qbot

Qbot est une plateforme de recherche en investissement quantitatif automatisé orientée IA, visant à concrétiser les technologies IA telles que l'apprentissage automatique, l'apprentissage par renforcement et l'apprentissage profond dans la recherche quantitative. Le projet est entièrement déployé localement, open source et gratuit, couvrant un cycle complet allant de l'acquisition de données, au développement de stratégies, à l'exploration de facteurs, au backtesting, au trading simulé et à l'automatisation en trading réel. L'architecture adopte une conception modulaire en couches : la couche de données, la couche de stratégie et le moteur de trading sont abstraits et découplés, facilitant l'intégration de diverses sources de données et interfaces de trading, ainsi que la personnalisation des stratégies et facteurs par les utilisateurs. Le backtesting repose sur backtrader et easyquant, le trading réel se connecte à vnpy, pytrader et pyfunds, la visualisation et l'exploitation en ligne utilisent quantstats, et les stratégies IA intègrent qlib et des modèles d'apprentissage profond. La bibliothèque de stratégies est assez riche. Les stratégies classiques incluent la régression moyenne de Bollinger, les doubles moyennes mobiles, KDJ+MACD, ARBR, Aroon, divergence RSI, StochRSI, optimisation SSA moineau, petites capitalisations, sélection d'actions à faible valorisation, timing RSRS, trading de paires, trading en grille, stratégie de tortue, équilibrage dynamique, renforcement indiciel, couverture Alpha, sélection multifactorielle, etc., couvrant actions, fonds, futures et cryptomonnaies. Côté stratégies intelligentes, sont intégrés GBDT (XGBoost, LightGBM, CatBoost), Boost (DoubleEnsemble, TabNet), RNN (LSTM, GRU, ALSTM, ADARNN, ADD, KRNN, Sandwich), CNN (MLP, ImVoxelNet), séries Transformer (Transformer, TCTS, TRA, TCN, IGMTF, HIST, Localformer), apprentissage par renforcement (TFT, GATs, SFM) et LLM (ChatGPT, FinGPT), avec environ 300+ modèles et 40+ méthodes issues de publications dans le Model Zoo. En termes de facteurs, alpha-101 et alpha-191 sont pris en charge, avec génération automatique de facteurs basée sur deap. Les indicateurs intégrés incluent EMA, MACD, KDJ, RSRS, RSI, StochRSI, BIAS, BOLL, OBV, SAR, VOL, PSY, ARBR, CR, BBI, EMV, TRIX, DMA, DMI, CCI, ROC, ENE, SKDJ, LWR, ratio cours/bénéfice, ratio cours/valeur comptable, etc. Certains paramètres intelligents et indicateurs prédictifs sont des fonctions payantes. Les interfaces de trading réel couvrent les futures (CTP, CTPMini, Femas, Aikangluoke, Yida), les options (CTPOpt, Jinzheng maOpt, QWIN), les actions (Zhongtai XTP/XTPXAlgo, Huaxin Qidian, Huarui ATP, Kuangrui OES, Tonghuashun, Dongfang Caifu, Huatai, Guotai Junan, Zhonghui Yida, Hengsheng UFT, Juejin, Dingdian Feichuang) ainsi que les clients de courtiers comme Haitong, Huatai, Guojin et Tonghuashun. Les notifications prennent en charge e-mail, Feishu, pop-ups, WeChat, etc., pour les notifications d'achat/vente, les rendements quotidiens, les recommandations d'actions. Le projet fournit un front-end/client GUI (certaines fonctions via web), le backend gère le traitement des données et l'ordonnancement des transactions, réalisant un flux de trading piloté par événements. L'environnement d'exécution nécessite Python 3.8 ou 3.9 ; après installation via pip de dev/requirements.txt, lancer main.py pour démarrer. Le projet est mis à jour en continu ; il est recommandé de suivre via Star plutôt que de forker. La documentation officielle se trouve sur https://ufund-me.github.io/Qbot, avec des projets dérivés comme DeepWiki et qbot-mini (iQuant).