abu：阿布量化交易系统（股票、期权、期货、比特币、机器学习）

索引内容位置

阿布量化系统源码

abupy 目录

Abu 量化教程

abupy_lecture 目录

Abu 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

功能支持的投资市场：工程设计目标：APP下载和网站

感谢您使用我们的应用程序！

APP介绍

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、传统移动平均系统对投资品种进行深度量化分析，完全跨越用户的复杂代码量化阶段，更适合普通人使用，迈向向量化2.0时代。

上述系统结合了数百种种子量化模型，如：金融时间序列损失模型、深度形态质量评估模型、多空形态组合评价模型、长形态止损策略模型、短形态覆盖策略模型、大数据K-线型 历史投资组合拟合模型、交易仓位心态模型、多巴胺量化模型、惯性剩余阻力支撑模型、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、迟缓报复反应模型、趋势启动速度模型、配对对冲模型等。

Abu Quant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系统，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。不同部门的模型组从不同的角度评估趋势（主要物理交易实体分析、人群心理、图表等）投票评级。

Abu Quant结合了传统的基于代码策略的量化系统来预测未来时序信号的时序。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和新策略。淘汰选择机制下的学习、自我成长、持续分裂、优胜劣汰、繁衍后代，目前应用的量化买卖信号策略共计18496种。

阿布量化结合各类量化分析数据比特币量化交易平台，构建数百个量化应用，如：AI高能预警、AI高光时刻、智能预测涨跌、五跌波量化、五涨波量化、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), 圆顶, 圆底, 乌云盖顶形态, 上升三部曲形态, 朋友反击形态, 单针底形态,流星形态、长枪形态、上升镊子线、向上突破箱体、跳空突破跳空、黄金分割线量化、趋势跟随信号、均值回归信号、止损风控量化、止盈保护量化、综合指标分析等等。

安装和部署

推荐使用 Anaconda 来部署 Python 环境。详见量化环境部署

测试

import abupy

接口操作（非编程）

更多界面操作示例

使用文档 1：时序策略的开发

第一段界面操作教程视频播放地址

时机策略决定了何时购买投资，回测告诉我们该策略模拟历史数据回报的程度。

买入时机因素的写作分解模式 逐步回测策略 卖出时机因素的实现

在对的时间遇到​​对的人（股票）是一种幸福

在对的时间遇见错的人（股票）是一种悲伤

在错误的时间遇到​​对的人（股票）是一种感叹

在错误的时间遇到​​错误的人（股票）是一种无奈

仔细读

2：时序策略优化

通过止盈止损保护策略产生的利润来控制风险。

基本止盈止损策略风控止损策略盈利保护止盈策略

仔细读

3：滑点策略和交易费用

应用交易策略时要考虑交易价格偏差和手续费。

滑点买卖价格确定和策略实现交易费用计算和自定义费用类型datesymbolcommission

买

20150423

美国TSLA

8.22

买

20150428

美国TSLA

7.53

卖

20150622

美国TSLA

8.22

买

20150624

美国TSLA

7.53

卖

20150706

美国TSLA

7.53

卖

20150708

美国TSLA

7.53

买

20151230

美国TSLA

7.22

卖

20160105

美国TSLA

7.22

买

20160315

美国TSLA

5.57

卖

20160429

美国TSLA

5.57

仔细读

4：多只股票的定时回测和仓位管理

对多只股票实施择时策略，通过仓位管理策略控制风险。

多只股票使用相同的因子进行计时 自定义仓位管理策略实施 多只股票使用不同的因子进行计时 使用并行性提高计时操作效率

仔细读

5：制定选股策略

一个好的战略需要一个好的目标。

选股因子的编写并行执行多个选股因子利用并行性提高选股操作的效率

仔细读

6：回测结果的指标

正确的测量会导致正确的方向。

Metrics Basic Usage Metrics Visual Extensions Custom Metrics Classes

仔细读

7：寻找最优参数并为策略打分

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

参数取值范围 网格搜索，找到最优的参数测量结果 不同权重的评分 自定义评分类的实现

仔细读

8：A股市场回测 A股市场回测示例 涨停值的特殊处理 多组交易结果分析

仔细读

9：港股回测港股回测示例优化策略提高系统稳定性将优化策略的“策略”封装为类装饰器

仔细读

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

仔细读

11：期货市场回测 期货市场特点 看涨合约回测 看跌合约回测 位移距离比优化策略回测

仔细读

12：机器学习和比特币示例

如何在投资产品的量化交易中正确使用机器学习技术？

比特币特征提取 使用 abu 内置机器学习模块 验证测试集和非均衡技术 继承 AbuMLPd 封装数据处理

仔细读

13：定量技术分析应用

技术分析的三大假设：市场行为涵盖一切；价格随趋势变化；历史总是重演。

阻力线、支撑线自动画缺口技术分析传统技术指标技术分析

仔细读

14：定量相关分析应用

相似的投资产品数据背后，往往存在着行为模式相似的投资群体。

相对相似性的度量 距离和相似性的度量 相似性相关接口 应用自然相关性

仔细读

15：量化交易和搜索引擎

搜索策略产生的失败交易，以及被裁判阻止的冲动交易者。

拆分训练集交易回测 对交易进行人工分析 裁判系统原理视角 裁判给出宏观合理解释 最优分类聚类筛选

仔细读

16：UMP裁判交易决策缺口裁判价格波动裁判验证裁判是否胜任比特币量化交易平台，在abu系统中启用裁判拦截模式组织裁判做出更复杂的综合裁决，让裁判学会如何配合，做出最正确的自己的决定判断

仔细读

17：UMP线人交易决策角度线判断价格线判断波动线判断综合线判断验证线判断是否胜任并在abu系统中开启线判断拦截模式

仔细读

18：自定义裁判决策交易 从不同的角度训练新裁判做出交易决策

abupy中ump模块的设计目标是：

仔细读

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 整个市场数据更新 访问外部数据源，股票数据源访问外部数据源，期货数据源访问外部数据源，比特币，莱特币数据源

仔细读

更多 Abu 量化技术文章