kmmao/abu：阿布量化交易系统（股票、期权、期货、比特币

索引内容位置

阿布量化系统源码

目录

阿布量化教程

abupy_lecture 目录

Abou量化非编程接口操作

abupy_ui 目录

《量化交易之路》示例代码

ipython/python 目录

《机器学习之路》示例代码

特色支持的投资市场：工程设计 目标：APP下载&网站

感谢您使用我们的应用程序！

APP简介

阿布量化综合AI大数据系统、K线形态系统、经典指标系统、趋势分析系统、时间序列维度系统、统计概率系统、传统均线系统对投资品种进行深度量化分析，完全超越用户的复杂代码量化阶段，更适合普通人群，步入量化2.0时代。

上述系统结合上百种种子量化模型，如：金融时间序列损失模型、深形态质量评价模型、多空形态组合评价模型、多形态止损策略模型、空形态覆盖策略模型、大数据K线形态 历史组合拟合模型、持仓心态模型、多巴胺量化模型、惯性残留阻力支撑模型、多空互换报复概率模型、强弱对抗模型、趋势角变化率模型、联动分析模型、时间序列过度反应模型、钝性报复反应模型、趋势启动速度模型、配对对冲模型等。

阿布量化从底层开发AI人工智能算法，构建适合量化系统的人工智能AI体系，训练多个从不同角度识别量化特征的评分模型。 一般分为三类：物理模型组、多巴胺生物模型组、定量形态模型组。 不同的模型组从不同的角度（主要实物交易实体分析、人群心理、图表等）评估趋势。 不同部门的模型组由几种独特的识别算法和参数遗传淘汰组成比特币实盘app，形成一个组，加权投票评级。

Abu Quantification 结合传统的基于代码的量化系统来预测未来时间信号的时间。 该系统基于数百种简单的种子交易策略，衍生出更多的量化交易策略。 新的策略也在这些种子的基础上不断地自主研发。 淘汰选择机制下的学习、自我成长、不断分裂、适者生存、繁衍。 目前使用的量化买卖信号策略一共18496种。

阿布量化结合多种量化分析数据，构建上百个量化应用，如：AI高能预警、AI高光时刻、涨跌智能预测、下跌五浪量化、上涨五浪量化、阻力支撑强度分析、上升三角形突破、下降三角形、三重底（头肩底）、三重顶（头肩顶）、弧顶、弧底、乌云盖顶形态、上升三部曲形态、伙伴反击形态,单针底形态,射星形态,多方枪形态,上升镊子线,向上突破箱体,缺口突破缺口,黄金分割线量化,趋势跟踪信号,均值回归信号,止损风控量化,止盈保护量化、综合指标分析等。

安装部署

推荐使用Anaconda部署Python环境，详见量化环境部署

测试

import abupy

界面操作（非编程）

更多界面操作示例

文档的使用 1：时序策略的开发

第一节界面操作教程视频播放地址

择时策略决定了什么时候购买投资产品，回测告诉我们该策略的模拟收益在历史数据中的表现如何。

编写买入时机因子 分解模式逐步回测策略 卖出时机因子的实现

在对的时间遇到​​对的人（股票）是一种幸福

在对的时间遇到​​错的人（股）是一种伤感

在错的时间遇到​​对的人（股票）是一声叹息

在错误的时间遇到​​错误的人（股票）是一种无奈

仔细阅读

2：时序策略优化

通过保护止盈和止损策略产生的利润来控制风险。

基本止盈止损策略风险控制止损策略获利保护止盈策略

仔细阅读

3：滑点策略和交易费用

应用交易策略时考虑交易价格偏差和手续费。

滑点买卖价格确定及策略实现交易手续费计算及自定义手续费类型datesymbolcommission

买

20150423

美国特斯拉

8.22

买

20150428

美国特斯拉

7.53

卖

20150622

美国特斯拉

8.22

买

20150624

美国特斯拉

7.53

卖

20150706

美国特斯拉

7.53

卖

20150708

美国特斯拉

7.53

买

20151230

美国特斯拉

7.22

卖

20160105

美国特斯拉

7.22

买

20160315

美国特斯拉

5.57

卖

20160429

美国特斯拉

5.57

仔细阅读

4：多股时机回测与持仓管理

对多只股票实施择时策略，通过仓位管理策略控制风险。

多只股票使用相同因子择时实现自定义仓位管理策略多只股票使用不同因子择时利用并行性提高择时操作效率

仔细阅读

5：制定选股策略

一个好的战略需要一个好的目标。

选股因素编制 多个选股因素并行执行 利用并行性提高选股效率

仔细阅读

6：回测结果的衡量

正确的指标引领正确的方向。

指标的基本使用 指标的可视化 扩展的自定义指标

仔细阅读

7：找到策略的最优参数和评分

通过定制的评分机制，找到一个策略最合理的参数，比如：应该考虑多少天的移动平均线？

参数取值范围 Grid Search寻找最优参数测量结果 Scoring 不同权重打分 实现自定义打分类

仔细阅读

8：A股市场回测 A股市场回测示例 涨停板特殊处理 多组交易结果分析

仔细阅读

9：港股回测 港股回测实例 优化策略提高系统稳定性 将优化策略的'strategy'封装为类装饰器

仔细阅读

10：比特币、莱特币回测比特币、莱特币趋势数据分析比特币、莱特币趋势可视化分析比特币、莱特币行情回测

仔细阅读

11：期货市场回测 期货市场特点 多头合约回测 空头合约回测 回测位移距离比优化策略

仔细阅读

12：机器学习和比特币示例

如何在投资产品量化交易中正确运用机器学习技术？

提取比特币特征使用abu内置机器学习模块验证测试集和不平衡技术继承AbuMLPd封装数据处理

仔细阅读

13：定量技术分析的应用

技术分析的三个假设：市场行为包罗万象； 价格按趋势移动； 历史重演。

阻力线、支撑线自动绘制 跳空技术分析 传统技术指标 技术分析

仔细阅读

14：定量相关分析的应用

相似的投资产品数据背后，往往隐藏着行为模式相似的投资群体。

相似度的相关性度量 距离和相似性的度量应用于相似度相关接口 自然相关

仔细阅读

15：量化交易和搜索引擎

搜索策略产生的失败交易，冲动的交易者被裁判拦截。

训练集切分、交易回测、交易人工分析、裁判系统原理视角、裁判赋予宏观合理解释、最优分类聚类筛选

仔细阅读

16：UMP Refereer Trading Decision Gap Referee Price Fluctuation Referee 验证裁判是否称职，开启abu系统中的裁判拦截模式，组织裁判做出更复杂的综合决策比特币实盘app，让裁判学会如何配合，自己做决定最正确的判断

仔细阅读

17：UMP评判交易决策角评判价格波动评判综合评委验证评委是否称职并在abu系统开启评委拦截模式

仔细阅读

18：自定义裁判决策交易 训练不同视角的新裁判 训练不同视角的新裁判 增加新视角记录游戏（记录回测功能） 裁判使用新视角进行交易决策 线裁判使用新视角视角来决定交易

abupy中ump模块的设计目标是：

仔细阅读

19：数据源

abu支持股票、期货、数字货币等多种金融投资产品的报价和交易，可定制性强。

数据模式切换、数据存储切换、数据源切换、全市场数据更新接入外部数据源、股票数据源到外部数据源、期货数据源到外部数据源、比特币、莱特币数据源

仔细阅读

更多阿布定量化技术文章