| 内容 | 位置 |
|---|---|
| 阿布量化系统源代码 | abupy目录 |
| 阿布量化使用教程 | abupy_lecture目录 |
| 阿布量化非编程界面操作 | 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 | https://github.com/maxmon/abu_ml |
-
- 🇨🇳 上证指数周报示例量化分析:
- 🇨🇳 上证指数日报示例量化分析:
-
- 🇺🇸 阿里巴巴-量化研究报告:
-
- 📐上升三角整理向上突破+缠论|谐波|趋势线|波浪|形态模型:
- 🌊波浪理论回调浪c点+缠论|谐波|趋势线|波浪|形态模型:
- ✂️升趋势向下破位风险+缠论|谐波|趋势线|波浪|形态模型:
- 🐶c点将上涨到d点完成降赛福+缠论|谐波|趋势线|波浪|形态模型:
- ☯缠论中继❸买向上+缠论|谐波|趋势线|波浪|形态模型:
- 🚩降楔型整理向上突破+缠论|谐波|趋势线|波浪|形态模型:
- 🦇蝙蝠到达升蝙蝠d点+缠论|谐波|趋势线|波浪|形态模型:
- ☯️缠论中继❷买向上+缠论|谐波|趋势线|波浪|形态模型:
- 🌊波浪理论回调浪反转+缠论|谐波|趋势线|波浪|形态模型:
- ⚔️趋势线突破机会+缠论|谐波|趋势线|波浪|形态模型:
- ☯️缠论中继❸卖向下+缠论|谐波|趋势线|波浪|形态模型:
- 🐶降赛福d点完成+缠论|谐波|趋势线|波浪|形态模型:
- ▴▲▴头肩顶向下突破+缠论|谐波|趋势线|波浪|形态模型:
- ✂️升趋势强支撑破位可能+缠论|谐波|趋势线|波浪|形态模型:
- 🌊上涨回调浪中继b+缠论|谐波|趋势线|波浪|形态模型:
- 🦊降伽利d点完成+缠论|谐波|趋势线|波浪|形态模型:
- ☯️缠论中继❷卖向下+缠论|谐波|趋势线|波浪|形态模型:
- ✂️升趋势强支撑破位可能+缠论|谐波|趋势线|波浪|形态模型:
- ❐下跌矩形达成下跌目标+缠论|谐波|趋势线|波浪|形态模型:
- 🌊波浪理论下跌中继c+缠论|谐波|趋势线|波浪|形态模型:
- 🦀️升螃蟹d点完成+缠论|谐波|趋势线|波浪|形态模型:
- ⚑降旗形整理向上突破+缠论|谐波|趋势线|波浪|形态模型:
- ☯缠论反转❶买向上+缠论|谐波|趋势线|波浪|形态模型:
- 🌊波浪理论上涨中继c+缠论|谐波|趋势线|波浪|形态模型:
- 🦇升蝙蝠第3反弹目标+缠论|谐波|趋势线|波浪|形态模型:
- 🚩升楔型达成整理下跌目标+缠论|谐波|趋势线|波浪|形态模型:
- ☯缠论中枢b刚完成+缠论|谐波|趋势线|波浪|形态模型:
-
- 多方尖兵 + 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 高开跳空缺口 + 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 塔形底 | 圆底+ 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 冉冉上升|稳步上涨+ 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 降势受阻+ 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 上涨Pinbar组合 + 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 倾盆大雨 + 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 低档五阳线 + 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 上涨身怀六甲 + 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
- 双针探底 + 🌊波浪理论|💹形态模型|📡谐波理论|💸缠论❶❷❸|🎯趋势线阻力支撑:
-
阿布量化架构概述
- 使用多种机器学习技术智能优化策略
- 在实盘中指导策略进行交易,提高策略的实盘效果,战胜市场
- 美股,A股,港股
- 期货,期权
- 比特币,莱特币
- 分离基础策略和策略优化监督模块
- 提高灵活度和适配性
- 量化系统
阿布量化综合AI大数据系统, K线形态系统, 缠论,波浪理论,谐波理论,突破,整理形态分析(头肩形态,三头,三角,旗形,楔形,矩形), 经典指标系统, 走势趋势分析系统, 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, 彻底跨越用户复杂的代码量化阶段, 更适合普通人群使用, 迈向量化2.0时代.
-
基于道氏理论的一维特征
-
🌊 艾略特波浪理论
- 驱动浪,调整浪,上升浪,下跌浪,5浪理论,循环浪,9浪结构,锯齿型调整浪,规则平台型调整浪,顺势平台型调整浪,扩散平台型调整浪,双锯齿,双平台
-
💸 缠论
- 缠论一买 缠论二买 缠论三买 缠论一卖 缠论二卖 缠论三卖
-
📡 谐波理论
- 谐波蝴蝶,谐波螃蟹,谐波蝙蝠,谐波伽利,谐波鲨鱼,谐波赛福
-
💹 形态模型
- 旗形,楔型,三重底,三重顶,头肩底,头肩顶,对称三角形,上升三角形,下降三角形,扩散三角形,矩形,双重底,双重顶
-
🎯 趋势线阻力与支撑
- 上升趋势向下破位风险,下降趋势向上突破机会,下降趋势临近强阻力回调,上升趋势临近强支撑反弹
-
🎢 均线信号
- 葛兰威尔八大买卖法则, 葛兰威尔一二三四买,葛兰威尔五六七八卖,高山滑雪,战机起航,烘云托月,乌云密布,金山谷,银山谷,蛟龙出海,断头铡刀,金蜘蛛,毒蜘蛛,旱地拔葱,绝命跳,鱼跃龙门
-
🅚 K线信号
- 多方尖兵,空方尖兵,塔形底 | 圆底,塔形顶 | 圆顶,上升三部曲(升势三鸦),下降三部曲(降势三鹤),高档五阴线,低档五阳线, 冉冉上升|稳步上涨,绵绵阴跌|下跌不止,徐缓上升,徐缓下降,向下加速度线,向上加速度线,下探上涨,上探下跌,上升抵抗,下跌抵抗, 多方炮,空方炮,上涨两颗星|上涨三颗星,下跌两颗星|下跌三颗星,跳空下跌三颗星,跳空上涨三颗星,上升覆盖线,下降覆盖线, 早晨之星(黎明之星),黄昏之星(夜星),上涨Pinbar组合,下跌Pinbar组合,降势受阻,升势受阻,降势停顿,升势停顿,两黑夹一红, 两红夹一黑,上涨镊子线(U形磁铁),下跌镊子线(n形磁铁),红三兵,三只乌鸦,三空阴线,三空阳线,双飞乌鸦(树上二鸦),倾盆大雨, 旭日东升,淡友反攻,好友反攻,射击之星形态,墓碑十字线(墓碑线),下跌螺旋桨,上涨螺旋桨,顶部尽头线(下山虎),底部尽头线(上山虎), 双针探底,吊颈线(上吊线),乌云盖顶,曙光初现形态,上涨身怀六甲,下跌身怀六甲,上涨孕十字星,下跌孕十字星,上涨孤独十字星, 下跌孤独十字星,阴包阳形态,阳包阴形态,低位并排阳线,高位并排阳线,中流砥柱,单针探底(定海神针),锤头线(锤子线), 看跌(高位倒锤头)流星线,看涨(低位)倒锤头线,仙人指路,下降插入线(坠落线)
-
💢 跳空缺口
- 高开跳空缺口,低开跳空缺口,普通缺口,突破缺口,中继缺口,竭尽缺口
-
🈯️ 指标信号
- MACD,KDJ,BOLL,RSI,ATR,ADX,CCI,Williams R,指标背离信号,指标波动信号,指标通道强弱信号,指标趋势突破信号
-
-
量化模型
上述系统中结合上百种子量化模型, 如: 金融时间序列损耗模型, 深度形态质量评估模型, 多空形态组合评定模型, 多头形态止损策略模型, 空头形态回补策略模型, 大数据K线形态历史组合拟合模型, 交易持仓心态模型, 多巴胺量化模型, 惯性残存阻力支撑模型, 多空互换报复概率模型, 强弱对抗模型, 趋势角度变化率模型, 联动分析模型, 时间序列的过激反应模型, 迟钝报复反应模型, 趋势启动速度模型, 配对对冲模型等.
- AI量化
阿布量化针对AI人工智能从底层开发算法, 构建适合量化体系的人工智能AI系统, 训练了数个从不同角度识别量化特征的评分模型,整体上分为三个系别:物理模型组、多巴胺生物模型组、量化形态模型组。不同系别模型群从不同角度(主要物理交易实体分析、人群心理、图表等三个方向)评估走势,系别的模型群是由若干个独有的识别算法和参数遗传淘汰,组成族群,加权投票评分.
- 量化策略
阿布量化结合了传统基于代码策的量化系统, 对未来择时信号发出时机的预判, 系统基于数百种简单种子交易策略,衍生出更多的量化交易策略新策略在这些种子基础上不断自我学习、自我成长,不断分裂,适者生存,淘汰选择机制下繁衍,目前应用的量化买入卖出信号策略共计18496种。
推荐使用Anaconda部署Python环境,详见 量化环境部署
import abupy择时策略决定什么时候买入投资品,回测告诉我们这种策略在历史数据中的模拟收益如何。
- 买入择时因子的编写
- 分解模式一步一步对策略进行回测
- 卖出择时因子的实现
在对的时间,遇见对的人(股票),是一种幸福
在对的时间,遇见错的人(股票),是一种悲伤
在错的时间,遇见对的人(股票),是一声叹息
在错的时间,遇见错的人(股票),是一种无奈
通过止盈止损保护策略产生的利润,控制风险。
- 基本止盈止损策略
- 风险控制止损策略
- 利润保护止盈策略
考虑应用交易策略时产生的成交价格偏差及手续费。
- 滑点买入卖出价格确定及策略实现
- 交易手续费的计算以及自定义手续费
| type | date | symbol | commission |
|---|---|---|---|
| buy | 20150423 | usTSLA | 8.22 |
| buy | 20150428 | usTSLA | 7.53 |
| sell | 20150622 | usTSLA | 8.22 |
| buy | 20150624 | usTSLA | 7.53 |
| sell | 20150706 | usTSLA | 7.53 |
| sell | 20150708 | usTSLA | 7.53 |
| buy | 20151230 | usTSLA | 7.22 |
| sell | 20160105 | usTSLA | 7.22 |
| buy | 20160315 | usTSLA | 5.57 |
| sell | 20160429 | usTSLA | 5.57 |
针对多支股票实现择时策略,通过仓位管理策略控制风险。
- 多支股票使用相同的因子进行择时
- 自定义仓位管理策略的实现
- 多支股票使用不同的因子进行择时
- 使用并行来提升择时运行效率
一个好的策略需要一个好的标的。
- 选股因子的编写
- 多个选股因子并行执行
- 使用并行来提升选股运行效率
正确的度量引领着正确的前进方向。
- 度量的基本使用方法
- 度量的可视化
- 扩展自定义度量类
通过定制的评分机制,寻找一个策略最合理的参数,比如:应该考虑多少天的均线?
- 参数取值范围
- Grid Search寻找最优参数
- 度量结果的评分
- 不同权重的评分
- 自定义评分类的实现
- A股市场的回测示例
- 涨跌停的特殊处理
- 对多组交易结果进行分析
- 港股市场的回测示例
- 优化策略,提高系统的稳定性
- 将优化策略的'策略'做为类装饰器进行封装
- 比特币, 莱特币的走势数据分析
- 比特币, 莱特币的走势可视化分析
- 比特币,莱特币市场的回测
- 期货市场的特点
- 看涨合约的回测
- 看跌合约的回测
- 位移路程比优化策略
如何在投资品的量化交易中正确使用机器学习技术?
- 比特币特征的提取
- abu中内置机器学习模块的使用
- 测试集的验证与非均衡技术
- 继承AbuMLPd对数据处理进行封装
技术分析三大假设:市场行为涵盖一切;价格沿趋势移动;历史会重演。
- 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
相似的投资品数据的背后,往往是相似行为模式的投资人群。
- 相关相似度的度量
- 距离的度量与相似度
- 相似相关接口的应用
- 自然相关性
搜索策略生成的失败交易,由裁判拦截住冲动的交易者。
- 切分训练集交易的回测
- 对交易进行人工分析
- 主裁系统原理
- 角度主裁
- 赋予宏观上合理的解释
- 最优分类簇筛选
abu支持股票、期货、数字货币等多种金融投资品的行情和交易,并具有高度可定制性。
- 数据模式的切换
- 数据存储的切换
- 数据源的切换
- 全市场数据的更新
- 接入外部数据源,股票数据源
- 接入外部数据源,期货数据源
- 接入外部数据源,比特币,莱特币数据源