Tang/quant：量化回测交易系统（股票、期权、期货、比特币

索引内容位置

阿布量化系统源码

abupy 内容

Abupy 量化教程

abupy_lecture 内容

Abupy量化非编程接口操作

abupy_ui 内容

《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

阿布量化集成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、传统移动平均线系统对投资品种进行深度量化分析，完全跨越用户复杂代码量化阶段，更适合普通人使用，步向量化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、深度形态质量评价模型、多空形态组合评价模型、长形态止损策略模型、空头形态恢复策略模型、大数据K线形态历史组合拟合模型、交易仓位心态模型、多巴胺量化模型、惯性残余阻力支撑模型、长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。

Abu Quantification for AI 人工智能从底层开发算法，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黄金比特币交易策略模型，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）投票得分。

Abu Quant结合了传统的基于代码策略的量化系统，预测未来时序信号的时机，系统基于数百个简单的种子交易策略衍生出更多的量化交易在这些种子的基础上，新的策略是在淘汰和选择机制下不断自我学习、自我成长、不断分裂、优胜劣汰、繁衍后代。目前使用的量化买卖信号策略有 18,496 种。

Abu Quant结合多种量化分析数据，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、跌五浪量化、五涨浪量化, 支撑强度阻力分析, 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, 单针触底形态, 流星形态, 长枪形态, 上升镊子线, 向上突破盒, 缺口突破跳空, 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, 止盈止盈保护量化、综合指标分析等

安装部署

推荐使用Anaconda来部署Python环境。详情请参考量化环境部署

测试

import abupy

接口操作（非编程）

更多界面操作示例

使用文档 1：制定时序策略

第一节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产品，回测告诉我们这个策略如何模拟历史数据中的回报。

买入时机因素的编写和分解模式，策略的逐步回测，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

在正确的时间遇到​​错误的人（股票）是一种悲伤

在错误的时间遇到​​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

详细阅读

2：时序策略的优化

p>

保护止盈止损策略产生的利润，控制风险。

基本止盈止损策略风控止损策略获利保护止盈策略

阅读全文

3：滑点策略和交易费用

在应用交易策略时考虑交易价格偏差和交易费用。

滑点买卖价格确定及策略实施交易费用计算及自定义费用类型datesymbolcommission

购买

20150423

usTSLA

8.22

购买

20150428

usTSLA

7.53

卖

20150622

usTSLA

8.22

购买

20150624

usTSLA

7.53

卖

20150706

usTSLA

7.53

卖

20150708

usTSLA

7. 53

购买

20151230

usTSLA

7.22

卖

20160105

usTSLA

7.22

购买

20160315

usTSLA

5.57

卖

20160429

usTSLA

5.57

阅读全文

4：多股时序回测及仓位管理

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和自定义仓位管理策略的实施 多只股票使用不同的因子进行计时，并使用并行性来提高计时操作效率

详细阅读

5：选股策略的制定

一个好的战略需要一个好的目标。

选股因子的准备和多个选股因子的并行执行利用并行性提高选股操作的效率

阅读全文

6：回测结果的测量

正确的测量导致正确的方向。

指标的基本用法指标的可视化扩展自定义指标类

阅读全文

7：寻找最优的策略参数和分数

通过自定义计分机制，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，寻找最优参数测量结果评分自定义评分类的不同加权评分实现

详细阅读

8：股票市场回测A股市场回测实例限价特殊处理多组交易结果分析

阅读全文

9：港股回测港股回测提高系统稳定性的优化策略回测示例将优化策略的“策略”封装为类装饰器

详细阅读

10：比特币、莱特币的回测比特币、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

阅读全文

11：期货市场回测期货市场特征回测看涨合约回测看跌合约p>如何在投资产品量化交易中正确使用机器学习技术？

比特币特征提取 Abu 内置机器学习模块使用测试集验证和不平衡技术继承 AbuMLPd 封装数据处理

阅读全文

13：定量技术分析的应用

技术分析的三个假设：市场行为涵盖一切；价格随趋势移动；历史重演。

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

阅读全文

14：定量相关分析应用

在同类投资产品的数据背后，往往存在着行为模式相似的投资群体。

相关相似度的度量距离的度量和相似度相关接口的应用都与自然相关性有关

阅读全文

15：量化交易和搜索引擎

搜索策略产生的失败交易，并推荐阻止冲动交易者。

分割训练集，交易回测，人工分析交易，裁判系统原理观点，裁判给出宏观合理解释。

阅读全文

16：UMP裁判交易决策差距裁判价格裁判波动裁判验证裁判是否胜任，在abu系统中开启裁判拦截模式组织裁判进行更复杂的综合裁决黄金比特币交易策略模型，让裁判学会配合，发挥最大的作用自己正确判断

阅读全文

17：UMP裁判交易决策角度、裁判价格、裁判波动 Line referee 综合边线验证边线是否胜任。在abu系统中开启巡线拦截模式。

阅读全文

18：自定义裁判决策交易 从不同角度培训新裁判 从不同角度培训新边锋 添加新视角记录比赛（记录回测功能） 裁判使用新视角做出交易决策 边裁使用新视角进行交易进行交易

abupy中的ump模块设计目标是：

详细阅读

19：数据源

abu支持股票、期货、数字货币等各类金融投资产品的做市和交易，可高度定制化。

数据模式切换 数据存储切换 数据源切换 整体市场数据更新 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

阅读全文

更多阿布定量技术文章