Skip to content

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

量化交易策略系统

项目简介

这是一个基于Python的量化交易策略系统,通过多维度技术分析和机器学习模型,为A股市场提供选股策略建议。系统具备动态资源管理能力,可以自适应调整运行参数,提供包括超短线交易在内的多种分析维度。

主要功能

  • A股市场股票数据自动获取和分析
  • 机器学习模型预测股票趋势
  • 多维度技术指标分析
  • 超短线交易策略分析
  • 动态多线程管理
  • 实时性能监控

技术特点

  • 智能数据缓存机制
  • 自适应系统资源管理
  • 多数据源容错机制
  • 异常检测和自动处理
  • 完整的中文界面

系统要求

硬件要求

  • CPU: 建议4核及以上
  • 内存: 建议8GB及以上
  • 硬盘空间: 至少1GB可用空间

操作系统

  • Windows 10/11
  • macOS 10.15及以上
  • Linux (Ubuntu 18.04及以上)

Python环境

  • Python 3.8及以上版本
  • pip包管理器

安装步骤

  1. 安装Python环境

    如果尚未安装Python,请从官方网站下载并安装:https://www.python.org/downloads/

  2. 创建虚拟环境(推荐)

    # 创建虚拟环境
    python -m venv venv
    
    # 激活虚拟环境
    ## Windows
    venv\Scripts\activate
    ## macOS/Linux
    source venv/bin/activate
  3. 更换pip源 (国内用户推荐)

    为了加快依赖包的下载速度,国内用户可以考虑更换pip的软件源。以下是使用阿里云源的命令:

    pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/
    pip config set global.trusted-host mirrors.aliyun.com
  4. 安装依赖包

    创建 requirements.txt 文件并安装依赖:

    pip install -r requirements.txt

    requirements.txt 内容:

    pandas>=1.3.0
    numpy>=1.20.0
    akshare>=1.8.0
    baostock>=0.8.8
    scikit-learn>=0.24.0
    lightgbm>=3.3.0
    psutil>=5.8.0
    tqdm>=4.65.0
    py-mini-racer>=0.6.0
    

配置说明

1. 系统资源配置

main.py中可以调整以下参数:

  • min_workers: 最小线程数(默认4)
  • max_workers: 最大线程数(默认10)
  • cpu_threshold: CPU使用率阈值(默认75%)
  • memory_threshold: 内存使用率阈值(默认85%)

2. 选股参数配置

可以根据需要调整以下筛选条件:

  • 上涨概率阈值(默认>60%)
  • 动量得分要求(默认>-10%)
  • RSI范围(默认30-75)
  • 波动率限制(默认<60%)
  • 日均成交量要求(默认>5万)
  • 股价限制(默认>3元)

运行说明

1. 基本运行

python main.py

2. 输出说明

程序运行后将显示:

  • 选出的标的(前20名)
  • 15日均线在15元以内的标的
  • 超短线爆发潜力股票(前20名)
  • 15日均线在15元以内的爆发潜力股票
  • 详细的选股说明和风险提示

3. 性能监控

程序会实时显示:

  • CPU和内存使用率
  • 处理进度
  • 成功/失败统计
  • 平均处理时间
  • 系统资源使用峰值

注意事项

1. 数据源说明

  • 使用akshare获取A股数据
  • 使用baostock作为备用数据源
  • 建议在交易时段运行以获取最新数据

2. 风险提示

程序输出结果仅供参考,不构成投资建议。投资者需要:

  • 结合市场环境和个人风险承受能力做出投资决策
  • 建议在首次运行时使用小规模数据测试
  • 理性分析,谨慎决策
  • 严格执行风险控制

3. 故障排除

如遇到问题:

  1. 检查网络连接是否正常
  2. 确认依赖包是否正确安装
  3. 查看是否有足够的系统资源
  4. 检查Python版本是否符合要求

4. 性能优化建议

  • 适当调整线程数以匹配系统配置
  • 定期清理缓存数据
  • 避免同时运行其他资源密集型程序
  • 建议在固态硬盘上运行以提高IO性能

变更日志

[1.0.0] - 2025-02-28

新增功能

  • 实现完整的A股市场数据获取和分析系统
  • 引入动态多线程管理机制,自适应系统资源使用
  • 开发多维度技术指标分析系统
  • 实现基于机器学习的股票趋势预测模型
  • 添加超短线交易策略分析功能
  • 集成实时性能监控和统计系统

核心特性

  • 数据处理
    • 支持全市场A股数据自动获取和更新
    • 实现智能数据缓存机制,提高数据处理效率
    • 添加数据异常检测和自动处理功能
    • 集成多数据源支持,提高数据可靠性
  • 分析系统
    • 开发多维度技术指标计算和分析功能
    • 实现机器学习模型自动训练和预测
    • 添加动量和趋势分析功能
    • 集成超短线交易策略分析
    • 实现自适应参数优化系统
  • 性能优化
    • 实现动态线程管理,优化系统资源使用
    • 添加实时性能监控功能
    • 开发自适应资源分配机制
    • 实现异常处理和自动恢复功能
  • 用户界面
    • 完整的中文界面支持
    • 实时进度显示功能
    • 详细的统计信息展示
    • 完整的风险提示系统

已知问题

  • 系统内存占用较高时线程数调整可能不够灵活
  • 部分股票数据获取可能需要多次重试
  • 首次运行时数据加载时间较长

技术支持

如遇问题,请参考以下步骤:

  1. 检查错误日志
  2. 确认系统环境是否满足要求
  3. 尝试重新安装依赖包
  4. 如问题持续,请提供详细的错误信息和运行环境说明

作者

许可证

MIT License

About

No description, website, or topics provided.

Resources

Stars

0 stars

Watchers

1 watching

Forks

Releases

Packages

Used by

Contributors

Languages