first commit

.gitignore

@@ -0,0 +1,12 @@
+# Byte-compiled / optimized / DLL files
+__pycache__/
+
+*/__pycache__
+engine/__pycache__
+engine/datafeed/__pycache__
+
+*.py[cod]
+*$py.class
+
+**.DS_Store
+

BUILD

@@ -0,0 +1,45 @@
+load("@rules_python//python:defs.bzl", "py_binary", "py_test")
+load("@third_party//:requirements.bzl", "requirement")
+
+# TODO(https://github.com/bazelbuild/bazel-bench/issues/36): Make these work for python3.
+py_binary(
+    name = "qbot",
+    srcs = ["qbot_main.py"],
+    deps = [
+        "//utils",
+        requirement("wxPython"),
+        requirement("pandas"),
+        requirement("matplotlib"),
+        requirement("backtrader"),
+        requirement("backtrader_plotting"),
+        requirement("scipy"),
+        requirement("statsmodels"),
+        requirement("quantstats"),
+        requirement("requests"), # 这是yahoofinance需要
+        requirement("loguru"), # 简化logger的使用
+        requirement("binance-connector"),
+        requirement("numba"), # pandas 多序列rolling需要
+        requirement("pykalman"),
+        requirement("tables"),
+        requirement("scikit-learn"),
+        requirement("empyrical"),
+        requirement("stable-baselines3"),
+        requirement("jupyter"),
+        requirement("gym[all]"),
+        requirement("pyglet"),
+        requirement("tensorboard"),
+        requirement("tensortrade"),
+        requirement("yfinance"),
+        requirement("pandas_datareader"),
+    ],
+)
+
+py_test(
+    name = "qbot_test",
+    srcs = ["qbot_test.py"],
+    deps = [
+        ":qbot",
+        "//testutils",
+        requirement("mock"),
+    ],
+)

README.md

@@ -1 +1,85 @@
 # iQuant
+
+[UFund-Me](https://github.com/UFund-Me)，专注将前沿人工智能技术(机器学习、深度学习、强化学习、遗传算法、图计算、知识图谱等)应用于金融量化投资。
+
+金融投资领域是高度信息密集型，而且信息相对结构化，照理讲是最适合机器计算的领域。可是，当前投资仍然处于“刀耕火种”的年代，有人忙于调研，读报表；有人忙于盯盘，画线条。
+
+alphago master登顶围棋之巅都过去五年之久了，算法、算力日新月异的发展，不应该是当前这个样子。
+
+尽管金融数据低“信噪比”，也不要指望打造一台永动机。
+
+但请相信一句话就是：
+```
+No man is better than a machine, but no machine is better than a man with a machine!
+```
+
+让机器辅助我们投资，将无往而不利。
+
+按照个人积极参与主动决策的程度，把投资分成三个层次：
+- 全天候大类资产配置。
+被动管理，很少参与。在坐好资产后长期持续，只做一些被动再平衡的操作； 
+- 战术资产配置。
+关注宏观层面大的周期，在周期偏好的资产上持有更多的仓位。
+- 择时
+积极判断市场方向，期望做到“低买高卖”。
+
+这三个层次，从上到下，越来越不确定，越来越难，风险也越来越高。当然如果做好，收益也是越来越大。
+
+建议普通人都从第一层次做起，比较容易做到从理财往投资过渡。
+
+但是很遗憾，大部分人一上手就是冲着第三层次来的，“追涨杀跌”却常常做错方向，最终成为韭菜。
+
+![图片](./images/mainwindow.png)
+### 项目说明
+
+传统的量化投资，使用技术指标比如均值，MACD，RSI,KDJ等以及它们的线性变种来产生信号。
+有几个缺点：
+
+- 一则这是线性的，
+
+- 二是参数全凭经验，没有调优的过程，
+
+- 三是规则是静态的，无法根据市场变化自主进化。
+
+我们的目标，是把前沿人工智能技术，包括机器学习，深度学习，深度强化学习，知识图谱，时间序列分析等技术应用于金融大数据挖掘，
+更好的赋能量化投资。
+
+金融数据的低信噪比，让这件事情变更很难，
+
+难，才有意思。
+
+### “积木式”回测引擎
+```
+algo_list_rolling = [
+
+        SelectFix(instruments=['sh000300', 'sh000905', 'sz399006']),
+
+        SelectBySignal(signal_buy='to_buy', signal_sell='to_sell'),
+
+        SelectTopK(K=1,col='五日动量'),
+
+        WeightEqually()
+    ]
+```
+### 开发环境与安装部署
+
+python3.7~3.10
+
+直接git或者下载源码包，安装相关依赖，然后运行``qbot_main.py``即可。
+
+```
+git clone https://github.com/Charmve/iQuant
+
+cd iQuant
+
+pip install -r requirements.txt
+
+python qbot_main.py
+```
+
+### 联系我们
+
+微信：Yida_Zhang2
+
+持续分享前沿**人工智能技术如何赋能金融投资**，并找到一帮志同道合的朋友！
+

WORKSPACE

@@ -0,0 +1,34 @@
+load("@bazel_tools//tools/build_defs/repo:http.bzl", "http_archive")
+
+http_archive(
+    name = "rules_python",
+    sha256 = "c03246c11efd49266e8e41e12931090b613e12a59e6f55ba2efd29a7cb8b4258",
+    strip_prefix = "rules_python-0.11.0",
+    url = "https://github.com/bazelbuild/rules_python/archive/refs/tags/0.11.0.tar.gz",
+)
+
+load("@rules_python//python:pip.bzl", "pip_install")
+load("@rules_python//python:repositories.bzl", "python_register_toolchains")
+
+# Use a hermetic Python interpreter so that builds are reproducible
+# irrespective of the Python version available on the host machine.
+python_register_toolchains(
+    name = "python3_9",
+    python_version = "3.9",
+)
+
+load("@rules_python//python:pip.bzl", pip3_install="pip_install")
+
+pip3_install(
+   name = "py_deps",
+   requirements = "//:requirements.txt",
+)
+
+load("@python3_9//:defs.bzl", "interpreter")
+
+# Translate requirements.txt into a @third_party external repository.
+pip_install(
+    name = "third_party",
+    python_interpreter_target = interpreter,
+    requirements = "//third_party:requirements.txt",
+)