abu README

The project's README from github.com/bbfamily/abu. As one markdown file: README.md.

索引

内容 位置
阿布量化系统源代码 abupy目录
阿布量化使用教程 abupy_lecture目录
阿布量化非编程界面操作 abupy_ui目录
《量化交易之路》示例代码 ipython/python目录
《机器学习之路》示例代码 https://github.com/maxmon/abu_ml

🏆 览器访问网址: https://www.abuquant.com

  1. 上证指数(000001) 实时AI研报:

  2. 黄金/美元(XAU) 实时AI研报

  3. 纳斯达克(NDX) 实时AI研报

  4. 恒生指数(HSI) 实时AI研报

  5. 深证成指(399001) 实时AI研报

  6. 美元兑离岸人民币(USDCNH) 实时AI研报

  7. 白银ETF(SLV) 实时AI研报

  8. 日経225(N225) 实时AI研报

  9. 标普500(SPX) 实时AI研报

  10. 创业板指(399006) 实时AI研报

  11. 沪深300(000300) 实时AI研报

  12. NYMEX原油(CL00Y) 实时AI研报

  13. 中证500股指主连(ICM) 实时AI研报

  14. COMEX黄金(GC00Y) 实时AI研报

  15. 美元兑日元(USDJPY) 实时AI研报

  16. 韩国KOSPI(KOSPI) 实时AI研报

  17. 富时新加坡海峡时报(STI) 实时AI研报

  18. 上证50(000016) 实时AI研报

  19. 科创50(000688) 实时AI研报

  20. 英国富时100(FTSE) 实时AI研报

  21. 红筹指数(HSCCI) 实时AI研报

  22. 道琼斯(DJIA) 实时AI研报

  23. 法国CAC40(FCHI) 实时AI研报

  24. 德国DAX30(GDAXI) 实时AI研报

  25. 🇨🇳 沪深市场量化示例分析列表

  26. 🇺🇸 美股市场量化示例分析列表

  27. 🚩 港股市场量化示例分析列表

  28. 📡 图形信号 交织 图形信号 策略:

  29. 📡 均线信号 交织 图形信号 策略:

  30. 🅚🄺线信号 交织 图形信号 策略:

  31. 📡 均线信号 交织 🄺线信号 策略:

  32. 阿布量化架构概述

特点

支持的投资市场:

工程设计目标:

阿布量化综合AI大数据系统, K线形态系统, 缠论,波浪理论,谐波理论,突破,整理形态分析(头肩形态,三头,三角,旗形,楔形,矩形), 经典指标系统, 走势趋势分析系统, 时间序列维度系统, 统计概率系统, 传统均线系统对投资品种进行深度量化分析, 彻底跨越用户复杂的代码量化阶段, 更适合普通人群使用, 迈向量化2.0时代.

上述系统中结合上百种子量化模型, 如: 金融时间序列损耗模型, 深度形态质量评估模型, 多空形态组合评定模型, 多头形态止损策略模型, 空头形态回补策略模型, 大数据K线形态历史组合拟合模型, 交易持仓心态模型, 多巴胺量化模型, 惯性残存阻力支撑模型, 多空互换报复概率模型, 强弱对抗模型, 趋势角度变化率模型, 联动分析模型, 时间序列的过激反应模型, 迟钝报复反应模型, 趋势启动速度模型, 配对对冲模型等.

阿布量化针对AI人工智能从底层开发算法, 构建适合量化体系的人工智能AI系统, 训练了数个从不同角度识别量化特征的评分模型,整体上分为三个系别:物理模型组、多巴胺生物模型组、量化形态模型组。不同系别模型群从不同角度(主要物理交易实体分析、人群心理、图表等三个方向)评估走势,系别的模型群是由若干个独有的识别算法和参数遗传淘汰,组成族群,加权投票评分.

阿布量化结合了传统基于代码策的量化系统, 对未来择时信号发出时机的预判, 系统基于数百种简单种子交易策略,衍生出更多的量化交易策略新策略在这些种子基础上不断自我学习、自我成长,不断分裂,适者生存,淘汰选择机制下繁衍,目前应用的量化买入卖出信号策略共计18496种。

安装

部署

推荐使用Anaconda部署Python环境,详见 量化环境部署

测试

import abupy

使用文档

1:择时策略的开发

第一节界面操作教程视频播放地址

择时策略决定什么时候买入投资品,回测告诉我们这种策略在历史数据中的模拟收益如何。

  1. 买入择时因子的编写
  2. 分解模式一步一步对策略进行回测
  3. 卖出择时因子的实现

在对的时间,遇见对的人(股票),是一种幸福

在对的时间,遇见错的人(股票),是一种悲伤

在错的时间,遇见对的人(股票),是一声叹息

在错的时间,遇见错的人(股票),是一种无奈

详细阅读

2: 择时策略的优化

通过止盈止损保护策略产生的利润,控制风险。

  1. 基本止盈止损策略
  2. 风险控制止损策略
  3. 利润保护止盈策略

详细阅读

3: 滑点策略与交易手续费

考虑应用交易策略时产生的成交价格偏差及手续费。

  1. 滑点买入卖出价格确定及策略实现
  2. 交易手续费的计算以及自定义手续费
type date symbol commission
buy 20150423 usTSLA 8.22
buy 20150428 usTSLA 7.53
sell 20150622 usTSLA 8.22
buy 20150624 usTSLA 7.53
sell 20150706 usTSLA 7.53
sell 20150708 usTSLA 7.53
buy 20151230 usTSLA 7.22
sell 20160105 usTSLA 7.22
buy 20160315 usTSLA 5.57
sell 20160429 usTSLA 5.57

详细阅读

4: 多支股票择时回测与仓位管理

针对多支股票实现择时策略,通过仓位管理策略控制风险。

  1. 多支股票使用相同的因子进行择时
  2. 自定义仓位管理策略的实现
  3. 多支股票使用不同的因子进行择时
  4. 使用并行来提升择时运行效率

详细阅读

5: 选股策略的开发

一个好的策略需要一个好的标的。

  1. 选股因子的编写
  2. 多个选股因子并行执行
  3. 使用并行来提升选股运行效率

详细阅读

6: 回测结果的度量

正确的度量引领着正确的前进方向。

  1. 度量的基本使用方法
  2. 度量的可视化
  3. 扩展自定义度量类

详细阅读

7: 寻找策略最优参数和评分

通过定制的评分机制,寻找一个策略最合理的参数,比如:应该考虑多少天的均线?

  1. 参数取值范围
  2. Grid Search寻找最优参数
  3. 度量结果的评分
  4. 不同权重的评分
  5. 自定义评分类的实现

详细阅读

8: A股市场的回测

  1. A股市场的回测示例
  2. 涨跌停的特殊处理
  3. 对多组交易结果进行分析

详细阅读

9: 港股市场的回测

  1. 港股市场的回测示例
  2. 优化策略,提高系统的稳定性
  3. 将优化策略的'策略'做为类装饰器进行封装

详细阅读

10: 比特币, 莱特币的回测

  1. 比特币, 莱特币的走势数据分析
  2. 比特币, 莱特币的走势可视化分析
  3. 比特币,莱特币市场的回测

详细阅读

11: 期货市场的回测

  1. 期货市场的特点
  2. 看涨合约的回测
  3. 看跌合约的回测
  4. 位移路程比优化策略

详细阅读

12: 机器学习与比特币示例

如何在投资品的量化交易中正确使用机器学习技术?

  1. 比特币特征的提取
  2. abu中内置机器学习模块的使用
  3. 测试集的验证与非均衡技术
  4. 继承AbuMLPd对数据处理进行封装

详细阅读

13: 量化技术分析应用

技术分析三大假设:市场行为涵盖一切;价格沿趋势移动;历史会重演。

  1. 阻力线,支撑线自动绘制
  2. 跳空技术分析
  3. 传统技术指标技术分析

详细阅读

14: 量化相关性分析应用

相似的投资品数据的背后,往往是相似行为模式的投资人群。

  1. 相关相似度的度量
  2. 距离的度量与相似度
  3. 相似相关接口的应用
  4. 自然相关性

详细阅读

15: 量化交易和搜索引擎

搜索策略生成的失败交易,由裁判拦截住冲动的交易者。

  1. 切分训练集交易的回测
  2. 对交易进行人工分析
  3. 主裁系统原理
  4. 角度主裁
  5. 赋予宏观上合理的解释
  6. 最优分类簇筛选

详细阅读

19: 数据源

abu支持股票、期货、数字货币等多种金融投资品的行情和交易,并具有高度可定制性。

  1. 数据模式的切换
  2. 数据存储的切换
  3. 数据源的切换
  4. 全市场数据的更新
  5. 接入外部数据源,股票数据源
  6. 接入外部数据源,期货数据源
  7. 接入外部数据源,比特币,莱特币数据源

详细阅读

License

GPL

abu (bbfamily/abu)

cryptocurrency
Searching Database…

18.9K ·GitHub
What is this?This is 'abu' (阿布量化), an open-source Python framework for building, backtesting and running quantitative trading strategies across US/A-share/HK stocks, futures, options and cryptocurrencies like Bitcoin, using machine learning to optimize the strategies.
Is this a ready-made trading app or a framework I code against?It is mainly a Python library/framework (the 'abupy' package) you import and extend with your own buy/sell factors; it also ships a non-programming UI module (abupyui) for people who don't want to write code, plus Jupyter notebook tutorials.
How do I get it running?Deploy a Python environment with Anaconda (recommended) and then work through the Jupyter notebook lessons in abupylecture, which walk from writing a buy factor to full multi-stock backtests.
What do I need installed before trying it?You need Python via Anaconda plus the standard scientific stack - numpy, pandas and matplotlib - and Jupyter Notebook to follow the tutorial lessons.
Any catch before I dive in?All documentation, tutorial notebooks and comments are in Chinese, and the framework assumes you already understand quant concepts (factors, slippage, position sizing, scoring) before customizing strategies.
Which markets can I actually trade with it?It supports US stocks, A-share and Hong Kong stocks, futures, options, and Bitcoin/Litecoin, each with its own backtesting notebooks.
How many built-in trading strategies does abu come with?The framework combines hundreds of seed strategies that evolve and select against each other through self-learning, resulting in 18,496 ready-to-use buy/sell signal strategies out of the box.
What technical analysis theories does it combine?It blends Elliott wave theory, Chan theory (缠论), harmonic patterns, trendline support/resistance, moving-average signals, candlestick (K-line) patterns and classic indicators like MACD, KDJ, BOLL and RSI into one scoring system.
Is there a book or course that goes with this project?Yes - the repo ships the example code for two Chinese books, 'The Path of Quant Trading' (量化交易之路) and 'The Path of Machine Learning' (机器学习之路), alongside the abupylecture tutorial notebooks.
Can I trade cryptocurrencies with it, not just stocks?Yes, besides stocks, futures and options, abu also supports backtesting and live-guided trading for Bitcoin and Litecoin.
Creator
bbfamily
Size
93.9 MB
Stars
18.9K
Age
10y
Commits · 90 Days