
  • 传统指标（对应下方Qbot支持的指标 这里）
  • 因子组合
  • 经典策略
    		•
    基金 同上
    智能策略
    GBDT RNN Reinforcement Learning :fire: Transformer :fire: LLM
  • GBDT
  • BOOST
  • LR
    		•
  • CNN
  • RNN
    		•
  • TFT (IJoF'2019)
  • GATs (NIPS'2017)
  • SFM (KDD'2017)
    		•
  • Transformer (NeurIPS'2017)
  • TCTS (ICML'2021)
  • TRA (KDD'2021)
  • TCN (KDD'2018)
  • IGMTF (KDD'2021)
  • HIST (KDD'2018)
  • Localformer ('2021)
    		•
  • ChatGPT
  • FinGPT
    		•

    Benchmark and Model zoo

    Results and models are available in the model zoo. AI strategies is shown at here, local run `python backend/pytrader/strategies/workflow_by_code.py`, also provide Binder

    👉 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.


    交易指标/因子

    包含但不限于alpha-101、alpha-191，以及基于deap实现的因子自动生成算法。 

    EMA(简单移动均线)
MACD(指数平滑异同平均线)
KDJ(随机指标)
RSRS(阻力支撑相对强度)
RSI(相对强弱指标)
StochRSI(随机相对强弱指数)
BIAS(乖离率)
BOLL(布林线指标)
OBV(能量潮)
SAR(抛物转向)
VOL(成交量)
PSY(心理线)
ARBR(人气和意愿指标)
CR(带状能力线)
BBI(多空指标)
EMV(简易波动指标)
TRIX(三重指数平滑移动平均指标)
DMA(平均线差)
DMI(趋向指标)
CCI(顺势指标)
ROC(变动速率指标, 威廉指标)
ENE(轨道线)  # 轨道线（ENE）由上轨线(UPPER)和下轨线(LOWER)及中轨线(ENE)组成，
            # 轨道线的优势在于其不仅具有趋势轨道的研判分析作用，也可以敏锐的觉察股价运行过程中方向的改变
SKDJ(慢速随机指标)
LWR(慢速威廉指标)  # 趋势判断指标
市盈率
市净率
主力意愿(收费)
买卖差(收费)
散户线(收费)
分时博弈(收费)
买卖力道(收费)
行情趋势(收费)
MTM(动量轮动指标)(收费)
MACD智能参数(收费)
KDJ智能参数(收费)
RSI智能参数(收费)
WR智能参数(收费)
Qbot智能预测(收费)
Qbot买卖强弱指标(收费)


    支持的实盘交易接口

    ------

    证券平台账号开通

    低费率开户：股票万0.854免五, ETF万0.4, 可转债万0.4 没有资金门槛。关注公众号可开户

    另外提供开通券商量化交易接口，支持python编写实盘交易

    支持股票券商

    开通方式：微信Yida_Zhang2 (注明：开户) ------

    实盘交易接口

    欢迎更多交易所、柜台开放交易api
    • 期货
    • CTP
    • CTPMini
    • 飞马Femas
    • 艾克朗科（仅组播行情）
    • 易达
    • 期权
    • CTPOpt
    • 金证期权maOpt
    • QWIN二开
    • 股票
    • 中泰XTP
    • 中泰XTPXAlgo
    • 华鑫奇点
    • 华锐ATP
    • 宽睿OES
    • 同花顺
    • 东方财富
    • 华泰证券
    • 国泰君安
    • 中汇亿达
    • 恒生UFT
    • 掘金
    • 顶点飞创
    • 华

    GitHub Stars & Activity

    18,571Stars
    2,601Forks
    0Open issues
    Jupyter NotebookLanguage

    GitHub Popularity

    GitHub stars18,571
    Forks2,601
    Open issues0
    Primary languageJupyter Notebook
    License-
    Stars gained today7
    Created-
    Last pushed-

    Trending History

    Daily boardrank #56 · ▲ 7 stars

    Related AI Projects

    More AI Rankings