Количественная торговая система Abu: платформа для количественной торговли с открытым исходным кодом на основе Python

Общее введение

Abu Quantitative Trading System - это платформа с открытым исходным кодом, основанная на Python. Она была создана пользователем "bbfamily", чтобы помочь инвесторам реализовать количественные торговые стратегии с помощью кода. Система поддерживает бэктестирование и торговлю широким спектром финансовых продуктов, таких как акции, опционы, фьючерсы и биткоин. В ней реализована технология машинного обучения для анализа данных и оптимизации стратегий. По состоянию на 25 марта 2025 года проект имеет более 12 тыс. звезд и 3,8 тыс. форков на GitHub, что свидетельствует о высокой популярности в сообществе. Цель Abu - облегчить пользователям принятие инвестиционных решений за счет автоматизации и интеллекта.

Список функций

• Поддерживает многорыночную торговлю: может обрабатывать данные о котировках на фондовых рынках Шанхая и Шэньчжэня, американских акциях, фьючерсах и цифровых валютах.
• Функция Backtest: обеспечивает анализ исторических данных для проверки эффективности торговых стратегий.
• Подбор акций и выбор времени: встроенные стратегии подбора акций и выбора времени для того, чтобы облегчить пользователям отбор акций и принятие решений о времени покупки и продажи.
• Интеграция машинного обучения: объединение алгоритмов машинного обучения для оптимизации торговых моделей.
• Высокая степень настраиваемости: пользователи могут изменять код и настраивать политики и параметры в соответствии со своими потребностями.
• Управление данными: поддерживает сбор и параллельную обработку данных финансовых временных рядов.
• Выполнение торговых операций: подключение к рыночным интерфейсам для автоматизации операций купли-продажи.

Использование помощи

Количественная торговая система Abu - это проект с открытым исходным кодом, и для начала работы пользователям необходимы базовые навыки программирования. Она не имеет готового графического интерфейса, а работает через код на языке Python. Ниже приведены подробные шаги по установке и использованию:

Процесс установки

1. Подготовка среды
   • Убедитесь, что на вашем компьютере установлен Python 3.x (рекомендуется версия 3.7 или выше).
   • Загрузите и установите инструмент Git для извлечения кода из GitHub.
   • Дополнительно: Установите Anaconda для удобного управления окружением Python и зависимыми пакетами.
2. Клонирование кода
   • Откройте терминал или командную строку и введите следующую команду, чтобы вытащить проект Abu:

     git clone https://github.com/bbfamily/abu.git
     

   • Когда закончите, перейдите в папку с проектом:

     cd abu
     

3. Установка зависимостей
   • Проект требует поддержки библиотеки Python, которая устанавливается путем выполнения следующей команды в терминале:

     pip install -r requirements.txt
     

   • Если у вас нет файла , вы можете установить основные библиотеки вручную, напримерnumpy, иpandasответить пениемsklearn::

     pip install numpy pandas scikit-learn
     

4. Проверка установки
   • В терминале введитеpythonВойдите в среду Python.
   • быть в движенииimport abupyЕсли ошибок нет, значит, установка прошла успешно.

Использование

Суть системы Abu заключается в запуске количественных торговых стратегий с помощью кода. Ниже приводится подробное описание работы основных функций:

1. сбор и подготовка данных

• Abu поддерживает получение исторических данных с нескольких рынков, таких как фондовые рынки Шанхая и Шэньчжэня или акции США.
• Установите тип рынка в коде, например:

  from abupy import ABuEnv
  ABuEnv.g_market_target = 'us'  # 设置为美股市场
  

• Запустите функцию сбора данных:

  from abupy import all_symbol
  symbols = all_symbol()  # 获取所有股票代码
  

2. бэктестирование торговых стратегий

• Определите стратегии покупки и продажи. Например, используйте стратегию прорыва:

  buy_factors = [{'xd': 60, 'class': 'AbuFactorBuyBreak'}]
  sell_factors = [{'stop_loss_n': 0.5, 'class': 'AbuFactorAtrNStop'}]
  

• Установите начальное финансирование и время бэктестинга:

  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
  )
  

• Просмотр результатов: После запуска система покажет прибыль/убыток и статистику торговли.

3. Выбор акций и выбор времени

• Используйте встроенную программу для отбора акций. Например, отбор по цене:

  from abupy import AbuPickStockPriceMinMax
  stock_picks = [{'class': 'AbuPickStockPriceMinMax', 'threshold_price_min': 50.0}]
  

• В сочетании с бэктестингом:

  result = run_loop_back(read_cash=1000000, buy_factors=buy_factors, sell_factors=sell_factors, stock_picks=stock_picks)
  

4. Оптимизация с помощью машинного обучения

• Abu интегрирует возможности машинного обучения для оптимизации параметров стратегии. Пример:

  from abupy import AbuMLGrid
  best_params = AbuMLGrid.grid_search_mul_init_kwargs(...)  # 优化参数
  

• Примените оптимизированные параметры к бэктесту.

5. эксплуатация и ввод в эксплуатацию

• Сохраните код в формате.pyфайлы, такие какtrade.py.
• Запускается в терминале:

  python trade.py
  

• Если что-то идет не так, проверьте вывод журнала и скорректируйте код или параметры.

Функциональное управление

• Поддержка нескольких рынков: черезABuEnv.g_market_targetПереключение рынков, таких как'cn'(Шанхай и Шэньчжэнь),'us'(американские акции) или'btc'(Биткойн).
• параллельная обработка: Настройкиn_process_klответить пениемn_process_pickпараметров, используя многоядерные процессоры для ускорения обработки данных и бэктестинга.
• Индивидуальные стратегии: Пользователи могут написать свою собственную логику покупки-продажи, чтобы поместить ее вbuy_factorsвозможноsell_factors.

Дополнительные руководства можно найти в папке в проекте, которая содержит подробную документацию по IPython Notebook.

сценарий применения

1. Индивидуальные количественные инвестиции
   Индивидуальные инвесторы могут использовать Abu для тестирования своих торговых идей, например, чтобы убедиться в прибыльности стратегии прорыва на исторических данных.
2. Финансовые исследования
   Исследователи могут использовать его для анализа рыночных тенденций и поиска закономерностей в данных в сочетании с машинным обучением.
3. Автоматизированная торговля
   Программисты могут подключаться к интерфейсам данных в реальном времени для полной автоматизации операций купли-продажи.

QA

1. Какие рынки поддерживает Abu?
   Он поддерживает широкий спектр рынков, таких как фондовые рынки Шанхая и Шэньчжэня, акции США, фьючерсы и биткоин, и пользователи могут свободно переключаться.
2. Нужна основа программирования?
   Да, Abu работает на Python и требует от пользователя умения писать простой код.
3. Как мне получить помощь?
   Вы можете ознакомиться с файлом на GitHub или следовать руководству в WeChat "abu_quant".