ai_quant_trade

Ce dépôt se présente comme une ressource unique pour le trading quantitatif, couvrant l'apprentissage, la simulation, la recherche de stratégies et le déploiement. Il n'est pas actuellement empaqueté comme une bibliothèque Python installable ; les utilisateurs clonent le dépôt, installent les dépendances depuis requirements.txt et ouvrent le README de chaque répertoire d'exemples. Contenu principal : - egs_trade : exemples de trading locaux, incluant des stratégies classiques de double moyenne mobile, l'optimisation de portefeuille, des tutoriels d'apprentissage par renforcement, des exemples Microsoft Qlib et une simulation de trading en direct basée sur Wind. - egs_alpha : bibliothèques d'alpha mining et de facteurs, incluant un exemple d'exploration automatisée basé sur tsfresh, Alpha101, stockstats et du contenu TA-Lib. - egs_llm : applications de LLM financiers, incluant l'analyse de marché et un exemple d'entraînement d'un modèle de prévision boursière raisonnant basé sur Unsloth. - egs_fin_nlp : analyse de textes financiers, incluant un exemple de classification du sentiment de marché avec StructBERT. - egs_data : contenu d'acquisition et de traitement de données, avec des sources de données courantes et une interface unifiée. - egs_aide : outils d'assistance au trading, incluant des moniteurs boursiers Excel, des alertes, des graphiques en chandeliers, des feuilles de sentiment et de flux de capitaux, un repli multi-source de données, le rechargement de configuration et des tests. - egs_online_platform : stratégies et code de recherche pour des plateformes telles que JoinQuant et d'autres services chinois de recherche quantitative. - ai_notes et la section de ressources sélectionnées : notes, tutoriels, comparaisons de frameworks, interprétations d'articles et liens organisés autour des données, facteurs, backtesting, stratégies, visualisation, HFT, LLM et interfaces de trading. - quant_brain, runtime et tools : zones dédiées aux algorithmes centraux, au déploiement et au code auxiliaire. Le projet indique couvrir les actions, les fonds, les cryptomonnaies et d'autres marchés, et aborde les voies de déploiement en Python, C++, CPU et GPU. Son public va des investisseurs institutionnels aux traders particuliers, avec ou sans expérience en programmation. Le dépôt inclut des chiffres de backtest historiques rapportés pour certains exemples, mais sa propre documentation avertit que l'efficacité des stratégies n'est pas garantie dans le temps et qu'elles doivent être vérifiées soigneusement avant toute utilisation en conditions réelles. Certains tutoriels détaillés, vidéos et modèles sont proposés via des canaux payants associés, tandis que le dépôt de code principal reste librement accessible. Le projet est sous licence Apache 2.0 et indique Python 3.8+.