Qbot 本地部署AI量化交易快速上手指南三步从安装到第一次策略回测【免费下载链接】Qbot[updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/QbotQbot 是一款完全本地部署的 AI 量化交易平台覆盖数据获取、策略开发、策略回测、模拟到实盘交易的完整闭环。本文面向量化新手带你用三步在自己电脑上启动系统并跑通第一个策略回测。 Qbot 能做什么从数据到实盘的一条闭环开始动手前先搞清楚 Qbot 是什么、代码放在哪后面每一步都不迷路。Qbot 的定位是AI 量化投研平台前端是一个基于 wxPython 的图形界面上位机后端负责数据处理、策略调度和事件驱动的交易流程。它把量化研究的几个关键环节都纳入了同一个系统数据内置对 tushare、baostock、akshare、efinance 等数据源的接入见 dev/requirements.txt股票、基金、期货、虚拟货币都支持策略既有 MACD、KDJ、布林带这类经典指标策略也有 XGBoost、LSTM、Transformer、强化学习等 AI 策略回测底层基于 backtrader、easyquant支持设置佣金、滑点后验证策略交易回测通过后可接模拟交易与实盘接口代码目录的分工很简单记住这三个位置就够用了qbot/核心 GUI、回测引擎、交易引擎pytrader/strategies/策略研究与模型基准docs/tutorials_code/可运行的教程代码本文的示例都从这里来 环境安装步骤三步启动 Qbot这一步最容易卡住因为依赖较多、且只有 Python 3.8 / 3.9 经过官方测试。按顺序执行即可git clone https://gitcode.com/GitHub_Trending/qbot/Qbot cd Qbot pip install -r dev/requirements.txt python main.py # Mac 上使用 pythonw main.py三个注意点先确认你的 Python 版本是 3.8 或 3.9其他版本未测试过依赖较多时 pip 安装慢可以先配置国内镜像源加速如果启动时报缺某个模块按提示pip install对应包即可这是官方建议的兜底方式完整说明见 docs/Install_guide.md两个需要特殊处理的依赖wxPython 与 TA-Lib这两个库在不同系统上的 pip 安装经常失败项目作者在 dev/ 目录下预置了各平台对应的本地 wheel 包直接安装本地文件最稳妥例如pip install dev/wxPython-4.2.1-cp38-cp38-win_amd64.whl按自己的系统、Python 版本选择对应文件macOS 用户也可以用brew install wxpython和brew install ta-lib后pip install ta-lib。 跑通第一次回测MACD 示例策略详解第一次的目标不是赚钱而是验证数据、指标、回测、图表这条链路在你的机器上真的能跑通。推荐从 docs/tutorials_code/02.easy_macd_strategy/macd.py 开始它的逻辑用一句话说清用 12 日和 26 日指数移动平均构造 MACD快线上穿慢线金叉时买入下穿死叉时卖出回测引擎是 backtrader初始资金 1 万元佣金设为 0.001。python docs/tutorials_code/02.easy_macd_strategy/macd.py运行后控制台会逐笔打印买卖日志日期、价格、佣金结束后生成净值曲线图K 线上会标出买卖点直观看到策略在什么位置进了场、又在哪离场。回测指标怎么读回测结束后你会看到一串指标不必每个都精通先看这六个累计收益率整个回测区间的总盈亏最直观年化收益率与波动率折算到每年的收益以及收益起伏的剧烈程度夏普比率每承担一份风险换回多少收益越高越好索提诺比率只惩罚下行波动的夏普修正版最大回撤与回撤周期从峰值跌到谷底的最大亏损以及回本要花多久胜率与盈亏比交易一半靠赢的频率一半靠赢的时候赚多少同时留意回测配置项基准benchmark、起止日期、初始资金、佣金与滑点。新手最常犯的错是回测时不设置成本和滑点导致收益虚高。 策略模板在哪找从经典指标到机器学习不要急着从零写策略仓库里已经有一个现成的模板库先读、后改、再自创。按难度大致分三层单指标入门MACD02 目录、KDJ04.kdj_with_macd/kdj.py指标组合kdj_macd.py 把 KDJ 和 MACD 信号叠加qbot/strategies/ 下还有布林带、RSI、双均线、低估值选股等几十个独立策略文件批量验证与 AI 模型05.kdj_macd_in_A_market/ 展示如何对全市场股票批量回测pytrader/strategies/benchmarks/ 下按模型分目录XGBoost、LightGBM、LSTM、Transformer、TFT 等附带回测配置与结果说明第一个模板怎么选一个可执行的顺序先跑通 macd.py单指标、单股票→ 改读 kdj_macd.py 理解多信号组合 → 再看 batch_kdj_macd.py 理解批量回测和因子表达式 → 最后才进入 benchmarks 里的机器学习模型。每一步都以能运行、看得懂输出为标准不要跳级。⚠️ 常见坑新手最常遇到的环境与数据问题报错大多集中在固定的几类遇到时先对号入座能省一半排查时间。版本问题项目只在 Python 3.8 / 3.9 下测试过其他版本的行为不保证wxPython / TA-Lib 装不上用 dev/ 里的本地 wheel 安装见上文bokeh 版本报错unexpected attribute plot_widthpip install bokeh2.3.3Crypto 模块冲突先卸载 crypto 和 pycryptodome再重装 pycryptodome中文乱码警告SimHei 字体找不到给系统或 matplotlib 配置中文字体pandas 多维索引报错升级 pandas 即可更完整的问题列表在 docs/FQA.md。数据侧有一个实用技巧qbot/data/dump_bin.py 可以把 CSV 行情转成二进制格式加快后续读取qbot/data/check_dump_bin.py 用于检查数据完整性回测结果异常时先查数据再查策略。 回测通过之后模拟交易与实盘接入回测好看只是起点真正要回答的问题是策略在接近真实的成本与时延下还能不能赚钱。Qbot 在图形界面里把三件事分成了独立面板qbot/gui/panels/回测、模拟交易、实盘交易。建议的推进节奏是先模拟在仿真环境中跑一段时间验证延迟、滑点下的真实表现再接实盘股票支持多家券商客户端与接口海通、华泰、国金、东方财富、同花顺等期货走 CTP加密货币支持币安、OKX、火币。账户信息在界面设置 → 参数配置中填写对应的 api_key 与账号配通知交易信号和每日收益可以推送到邮件utils/send_email.py、飞书utils/larkbot.py或微信utils/wxbot.py最后一句提醒来自项目本身回测结果不代表实盘收益接入实盘前务必核对手续费、滑点与数据复权设置市场有风险投资需谨慎。下一步建议今天装好环境把 macd.py 跑一遍确认图表能出本周读 kdj_macd.py把双指标逻辑改成自己的参数回测一次之后从 benchmarks 里挑一个模型如 LightGBM跑通尝试对全市场批量验证实盘前先完成模拟交易并逐项检查成本设置【免费下载链接】Qbot[updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/Qbot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
Qbot 本地部署AI量化交易快速上手指南：三步从安装到第一次策略回测
Qbot 本地部署AI量化交易快速上手指南三步从安装到第一次策略回测【免费下载链接】Qbot[updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/QbotQbot 是一款完全本地部署的 AI 量化交易平台覆盖数据获取、策略开发、策略回测、模拟到实盘交易的完整闭环。本文面向量化新手带你用三步在自己电脑上启动系统并跑通第一个策略回测。 Qbot 能做什么从数据到实盘的一条闭环开始动手前先搞清楚 Qbot 是什么、代码放在哪后面每一步都不迷路。Qbot 的定位是AI 量化投研平台前端是一个基于 wxPython 的图形界面上位机后端负责数据处理、策略调度和事件驱动的交易流程。它把量化研究的几个关键环节都纳入了同一个系统数据内置对 tushare、baostock、akshare、efinance 等数据源的接入见 dev/requirements.txt股票、基金、期货、虚拟货币都支持策略既有 MACD、KDJ、布林带这类经典指标策略也有 XGBoost、LSTM、Transformer、强化学习等 AI 策略回测底层基于 backtrader、easyquant支持设置佣金、滑点后验证策略交易回测通过后可接模拟交易与实盘接口代码目录的分工很简单记住这三个位置就够用了qbot/核心 GUI、回测引擎、交易引擎pytrader/strategies/策略研究与模型基准docs/tutorials_code/可运行的教程代码本文的示例都从这里来 环境安装步骤三步启动 Qbot这一步最容易卡住因为依赖较多、且只有 Python 3.8 / 3.9 经过官方测试。按顺序执行即可git clone https://gitcode.com/GitHub_Trending/qbot/Qbot cd Qbot pip install -r dev/requirements.txt python main.py # Mac 上使用 pythonw main.py三个注意点先确认你的 Python 版本是 3.8 或 3.9其他版本未测试过依赖较多时 pip 安装慢可以先配置国内镜像源加速如果启动时报缺某个模块按提示pip install对应包即可这是官方建议的兜底方式完整说明见 docs/Install_guide.md两个需要特殊处理的依赖wxPython 与 TA-Lib这两个库在不同系统上的 pip 安装经常失败项目作者在 dev/ 目录下预置了各平台对应的本地 wheel 包直接安装本地文件最稳妥例如pip install dev/wxPython-4.2.1-cp38-cp38-win_amd64.whl按自己的系统、Python 版本选择对应文件macOS 用户也可以用brew install wxpython和brew install ta-lib后pip install ta-lib。 跑通第一次回测MACD 示例策略详解第一次的目标不是赚钱而是验证数据、指标、回测、图表这条链路在你的机器上真的能跑通。推荐从 docs/tutorials_code/02.easy_macd_strategy/macd.py 开始它的逻辑用一句话说清用 12 日和 26 日指数移动平均构造 MACD快线上穿慢线金叉时买入下穿死叉时卖出回测引擎是 backtrader初始资金 1 万元佣金设为 0.001。python docs/tutorials_code/02.easy_macd_strategy/macd.py运行后控制台会逐笔打印买卖日志日期、价格、佣金结束后生成净值曲线图K 线上会标出买卖点直观看到策略在什么位置进了场、又在哪离场。回测指标怎么读回测结束后你会看到一串指标不必每个都精通先看这六个累计收益率整个回测区间的总盈亏最直观年化收益率与波动率折算到每年的收益以及收益起伏的剧烈程度夏普比率每承担一份风险换回多少收益越高越好索提诺比率只惩罚下行波动的夏普修正版最大回撤与回撤周期从峰值跌到谷底的最大亏损以及回本要花多久胜率与盈亏比交易一半靠赢的频率一半靠赢的时候赚多少同时留意回测配置项基准benchmark、起止日期、初始资金、佣金与滑点。新手最常犯的错是回测时不设置成本和滑点导致收益虚高。 策略模板在哪找从经典指标到机器学习不要急着从零写策略仓库里已经有一个现成的模板库先读、后改、再自创。按难度大致分三层单指标入门MACD02 目录、KDJ04.kdj_with_macd/kdj.py指标组合kdj_macd.py 把 KDJ 和 MACD 信号叠加qbot/strategies/ 下还有布林带、RSI、双均线、低估值选股等几十个独立策略文件批量验证与 AI 模型05.kdj_macd_in_A_market/ 展示如何对全市场股票批量回测pytrader/strategies/benchmarks/ 下按模型分目录XGBoost、LightGBM、LSTM、Transformer、TFT 等附带回测配置与结果说明第一个模板怎么选一个可执行的顺序先跑通 macd.py单指标、单股票→ 改读 kdj_macd.py 理解多信号组合 → 再看 batch_kdj_macd.py 理解批量回测和因子表达式 → 最后才进入 benchmarks 里的机器学习模型。每一步都以能运行、看得懂输出为标准不要跳级。⚠️ 常见坑新手最常遇到的环境与数据问题报错大多集中在固定的几类遇到时先对号入座能省一半排查时间。版本问题项目只在 Python 3.8 / 3.9 下测试过其他版本的行为不保证wxPython / TA-Lib 装不上用 dev/ 里的本地 wheel 安装见上文bokeh 版本报错unexpected attribute plot_widthpip install bokeh2.3.3Crypto 模块冲突先卸载 crypto 和 pycryptodome再重装 pycryptodome中文乱码警告SimHei 字体找不到给系统或 matplotlib 配置中文字体pandas 多维索引报错升级 pandas 即可更完整的问题列表在 docs/FQA.md。数据侧有一个实用技巧qbot/data/dump_bin.py 可以把 CSV 行情转成二进制格式加快后续读取qbot/data/check_dump_bin.py 用于检查数据完整性回测结果异常时先查数据再查策略。 回测通过之后模拟交易与实盘接入回测好看只是起点真正要回答的问题是策略在接近真实的成本与时延下还能不能赚钱。Qbot 在图形界面里把三件事分成了独立面板qbot/gui/panels/回测、模拟交易、实盘交易。建议的推进节奏是先模拟在仿真环境中跑一段时间验证延迟、滑点下的真实表现再接实盘股票支持多家券商客户端与接口海通、华泰、国金、东方财富、同花顺等期货走 CTP加密货币支持币安、OKX、火币。账户信息在界面设置 → 参数配置中填写对应的 api_key 与账号配通知交易信号和每日收益可以推送到邮件utils/send_email.py、飞书utils/larkbot.py或微信utils/wxbot.py最后一句提醒来自项目本身回测结果不代表实盘收益接入实盘前务必核对手续费、滑点与数据复权设置市场有风险投资需谨慎。下一步建议今天装好环境把 macd.py 跑一遍确认图表能出本周读 kdj_macd.py把双指标逻辑改成自己的参数回测一次之后从 benchmarks 里挑一个模型如 LightGBM跑通尝试对全市场批量验证实盘前先完成模拟交易并逐项检查成本设置【免费下载链接】Qbot[updating ...] AI 自动量化交易机器人(完全本地部署) AI-powered Quantitative Investment Research Platform. online docs: https://ufund-me.github.io/Qbot ✨ :news: qbot-mini: https://github.com/Charmve/iQuant项目地址: https://gitcode.com/GitHub_Trending/qbot/Qbot创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考