일반 소개
아부 퀀트 트레이딩 시스템은 파이썬 기반의 오픈 소스 플랫폼입니다. 투자자가 코드를 통해 퀀트 트레이딩 전략을 구현할 수 있도록 사용자 "bbfamily"가 만들었습니다. 이 시스템은 주식, 옵션, 선물, 비트코인 등 다양한 금융상품의 백테스팅과 거래를 지원합니다. 머신러닝 기술을 통합하여 데이터 분석과 전략 최적화를 제공합니다. 2025년 3월 25일 현재 이 프로젝트는 깃허브에서 12,000개 이상의 별과 3.8천 개의 포크를 보유하며 높은 커뮤니티 지지도를 보이고 있습니다. Abu의 목표는 자동화와 인텔리전스를 통해 사용자가 더 쉽게 투자 결정을 내릴 수 있도록 하는 것입니다.

기능 목록
- 다중 시장 거래 지원: 상하이 및 선전 주식 시장, 미국 주식, 선물 및 디지털 통화의 시세 데이터를 처리할 수 있습니다.
- 백테스트 기능: 트레이딩 전략의 효과를 테스트하기 위한 과거 데이터 분석을 제공합니다.
- 종목 선택 및 타이밍: 다양한 종목 선택 및 타이밍 전략이 내장되어 있어 사용자가 쉽게 종목을 선별하고 매매 타이밍을 결정할 수 있습니다.
- 머신러닝 통합: 머신러닝 알고리즘을 결합하여 트레이딩 모델을 최적화합니다.
- 뛰어난 사용자 지정 기능: 사용자는 필요에 따라 코드를 수정하고 정책 및 매개변수를 조정할 수 있습니다.
- 데이터 관리: 금융 시계열 데이터의 수집 및 병렬 처리를 지원합니다.
- 거래 체결: 시장 인터페이스에 연결하여 매수 및 매도 작업을 자동화합니다.
도움말 사용
아부 퀀트 트레이딩 시스템은 오픈 소스 프로젝트이며 사용자가 시작하려면 기본적인 프로그래밍 기술이 필요합니다. 기성 그래픽 인터페이스는 없지만 파이썬 코드를 통해 실행됩니다. 아래는 자세한 설치 및 사용 단계입니다:
설치 프로세스
- 환경 준비하기
- 컴퓨터에 Python 3.x가 설치되어 있는지 확인합니다(3.7 이상 권장).
- GitHub에서 코드를 가져오기 위한 Git 도구를 다운로드하여 설치합니다.
- 선택 사항: Python 환경 및 종속 패키지를 쉽게 관리할 수 있도록 Anaconda를 설치하세요.
- 코드 복제
- 터미널 또는 명령줄을 열고 다음 명령을 입력하여 Abu 프로젝트를 가져옵니다:
git clone https://github.com/bbfamily/abu.git
- 완료되면 프로젝트 폴더로 이동합니다:
cd abu
- 터미널 또는 명령줄을 열고 다음 명령을 입력하여 Abu 프로젝트를 가져옵니다:
- 종속성 설치
- 이 프로젝트에는 터미널에서 다음 명령을 실행하여 설치하는 일부 Python 라이브러리 지원이 필요합니다:
pip install -r requirements.txt
- 파일이 없는 경우 다음과 같이 핵심 라이브러리를 수동으로 설치할 수 있습니다.
numpy
및pandas
노래로 응답sklearn
::pip install numpy pandas scikit-learn
- 이 프로젝트에는 터미널에서 다음 명령을 실행하여 설치하는 일부 Python 라이브러리 지원이 필요합니다:
- 설치 확인
- 터미널에 다음을 입력합니다.
python
를 클릭하고 Python 환경으로 들어갑니다. - 움직여야 합니다.
import abupy
를 클릭하고 오류가 보고되지 않으면 설치에 성공한 것입니다.
- 터미널에 다음을 입력합니다.
사용법
아부 시스템의 핵심은 코드를 통해 퀀트 트레이딩 전략을 실행하는 것입니다. 아래는 주요 기능이 어떻게 작동하는지에 대한 자세한 흐름입니다:
1. 데이터 수집 및 준비
- Abu는 상하이 및 선전 주식 시장이나 미국 주식과 같은 여러 시장의 과거 데이터를 가져오는 기능을 지원합니다.
- 예를 들어 코드에서 마켓 유형을 설정합니다:
from abupy import ABuEnv ABuEnv.g_market_target = 'us' # 设置为美股市场
- 데이터 수집 기능을 실행합니다:
from abupy import all_symbol symbols = all_symbol() # 获取所有股票代码
2. 트레이딩 전략 백테스팅
- 매수 및 매도 전략을 정의합니다. 예를 들어 브레이크아웃 전략을 사용합니다:
buy_factors = [{'xd': 60, 'class': 'AbuFactorBuyBreak'}] sell_factors = [{'stop_loss_n': 0.5, 'class': 'AbuFactorAtrNStop'}]
- 초기 펀딩 및 백테스팅 시간을 설정합니다:
from abupy import run_loop_back result = run_loop_back( read_cash=1000000, # 初始资金100万 buy_factors=buy_factors, sell_factors=sell_factors, n_folds=2, # 回测2年数据 start='2023-01-01', # 开始时间 end='2025-01-01' # 结束时间 )
- 결과 보기: 실행 후 시스템이 거래 수익/손실 및 통계를 반환합니다.
3. 주식 선택 및 타이밍
- 내장된 종목 선택기를 사용해 종목을 선별할 수 있습니다. 예를 들어 가격별로 선별할 수 있습니다:
from abupy import AbuPickStockPriceMinMax stock_picks = [{'class': 'AbuPickStockPriceMinMax', 'threshold_price_min': 50.0}]
- 백테스팅 실행과 결합:
result = run_loop_back(read_cash=1000000, buy_factors=buy_factors, sell_factors=sell_factors, stock_picks=stock_picks)
4. 머신 러닝 최적화
- Abu는 머신러닝 기능을 통합하여 전략 매개변수를 최적화합니다. 예시:
from abupy import AbuMLGrid best_params = AbuMLGrid.grid_search_mul_init_kwargs(...) # 优化参数
- 최적화된 파라미터를 백테스트에 적용합니다.
5. 운영 및 시운전
- 코드를 다음 이름으로 저장합니다.
.py
파일과 같은trade.py
. - 터미널에서 실행됩니다:
python trade.py
- 문제가 발생하면 로그 출력을 확인하고 코드 또는 매개변수를 조정하세요.
주요 기능 작동
- 멀티 마켓 지원통해
ABuEnv.g_market_target
다음과 같은 시장 전환'cn'
(상하이 및 선전),'us'
(미국 주식) 또는'btc'
(비트코인). - 병렬 처리: 설정
n_process_kl
노래로 응답n_process_pick
매개변수를 사용하여 데이터 처리 및 백테스팅을 가속화할 수 있습니다. - 맞춤형 전략사용자는 직접 매수-매도 로직을 작성하여
buy_factors
어쩌면sell_factors
.
더 많은 튜토리얼은 프로젝트의 폴더에서 찾을 수 있으며, 여기에는 자세한 IPython Notebook 문서가 포함되어 있습니다.
애플리케이션 시나리오
- 개별 퀀트 투자
개인 투자자는 아부를 사용하여 과거 데이터를 통해 브레이크아웃 전략이 수익성이 있는지 확인하는 등 트레이딩 아이디어를 테스트할 수 있습니다. - 금융 연구
연구자들은 머신 러닝과 함께 시장 동향을 분석하고 데이터 패턴을 마이닝하는 데 사용할 수 있습니다. - 자동 트레이딩
프로그래머는 실시간 데이터 인터페이스에 연결하여 완전히 자동화된 구매 및 판매 작업을 수행할 수 있습니다.
QA
- Abu는 어떤 시장을 지원하나요?
상하이 및 선전 주식 시장, 미국 주식, 선물, 비트코인 등 다양한 시장을 지원하며 사용자가 자유롭게 전환할 수 있습니다. - 프로그래밍 기초가 필요하신가요?
예, Abu는 Python에서 실행되며 사용자가 간단한 코드를 작성할 수 있어야 합니다. - 도움을 받으려면 어떻게 해야 하나요?
GitHub에서 파일을 확인하거나 WeChat "abu_quant"의 튜토리얼을 따르세요.
© 저작권 정책
文章版权归 AI 공유 서클 所有,未经允许请勿转载。
관련 문서
댓글 없음...