qbot

Qbot — это автоматизированная платформа для количественных инвестиционных исследований, ориентированная на ИИ. Её цель — реальное внедрение таких технологий ИИ, как машинное обучение, обучение с подкреплением и глубокое обучение, в количественные исследования и инвестиции. Проект полностью развертывается локально, является бесплатным и открытым, охватывает полный цикл: от получения данных, разработки стратегий, поиска факторов, бэктестинга, симуляционной торговли до автоматизации реальной торговли. Архитектура использует модульный многоуровневый дизайн: уровень данных, уровень стратегий и торговый движок абстрактно разделены, что упрощает подключение различных источников данных и торговых интерфейсов, а также позволяет пользователям настраивать собственные стратегии и факторы. Часть бэктестинга основана на backtrader и easyquant, часть реальной торговли интегрируется с vnpy, pytrader, pyfunds, визуализация и онлайн-операции — с помощью quantstats, часть ИИ-стратегий включает qlib и модели глубокого обучения. Библиотека стратегий довольно обширна. Классические стратегии включают: возврат к среднему по полосам Боллинджера, двойные скользящие средние, KDJ+MACD, ARBR, Aroon, дивергенцию RSI, StochRSI, оптимизацию SSA (воробьиный алгоритм), малую капитализацию, отбор недооценённых акций, тайминг RSRS, парную торговлю, сеточную торговлю, стратегию черепах, динамическое балансирование, индексное усиление, альфа-хеджирование, многофакторный отбор акций и другие, охватывающие акции, фонды, фьючерсы и криптовалюты. Что касается интеллектуальных стратегий, встроены GBDT (XGBoost, LightGBM, CatBoost), Boost (DoubleEnsemble, TabNet), RNN (LSTM, GRU, ALSTM, ADARNN, ADD, KRNN, Sandwich), CNN (MLP, ImVoxelNet), серия Transformer (Transformer, TCTS, TRA, TCN, IGMTF, HIST, Localformer), обучение с подкреплением (TFT, GATs, SFM), а также LLM (ChatGPT, FinGPT) и др. В Model Zoo собрано около 300+ моделей и 40+ методов из научных статей. В части факторов поддерживаются alpha-101 и alpha-191, а также реализована автоматическая генерация факторов на основе deap. Встроенные индикаторы включают EMA, MACD, KDJ, RSRS, RSI, StochRSI, BIAS, BOLL, OBV, SAR, VOL, PSY, ARBR, CR, BBI, EMV, TRIX, DMA, DMI, CCI, ROC, ENE, SKDJ, LWR, коэффициент цена/прибыль, коэффициент цена/балансовая стоимость и другие. Некоторые интеллектуальные параметры и прогнозные индикаторы являются платными функциями. Интерфейсы реальной торговли охватывают фьючерсы (CTP, CTPMini, Femas, Aikelangke, Yida), опционы (CTPOpt, Jinzheng maOpt, QWIN с вторичной разработкой), акции (Zhongtai XTP/XTPXAlgo, Huaxin Qidian, Huarui ATP, Kuanrui OES, Tonghuashun, Dongfang Caifu, Huatai, Guotai Junan, Zhonghui Yida, Hengsheng UFT, Juejin, Dingdian Feichuang), а также клиенты брокеров Haitong, Huatai, Guojin, Tonghuashun и другие. Уведомления поддерживают электронную почту, Feishu (Lark), всплывающие окна, WeChat и другие способы; они используются для уведомлений о покупке/продаже, ежедневной доходности, рекомендациях по акциям и т.д. Проект предоставляет GUI-интерфейс/клиент (некоторые функции поддерживают веб-версию), а серверная часть отвечает за обработку данных и диспетчеризацию торговли, реализуя событийно-ориентированный торговый процесс. Требования к среде: Python 3.8 или 3.9. Для запуска установите dev/requirements.txt через pip и выполните main.py. Проект постоянно обновляется; рекомендуется следить через Star, а не делать fork. Официальная документация находится по адресу https://ufund-me.github.io/Qbot. Также существуют производные проекты: DeepWiki и qbot-mini (iQuant).