南京机关建设网站,做一个简单的网页游戏,网站建设的知识产权归属,wordpress主页底端添加图片【小白量化智能体】应用6#xff1a;根据通达信指标等生成机器学习Python程序
【小白量化智能体】是指能够自主或半自主地通过与环境的交互来实现目标或任务的计算实体。智能体技术是一个百科全书#xff0c;又融合了人工智能、计算机科学、心理学和经济学等多个领域的知识根据通达信指标等生成机器学习Python程序
【小白量化智能体】是指能够自主或半自主地通过与环境的交互来实现目标或任务的计算实体。智能体技术是一个百科全书又融合了人工智能、计算机科学、心理学和经济学等多个领域的知识能够在复杂环境中自主决策和行动的实体。能够实现量化投资的各方面应用例如自动设计指标自动编写Python自动交易策略等等。
【小白量化智能体】能够通过中文描述转化为指标公式和Python程序以及生成机器学习程序。
如果自己不会写Python策略去定做一个指标公式是需要3位数定做一个策略需要花费4位数。花钱是次要的你能保证你的技术公式和策略是100%准确吗
大家知道失败是成功之母我相信你的努力尝试100次失败后最终会做出成功的策略。问题是你有100个4位数的开发资金吗
【小白量化智能体】能够1分钟内写出交易指标公式1秒钟生成各种Python策略。每天可以生成无数个策略开发成本就是电费。
我们下面给大家介绍根据通达信公式并生成机器学习Python程序的过程。
一、通达信指标公式生成机器学习Python程序
打开小白量化智能体点按钮【机器学习】在弹出窗口中选择一个机器学习算法。然后输入一个指标公式点【生成Python代码】。自动把指标公式作为分析因子生成一个机器学习Python代码。
# 决策树算法
# 生成时间2025年07月22日 11:04:08
gs
DIF:EMA(CLOSE,12)-EMA(CLOSE,26);
DEA:EMA(DIF,9);
MACD:(DIF-DEA)*2;
ENTERLONG:CROSS(DIF,DEA);
EXITLONG:CROSS(DEA,DIF);import os,sys
sys.path.append(os.path.abspath(.))
sys.path.append(os.path.abspath(..))
import math,joblib
import datetime,time
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from HP_formula import * #小白量化仿通达信公式函数库
import HP_tdx as htdx#小白通达信行情库
import HP_formula as hgs #小白通达信公式库
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_errorplt.rcParams[font.sans-serif][SimHei] #用来正常显示中文标签
plt.rcParams[axes.unicode_minus]False #用来正常显示负号tdxapihtdx.TdxInit(ip183.60.224.178,port7709)#(nCategory, nMarket, sStockCode, nStart, nCount)
#获取市场内指定范围的证券K 线
#指定开始位置和指定K 线数量指定数量最大值为800。
#参数
#nCategory - K 线种类
#0 5 分钟K 线
#1 15 分钟K 线
#2 30 分钟K 线
#3 1 小时K 线
#4 日K 线
#5 周K 线
#6 月K 线
#7 1 分钟
#8 1 分钟K 线
#9 日K 线
#10 季K 线
#11 年K 线
#nMarket - 市场代码0:深圳1:上海
#sStockCode - 证券代码
#nStart - 指定的范围开始位置
#nCount - 用户要请求的K 线数目最大值为800。
m0
code000002
todaytime.strftime(%Y-%m-%d,time.localtime(time.time()))
dfhtdx.get_bars(nCategory4,nMarket m,codecode,start1991-01-01,endtoday)#小白数据规格化
mydfinitmydf(df) ##初始化mydf表
mydfmydf.reset_index(levelNone,dropTrue,col_level0,col_fill)
CCLOSEmydf[close]
LLOWmydf[low]
HHIGHmydf[high]
OOPENmydf[open]
VVOLmydf[volume]
from HP_formula import * #小白股票指标公式函数库tgs1hgs.Tdxgs()
tgs1.loaddf(mydf)
mydftgs1.rungs(gs)mydf[ZF](C-REF(C,1))/(REF(C,1)0.000000001) #涨幅
mydf[label]REF(mydf[ZF],-1) #明日涨幅## 数据整理
mydf.dropna(inplaceTrue) ##删除无效数据
mydfmydf.reset_index(levelNone,dropTrue,col_level0,col_fill)
print(mydf)
#mydf.to_csv(ls.csv , encoding gbk)
# 将日期时间列转换为数值类型
for col in [datetime, date, date2]:mydf[col] pd.to_datetime(mydf[col]).astype(int64)# 提取特征和目标变量
X mydf.drop([ label], axis1)
y mydf[label]# 划分训练集和测试集
X_train, X_test, y_train, y_test train_test_split(X, y, test_size0.2, random_state42)##################################################
from sklearn.tree import DecisionTreeRegressor
#构建决策树回归器
clf DecisionTreeRegressor()# 在训练集上训练模型
clf.fit(X_train, y_train)# 在测试集上进行预测
y_pred clf.predict(X_test)# 计算模型的均方误差
mse mean_squared_error(y_test, y_pred)
print(f模型的均方误差{mse})#print(list(y_test)[-5:],\n, list(y_pred)[-5:])## 保存模型
## 模型和数据文件路径
MODEL_PATH model.pkl
joblib.dump(clf, MODEL_PATH)
print(f模型已保存到: {MODEL_PATH})
二、在《小白量化智能体》软件中运行程序机器学习的模型及结果保存到文件 model.pkl’中。
三、在用策略中使用机器学习模型
如果机器学习预测有效可以在策略中直接使用训练好的机器模型数据不用重新进行机器学习。下面是使用训练好的机器模型数据的代码。
## 加载模型
clf2 joblib.load(MODEL_PATH)
print(f模型已从 {MODEL_PATH} 加载)# 在训练集上训练模型
clf2.fit(X_train, y_train)# 在测试集上进行预测
y_pred clf2.predict(X_test)# 计算模型的均方误差
mse mean_squared_error(y_test, y_pred)
print(f模型的均方误差{mse})上面给出了自动生成机器学习Python程序的示例。
我们可以尝试使用更多的因子更多的数据进行训练。
也可以选择不同的机器学习模型实现自己的目的。
《小白量化智能体》相当一位计算机本科生免费帮你写指标公式免费写策略辅助你做机器学习、深度学习量化研究。
本身是支持中文Python语法和西文Python语法的集成开发工具适合7岁-70岁人都适合学习中文Python编程。
今天的文章先写到这里欢迎继续关注我的博客。后面我还介绍更多的【小白量化智能体】开发Python策略的知识。
超越自己是我的每一步我的进步就是你的进步
