QuantGPT

مرحبًا بك في QuantGPT؟

واجهة الذكاء الاصطناعي مع التحليل الكمي لتعزيز بناء الإستراتيجية

QuantGPT هي أداة مفتوحة المصدر مصممة للكميين الذين يسعون إلى تسخير قوة التوثيق الشامل لـ Vectorbt PRO من خلال واجهة مستخدم بديهية. هدفنا هو توفير جسر سلس بين الوثائق المعقدة والمستخدم النهائي، وذلك باستخدام قدرات معالجة اللغة الطبيعية المتقدمة.

سمات

بحث الوثائق المدعوم بالذكاء الاصطناعي: استعلم عن النطاق الكامل لوثائق Vectorbt PRO باستخدام اللغة الطبيعية، مما يجعل البحث عن المعلومات بسيطًا مثل كتابة سؤال. فهم السياق: احصل على رؤى ومعلومات سياقية مرتبطة مباشرة باستعلامات البحث الخاصة بك، مما يضمن أنك لا تفهم فقط "الكيفية"، بل "السبب" وراء الاستراتيجيات التحليلية المختلفة. تطوير إستراتيجي فعال: يمكنك العثور بسرعة على الوظائف والمعلمات والوحدات النمطية التي تحتاجها، مما يوفر وقتك وتبسيط العملية من التصور إلى التنفيذ. الفلسفة الأساسية تم تصميم QuantGPT مع الاعتقاد بأن الأدوات الصحيحة يمكن أن تعزز بشكل كبير قدرة وكفاءة تطوير الإستراتيجية الكمية. من خلال دمج الذكاء الاصطناعي مع إنشاء الإستراتيجية، فإننا لا نقوم فقط بتبسيط عملية البحث؛ نحن نعيد تعريف كيفية تفاعل الكميين مع المعلومات.

المجتمع والتعاون

باعتباره مشروعًا مجتمعيًا، يزدهر QuantGPT بفضل الجهود والمساهمات التعاونية. سواء كان ذلك من خلال التعليمات البرمجية أو الأفكار أو التعليقات، فإن مدخلاتك تساعد في تشكيل مستقبل أدوات تطوير الإستراتيجية الكمية.

ابدأ

انغمس في تجربة QuantGPT لرفع مستوى استراتيجيات التداول الخاصة بك والمساهمة في المشهد المتطور للتحليل الكمي.

قم بتمييز الريبو بنجمة أو افصله لإظهار دعمك والبقاء على اطلاع دائم. تحقق من إرشادات المساهمة لمعرفة كيف يمكنك أن تكون جزءًا من الرحلة. ملاحظة: QuantGPT هو مشروع دائم التطور. نبدأ مع Vectorbt PRO، ولكن الأفق واسع. والهدف هو في نهاية المطاف دمج العديد من الأدوات التحليلية والمكتبات، وصياغة نظام بيئي متعدد الاستخدامات للتحليل الكمي.

اكتشف QuantGPT — حيث تلبي الخوارزميات الاستراتيجيات بسرعة التفكير.

تثبيت

تأكد من تثبيت Conda على نظامك. إذا لم يكن الأمر كذلك، قم بتنزيله من موقع Conda الرسمي. اتبع هذه الخطوات لإعداد QuantGPT :

الخطوة 1: استنساخ المستودع

ابدأ باستنساخ مستودع QuantGPT على جهازك المحلي:

git clone https://github.com/rnikitin/quantgpt.git
cd quantgpt

الخطوة 2: إنشاء وتنشيط بيئة كوندا

قم بإنشاء بيئة Conda باستخدام Python 3.10 وقم بتنشيطها:

conda create --name quantgpt python=3.10
conda activate quantgpt

الخطوة 3: تثبيت Scrapy

داخل بيئة Conda، قم بتثبيت Scrapy باستخدام Conda أو النقطة:

conda install -c conda-forge scrapy

أو

pip install Scrapy

راجع وثائق Scrapy الرسمية لمزيد من التفاصيل.

الخطوة 4: تثبيت التبعيات المتبقية

بعد تثبيت Scrapy، استخدم pip لتثبيت التبعيات الضرورية الأخرى:

pip install -r requirements.txt

الخطوة 5: إعداد متغيرات البيئة

أعد تسمية env.example إلى .env واملأ المتغيرات الضرورية:

المتغيرات الإلزامية:

OPENAI_API_KEY= " sk-XXXX "
GPT_MODEL= " gpt-4 "

المتغيرات الاختيارية: احصل عليها من Chainlit Cloud إذا لزم الأمر هنا أو قم بإزالتها بالكامل، إذا كنت لا تحتاج إلى المثابرة في الوقت الحالي. يمكنك قراءة المزيد عن المثابرة ومنصة الذكاء الاصطناعي الحرفية هنا.

LITERAL_API_KEY= " cl_XXX "

كيفية إنشاء CHAINLIT_AUTH_SECRET يمكنك قراءتها هنا. لإضافة CHAINLIT_AUTH_SECRET إلى ملف .env ، يمكنك استخدام الأمر التالي:

chainlit create-secret

الخطوة 6: تشغيل المكشطة

انتقل إلى دليل quant_scraper للتحضير لتشغيل المكشطة:

 cd quant_scraper

قم بتنفيذ المكشطة، وقم بتمرير secret_url مباشرةً إلى الأمر:

scrapy crawl vbt_pro -a secret_url= " pvt_XXXX "

يجب الحصول على pvt_XXXX من عضوية VectorBT Pro.

بعد الانتهاء، انتقل مرة أخرى إلى الدليل الجذر للمشروع:

 cd ..

الخطوة 7: إطلاق واجهة المستخدم

بعد إعداد كل شيء، ابدأ واجهة المستخدم:

chainlit run quantgpt.py

اترك 3-5 دقائق في التشغيل الأول لإنشاء فهرس Vector Store، اعتمادًا على سرعة اتصالك بالإنترنت.

ابدأ باستخدام QuantGPT

اكتمل إعداد QuantGPT . نموذج الذكاء الاصطناعي الافتراضي هو GPT-4، ولكن يمكنك تعديله في ملف .env . كن على دراية بتكاليف الفهرسة والطلبات، والتي قد تبلغ حوالي 1 دولار للفهرسة و0.2 دولار لكل طلب.

كيف يعمل

تعمل QuantGPT على سلسلة من الخطوات التي تتضمن استخراج البيانات وتحويلها وتوليد الاستجابة:

1. استخراج البيانات:

   • الزحف على الويب: باستخدام Scrapy ، يتنقل النظام برمجيًا في موقع وثائق Vectorbt pro لاسترداد المحتوى.

2. تحويل:

   • الفهرسة: تقوم وحدة llama_index بمعالجة البيانات المجمعة، وتقسيم المستندات بناءً على رؤوس تخفيض السعر ("##") إلى أقسام مفهرسة.
   • إنشاء الأسئلة: لزيادة المحتوى المفهرس، يقوم gpt-3.5-turbo بإنشاء أسئلة ذات صلة لكل قسم، مما يؤدي إلى توسيع البيانات الوصفية للمستندات.
   • تكامل VectorIndex: يتم تخزين أقسام المستند الناتجة، بالإضافة إلى بيانات التعريف الخاصة بها، في VectorIndex .

3. توليد الاستجابة:

   • استرداد المستندات: استجابة لاستفسارات المستخدم، يقوم النظام باستخراج الأقسام ذات الصلة من VectorIndex .
   • تكوين الملخص: يستخدم طريقة Tree_summary لتجميع المعلومات في إجابة متماسكة وذات صلة بالسياق.

ويهدف هذا النهج إلى تقديم إجابات بجودة SOTA من خلال وثائق مكثفة، مع المفاضلة بين زيادة تكاليف الدفع لكل استعلام.

الاستخدام

تم تصميم QuantGPT للتفاعل مع Chainlit، والاستفادة من إمكانات واجهة مستخدم chatbot القوية، وهي مثالية للتفاعل مع نماذج اللغات الكبيرة (LLMs) وتقييمها لتطبيقات التداول الكمي.

الوصول الأولي

عند تشغيل التطبيق، قد تتم مطالبتك ببيانات اعتماد تسجيل الدخول. استخدم المجموعة الافتراضية التالية:

اسم المستخدم: admin كلمة المرور: admin

خطوة المصادقة هذه مطلوبة من قبل Chainlit لأولئك الذين يحتاجون إلى المثابرة داخل مثيلهم. إنه عنصر نائب ويجب استبداله بإجراءات المصادقة المناسبة في الإنتاج أو في حالة التعامل مع البيانات الحساسة.

واجهة المحادثة

يقدم التطبيق نفسه كواجهة دردشة، مما يوفر طريقة بديهية للتفاعل مع الذكاء الاصطناعي الأساسي. ومع ذلك، من المهم ملاحظة بعض القيود الحالية:

الوعي السياقي

• يتم التعامل مع كل تفاعل بشكل مستقل. لا يحتفظ الذكاء الاصطناعي بالسياق من الأسئلة السابقة. وللتعويض عن ذلك، قم بتوفير معلومات شاملة ضمن كل استعلام لتسهيل الاستجابة الأكثر دقة.

الفهرسة

• ميزة الفهرسة في المراحل الأولى من التطوير. ومن المتوقع أن يؤدي دمج استخراج البيانات الوصفية، كما هو موضح في دليل استخراج البيانات الوصفية الخاص بـ LlamaIndex، إلى تعزيز قدرة الذكاء الاصطناعي بشكل كبير على استرداد واستخدام المعلومات ذات الصلة من الوثائق المفهرسة.

القيود وفرص التنمية

مع تطور QuantGPT ، تتطور أيضًا قدراته. القيود الحالية هي فرص للنمو والتنمية:

• ذاكرة السياق: يمكن أن تتضمن التكرارات المستقبلية ذاكرة سياق لإجراء محادثات سلسة.
• فهرسة البيانات الوصفية: من المتوقع أن تؤدي التحسينات في فهرسة البيانات الوصفية إلى تحسين فهم الذكاء الاصطناعي ودقة الاستجابة.

نداء لجميع مطوري LLM!

إذا كنت أحد مطوري LLM أو متحمسًا لها، فإن خبرتك يمكن أن تساعد QuantGPT في الوصول إلى إمكاناتها الكاملة. يتم تشجيع التجريب والمحاكمة والمساهمات بشدة. إذا كانت لديك أفكار أو تحسينات، فيرجى تقسيم المستودع وإجراء التغييرات وإرسال طلب سحب. مساهماتك قيمة ومرحب بها دائما!

خريطة الطريق

إليك ما يلوح في الأفق بالنسبة QuantGPT :

المستقبل القريب:

• المحادثات المدركة للسياق: تنفيذ وضع الدردشة الكامل مع الذاكرة لتوفير سياق أكثر ثراءً.
• البنية المنفصلة: انقل الفهرسة/الاستعلام من quantgpt.py لتمكين التجربة المرنة عبر دفتر ملاحظات Python.
• تحسينات البيانات الوصفية: تقديم عمليات استخراج البيانات الوصفية لتحسين دقة البحث.

التطلع إلى الأمام:

• فهرسة الارتباط المباشر: أضف إمكانات الدردشة لتحليل المحتوى وفهرسته من الروابط في الوقت الفعلي.
• تحليل الملف: قم بتوسيع الفهرسة لتشمل تحليل الملفات لتنسيقات البيانات المتنوعة.

الرؤية طويلة المدى:

• العمل الجماعي لوكلاء LLM: قم بتجميع فريق من وكلاء LLM لدعم البحث المتقدم وربما أتمتة تحليل التداول.

تهدف كل خطوة إلى جعل QuantGPT مساعدًا أكثر ذكاءً وبديهية لمجتمع التداول الكمي.

رؤية لQuantGPT

بدأ QuantGPT كمشروع شخصي بسبب الحاجة إلى التنقل والاستفادة من إمكانيات مكتبة Vectorbt.pro القوية والمعقدة. ومع ذلك، فإن رؤية quantgpt تمتد إلى ما هو أبعد من مجرد أداة أو مكتبة واحدة. يتعلق الأمر ببناء نظام بيئي شامل يمكّن المتداولين والمطورين الكميين من تحويل البيانات المعقدة والاستراتيجيات المتطورة إلى رؤى قابلة للتنفيذ وأنظمة تداول تشغيلية.

توسيع النظام البيئي

فيما يلي بعض الأفكار حول كيفية تطور QuantGPT :

• ترجمة الإستراتيجية: أتمتة ترجمة الاستراتيجيات التي تم اختبارها من Vectorbt إلى منصات تداول أخرى مثل freqtrade، مما يتيح للمستخدمين التحول بسهولة من بيئات البحث إلى بيئات التداول الحية.

• تكامل المعرفة: دمج مجموعة واسعة من موارد التمويل الكمية، مثل الأوراق الأكاديمية والبرامج التعليمية والكتب، في مؤشر QuantGPT . وهذا من شأنه أن يسمح للمستخدمين بالاستعلام عن النظريات والنماذج المعقدة وتطبيقها مباشرة على استراتيجيات التداول الخاصة بهم.

• التعلم التفاعلي: استخدم واجهة المستخدم التحادثية لإنشاء بيئة تعليمية تفاعلية حيث يمكن للمتداولين الأقل خبرة طرح الأسئلة وتلقي التوضيحات أو مقتطفات التعليمات البرمجية أو المراجع إلى المواد ذات الصلة، وبالتالي تسوية منحنى التعلم للمفاهيم الكمية المعقدة.

• تحليل البيانات في الوقت الفعلي: قم بتوصيل QuantGPT بموجزات بيانات السوق في الوقت الفعلي، مما يمكنها من تقديم تحليلات ورؤى سريعة بناءً على ظروف السوق الحالية.

• الفهرسة المخصصة: السماح للمستخدمين بإنشاء فهارس مخصصة من مجموعات البيانات الخاصة بهم، مما يتيح رؤى مخصصة وتطوير الإستراتيجية بناءً على معلومات الملكية.

دعوة للابتكار الجماعي

QuantGPT ليست مجرد أداة؛ إنها منصة للابتكار. وإليك كيف يمكن أن تخدم المجتمع:

• التطوير التعاوني: شجع المطورين والمحللين الكميين على المساهمة في نمو QuantGPT ، سواء من خلال مساهمات التعليمات البرمجية أو مشاركة مجموعات البيانات أو تطوير المكونات الإضافية لوظائف إضافية.

• سد الفجوات: من خلال العمل كحلقة وصل بين الأدوات والمنصات الكمية المختلفة، يمكن QuantGPT تبسيط سير العمل لتطوير الإستراتيجية والاختبار الخلفي، مما يجعلها أكثر كفاءة ويمكن الوصول إليها.

• إضفاء الطابع الديمقراطي على التداول الكمي: ساعد على كسر الحواجز التي تحول دون الدخول إلى مجال التداول الكمي، مما يجعل أدوات التداول والتحليلات المتقدمة في متناول جمهور أوسع.

مستقبل QuantGPT محدود بقدر إبداعنا الجماعي. مع نموها وتكيفها، تهدف QuantGPT إلى أن تصبح حجر الزاوية في مجموعة أدوات كل متداول كمي، بدءًا من المبتدئين الفضوليين وحتى المحترفين المتمرسين. انضم إلينا في تشكيل مستقبل التداول الكمي.

شكر خاص

أتقدم بالشكر الجزيل للأفراد والفرق الذين كان عملهم أساسيًا في تطوير QuantGPT :

• @polakowo ، لإنشاء Vectorbt.pro، وهي مكتبة أدت إلى إضفاء طابع ديمقراطي على التداول الكمي بشكل كبير.
• OpenAI ، لنماذج GPT التي أعادت تعريف تفاعلنا مع التعلم الآلي وتحليل البيانات.
• LlamaIndex ، لأداة الفهرسة القوية التي تجعل كميات هائلة من البيانات قابلة للوصول وقابلة للتنفيذ.
• Chainlit ، لتوفير واجهة مستخدم سهلة الاستخدام، مما يتيح طريقة سلسة وبديهية للتفاعل مع QuantGPT .

إن مساهماتكم الجماعية لم تلهم هذا المشروع فحسب، بل مكّنته أيضًا من أن يؤتي ثماره.

رخصة

يتم توفير QuantGPT بموجب ترخيص MIT. يسمح هذا الترخيص المرخص بإعادة الاستخدام ضمن البرامج الاحتكارية بشرط أن تشتمل جميع نسخ البرامج المرخصة على نسخة من شروط ترخيص MIT وإشعار حقوق الطبع والنشر.

لعرض الترخيص الكامل، راجع ملف الترخيص في مستودع GitHub.