%20(2).svg)
项目简介
本项目是入门级的量化投资demo程序，面向有一定Python基础，但对炒股和量化投资不太了解的人群。以A股市场为例，运用机器学习方法，借助程序化策略和模型，依据股票历史价格数据判断买卖时机，以获取最大收益。
项目的主要特性和功能
特性
- 以机器学习为核心，用LightGBM模型进行股票价格涨跌预测。
- 操作流程清晰，涵盖数据获取、特征生成、模型训练到回测评估。
- 仅用股票的OHLC数据和简单技术指标作特征，降低学习成本。
功能
- 数据获取：通过TuShare库获取股票历史价格数据，保存到指定目录。
- 特征生成：基于基础价格数据，生成移动平均、MACD、布林带等高级特征。
- 模型训练：使用LightGBM训练预测模型。
- 回测评估：利用历史数据对模型回测，计算累积收益、最大回撤、夏普率等指标。
安装使用步骤
安装依赖库
在项目根目录下，执行以下命令安装所需的Python依赖库：
shell
pip install -r requirements.txt
运行程序
以下4个步骤可分别执行，也可通过执行python main.py一次性完成：
1. 数据获取：执行python data.py，获取股票的历史价格数据，保存到file/data目录下。股票代码存于file/stock_list.txt文件中。
2. 特征生成：执行python feature.py，根据基础价格数据生成机器学习模型所需的高级特征，以pickle二进制格式存于file/feature目录下。
3. 模型训练：执行python model.py，训练LightGBM模型，模型文件保存为file/model.lgb.txt。
4. 回测评估：执行python backtest.py，根据历史数据回测模型效果。每天应买入的股票及对应收益会存储在file/record.csv中，同时计算累积收益、最大回撤、夏普率等指标。
下载地址
点击下载 【提取码: 4003】【解压密码: www.makuang.net】