QuantGPT

Selamat datang di QuantGPT?

Antarmuka AI dengan Analisis Kuantitatif untuk Peningkatan Pembangunan Strategi

QuantGPT adalah alat sumber terbuka yang dirancang untuk quants yang ingin memanfaatkan kekuatan dokumentasi ekstensif vectorbt PRO melalui UI yang intuitif. Tujuan kami adalah untuk menyediakan jembatan yang mulus antara dokumentasi yang kompleks dan pengguna akhir, dengan memanfaatkan kemampuan pemrosesan bahasa alami tingkat lanjut.

Fitur

Pencarian Dokumentasi yang Didukung AI: Kueri seluruh dokumentasi vectorbt PRO menggunakan bahasa alami, menjadikan pencarian informasi semudah mengetik pertanyaan. Pemahaman Kontekstual: Dapatkan wawasan dan informasi kontekstual yang terkait langsung dengan kueri penelusuran Anda, pastikan bahwa Anda memahami tidak hanya "bagaimana", namun juga "mengapa" di balik berbagai strategi analitis. Pengembangan Strategi yang Efisien: Temukan fungsi, parameter, dan modul yang Anda perlukan dengan cepat, menghemat waktu dan menyederhanakan proses dari konsep hingga eksekusi. Filosofi Inti QuantGPT dibangun dengan keyakinan bahwa alat yang tepat dapat secara signifikan meningkatkan kemampuan dan efisiensi pengembangan strategi kuantitatif. Dengan menggabungkan AI dan pembuatan strategi, kami tidak hanya menyederhanakan proses pencarian; kami mendefinisikan ulang bagaimana quants berinteraksi dengan informasi.

Komunitas dan Kolaborasi

Sebagai proyek berbasis komunitas, QuantGPT berkembang melalui upaya kolaboratif dan kontribusi. Baik melalui kode, ide, atau masukan, masukan Anda membantu membentuk masa depan alat pengembangan strategi kuantitatif.

Memulai

Selami pengalaman QuantGPT untuk meningkatkan strategi perdagangan Anda dan berkontribusi pada lanskap analisis kuantitatif yang terus berkembang.

Beri bintang atau fork pada repo untuk menunjukkan dukungan Anda dan terus mendapatkan informasi terbaru. Lihat pedoman kontribusi untuk melihat bagaimana Anda dapat menjadi bagian dari perjalanan ini. Catatan: QuantGPT adalah proyek yang terus berkembang. Kami memulai dengan vectorbt PRO, tetapi cakrawalanya luas. Tujuannya adalah untuk mengintegrasikan banyak alat analisis dan perpustakaan, menciptakan ekosistem serbaguna untuk analisis kuantitatif.

Jelajahi QuantGPT — tempat algoritme bertemu strategi dengan kecepatan berpikir.

Instalasi

Pastikan Conda diinstal di sistem Anda. Jika belum, unduh dari situs resmi Conda. Ikuti langkah-langkah berikut untuk menyiapkan QuantGPT :

Langkah 1: Kloning Repositori

Mulailah dengan mengkloning repositori QuantGPT ke mesin lokal Anda:

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

Langkah 2: Buat dan Aktifkan Lingkungan Conda

Buat lingkungan Conda dengan Python 3.10 dan aktifkan:

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

Langkah 3: Instal Scrapy

Dalam lingkungan Conda, instal Scrapy menggunakan Conda atau pip:

conda install -c conda-forge scrapy

atau

pip install Scrapy

Lihat dokumentasi resmi Scrapy untuk lebih jelasnya.

Langkah 4: Instal Dependensi yang Tersisa

Dengan Scrapy terinstal, gunakan pip untuk menginstal dependensi lain yang diperlukan:

pip install -r requirements.txt

Langkah 5: Siapkan Variabel Lingkungan

Ganti nama env.example menjadi .env dan isi variabel yang diperlukan:

Variabel Wajib:

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

Variabel Opsional: Dapatkan ini dari Chainlit Cloud jika diperlukan di sini Atau hapus sepenuhnya, jika Anda tidak memerlukan kegigihan saat ini. Anda dapat membaca lebih lanjut tentang persistensi dan platform AI Literal di sini.

LITERAL_API_KEY= " cl_XXX "

Cara menghasilkan CHAINLIT_AUTH_SECRET dapat Anda baca di sini. Untuk menambahkan CHAINLIT_AUTH_SECRET ke file .env Anda dapat menggunakan perintah berikut:

chainlit create-secret

Langkah 6: Jalankan Scraper

Navigasikan ke direktori quant_scraper untuk bersiap menjalankan scraper:

 cd quant_scraper

Jalankan scraper, lewati secret_url langsung ke perintah:

scrapy crawl vbt_pro -a secret_url= " pvt_XXXX "

pvt_XXXX harus diperoleh dari Keanggotaan VectorBT Pro.

Setelah selesai, navigasikan kembali ke direktori root proyek:

 cd ..

Langkah 7: Luncurkan UI

Setelah semuanya siap, mulai antarmuka pengguna:

chainlit run quantgpt.py

Berikan waktu 3-5 menit saat pertama kali dijalankan untuk membangun indeks Vector Store, tergantung pada kecepatan koneksi internet Anda.

Mulai Menggunakan QuantGPT

Penyiapan QuantGPT Anda selesai. Model AI default adalah GPT-4, tetapi Anda dapat menyesuaikannya di file .env . Waspadai biaya pengindeksan dan permintaan, yang mungkin sekitar $1 untuk pengindeksan dan $0,2 per permintaan.

Cara Kerjanya

QuantGPT beroperasi pada serangkaian langkah yang melibatkan ekstraksi data, transformasi, dan pembuatan respons:

1. Ekstraksi Data:

   • Perayapan Web: Memanfaatkan Scrapy , sistem secara terprogram menavigasi situs web dokumentasi vectorbt pro untuk mengambil konten.

2. Transformasi:

   • Pengindeksan: Modul llama_index memproses data yang dikumpulkan, mengelompokkan dokumen berdasarkan header penurunan harga ("##") menjadi bagian yang diindeks.
   • Pembuatan Pertanyaan: Untuk menambah konten yang diindeks, gpt-3.5-turbo menghasilkan pertanyaan terkait untuk setiap bagian, sehingga memperluas metadata untuk dokumen.
   • Integrasi VectorIndex: Bagian dokumen yang dihasilkan, beserta metadatanya, disimpan di VectorIndex .

3. Pembuatan Respons:

   • Pengambilan Dokumen: Menanggapi pertanyaan pengguna, sistem mengekstrak bagian yang relevan dari VectorIndex .
   • Komposisi Ringkasan: Ini menggunakan metode tree_summary untuk mensintesis informasi menjadi jawaban yang koheren dan relevan secara kontekstual.

Pendekatan ini bertujuan untuk memberikan jawaban berkualitas SOTA dari dokumentasi ekstensif, dengan konsekuensi berupa biaya pembayaran per kueri yang lebih tinggi.

Penggunaan

QuantGPT dirancang untuk berinteraksi dengan Chainlit, memanfaatkan kemampuan UI chatbotnya yang kuat, ideal untuk berinteraksi dan mengevaluasi model bahasa besar (LLM) untuk aplikasi perdagangan kuantitatif.

Akses Awal

Saat meluncurkan aplikasi, Anda mungkin diminta memasukkan kredensial login. Gunakan kombinasi default berikut:

Nama pengguna: admin Kata sandi: admin

Langkah otentikasi ini diperlukan oleh Chainlit bagi mereka yang membutuhkan persistensi dalam instance mereka. Ini adalah pengganti dan harus diganti dengan tindakan autentikasi yang tepat dalam produksi atau jika data sensitif sedang ditangani.

Antarmuka Percakapan

Aplikasi ini menampilkan dirinya sebagai antarmuka obrolan, menyediakan cara intuitif untuk berinteraksi dengan AI yang mendasarinya. Namun, penting untuk memperhatikan beberapa batasan saat ini:

Kesadaran Kontekstual

• Setiap interaksi ditangani secara independen. AI tidak mempertahankan konteks dari pertanyaan sebelumnya. Untuk mengimbangi hal ini, berikan informasi komprehensif dalam setiap kueri untuk memfasilitasi respons yang lebih akurat.

Pengindeksan

• Fitur pengindeksan sedang dalam tahap awal pengembangan. Diharapkan dengan menggabungkan ekstraksi metadata, seperti yang ditunjukkan dalam Panduan Ekstraksi Metadata LlamaIndex, akan secara signifikan meningkatkan kemampuan AI untuk mengambil dan memanfaatkan informasi yang relevan dari dokumentasi yang diindeks.

Keterbatasan dan Peluang Pengembangan

Seiring berkembangnya QuantGPT , kemampuannya juga akan berkembang. Keterbatasan yang ada saat ini merupakan peluang untuk tumbuh dan berkembang:

• Memori Konteks: Iterasi di masa depan dapat mencakup memori konteks untuk percakapan yang lancar.
• Pengindeksan Metadata: Peningkatan dalam pengindeksan metadata diharapkan dapat menyempurnakan pemahaman AI dan akurasi respons.

Memanggil Semua Pengembang LLM!

Jika Anda seorang pengembang atau penggila LLM, keahlian Anda dapat membantu QuantGPT mencapai potensi penuhnya. Eksperimen, percobaan, dan kontribusi sangat dianjurkan. Jika Anda mempunyai ide atau perbaikan, harap fork repositori, lakukan perubahan, dan kirimkan permintaan penarikan. Kontribusi Anda sangat berharga dan selalu diterima!

Peta jalan

Inilah yang akan terjadi pada QuantGPT :

Masa Depan Dekat:

• Percakapan Sadar Konteks: Terapkan mode obrolan lengkap dengan memori untuk konteks yang lebih kaya.
• Arsitektur Terpisah: Pindahkan pengindeksan/kueri dari quantgpt.py untuk mengaktifkan eksperimen fleksibel melalui notebook Python.
• Peningkatan Metadata: Memperkenalkan ekstraksi metadata untuk ketepatan pencarian yang lebih baik.

Melihat ke Depan:

• Pengindeksan Tautan Langsung: Tambahkan kemampuan obrolan untuk mengurai dan mengindeks konten dari tautan secara real-time.
• Penguraian File: Perluas pengindeksan untuk menyertakan penguraian file untuk beragam format data.

Visi Jangka Panjang:

• Kerja Sama Tim Agen LLM: Bentuk tim agen LLM untuk mendukung penelitian tingkat lanjut dan berpotensi mengotomatiskan analisis perdagangan.

Setiap langkah ditujukan untuk menjadikan QuantGPT menjadi asisten yang lebih cerdas dan intuitif bagi komunitas perdagangan kuantitatif.

Visi untuk QuantGPT

QuantGPT dimulai sebagai proyek pribadi karena kebutuhan untuk menavigasi dan memanfaatkan kemampuan perpustakaan vectorbt.pro yang kuat namun rumit. Namun, visi quantgpt tidak hanya terbatas pada satu alat atau pustaka saja. Ini tentang membangun ekosistem komprehensif yang memberdayakan pedagang dan pengembang kuantitatif untuk mengubah data kompleks dan strategi canggih menjadi wawasan yang dapat ditindaklanjuti dan sistem perdagangan operasional.

Memperluas Ekosistem

Berikut beberapa gagasan tentang bagaimana QuantGPT dapat berkembang:

• Penerjemahan Strategi: Mengotomatiskan penerjemahan strategi yang telah diuji sebelumnya dari vectorbt ke platform perdagangan lain seperti freqtrade, memungkinkan pengguna dengan mudah beralih dari lingkungan riset ke lingkungan perdagangan langsung.

• Integrasi Pengetahuan: Memasukkan berbagai sumber keuangan kuantitatif, seperti makalah akademis, tutorial, dan buku, ke dalam indeks QuantGPT . Hal ini akan memungkinkan pengguna untuk menanyakan dan menerapkan teori dan model kompleks langsung ke strategi perdagangan mereka.

• Pembelajaran Interaktif: Gunakan UI percakapan untuk menciptakan lingkungan belajar interaktif di mana pedagang yang kurang berpengalaman dapat mengajukan pertanyaan dan menerima penjelasan, cuplikan kode, atau referensi ke materi yang relevan, sehingga meratakan kurva pembelajaran untuk konsep kuantitatif yang kompleks.

• Analisis Data Waktu Nyata: Hubungkan QuantGPT dengan umpan data pasar waktu nyata, memungkinkannya memberikan analisis dan wawasan langsung berdasarkan kondisi pasar saat ini.

• Pengindeksan Khusus: Memungkinkan pengguna membuat indeks khusus dari kumpulan data mereka sendiri, memungkinkan wawasan yang dipersonalisasi dan pengembangan strategi berdasarkan informasi kepemilikan.

Panggilan untuk Inovasi Kolektif

QuantGPT bukan hanya sebuah alat; ini adalah platform untuk inovasi. Berikut cara yang bisa dilakukan untuk melayani masyarakat:

• Pengembangan Kolaboratif: Mendorong pengembang dan quants untuk berkontribusi terhadap pertumbuhan QuantGPT , baik melalui kontribusi kode, berbagi kumpulan data, atau mengembangkan plugin untuk fungsi tambahan.

• Menjembatani Kesenjangan: Dengan bertindak sebagai penghubung antara berbagai alat dan platform kuantitatif, QuantGPT dapat menyederhanakan alur kerja untuk pengembangan strategi dan pengujian ulang, sehingga lebih efisien dan mudah diakses.

• Demokratisasi Perdagangan Kuantitatif: Membantu meruntuhkan hambatan masuk dalam ruang perdagangan kuantitatif, menjadikan alat dan analisis perdagangan canggih dapat diakses oleh khalayak yang lebih luas.

Masa depan QuantGPT hanya terbatas pada kreativitas kolektif kita. Seiring pertumbuhan dan adaptasinya, QuantGPT bertujuan untuk menjadi landasan dalam perangkat setiap trader kuantitatif, mulai dari pemula yang penasaran hingga profesional berpengalaman. Bergabunglah dengan kami dalam membentuk masa depan perdagangan kuantitatif.

Terima kasih khusus

Terima kasih yang sebesar-besarnya kami sampaikan kepada individu dan tim yang pekerjaannya sangat penting dalam pengembangan QuantGPT :

• @polakowo , untuk membuat vectorbt.pro, perpustakaan yang telah mendemokratisasi perdagangan kuantitatif secara signifikan.
• OpenAI , untuk model GPT yang telah mendefinisikan ulang interaksi kita dengan pembelajaran mesin dan analisis data.
• LlamaIndex , untuk alat pengindeksan canggih yang membuat data dalam jumlah besar dapat diakses dan ditindaklanjuti.
• Chainlit , untuk menyediakan UI yang ramah pengguna, memungkinkan cara yang mulus dan intuitif untuk berinteraksi dengan QuantGPT .

Kontribusi kolektif Anda tidak hanya menginspirasi tetapi juga memungkinkan proyek ini membuahkan hasil.

Lisensi

QuantGPT tersedia di bawah Lisensi MIT. Lisensi permisif ini memungkinkan penggunaan kembali perangkat lunak berpemilik dengan ketentuan bahwa semua salinan perangkat lunak berlisensi menyertakan salinan persyaratan Lisensi MIT dan pemberitahuan hak cipta.

Untuk melihat lisensi penuh, lihat file LICENSE di repositori GitHub.