# UFA 量化 SDK
## 配置环境
本 SDK 使用 Python 3 语言。我们推荐您使用 Python 3.8 或以上版本。
## 用途
- `apis/`
- 用于获取行情数据(`finance_data.py`)和交易数据(`trade.py`)的 API
- `strategy/`
- 量化策略脚本
- 具体结构请参考策略样例(`example_strat.py`)
- `utils/`
- 工具函数
- 可根据需求使用`market_tools.py`中定义的工具函数,其余文件请忽略
- `config.py`
- 配置文件
- `run_strategy.py`
- 程序入口
## 运行前配置
请在`config.py`中配置以下变量:
- `API_KEY`: UFA 平台中提供的 API KEY,用于后台辨认身份
- `STRATEGY_NAME`: 需要运行的策略的文件名(例:若需要运行我们提供的策略样例`strategy/example_strat.py`,请将此变量设为`"example_strat"`)
- `STRATEGY_INTERVAL`: 策略运行间隔(分钟),需大于等于 1,否则可能运行失败
## 运行
- 自定义策略
- 在`strategy/`下新建一个 python 文件,文件名无特殊要求
- 复制策略样例中的代码并粘贴至新文件中
- 将`main()`函数中的代码替换为您自定义的策略代码
- 若需要执行此策略,在`config.py`中将`STRATEGY_NAME`修改为此文件的文件名,并按需求调整运行间隔`STRATEGY_INTERVAL`
- 执行策略
- 执行`run_strategy.py`并保持运行
- 可在命令行中执行`python run_strategy.py`
- 也可使用 IDE 提供的执行功能
- 运行中修改策略
- 若在运行中发现策略需要修改,可直接修改对应的策略脚本并保存
- SDK 在运行中将监听并自动应用修改过的策略,因此您在修改时**不需要切断正在运行的脚本**
没有合适的资源?快使用搜索试试~ 我知道了~
实现了多因子回测,利用增量机器学习模型预测收益.zip
共40个文件
py:29个
xml:6个
gitignore:2个
需积分: 5 0 下载量 73 浏览量
2024-04-18
12:35:54
上传
评论
收藏 48KB ZIP 举报
温馨提示
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机如何模拟或实现人类的学习行为,以获取新的知识或技能,并重新组织已有的知识结构,从而不断改善自身的性能。机器学习是人工智能的核心,也是使计算机具有智能的根本途径。 应用: 机器学习在各个领域都有广泛的应用。在医疗保健领域,它可用于医疗影像识别、疾病预测、个性化治疗等方面。在金融领域,机器学习可用于风控、信用评分、欺诈检测以及股票预测。此外,在零售和电子商务、智能交通、生产制造等领域,机器学习也发挥着重要作用,如商品推荐、需求预测、交通流量预测、质量控制等。 优点: 机器学习模型能够处理大量数据,并在相对短的时间内产生可行且效果良好的结果。 它能够同时处理标称型和数值型数据,并可以处理具有缺失属性的样本。 机器学习算法如决策树,易于理解和解释,可以可视化分析,容易提取出规则。 一些机器学习模型,如随机森林或提升树,可以有效地解决过拟合问题。 缺点: 机器学习模型在处理某些特定问题时可能会出现过拟合或欠拟合的情况,导致预测结果不准确。 对于某些复杂的非线性问题,单一的机器学习算法可能难以有效地进行建模和预测。 机器学习模型的训练通常需要大量的数据和计算资源,这可能会增加实施成本和时间。 总的来说,机器学习虽然具有许多优点和应用领域,但也存在一些挑战和限制。在实际应用中,需要根据具体问题和需求选择合适的机器学习算法和模型,并进行适当的优化和调整。
资源推荐
资源详情
资源评论
收起资源包目录
实现了多因子回测,利用增量机器学习模型预测收益.zip (40个子文件)
content
train_model
test2.py 2KB
LSTM_test.py 8KB
test.py 7KB
data
joinquant_future_contracts.py 2KB
csv_reader.py 727B
data_size_handle.py 3KB
Old_version
sw1_industry_valuation.py 1KB
test
test.py 82B
excel_reader.py 202B
joinquant.py 1002B
.idea
.name 8B
other.xml 176B
vcs.xml 180B
misc.xml 205B
inspectionProfiles
Project_Default.xml 655B
profiles_settings.xml 174B
modules.xml 284B
StockBackTesting.iml 407B
.gitignore 182B
FactorTesting
BackTrader_Multifactors_stock.py 41KB
BackTrader_Multifactors_Backtesting_Framework.py 17KB
ufa_quant_sdk
setup.py 351B
utils
thread_tools.py 3KB
__init__.py 603B
logger_tools.py 908B
market_tools.py 65B
.gitignore 140B
apis
__init__.py 867B
finance_data.py 2KB
trade.py 2KB
README.md 2KB
run_strategy.py 2KB
strategy
example_strat.py 3KB
config.py 600B
stock_backtesting_data
sw1_industry_factors_by_industry.py 2KB
handle_df.py 2KB
stock_macro_merge.py 1KB
joinquant_securities.py 12KB
run.py 677B
stock_index_classification.py 1KB
共 40 条
- 1
资源评论
生瓜蛋子
- 粉丝: 3599
- 资源: 2900
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功