pytrade主要完成以下工作:

1. 获取股票数据
2. 使用talib库获取七天均值等特征
3. 使用深度神经网络预估价格变动
4. 生成最终结果并验证

pytrade基于python, 依赖以下开源库:

1. talib
2. numpy
3. pandas
4. keras
5. sklearn 建议python3以上版本.

模型是用标普500进行测试，收益率为千分之五。

pytrade实时报告

正式运行至少10G内存, 4核CPU. 但是可以通过环境变量来控制是否在测试环境中运行还是正式环境中运行. 普通的 PC就可以支持测试环境运行.

1. 设置执行环境

export PYTEST = True # 测试环境
export PYTEST = False # 正式环境

2. 下载当天数据

python3 run/get_yeod.py

3. 运行, 并查看结果

python3 run/run.py

执行路径: pytrade/run/run.py 主要模块及执行逻辑:

配置逻辑, 用于对项目过程中的classifer等重要属性进行配置.

调用talib库信息生成ta特征.

调用main/score/score.py生成标注结果, 该标注结果主要有三种类型:

1. 以指定时间间隔的收盘价变动结果是否大于一进行二元标注
2. 以指定时间间隔的收盘价变动结果进行连续值标注
3. 已制定时间间隔的前一天开盘价变动结果进行连续值标注

使用决策树方式将连续值类型的ta特征变为离散特征, 作为训练样本

对特征进行筛选, 提供两种筛选方式:

1. 使用正确率进行筛选
2. 使用信息上进行筛选

提供不同类型classifier用于模型训练

提供不同效果评估方式进行模型效果预估, 包括在真实场景下的roi预估.

如果你有兴趣， 欢迎提交merge request给我。 当然也可以和我交流。 我的微信如下：

也可以发邮件给我， 但是我不一定收：

hongin0908@126.com