/iQuant

Primary LanguageHTMLGNU General Public License v3.0GPL-3.0

iQuant

UFund-Me,专注将前沿人工智能技术(机器学习、深度学习、强化学习、遗传算法、图计算、知识图谱等)应用于金融量化投资。

金融投资领域是高度信息密集型,而且信息相对结构化,照理讲是最适合机器计算的领域。可是,当前投资仍然处于“刀耕火种”的年代,有人忙于调研,读报表;有人忙于盯盘,画线条。

alphago master登顶围棋之巅都过去五年之久了,算法、算力日新月异的发展,不应该是当前这个样子。

尽管金融数据低“信噪比”,也不要指望打造一台永动机。

但请相信一句话就是:

No man is better than a machine, but no machine is better than a man with a machine!

让机器辅助我们投资,将无往而不利。

按照个人积极参与主动决策的程度,把投资分成三个层次:

  • 全天候大类资产配置。 被动管理,很少参与。在坐好资产后长期持续,只做一些被动再平衡的操作;
  • 战术资产配置。 关注宏观层面大的周期,在周期偏好的资产上持有更多的仓位。
  • 择时 积极判断市场方向,期望做到“低买高卖”。

这三个层次,从上到下,越来越不确定,越来越难,风险也越来越高。当然如果做好,收益也是越来越大。

建议普通人都从第一层次做起,比较容易做到从理财往投资过渡。

但是很遗憾,大部分人一上手就是冲着第三层次来的,“追涨杀跌”却常常做错方向,最终成为韭菜。

图片

项目说明

传统的量化投资,使用技术指标比如均值,MACD,RSI,KDJ等以及它们的线性变种来产生信号。 有几个缺点:

  • 一则这是线性的,

  • 二是参数全凭经验,没有调优的过程,

  • 三是规则是静态的,无法根据市场变化自主进化。

我们的目标,是把前沿人工智能技术,包括机器学习,深度学习,深度强化学习,知识图谱,时间序列分析等技术应用于金融大数据挖掘, 更好的赋能量化投资。

金融数据的低信噪比,让这件事情变更很难,

难,才有意思。

“积木式”回测引擎

algo_list_rolling = [

        SelectFix(instruments=['sh000300', 'sh000905', 'sz399006']),

        SelectBySignal(signal_buy='to_buy', signal_sell='to_sell'),

        SelectTopK(K=1,col='五日动量'),

        WeightEqually()
    ]

开发环境与安装部署

python3.7~3.10

直接git或者下载源码包,安装相关依赖,然后运行qbot_main.py即可。

git clone https://github.com/Charmve/iQuant

cd iQuant

pip install -r requirements.txt

python qbot_main.py

联系我们

微信:Yida_Zhang2

持续分享前沿人工智能技术如何赋能金融投资,并找到一帮志同道合的朋友!