QuantGPT

Willkommen bei QuantGPT?

Verknüpfen Sie KI mit quantitativer Analyse für eine verbesserte Strategieentwicklung

QuantGPT ist ein Open-Source-Tool für Quants, die die Leistungsfähigkeit der umfangreichen Dokumentation von vectorbt PRO über eine intuitive Benutzeroberfläche nutzen möchten. Unser Ziel ist es, eine nahtlose Brücke zwischen komplexer Dokumentation und dem Endbenutzer zu schlagen und dabei die Möglichkeiten der fortschrittlichen Verarbeitung natürlicher Sprache zu nutzen.

Merkmale

KI-gestützte Dokumentationssuche: Fragen Sie die gesamte Dokumentation von vectorbt PRO in natürlicher Sprache ab und machen Sie die Suche nach Informationen so einfach wie das Eintippen einer Frage. Kontextbezogenes Verständnis: Gewinnen Sie Einblicke und Kontextinformationen, die sich direkt auf Ihre Suchanfragen beziehen, und stellen Sie sicher, dass Sie nicht nur das „Wie“, sondern auch das „Warum“ hinter verschiedenen Analysestrategien verstehen. Effiziente Strategieentwicklung: Finden Sie schnell die Funktionen, Parameter und Module, die Sie benötigen, sparen Sie Zeit und optimieren Sie den Prozess von der Konzeption bis zur Ausführung. Kernphilosophie QuantGPT basiert auf der Überzeugung, dass die richtigen Tools die Leistungsfähigkeit und Effizienz der quantitativen Strategieentwicklung erheblich verbessern können. Durch die Verbindung von KI und Strategieerstellung vereinfachen wir nicht nur den Suchprozess; Wir definieren neu, wie Quants mit Informationen interagieren.

Gemeinschaft und Zusammenarbeit

Als gemeinschaftsorientiertes Projekt lebt QuantGPT von gemeinschaftlichen Bemühungen und Beiträgen. Ob durch Code, Ideen oder Feedback – Ihr Input trägt dazu bei, die Zukunft quantitativer Strategieentwicklungstools zu gestalten.

Legen Sie los

Tauchen Sie ein in die QuantGPT Erfahrung, um Ihre Handelsstrategien zu verbessern und zur sich entwickelnden Landschaft der quantitativen Analyse beizutragen.

Markieren oder forken Sie das Repo, um Ihre Unterstützung zu zeigen und auf dem Laufenden zu bleiben. Sehen Sie sich die Beitragsrichtlinien an, um zu erfahren, wie Sie Teil der Reise sein können. Hinweis: QuantGPT ist ein sich ständig weiterentwickelndes Projekt. Wir beginnen mit vectorbt PRO, aber der Horizont ist weit. Ziel ist es, letztendlich eine Vielzahl von Analysetools und Bibliotheken zu integrieren und so ein vielseitiges Ökosystem für quantitative Analysen zu schaffen.

Entdecken Sie QuantGPT – wo Algorithmen in Gedankengeschwindigkeit auf Strategien treffen.

Installation

Stellen Sie sicher, dass Conda auf Ihrem System installiert ist. Wenn nicht, laden Sie es von der offiziellen Conda-Website herunter. Befolgen Sie diese Schritte, um QuantGPT einzurichten:

Schritt 1: Klonen Sie das Repository

Beginnen Sie mit dem Klonen des QuantGPT Repositorys auf Ihren lokalen Computer:

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

Schritt 2: Conda-Umgebung erstellen und aktivieren

Erstellen Sie eine Conda-Umgebung mit Python 3.10 und aktivieren Sie sie:

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

Schritt 3: Scrapy installieren

Installieren Sie Scrapy in der Conda-Umgebung entweder mit Conda oder pip:

conda install -c conda-forge scrapy

oder

pip install Scrapy

Weitere Informationen finden Sie in der offiziellen Scrapy-Dokumentation.

Schritt 4: Verbleibende Abhängigkeiten installieren

Wenn Scrapy installiert ist, verwenden Sie pip , um die anderen erforderlichen Abhängigkeiten zu installieren:

pip install -r requirements.txt

Schritt 5: Umgebungsvariablen einrichten

Benennen Sie env.example in .env um und geben Sie die erforderlichen Variablen ein:

Obligatorische Variablen:

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

Optionale Variablen: Erwerben Sie diese bei Bedarf hier von Chainlit Cloud. Oder entfernen Sie sie vollständig, wenn Sie im Moment keine Persistenz benötigen. Mehr über Persistenz und die Literal AI-Plattform können Sie hier lesen.

LITERAL_API_KEY= " cl_XXX "

Wie man CHAINLIT_AUTH_SECRET generiert, können Sie hier lesen. Um CHAINLIT_AUTH_SECRET zur .env Datei hinzuzufügen, können Sie den folgenden Befehl verwenden:

chainlit create-secret

Schritt 6: Führen Sie den Scraper aus

Navigieren Sie zum Verzeichnis quant_scraper , um die Ausführung des Scrapers vorzubereiten:

 cd quant_scraper

Führen Sie den Scraper aus und übergeben Sie die secret_url direkt an den Befehl:

scrapy crawl vbt_pro -a secret_url= " pvt_XXXX "

pvt_XXXX sollte über die VectorBT Pro-Mitgliedschaft erworben werden.

Navigieren Sie nach Abschluss zurück zum Stammverzeichnis des Projekts:

 cd ..

Schritt 7: Starten Sie die Benutzeroberfläche

Wenn alles eingerichtet ist, starten Sie die Benutzeroberfläche:

chainlit run quantgpt.py

Nehmen Sie sich beim ersten Durchlauf je nach Geschwindigkeit Ihrer Internetverbindung 3–5 Minuten Zeit, um den Vector Store-Index zu erstellen.

Beginnen Sie mit der Verwendung von QuantGPT

Ihre Einrichtung von QuantGPT ist abgeschlossen. Das Standard-KI-Modell ist GPT-4, Sie können dies jedoch in der .env Datei anpassen. Beachten Sie die Kosten für die Indizierung und Anfragen, die etwa 1 US-Dollar für die Indizierung und 0,2 US-Dollar pro Anfrage betragen können.

Wie es funktioniert

QuantGPT arbeitet mit einer Abfolge von Schritten, die Datenextraktion, Transformation und Antwortgenerierung umfassen:

1. Datenextraktion:

   • Web-Crawling: Mithilfe von Scrapy navigiert das System programmgesteuert durch die Dokumentationswebsite von vectorbt pro, um Inhalte abzurufen.

2. Transformation:

   • Indizierung: Das Modul llama_index verarbeitet die gesammelten Daten und segmentiert Dokumente basierend auf Markdown-Headern („##“) in indizierte Abschnitte.
   • Fragengenerierung: Um den indizierten Inhalt zu erweitern, generiert gpt-3.5-turbo verwandte Fragen für jeden Abschnitt und erweitert die Metadaten für die Dokumente.
   • VectorIndex-Integration: Die resultierenden Dokumentabschnitte werden zusammen mit ihren Metadaten im VectorIndex gespeichert.

3. Antwortgenerierung:

   • Dokumentenabruf: Als Reaktion auf Benutzeranfragen extrahiert das System relevante Abschnitte aus dem VectorIndex .
   • Zusammensetzung der Zusammenfassung: Es verwendet die Methode „tree_summary“, um die Informationen zu einer kohärenten und kontextrelevanten Antwort zusammenzufassen.

Der Ansatz zielt darauf ab, Antworten in SOTA-Qualität aus einer umfassenden Dokumentation zu liefern, wobei der Nachteil höherer Zahlungskosten pro Anfrage besteht.

Verwendung

QuantGPT ist für die Schnittstelle mit Chainlit konzipiert und nutzt dessen robuste Chatbot-UI-Funktionen, die sich ideal für die Interaktion mit und die Bewertung großer Sprachmodelle (LLMs) für quantitative Handelsanwendungen eignen.

Erster Zugriff

Beim Starten der App werden Sie möglicherweise zur Eingabe von Anmeldeinformationen aufgefordert. Verwenden Sie die folgende Standardkombination:

Benutzername: admin Passwort: admin

Dieser Authentifizierungsschritt wird von Chainlit für diejenigen verlangt, die Persistenz innerhalb ihrer Instanz benötigen. Es ist ein Platzhalter und sollte durch geeignete Authentifizierungsmaßnahmen in der Produktion oder bei der Verarbeitung vertraulicher Daten ersetzt werden.

Konversationsschnittstelle

Die Anwendung präsentiert sich als Chat-Schnittstelle und bietet eine intuitive Möglichkeit, mit der zugrunde liegenden KI zu interagieren. Es ist jedoch wichtig, einige aktuelle Einschränkungen zu beachten:

Kontextbewusstsein

• Jede Interaktion wird unabhängig behandelt. Die KI behält den Kontext früherer Fragen nicht bei. Um dies zu kompensieren, geben Sie in jeder Abfrage umfassende Informationen an, um eine genauere Antwort zu ermöglichen.

Indizierung

• Die Indizierungsfunktion befindet sich in einem frühen Entwicklungsstadium. Es wird erwartet, dass die Integration der Metadatenextraktion, wie im Metadata Extraction Guide von LlamaIndex gezeigt, die Fähigkeit der KI, relevante Informationen aus der indizierten Dokumentation abzurufen und zu nutzen, erheblich verbessern wird.

Einschränkungen und Entwicklungsmöglichkeiten

Mit der Weiterentwicklung QuantGPT entwickeln sich auch seine Fähigkeiten weiter. Aktuelle Einschränkungen sind Chancen für Wachstum und Entwicklung:

• Kontextgedächtnis: Zukünftige Iterationen könnten Kontextgedächtnis für nahtlose Gespräche beinhalten.
• Metadaten-Indizierung: Es wird erwartet, dass Verbesserungen bei der Metadaten-Indizierung das Verständnis und die Antwortgenauigkeit der KI verbessern.

Aufruf an alle LLM-Entwickler!

Wenn Sie ein LLM-Entwickler oder -Enthusiast sind, kann Ihr Fachwissen dazu beitragen, dass QuantGPT sein volles Potenzial ausschöpft. Experimente, Versuche und Beiträge sind ausdrücklich erwünscht. Wenn Sie Ideen oder Verbesserungen haben, forken Sie bitte das Repository, nehmen Sie Ihre Änderungen vor und senden Sie eine Pull-Anfrage. Ihre Beiträge sind wertvoll und immer willkommen!

Roadmap

Das erwartet QuantGPT :

Nahe Zukunft:

• Kontextbezogene Gespräche: Implementieren Sie einen vollständigen Chat-Modus mit Speicher für umfassenderen Kontext.
• Entkoppelte Architektur: Verschieben Sie die Indizierung/Abfrage aus quantgpt.py um flexibles Experimentieren über ein Python-Notebook zu ermöglichen.
• Metadatenverbesserungen: Einführung von Metadatenextraktionen für eine bessere Suchgenauigkeit.

Blick nach vorn:

• Direkte Link-Indizierung: Fügen Sie Chat-Funktionen hinzu, um Inhalte von Links in Echtzeit zu analysieren und zu indizieren.
• Dateianalyse: Erweitern Sie die Indizierung um die Dateianalyse für verschiedene Datenformate.

Langfristige Vision:

• LLM-Agenten-Teamarbeit: Stellen Sie ein Team von LLM-Agenten zusammen, um fortgeschrittene Recherchen zu unterstützen und möglicherweise Handelsanalysen zu automatisieren.

Jeder Schritt zielt darauf ab, QuantGPT zu einem intelligenteren und intuitiveren Assistenten für die quantitative Handelsgemeinschaft zu machen.

Vision für QuantGPT

QuantGPT begann als persönliches Projekt aus dem Bedürfnis heraus, die Funktionen der leistungsstarken, aber komplexen Bibliothek vectorbt.pro zu nutzen und zu nutzen. Die Vision von Quantgpt geht jedoch weit über ein einzelnes Tool oder eine einzelne Bibliothek hinaus. Es geht darum, ein umfassendes Ökosystem aufzubauen, das quantitative Händler und Entwickler in die Lage versetzt, komplexe Daten und ausgefeilte Strategien in umsetzbare Erkenntnisse und operative Handelssysteme umzuwandeln.

Erweiterung des Ökosystems

Hier sind einige Ideen, wie sich QuantGPT weiterentwickeln könnte:

• Strategieübersetzung: Automatisieren Sie die Übersetzung von Backtesting-Strategien von vectorbt in andere Handelsplattformen wie Freqtrade, sodass Benutzer problemlos von Research- zu Live-Handelsumgebungen wechseln können.

• Wissensintegration: Integrieren Sie eine breite Palette quantitativer Finanzressourcen wie wissenschaftliche Arbeiten, Tutorials und Bücher in den QuantGPT Index. Dies würde es Benutzern ermöglichen, komplexe Theorien und Modelle abzufragen und direkt auf ihre Handelsstrategien anzuwenden.

• Interaktives Lernen: Nutzen Sie die Konversations-Benutzeroberfläche, um eine interaktive Lernumgebung zu schaffen, in der weniger erfahrene Händler Fragen stellen und Erklärungen, Codeausschnitte oder Verweise auf relevante Materialien erhalten können, wodurch die Lernkurve für komplexe quantitative Konzepte abgeflacht wird.

• Echtzeit-Datenanalyse: Verbinden Sie QuantGPT mit Echtzeit-Marktdaten-Feeds und ermöglichen Sie so die Bereitstellung von On-the-Fly-Analysen und Erkenntnissen basierend auf den aktuellen Marktbedingungen.

• Benutzerdefinierte Indizierung: Ermöglichen Sie Benutzern die Erstellung benutzerdefinierter Indizes aus ihren eigenen Datensätzen und ermöglichen Sie so personalisierte Erkenntnisse und Strategieentwicklung auf der Grundlage proprietärer Informationen.

Ein Aufruf zur kollektiven Innovation

QuantGPT ist nicht nur ein Werkzeug; Es ist eine Plattform für Innovation. So könnte es der Gemeinschaft dienen:

• Kollaborative Entwicklung: Ermutigen Sie Entwickler und Quants, zum Wachstum von QuantGPT beizutragen, sei es durch Codebeiträge, die gemeinsame Nutzung von Datensätzen oder die Entwicklung von Plugins für zusätzliche Funktionen.

• Überbrückung von Lücken: Indem QuantGPT als Verbindung zwischen verschiedenen quantitativen Tools und Plattformen fungiert, könnte es den Arbeitsablauf für die Strategieentwicklung und das Backtesting optimieren und ihn effizienter und zugänglicher machen.

• Demokratisierung des quantitativen Handels: Helfen Sie dabei, die Eintrittsbarrieren in den Bereich des quantitativen Handels abzubauen und fortschrittliche Handelstools und Analysen einem breiteren Publikum zugänglich zu machen.

Die Zukunft von QuantGPT ist nur so begrenzt wie unsere kollektive Kreativität. Während es wächst und sich anpasst, zielt QuantGPT darauf ab, ein Eckpfeiler im Werkzeugkasten jedes quantitativen Händlers zu werden, vom neugierigen Anfänger bis zum erfahrenen Profi. Gestalten Sie gemeinsam mit uns die Zukunft des quantitativen Handels.

Besonderer Dank

Ein herzliches Dankeschön geht an die Einzelpersonen und Teams, deren Arbeit für die Entwicklung von QuantGPT von grundlegender Bedeutung war:

• @polakowo für die Erstellung von vectorbt.pro, einer Bibliothek, die den quantitativen Handel erheblich demokratisiert hat.
• OpenAI für die GPT-Modelle, die unsere Interaktion mit maschinellem Lernen und Datenanalyse neu definiert haben.
• LlamaIndex für das leistungsstarke Indexierungstool, das große Datenmengen zugänglich und umsetzbar macht.
• Chainlit für die Bereitstellung einer benutzerfreundlichen Benutzeroberfläche, die eine nahtlose und intuitive Möglichkeit zur Interaktion mit QuantGPT ermöglicht.

Ihre gemeinsamen Beiträge haben dieses Projekt nicht nur inspiriert, sondern auch zum Erfolg geführt.

Lizenz

QuantGPT wird unter der MIT-Lizenz zur Verfügung gestellt. Diese freizügige Lizenz ermöglicht die Wiederverwendung innerhalb proprietärer Software, vorausgesetzt, dass alle Kopien der lizenzierten Software eine Kopie der MIT-Lizenzbedingungen und des Urheberrechtshinweises enthalten.

Um die vollständige Lizenz anzuzeigen, sehen Sie sich die LICENSE-Datei im GitHub-Repository an.