【深度学习量化交易14】正式开源!看海量化交易系统——基于miniQMT的量化交易软件

我是Mr.看海,我在尝试用信号处理的知识积累和思考方式做量化交易,应用深度学习和AI实现股票自动交易,目的是实现财务自由~
目前我正在开发基于miniQMT的量化交易系统------看海量化交易系统。

前13篇文章,我介绍了我开发的量化交易系统的思路、进展,并将目前开发完成的数据下载、数据补充、数据清洗和可视化模块免费提供给大家使用。

之前给大家提供的是安装包,目的是为不具备开发环境的朋友们更方便地使用。

今天开始,源码正式开源!后续也将和软件安装包一起同步更新~

一、看海量化交易系统介绍

看海量化交易系统是基于MiniQMT开发的。

MiniQMT是一种轻量级的量化交易解决方案,使用MiniQMT可实现对交易过程的完全控制,借此优势实现最灵活的系统构建和最前沿的算法应用。然而,MiniQMT也有其挑战,它要求用户具有较强的编程能力,因为很多功能需要自己开发。

在之前的工作中,我介绍了"看海量化交易系统"的开发进展,即目前已经开发完成数据下载、数据清洗和可视化的工作。(如下图演示)

软件的开发日志我贴在文末了,感兴趣的大家可以翻阅。

二、源码介绍

上述图片中展示的是源码文件,其中前三个是最重要的。下边逐一介绍一下:

2.1 GUI.py

GUI.py是整个应用程序的核心文件,作为主窗口的入口点。该文件实现了三个核心的数据处理功能。

数据下载功能通过`DownloadThread`类实现了多线程数据下载机制,可以高效获取包括tick、1分钟、5分钟和日线在内的多种周期数据,并配备了完善的进度显示和错误处理机制。

数据补充功能则实现了历史数据的增量更新,用户可以根据需要指定时间范围和字段进行数据补充,有效避免了重复下载已有数据。

数据清洗功能由`StockDataCleaner`类提供,实现了全面的数据清洗流程。这包括对重复数据的去除、缺失值的处理、数据类型的转换、异常值的处理、非交易时段数据的处理以及数据的排序和验证等。

此外,该文件还包含了完整的日志系统和数据目录管理等支持功能,并通过多线程设计确保了在处理大量数据时的性能表现。

2.2 GUIplotLoadData.py

GUIplotLoadData.py专注于数据可视化和分析功能的实现。该模块的核心是`StockDataAnalyzerGUI`类,它构建了一个功能丰富的数据分析平台。

在数据展示方面,系统支持包括分钟线和日线在内的多种数据周期展示,并实现了交互式的数据可视化界面,能够同时展示多个数据指标。

在图表交互方面,用户可以自由地对图表进行缩放和平移操作,在数据点上悬停时可以查看详细信息,还可以通过图例灵活控制不同数据系列的显示或隐藏。

在数据分析功能方面,系统提供了完整的文件夹分析和股票选择功能,可以显示详细的数据统计信息,并支持数据范围和周期的灵活切换。该模块基于matplotlib库构建了强大的绘图系统,并进行了深度定制,为用户提供了流畅而专业的数据分析体验。

2.3 khQTTools.py

khQTTools.py是一个综合性的工具模块,为整个应用程序提供了核心的数据处理和计算功能。

在数据获取和管理方面,该模块实现了完整的股票列表获取和更新机制,支持多种数据周期的下载和存储,并提供了数据补充和增量更新功能。其中还对下载的数据文件格式进行了详细定义。

在特征计算方面,模块可以进行包括成交量比率、收益率在内的日内特征计算,以及次日收益率的计算,同时支持多种复权方式的数据处理。

在数据处理工具方面,模块提供了完整的股票代码和板块管理功能,实现了规范的数据文件命名和组织规则,并支持多种数据格式的转换和处理。该模块充分利用了xtquant库的数据处理能力,通过多线程操作提高了性能,特别是在处理大量股票数据时,能够提供高效的数据处理和存储解决方案。

2.4 update_manager.py

update_manager.py实现了完整的软件更新管理机制。

开源用户可能会收到推送更新的通知,将其忽略掉,并重新拉取最新的开源程序即可。

2.5 version.py

version.py是应用程序的版本管理文件,它通过一个集中的配置字典维护了软件的关键信息。该字典包含了当前版本号、构建日期、更新通道和应用名称等重要信息。

该代码主要在打包exe程序时使用,开源用户不许过多关注此文件。

三、获取软件安装包或源码

对于需要exe安装包或者源码的朋友,大家可以关注"看海的城堡",在公众号中获取。

四、开通miniQMT

上述讲到的系统是基于miniQMT,很多券商都可以开通miniQMT,不过门槛各有不同,很多朋友找不到合适的券商和开通渠道。这里我可以联系券商渠道帮忙开通,股票交易费率是万1,开通成功的朋友都可以免费使用上边开发的"看海量化交易系统"。这个系统还在持续开发的过程中,使用这套软件的朋友们也欢迎大家多提提意见,我也会及时响应,完善功能。

对于想要开通miniQMT、使用上边开发的"看海量化交易系统"的朋友们,请大家关注一下我的公众号"看海的城堡",在公众号页面下方点击相应标签即可获取。

五、开发进展

关注我的粉丝朋友们可能知道,我现在开发到了系统的核心框架部分,也就是回测、模拟和实盘的模块,目前已经将框架的主体部分写完,但由于该部分内容的开发需要大量的精力和测试,开发周期较长。

后续我将增加文章更新频率,跟大家分享开发进展与心得。

相关文章

【深度学习量化交易1】一个金融小白尝试量化交易的设想、畅享和遐想

【深度学习量化交易2】财务自由第一步,三个多月的尝试,找到了最合适我的量化交易路径

【深度学习量化交易3】为了轻松免费地下载股票历史数据,我开发完成了可视化的数据下载模块

【深度学习量化交易4】 量化交易历史数据清洗------为后续分析扫清障碍

【深度学习量化交易5】 量化交易历史数据可视化模块

【深度学习量化交易6】优化改造基于miniQMT的量化交易软件,已开放下载~(已完成数据下载、数据清洗、可视化模块)

【深度学习量化交易7】miniQMT快速上手教程案例集------使用xtQuant进行历史数据下载篇

【深度学习量化交易8】miniQMT快速上手教程案例集------使用xtQuant进行获取实时行情数据篇

【深度学习量化交易9】miniQMT快速上手教程案例集------使用xtQuant获取基本面数据篇

【深度学习量化交易10】miniQMT快速上手教程案例集------使用xtQuant获取板块及成分股数据篇

【深度学习量化交易11】miniQMT快速上手教程------使用XtQuant进行实盘交易篇(一万七千字超详细版本)

【深度学习量化交易12】基于miniQMT的量化交易框架总体构建思路------回测、模拟、实盘通吃的系统架构

【深度学习量化交易13】继续优化改造基于miniQMT的量化交易软件,增加补充数据功能,优化免费下载数据模块体验!

相关推荐
cheungxiongwei.com1 分钟前
Rust 驱动的 Python 工具革命:Ruff 和 uv 与传统工具的对比分
python·rust·uv
web135085886353 小时前
Python大数据可视化:基于python的电影天堂数据可视化_django+hive
python·信息可视化·django
刘什么洋啊Zz3 小时前
MacOS下使用Ollama本地构建DeepSeek并使用本地Dify构建AI应用
人工智能·macos·ai·ollama·deepseek
东方芷兰3 小时前
伯克利 CS61A 课堂笔记 11 —— Mutability
笔记·python
奔跑草-4 小时前
【拥抱AI】GPT Researcher 源码试跑成功的心得与总结
人工智能·gpt·ai搜索·deep research·深度检索
禁默4 小时前
【第四届网络安全、人工智能与数字经济国际学术会议(CSAIDE 2025】网络安全,人工智能,数字经济的研究
人工智能·安全·web安全·数字经济·学术论文
不会Hello World的小苗5 小时前
Java——列表(List)
java·python·list
boooo_hhh6 小时前
深度学习笔记16-VGG-16算法-Pytorch实现人脸识别
pytorch·深度学习·机器学习
AnnyYoung6 小时前
华为云deepseek大模型平台:deepseek满血版
人工智能·ai·华为云
INDEMIND7 小时前
INDEMIND:AI视觉赋能服务机器人,“零”碰撞避障技术实现全天候安全
人工智能·视觉导航·服务机器人·商用机器人