Repolode
Enviar
charliedream1

charliedream1/ai_quant_trade

Colección bilingüe de documentación y ejemplos en Python y Jupyter sobre trading de acciones con IA: materiales de aprendizaje, backtests, minería de alpha, pronósticos bursátiles con LLM y simulaciones de trading en vivo.

Ver en GitHubSitio web
Estrellas
6,719
Forks
1,249
Issues abiertos
4
Último commit
hace 11 días

Esta página presenta un proyecto de código abierto y no constituye asesoramiento de inversión. Operar e invertir puede generar pérdidas: evalúa el riesgo por tu cuenta y cumple las leyes de tu país antes de usarlo.

¿Qué es?

AI Quantitative Trading Bot es una amplia colección de ejemplos de trading de acciones y materiales de aprendizaje, no un motor de trading único que se pueda instalar. Cada subproyecto dentro de egs_* es independiente y tiene su propio requirements.txt. Abarcan desde estrategias tradicionales basadas en reglas, como backtests con medias móviles dobles, hasta aprendizaje por refuerzo sobre el Dow Jones 30 mediante un tutorial de FinRL, minería de alpha con tsfresh y análisis de sentimiento con StructBERT.

El repositorio también incluye una sección sobre LLM para pronosticar acciones, que contiene un ejemplo de entrenamiento de un modelo de razonamiento basado en Unsloth, y una herramienta de seguimiento de acciones A con Excel, umbrales de alerta, gráficos K-line y opciones alternativas de varias fuentes de datos. Varias estrategias están escritas para JoinQuant y solo pueden ejecutarse en esa plataforma; el ejemplo de simulación de trading en vivo depende del software Wind.

El proyecto está dirigido a estudiantes y traders particulares, e incluye una lista seleccionada al estilo awesome de herramientas y frameworks cuantitativos, como Qlib, Backtrader, Zipline y TA-Lib. Parte del material avanzado y del código se distribuye a través de una comunidad de conocimiento de pago.

Funciones clave

  • 01Ejemplos de backtesting tradicional, como una estrategia de medias móviles dobles con puntos de compra y venta representados en gráficos
  • 02Tutorial de trading con aprendizaje por refuerzo basado en FinRL
  • 03Minería automática de alpha con tsfresh y bibliotecas de alpha como alpha101 y TA-Lib
  • 04Ejemplo de entrenamiento para pronosticar acciones con LLM usando Unsloth
  • 05Monitor de acciones en Excel con alertas de precios, gráficos K-line y alternativas de varias fuentes de datos
  • 06Lista seleccionada de fuentes de datos cuantitativos, frameworks de backtesting y herramientas

Casos de uso

  • Aprender cómo se estructura un flujo de trabajo de trading cuantitativo, desde la estrategia hasta el backtest
  • Experimentar con aprendizaje por refuerzo o modelos de ML usando datos bursátiles
  • Hacer seguimiento en Excel de listas de acciones A con alertas
  • Comparar frameworks cuantitativos y fuentes de datos antes de elegir uno

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/charliedream1/ai_quant_trade.git
  2. 2

    Entra en el directorio de un proyecto e instala sus dependencias

    cd egs_trade/vanilla/double_ma && pip install -r requirements.txt
  3. 3

    Sigue el README de ese proyecto para empezar

Antes de usarlo

  • El repositorio no está empaquetado como un paquete de Python y no hay un archivo requirements en la raíz, así que cada ejemplo debe configurarse por separado.
  • Si usas Apple Silicon, sigue las instrucciones de configuración de conda del README de cada proyecto.
  • La configuración mínima indicada es Python 3.8 o posterior en x86_64.

En colecciones

Frameworks y entornos de aprendizaje por refuerzo

Temas

#quant-trading#stock-trading#backtesting#reinforcement-learning#alpha-mining#pytorch#jupyter-notebook#trading-strategies#cpp#keras

Preguntas frecuentes

¿Qué es ai_quant_trade?
Colección bilingüe de documentación y ejemplos en Python y Jupyter sobre trading de acciones con IA: materiales de aprendizaje, backtests, minería de alpha, pronósticos bursátiles con LLM y simulaciones de trading en vivo. AI Quantitative Trading Bot es una amplia colección de ejemplos de trading de acciones y materiales de aprendizaje, no un motor de trading único que se pueda instalar. Cada subproyecto dentro de egs_* es independiente y tiene su propio requirements.txt. Abarcan desde estrategias tradicionales basadas en reglas, como backtests con medias móviles dobles, hasta aprendizaje por refuerzo sobre el Dow Jones 30 mediante un tutorial de FinRL, minería de alpha con tsfresh y análisis de sentimiento con StructBERT.
¿ai_quant_trade es gratuito? ¿Qué licencia tiene?
ai_quant_trade es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿ai_quant_trade sigue mantenido?
Mantenimiento activo. El último commit de ai_quant_trade fue el 27 oct 2026.
¿Para qué puedo usar ai_quant_trade?
Aprender cómo se estructura un flujo de trabajo de trading cuantitativo, desde la estrategia hasta el backtest Experimentar con aprendizaje por refuerzo o modelos de ML usando datos bursátiles Hacer seguimiento en Excel de listas de acciones A con alertas Comparar frameworks cuantitativos y fuentes de datos antes de elegir uno
¿Cómo se instala ai_quant_trade?
Clona el repositorio: git clone https://github.com/charliedream1/ai_quant_trade.git Entra en el directorio de un proyecto e instala sus dependencias: cd egs_trade/vanilla/double_ma && pip install -r requirements.txt Sigue el README de ese proyecto para empezar
¿Dónde consigo ai_quant_trade?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/charliedream1/ai_quant_trade

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados