QuantGPT 다운로드 - QuantGPT 소스 코드 다운로드

QuantGPT

AI 소스 코드

1.0.0

다운로드

QuantGPT에 오신 것을 환영합니다.

강화된 전략 수립을 위해 AI와 정량 분석을 인터페이스

QuantGPT 는 직관적인 UI를 통해 Vectorbt PRO의 광범위한 문서 기능을 활용하려는 퀀트를 위해 설계된 오픈 소스 도구입니다. 우리의 목표는 고급 자연어 처리 기능을 활용하여 복잡한 문서와 최종 사용자 사이에 원활한 연결을 제공하는 것입니다.

screenshot of complex question

특징

AI 기반 문서 검색: 자연어를 사용하여 전체 범위의 Vectorbt PRO 문서를 쿼리하여 질문을 입력하는 것만큼 간단하게 정보를 검색할 수 있습니다. 상황별 이해: 검색 쿼리와 직접적으로 관련된 통찰력과 상황별 정보를 얻어 다양한 분석 전략 뒤에 있는 "방법"뿐만 아니라 "이유"도 파악할 수 있습니다. 효율적인 전략 개발: 필요한 기능, 매개변수 및 모듈을 신속하게 찾아 시간을 절약하고 개념부터 실행까지 프로세스를 간소화합니다. 핵심 철학 QuantGPT 올바른 도구가 정량적 전략 개발의 역량과 효율성을 크게 향상시킬 수 있다는 믿음을 바탕으로 구축되었습니다. AI를 전략 수립과 융합함으로써 우리는 단순히 검색 프로세스를 단순화하는 것이 아닙니다. 우리는 퀀트가 정보와 상호 작용하는 방식을 재정의하고 있습니다.

커뮤니티와 협업

커뮤니티 중심 프로젝트인 QuantGPT 공동 노력과 기여를 통해 성장하고 있습니다. 코드, 아이디어, 피드백 등을 통해 귀하의 의견은 정량적 전략 개발 도구의 미래를 형성하는 데 도움이 됩니다.

시작하기

QuantGPT 경험에 빠져 귀하의 거래 전략을 향상시키고 정량 분석의 진화하는 환경에 기여하십시오.

저장소에 별표를 표시하거나 포크하여 지지를 표시하고 최신 소식을 받아보세요. 이 여정에 어떻게 참여할 수 있는지 알아보려면 기여 지침을 확인하세요. 참고: QuantGPT 는 끊임없이 진화하는 프로젝트입니다. 우리는 Vectorbt PRO로 시작하지만 그 지평선은 광범위합니다. 목표는 궁극적으로 다양한 분석 도구와 라이브러리를 통합하여 정량 분석을 위한 다용도 생태계를 구축하는 것입니다.

생각의 속도에 맞춰 알고리즘과 전략이 만나는 QuantGPT 살펴보세요.

설치

Conda가 시스템에 설치되어 있는지 확인하십시오. 그렇지 않은 경우 공식 Conda 웹사이트에서 다운로드하세요. QuantGPT 설정하려면 다음 단계를 따르세요.

1단계: 리포지토리 복제

QuantGPT 저장소를 로컬 컴퓨터에 복제하는 것부터 시작하세요.

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

2단계: Conda 환경 생성 및 활성화

Python 3.10으로 Conda 환경을 만들고 활성화합니다.

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

3단계: Scrapy 설치

Conda 환경 내에서 Conda 또는 pip를 사용하여 Scrapy를 설치합니다.

conda install -c conda-forge scrapy

또는

pip install Scrapy

자세한 내용은 공식 Scrapy 문서를 참조하세요.

4단계: 나머지 종속성 설치

Scrapy가 설치된 상태에서 pip 사용하여 기타 필요한 종속성을 설치합니다.

pip install -r requirements.txt

5단계: 환경 변수 설정

env.example 이름을 .env 로 바꾸고 필요한 변수를 입력합니다.

필수 변수:

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

선택적 변수: 필요한 경우 Chainlit Cloud에서 획득하거나 현재 지속성이 필요하지 않은 경우 완전히 제거하십시오. 지속성 및 리터럴 AI 플랫폼에 대한 자세한 내용은 여기에서 확인할 수 있습니다.

LITERAL_API_KEY= " cl_XXX "

CHAINLIT_AUTH_SECRET 생성하는 방법은 여기에서 읽을 수 있습니다. .env 파일에 CHAINLIT_AUTH_SECRET 추가하려면 다음 명령을 사용할 수 있습니다.

chainlit create-secret

6단계: 스크레이퍼 실행

스크레이퍼 실행을 준비하려면 quant_scraper 디렉터리로 이동하세요.

 cd quant_scraper

스크레이퍼를 실행하여 secret_url 명령에 직접 전달합니다.

scrapy crawl vbt_pro -a secret_url= " pvt_XXXX "

pvt_XXXX VectorBT Pro 멤버십을 통해 얻어야 합니다.

완료 후 프로젝트의 루트 디렉터리로 다시 이동합니다.

 cd ..

7단계: UI 실행

모든 설정이 완료되면 사용자 인터페이스를 시작합니다.

chainlit run quantgpt.py

인터넷 연결 속도에 따라 Vector Store 인덱스를 구축하는 데 첫 번째 실행 시 3~5분 정도 소요됩니다.

QuantGPT 사용 시작

QuantGPT 설정이 완료되었습니다. 기본 AI 모델은 GPT-4이지만 .env 파일에서 이를 조정할 수 있습니다. 색인 생성 및 요청 비용은 색인 생성 시 약 1달러, 요청당 0.2달러일 수 있다는 점에 유의하세요.

작동 방식

QuantGPT 데이터 추출, 변환 및 응답 생성과 관련된 일련의 단계로 작동합니다.

데이터 추출:
- 웹 크롤링: 시스템은 Scrapy 활용하여 프로그래밍 방식으로 Vectorbt pro 문서 웹 사이트를 탐색하여 콘텐츠를 검색합니다.
변환:
- 인덱싱: llama_index 모듈은 수집된 데이터를 처리하여 마크다운 헤더("##")를 기반으로 문서를 인덱싱된 섹션으로 분할합니다.
- 질문 생성: 색인된 콘텐츠를 늘리기 위해 gpt-3.5-turbo 각 섹션에 대한 관련 질문을 생성하여 문서의 메타데이터를 확장합니다.
- VectorIndex 통합: 결과 문서 섹션은 메타데이터와 함께 VectorIndex 에 저장됩니다.
응답 생성:
- 문서 검색: 사용자 쿼리에 대한 응답으로 시스템은 VectorIndex 에서 관련 섹션을 추출합니다.
- 요약 구성: tree_summary 방법을 사용하여 정보를 일관되고 상황에 맞는 답변으로 종합합니다.

이 접근 방식은 광범위한 문서를 통해 SOTA 품질 답변을 제공하는 것을 목표로 하며, 대신 쿼리당 지불 비용이 더 높아집니다.

용법

QuantGPT 는 강력한 챗봇 UI 기능을 활용하여 Chainlit과 인터페이스하도록 설계되었으며, 정량 거래 애플리케이션을 위한 대규모 언어 모델(LLM)과 상호 작용하고 평가하는 데 이상적입니다.

초기 액세스

앱을 실행하면 로그인 자격 증명을 묻는 메시지가 나타날 수 있습니다. 다음 기본 조합을 사용하십시오.

사용자 이름: admin 비밀번호: admin

이 인증 단계는 인스턴스 내에서 지속성이 필요한 사람들을 위해 Chainlit에서 필요합니다. 이는 자리 표시자이며 프로덕션에서 또는 민감한 데이터를 처리하는 경우 적절한 인증 수단으로 대체되어야 합니다.

대화형 인터페이스

애플리케이션은 기본 AI와 상호 작용할 수 있는 직관적인 방법을 제공하는 채팅 인터페이스로 표시됩니다. 그러나 현재의 몇 가지 제한 사항에 유의하는 것이 중요합니다.

상황 인식

각 상호작용은 독립적으로 처리됩니다. AI는 이전 질문의 컨텍스트를 유지하지 않습니다. 이를 보완하려면 각 쿼리 내에 포괄적인 정보를 제공하여 보다 정확한 응답을 촉진하세요.

인덱싱

인덱싱 기능은 개발 초기 단계에 있습니다. LlamaIndex의 메타데이터 추출 가이드에 설명된 대로 메타데이터 추출을 통합하면 색인화된 문서에서 관련 정보를 검색하고 활용하는 AI의 능력이 크게 향상될 것으로 예상됩니다.

한계와 개발 기회

QuantGPT 가 발전함에 따라 그 기능도 발전할 것입니다. 현재의 한계는 성장과 발전의 기회입니다.

컨텍스트 메모리: 향후 반복에는 원활한 대화를 위한 컨텍스트 메모리가 포함될 수 있습니다.
메타데이터 인덱싱: 메타데이터 인덱싱의 개선으로 AI의 이해도와 응답 정확도가 향상될 것으로 예상됩니다.

모든 LLM 개발자에게 전화하세요!

귀하가 LLM 개발자이거나 열성팬이라면 귀하의 전문 지식은 QuantGPT 잠재력을 최대한 발휘하는 데 도움이 될 수 있습니다. 실험, 시도 및 기여를 적극 권장합니다. 아이디어나 개선 사항이 있으면 저장소를 포크하고 변경한 후 끌어오기 요청을 제출하세요. 귀하의 기여는 소중하며 언제나 환영합니다!

로드맵

QuantGPT 의 향후 계획은 다음과 같습니다.

가까운 미래:

상황 인식 대화: 더욱 풍부한 상황을 위한 메모리가 포함된 전체 채팅 모드를 구현합니다.
분리된 아키텍처: Python 노트북을 통해 유연한 실험을 가능하게 하기 위해 인덱싱/쿼리를 quantgpt.py 밖으로 이동합니다.
메타데이터 향상: 더 나은 검색 정밀도를 위해 메타데이터 추출을 도입합니다.

향후 전망:

직접 링크 인덱싱: 실시간으로 링크의 콘텐츠를 구문 분석하고 인덱싱하는 채팅 기능을 추가합니다.
파일 구문 분석: 다양한 데이터 형식에 대한 파일 구문 분석을 포함하도록 인덱싱을 확장합니다.

장기 비전:

LLM 에이전트 팀워크: LLM 에이전트 팀을 구성하여 고급 연구를 지원하고 잠재적으로 거래 분석을 자동화합니다.

각 단계의 목표는 QuantGPT 퀀트 트레이딩 커뮤니티를 위한 더욱 스마트하고 직관적인 도우미로 만드는 것입니다.

QuantGPT의 비전

QuantGPT는 강력하지만 복잡한 vectorbt.pro 라이브러리의 기능을 탐색하고 활용해야 할 필요성에서 개인 프로젝트로 시작되었습니다. 그러나 qugpt의 비전은 단일 도구나 라이브러리를 훨씬 뛰어넘는 것입니다. 이는 퀀트 트레이더와 개발자가 복잡한 데이터와 정교한 전략을 실행 가능한 통찰력과 운영 트레이딩 시스템으로 전환할 수 있도록 지원하는 포괄적인 생태계를 구축하는 것입니다.

생태계 확장

QuantGPT 어떻게 발전할 수 있는지에 대한 몇 가지 아이디어는 다음과 같습니다.

전략 번역: Vectorbt의 백테스트된 전략을 freqtrade와 같은 다른 거래 플랫폼으로 자동 번역하여 사용자가 연구에서 실제 거래 환경으로 쉽게 전환할 수 있도록 합니다.
지식 통합: 학술 논문, 튜토리얼, 서적 등 광범위한 양적 금융 자원을 QuantGPT 지수에 통합합니다. 이를 통해 사용자는 복잡한 이론과 모델을 거래 전략에 직접 쿼리하고 적용할 수 있습니다.
대화형 학습: 대화형 UI를 사용하여 경험이 부족한 거래자가 질문을 하고 관련 자료에 대한 설명, 코드 조각 또는 참조를 받을 수 있는 대화형 학습 환경을 만들어 복잡한 정량적 개념에 대한 학습 곡선을 평탄화합니다.
실시간 데이터 분석: QuantGPT 실시간 시장 데이터 피드와 연결하여 현재 시장 상황을 기반으로 즉각적인 분석과 통찰력을 제공할 수 있습니다.
사용자 정의 색인: 사용자가 자신의 데이터세트에서 사용자 정의 색인을 생성할 수 있도록 하여 독점 정보를 기반으로 개인화된 통찰력과 전략 개발을 가능하게 합니다.

집단적 혁신에 대한 요구

QuantGPT 단순한 도구가 아닙니다. 혁신을 위한 플랫폼입니다. 커뮤니티에 봉사할 수 있는 방법은 다음과 같습니다.

협업 개발: 코드 기여, 데이터 세트 공유 또는 추가 기능을 위한 플러그인 개발을 통해 개발자와 퀀트가 QuantGPT 의 성장에 기여하도록 장려합니다.
격차 해소: QuantGPT 다양한 정량적 도구와 플랫폼 간의 연결 역할을 함으로써 전략 개발 및 백테스트를 위한 워크플로를 간소화하여 보다 효율적이고 접근 가능하게 만들 수 있습니다.
정량 거래 민주화: 정량 거래 공간의 진입 장벽을 허물고 더 많은 사람들이 고급 거래 도구 및 분석에 액세스할 수 있도록 지원합니다.

QuantGPT 의 미래는 우리의 집단적 창의성만큼만 제한됩니다. 성장하고 적응함에 따라 QuantGPT 호기심 많은 초보자부터 노련한 전문가까지 모든 퀀트 트레이더의 툴킷의 초석이 되는 것을 목표로 합니다. 퀀트 트레이딩의 미래를 만드는 데 동참해 주세요.