charliedream1/ai_quant_trade

🤖 AI 퀀트 트레이딩 봇 – 빠른 개요

소개 – AI 기술을 활용한 퀀트 금융 전략을 학습, 프로토타입 제작 및 (선택적으로) 실행하는 데 필요한 모든 것을 통합한 커뮤니티 주도형 대규모 저장소입니다. 전체 파이프라인을 다룹니다:

• 교육 – 금융 이론, 데이터 소스 및 AI 기초에 관한 markdown 노트북 및 노트.
• 데이터 처리 – Wind, akshare, Eastmoney 등에서 시장 데이터를 가져오기 위한 통합 인터페이스를 갖춘 스크립트.
• 알파 마이닝 – 팩터 공식 라이브러리(alpha101, ta‑lib, stockstats) 및 tsfresh를 사용하여 5,000개의 알파를 자동 마이닝하는 데모.
• 전략 예제 – 클래식 규칙 기반(이중 이동 평균, 포트폴리오 최적화) 및 AI 집약적 접근 방식(강화 학습 에이전트, GNN, 딥러닝, LLM 기반 예측) 모두 포함.
• LLM 애플리케이션 – Unsloth 프레임워크 기반의 '추론형 주가 예측' 모델을 위한 노트북 및 학습 스크립트, 시장 분석을 위한 LLM 활용 튜토리얼.
• 실거래 지원 – Excel 기반 모니터링 도구, Streamlit 시장 대시보드, 기관급 시뮬레이션을 위한 Wind 플랫폼 통합.
• 리소스 허브 – 전체 퀀트 워크플로우별로 정리된 수천 개의 외부 논문, 코드베이스 및 튜토리얼의 엄선된 리뷰 컬렉션.

대상 – 기관 퀀트 연구원, 개인 프로그래머, 그리고 가이드가 필요한 비프로그래머(저장소에는 로우코드 Excel 도구가 포함되어 있습니다).

시작하기 – 저장소를 클론하고 requirements.txt를 설치한 후, 단계별 지침이 포함된 README가 있는 egs_* 폴더를 살펴보세요. 예를 들어, RL 튜토리얼을 실행하려면:

cd egs_trade/rl/a002_finRL_tutorial/a01_Stock_NeurIPS2018
python run.py

핵심 요약

• 데이터, 연구, 백테스팅 및 배포를 아우르는 원스톱 플랫폼.
• 다양한 시장(주식, 펀드, 암호화폐) 및 배포 대상(Python, C++, CPU/GPU) 지원.
• 최근 기능(2026‑07‑25 '스텔스 주식 거래' Excel 도구, 2025년 LLM 기반 예측)으로 활발히 유지 관리됨.
• 패키지화된 라이브러리가 아니며, 단일 pip 패키지를 가져오는 대신 예제를 탐색하는 방식입니다.

---

📂 저장소 구조 (개요)

ai_quant_trade/
├─ ai_notes/            # 이론, 논문, 튜토리얼
├─ docs/                # 저장소 전체 문서
├─ egs_aide/            # 모니터링 및 보조 도구
├─ egs_alpha/           # 알파 마이닝 및 팩터 라이브러리
├─ egs_data/            # 데이터 수집 래퍼
├─ egs_fin_nlp/         # NLP 기반 감성 분석 도구
├─ egs_llm/             # LLM 학습 및 추론 예제
├─ egs_online_platform/ # JoinQuant / Uqer 스크립트
├─ egs_trade/           # 전략 데모 (RL, vanilla, Qlib 등)
├─ quant_brain/         # 핵심 알고리즘 유틸리티
├─ runtime/             # 배포 지원
├─ tools/               # 기타 유틸리티
└─ requirements.txt

---

🔧 일반적인 사용 흐름

1. 학습 – ai_notes의 markdown/Jupyter 노트북 읽기.
2. 데이터 수집 – egs_data의 스크립트를 사용하여 가격, 뉴스, 감성 데이터 가져오기.
3. 알파 마이닝 – egs_alpha/auto_alpha/tsfresh에서 tsfresh 자동 마이닝 데모 실행.
4. 전략 구축 – 간단한 이중 이동 평균 예제나 RL 튜토리얼부터 시작.
5. 백테스팅 – 각 예제에는 자체 백테스트 러너와 성능 지표가 포함되어 있습니다.
6. 배포 – runtime 지침에 따라 실거래(Wind 시뮬레이션, Python 또는 C++) 실행.
7. 지원 – Excel '스텔스 주식 거래' 도구 또는 Streamlit 대시보드로 시장 모니터링.

---

📚 리소스 및 커뮤니티

• 외부 오픈소스 프로젝트, 논문, 튜토리얼의 방대한 엄선 목록(a_全网优秀资源).
• 실습을 위한 비디오 튜토리얼 및 위챗 '지식 행성(Knowledge Planet)'.
• 저장소는 Apache‑2.0 라이선스를 따르므로 상업적 또는 연구 환경에서 코드를 재사용할 수 있습니다.

---

결론 – 이 저장소는 데이터 파이프라인, AI 기반 전략 프로토타입, 퀀트 금융을 위한 실용적인 트레이딩 유틸리티를 통합한 본격적이고 광범위한 오픈소스 프로젝트입니다.