algotrading sentimentanalysis genai

AlgoTrading com Análise de Sentimento e Backtesting usando GenAI

Este projeto fornece uma estrutura versátil para análise de sentimento em dados do mercado de ações, conduzindo backtesting com Backtrader e aproveitando modelos generativos de IA, como OpenAI, Llama e pipeline de Transformers para análise de dados de sentimento. Abrange funcionalidades para baixar dados de ações do Yahoo Finance, buscar dados de notícias do mercado de ações usando APIs Alpaca, pré-processar dados de sentimento e executar backtests com estratégias personalizáveis. A integração de modelos de linguagem avançados aprimora o processo de análise de sentimento, permitindo uma compreensão mais sutil dos sentimentos do mercado.

Índice

• Introdução
• Características
• Requisitos
• Instalação
• Uso
  • Configuração
  • Executar backtest
• Estrutura do Projeto
• Contribuindo
• Licença

Introdução

Este projeto tem como objetivo fornecer um fluxo de trabalho simplificado para analisar o sentimento do mercado de ações e backtesting de estratégias de negociação. Ele aproveita o Backtrader para backtesting e o yfinance para baixar dados de ações.

Características

• Baixe dados de ações do Yahoo Finance.
• Pré-processe os dados de sentimento e mescle-os com os dados de ações.
• Execute backtests com estratégias personalizáveis ​​usando Backtrader.
• Analise os resultados do backtest com várias métricas de desempenho.

Requisitos

• Python 3.6+
• Dependências listadas em requirements.txt

Instalação

1. Clone o repositório:

   git clone https://github.com/your-username/stock-sentiment-backtesting.git
   cd stock-sentiment-backtesting

2. Crie um ambiente virtual (opcional, mas recomendado):

   python -m venv venv

3. Ative o ambiente virtual:

   • No Windows:

     venv S cripts a ctivate

   • No macOS/Linux:

      source venv/bin/activate

4. Instale dependências:

   pip install -r requirements.txt

Uso

Configuração

Edite os parâmetros de configuração em main.py para personalizar o estoque, o intervalo de datas e outras configurações para sua análise.

 STOCK_TICKER = 'AAPL'
START_DATE = '2022-03-21'
END_DATE = '2022-12-31'
SENTIMENT_DATA_PATH = 'data/stock_sentiment_data.csv'

Executar backtest

Execute o script principal para executar o backtest:

python main.py

Os resultados do backtest, incluindo métricas de desempenho, serão exibidos no console.

Estrutura do Projeto

 algotrading-sentimentanalysis-genai/
├── alpaca/
│   └── client.py
├── data/
│   └── stock_sentiment_data.csv
│   └── ...
├── llms/
│   └── llama_llm.py
│   └── openai_llm.py
├── processor/
│   └── stock_data_processor.py
├── runner/
│   └── backtest_runner.py
├── sentiment_analysis/
│   └── sentiment_analysis_pipeline.py
├── strategies/
│   └── technical_only_strategy/
│   └── technical_with_sentiment_strategy/
├── output/
│   └── ...
├── .gitignore
├── README.md
├── requirements.txt
├── main.py
└── venv/
    └── ...

Obtendo segredos e configurações do cliente

1. Cliente REST Alpaca

Requisitos:

• Python 3.7 ou posterior
• Conta Alpaca
• ID e segredo da chave API (disponível no painel da sua conta Alpaca)

Configuração:

1. Instale a biblioteca Alpaca Python:

   pip install alpaca-trade-api

2. Use a chave API em seu código:

    from alpaca_trade_api import REST
   
   alpaca_api_key = "YOUR_API_KEY"
   alpaca_secret_key = "YOUR_SECRET_KEY"
   
   rest_client = REST ( alpaca_api_key , alpaca_secret_key )

2. Cliente OpenAI LLM

Requisitos:

• Python 3.6 ou posterior
• Conta OpenAI
• Chave API (disponível no painel da sua conta OpenAI)

Instalação:

1. Instale a biblioteca oficial OpenAI:

   pip install openai

2. Defina sua chave de API como uma variável de ambiente:

    export OPENAI_API_KEY= " YOUR_API_KEY "

   Como alternativa, forneça-o diretamente em seu código:

    import openai
   
   openai . api_key = "YOUR_API_KEY" 

3. Cliente Llama LLM

Requisitos:

• Python 3.7 ou posterior
• Abraçando a conta Face com um token de acesso
• Token com acesso ao modelo Llama desejado

Instalação:

1. Instale as bibliotecas necessárias:

   pip install transformers

2. Defina seu token Hugging Face como uma variável de ambiente:

    export HF_ACCESS_TOKEN= " YOUR_TOKEN " 

Importante:

Tenha cuidado ao manusear chaves e tokens de API. Evite expô-los em repositórios públicos ou compartilhá-los sem as devidas medidas de segurança.

Adicionando ao README:

Sinta-se à vontade para incluir essas informações em seu README para obter instruções de configuração abrangentes.

• main.py: Contém o script principal para execução de backtests e definição de estratégia.

• data: Diretório para armazenar arquivos de dados, incluindo dados de ações e sentimentos.

• saída: Diretório para salvar resultados e gráficos de backtest.

• llms: Contém clientes OpenAI e Llama para análise de sentimento.

• processador: Contém processador de dados de ações para pré-processar notícias de ações e dados de sentimento.

• runner: Contém a classe backtest runner para backtesting usando cerebro e backtrader.

• sentiment_análise: Contém pipeline de transformador para análise de sentimento em dados de notícias.

• estratégias: Contém código apenas para estratégia técnica e técnica com estratégia de análise de sentimento.

• .gitignore: Especifica arquivos e diretórios a serem ignorados pelo controle de versão.

• README.md: Documentação do projeto.

• requisitos.txt: Lista de dependências do Python.

Contribuindo

Contribuições são bem-vindas! Por favor, siga as Diretrizes de Contribuição.

Licença

Este projeto está licenciado sob a licença MIT - consulte o arquivo LICENSE para obter detalhes.