🔥 新特性 • 📖 简介 • 🚀 快速开始 • 📊 量化策略 • 🤖 大模型 • ⛏️ 因子挖掘 • 💾 数据 • 🛠️ 工具 • 🎁 资源
| 🎯 定位 | 📌 说明 |
|---|---|
| 🏦 一站式平台 | 从学习、模拟到实盘，全流程覆盖 |
| 📈 多元策略 | 大模型、因子挖掘、传统策略、机器学习、深度学习、强化学习、图网络、高频交易 |
| 📚 资源汇总 | 全网资源汇总、实战案例、论文解读、代码实现 |
| 🛠️ 辅助工具 | 辅助盯盘、股票推荐等实用操盘工具 |
| 🌍 多市场覆盖 | 覆盖股票、基金、加密货币等多个市场 |
| 🚀 实盘部署 | 支持 Python/C++/CPU/GPU 等多种部署方式 |
| 时间 | 特性 |
|---|---|
| 2025.08.09 | 🆕 推理型股价预测大模型训练教程（预测准确率提升20%，且可解析） |
| 2025.05.17 | 🆕 Unsloth推理型股价预测大模型（代码见本仓库、详细指南+模型见星球） |
| 2025.01.03 | 大模型金融市场分析（视频教程见星球或公众号） |
📂 2023 年更新
| 时间 | 特性 |
|---|---|
| 2023.04.09 | StructBERT市场情绪分析 |
| 2023.03.28 | 强化学习多股票交易：年化收益53% |
| 2023.02.28 | 机器学习自动挖掘5000个因子及股票趋势预测 |
| 2023.02.05 | 利用EXCEL看盘 |
| 2023.01.01 | 本地深度强化学习策略 |
📂 2022 年更新
| 时间 | 特性 |
|---|---|
| 2022.11.07 | Wind本地实盘模拟 |
| 2022.08.03 | 基础回测框架 + 双均线策略 |
- 🏢 机构投资者
- 👨💻 散户（有编程基础）
- 🌱 散户（无编程基础）
ai_quant_trade
├── ai_notes ........... 金融量化交易知识（Markdown / Jupyter Notebook 知识体系）
│ ├── 资源 ........... 持续收录全网优秀资源
│ ├── 实战 ........... 各类工具、框架、库的使用及踩坑实录
│ └── 热点 ........... 金融市场热点、技术热点、论文解读
├── docs ............... 本仓库使用说明文档
├── egs_aide ........... 辅助操盘工具（看盘神器等）
├── egs_alpha .......... 因子库 & 因子挖掘
├── egs_data ........... 数据获取及处理（Wind / 开源工具）
├── egs_fin_nlp ........ 文本分析（情感分析等）
├── egs_llm ............ 大模型应用（股价预测 / 金融分析）
├── egs_online_platform 在线投研平台策略（优矿 / 聚宽）
├── egs_trade .......... 本地量化炒股策略
│ ├── paper_trade .... 实盘模拟（Wind万得）
│ ├── rl ............. 强化学习炒股
│ ├── ms_qlib ........ 微软Qlib框架
│ └── vanilla ........ 传统规则类策略
├── quant_brain ........ 核心算法库
├── runtime ............ 模型部署和实际使用
├── tools .............. 辅助工具
├── requirements.txt
└── README.md
本仓库暂未封装为 Python 包，请克隆整个项目后，进入各 egs 目录查看详细的 使用说明 和 原理介绍。
# 1. 克隆仓库
git clone https://github.com/charliedream1/ai_quant_trade.git
# 2. 安装依赖
pip install -r requirements.txt
# 3. 进入对应示例目录，查看 README 开始使用
cd egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018📁 代码目录：egs_trade
🎯 每个实例均配备完善的教程，从原理、使用到代码解读。
可在本地构建一套独立的量化交易系统，涵盖以下策略类型：
| 类别 | 策略 | 状态 |
|---|---|---|
| 🤖 AI策略 | 强化学习、图网络、深度学习、机器学习、高频交易、因子挖掘、大模型 | ✅ / 🔨 |
| 📐 传统策略 | 规则类策略（双均线、投资组合管理等） | ✅ |
📁 代码目录：
egs_trade/rl
自从2017年 AlphaGo 与柯洁围棋大战之后，深度强化学习大火。
相比于机器学习和深度学习，强化学习以最终目标为导向（以交互作为目标），而很多其他方法考虑的是孤立的子问题（如"股价预测"、"大盘预测"、"交易决策"等），并不能直接获得交互的动作。强化学习则直接面向"完成命令者的任务"，可以获得一连串的动作序列。
策略列表：
| 序号 | 策略 | 论文 |
|---|---|---|
| 1 | 原型 | — |
| 2 | FinRL教程0-NeurIPS2018 | Practical Deep Reinforcement Learning Approach for Stock Trading |
回测结果：
| 序号 | 策略 | 市场 | 年化收益 | 最大回撤 | 夏普率 |
|---|---|---|---|---|---|
| 1 | 原型 | 中国A股 | — | — | — |
| 2 | FinRL教程0-NeurIPS2018 | 美股道琼斯30 | 53.1% | -10.4% | 2.17 |
传统策略虽然看似昨日黄花，但其可操作性更强，仍有一定使用价值。深度学习和机器学习往往需要配合规则使用。
-
- 详细使用教程
- 包含策略代码 + 自建纯手写回测框架
- 包含良好的绘图，指示买点和卖点
- 🎯 目标：通过这个实例了解量化交易的完整框架构建方式
📁 代码目录：egs_trade
- Wind本地实盘模拟：双均线策略
- 利用 Wind 软件实现的实盘模拟
- Wind 常作为各大金融机构的首选数据源，由于价格较高，更适合机构使用
- 🏢 使用对象：机构
📁 代码目录：egs_aide
-
- 👀 看盘时不容易被发现
- 📋 可自定义添加要盯盘的股票
- ⚡ 可利用 Excel 快速计算和处理数据
-
- 🌐 基于 Web 的实时行情看板
📁 代码目录：egs_alpha
| 序号 | 策略 | 论文 |
|---|---|---|
| 1 | 机器学习自动挖掘5000个因子及股票趋势预测 | — |
| 序号 | 因子库 |
|---|---|
| 1 | alpha101 |
| 2 | stockstats |
| 3 | ta_lib |
📁 代码目录：egs_data
- 各类常见数据源使用详解
- 统一数据源接口
📁 代码目录：egs_fin_nlp
| 序号 | 工具 |
|---|---|
| 1 | StructBERT市场情绪分析 |
📁 代码目录：egs_llm
| 序号 | 工具 |
|---|---|
| 1 | 大模型金融市场分析（视频教程见星球或公众号） |
| 2 | Unsloth推理型股价预测模型训练（代码开源、详细指南+模型见星球） |
📁 目录：a_全网优秀资源
⭐ 本仓库精华版块：从全网海量资料中筛选、整理、点评的优质量化资源，一站式获取！
这是本仓库最核心的"资源宝库"——我们花费大量精力从全网数万份资料中筛选、整理并附上点评，按量化交易全流程分类，方便你快速找到所需工具和资料，少走弯路。
与本仓库其他版块的区别：
| 版块 | 定位 | 特点 |
|---|---|---|
a_全网优秀资源 ⭐ |
实战资源整合 | 收录全网优秀项目，附点评与对比 |
egs_trade |
完整策略实战 | 从0到1的策略实现教程 |
egs_llm |
大模型应用 | LLM 在金融的落地实践 |
ai_notes |
知识笔记 | 理论、概念、踩坑实录 |
- 🔍 优中选优：从全网海量资源中精选，避免你重复踩坑
- 📂 分类清晰：按量化交易全流程（数据→策略→回测→交易）分类，便于按需查找
- 📝 含点评解读：不只是罗列链接，附有优缺点分析、上手指南
- 🔄 持续更新：紧跟技术发展，持续收录新资源
| 序号 | 类别 | 核心内容 |
|---|---|---|
📚 00_基础知识 |
入门学习 | 股票学习指南、入门教程 |
🎓 00_学习资源 |
资源汇总 | GitHub量化资源、开源项目汇总 |
📊 01_数据 |
数据获取 | 数据获取工具、新闻数据、多模态数据 |
🏗️ 02_综合框架 |
主流量化框架 | Qlib、WonderTrader 等详解 |
🔄 03_回测框架 |
回测工具 | Backtrader、PyAlgoTrade、Zipline、RQAlpha、QuantDigger 等 |
⛏️ 04_因子 |
因子库 | Alpha101、ta_lib、stockstats、alphalens 等 |
💹 05_交易策略 |
策略资源 | 传统/机器学习/深度学习/强化学习/图神经网络/研报复现/投资组合 |
🛠️ 06_辅助工具 |
辅助工具 | K线形态识别、金融建模 |
📊 07_可视化 |
可视化库 | 量化图表与可视化 |
🧠 08_知识图谱 |
知识图谱 | 传统方案与大模型方案 |
⚡ 09_高频交易 |
高频交易 | 加密货币高频交易 |
🤖 10_大模型 |
LLM 金融应用 | FinGPT、FinRobot、TradingAgents、Agent、RAG、Skill包等 |
🌐 11_投研平台 |
在线平台 | 免费量化平台汇总 |
💻 12_交易平台 |
交易接口 | EasyTrader、VNPy 等 |
- 🤖 大模型在金融的应用：覆盖 FinGPT、FinMem、Self-Reflective、Stock-chain、TradingAgents、FinRobot 等最新研究与实战
- 🛠️ Skill 包合集（60+）：包含缠论、技术分析、量化统计、基本面分析、加密货币、宏观分析等专业 Skill
- 📊 回测框架多维对比：Backtrader、Zipline、RQAlpha、PyAlgoTrade、QuantDigger 等多框架实测对比
- 🔬 研报复现：精选高质量券商研报并附复现代码
- 💹 交易策略全套：从传统双均线到强化学习、图神经网络，覆盖各类型策略资源
💡 使用建议：进入 a_全网优秀资源 目录按需浏览；如对某个项目感兴趣，可点击查看详细的介绍和点评。
为了便于维护，已将原有的 ai_wiki 目录内容（系统操作、编程基础、AI基础、AI实践等）独立同步至仓库 AI大模型避坑指南。
里面记录了大量实际开发中遇到的问题和解决方案，并实时追踪前沿技术发展，欢迎大家关注和 Star ⭐
✨ AI大模型避坑指南
- Github: https://github.com/charliedream1/ai_wiki
- Gitee（国内镜像）: https://gitee.com/charlie1/ai_wiki.git
- 简介: 分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域
📁 代码目录：egs_online_platform
国内量化平台如聚宽、优矿、米筐、果仁和 BigQuant 等，感兴趣的读者可自行尝试。
投研平台是为量化爱好者（宽客）量身打造的云平台，提供免费股票数据获取、精准的回测功能、高速实盘交易接口、易用的 API 文档、由易入难的策略库，便于快速实现和验证策略。
⚠️ 注意：如下策略仅在所述回测段有效，没有进行详细的调优和全周期验证。没有策略能保证全周期有效，如实盘使用请慎重。
🔗 聚宽平台 · 欢迎关注我：量客攻城狮
- 具体策略详细介绍和源码请点击对应策略链接查看
- 聚宽使用介绍：egs_online_platform/聚宽_JoinQuant
- 该部分代码仅能在 聚宽平台 运行
股票量化策略：
| 策略 | 收益 | 最大回撤 |
|---|---|---|
| 机器学习-动态因子选择策略 | 12.3% | 38.93% |
| 小市值+多均线量化炒股 | 58.4% | 46.61% |
| 龙虎榜-看长做短 | 41.82% | 26.89% |
| 强势股+趋势线判断+止损止盈 | 10.09% | 21.449% |
股票分析研究：
我们将所有工具重新进行了分类并点评，收录在 ai_notes 文件夹下，方便大家查找。
🎯 开发中：
- 陆续对所有工具进行点评，方便选择
- 陆续记录各工具的优缺点，形成对比表，方便选型
- 陆续记录使用方法：我们不做大而全的教程，只列举最常用且实用的功能，让你快速上手
本代码仓秉承 收费与免费并行 的原则。
🔥低至每日1毛|独家速成课|无痛学课|📺视频教程|答疑解惑| 开源避坑指南|自研工具代码|3分钟视频论文速度|图书馆| 全网最低价量化类星球之一|3天不满意免费退款知识星球官网注册，用户权益有保障。星球内容介绍
👇 下方扫描二维码或点击链接，进入星球查看更详细的介绍 🎏
星球视频介绍：
- 星球使用指南：https://mp.weixin.qq.com/s/SGc49e0xf24q5aUbf3rO0g?token=2028063978&lang=zh_CN
- 学习路线及群内资源使用：https://mp.weixin.qq.com/s/3-U048mc0riVsdETrKr77g
星球加入链接：
星球介绍：
👇 扫码查看"星球"更详细的介绍（里面有搞笑漫画哦）！
🎯 本代码仓会持续更新，但部分代码转为私有化维护仅在星球中可见，对应功能会在仓库中标注。
微信公众号
🔥 最新资讯实时关注 🎁 关注并点赞任一篇文章，私信管理员，领取精美量化资料包一份！
代码仓（永久免费）
✨ AI量化交易操盘手
本仓库配套项目
✨ AI驯龙笔记
- Github: https://github.com/charliedream1/ai_wiki
- Gitee（国内镜像）: https://gitee.com/charlie1/ai_wiki.git
- 简介: 分享各种实用案例，追踪前沿技术发展，囊括 AI 全栈知识，涵盖大模型、编程技术、机器学习、深度学习、强化学习、图神经网络、语音识别、NLP 及图像识别等领域
您的支持是我前进的动力，即便"1毛钱"我也很开心，感谢您的打赏和支持 (^o^)/
欢迎在 Github Discussions 中发起讨论。
- 欢迎在 Github Issues 中提交问题
- 加入知识星球，获取更多技术支持
请查看文档 → 常见问题
@misc{ai_quant_trade,
author={Yi Li},
title={ai_quant_trade},
year={2022},
publisher = {GitHub},
journal = {GitHub repository},
howpublished = {\url{https://github.com/charliedream1/ai_quant_trade}},
}如果本项目对你有帮助，请给一个 Star ⭐ 支持一下！
