QuantGPT

ยินดีต้อนรับสู่ QuantGPT ?

อินเทอร์เฟซ AI กับการวิเคราะห์เชิงปริมาณเพื่อการสร้างกลยุทธ์ที่ได้รับการปรับปรุง

QuantGPT เป็นเครื่องมือโอเพ่นซอร์สที่ออกแบบมาสำหรับ quant ที่ต้องการควบคุมพลังของเอกสารที่ครอบคลุมของ vectorbt PRO ผ่าน UI ที่ใช้งานง่าย เป้าหมายของเราคือการสร้างสะพานเชื่อมที่ราบรื่นระหว่างเอกสารที่ซับซ้อนและผู้ใช้ปลายทาง โดยใช้ความสามารถของการประมวลผลภาษาธรรมชาติขั้นสูง

คุณสมบัติ

การค้นหาเอกสารที่ขับเคลื่อนด้วย AI: ค้นหาเอกสาร vectorbt PRO ที่หลากหลายโดยใช้ภาษาธรรมชาติ ทำให้การค้นหาข้อมูลง่ายเหมือนการพิมพ์คำถาม ความเข้าใจตามบริบท: รับข้อมูลเชิงลึกและข้อมูลเชิงบริบทที่เกี่ยวข้องโดยตรงกับคำค้นหาของคุณ รับรองว่าคุณไม่เพียงเข้าใจ "อย่างไร" แต่ยังเข้าใจ "ทำไม" ที่อยู่เบื้องหลังกลยุทธ์การวิเคราะห์ต่างๆ การพัฒนากลยุทธ์ที่มีประสิทธิภาพ: ค้นหาฟังก์ชัน พารามิเตอร์ และโมดูลที่คุณต้องการได้อย่างรวดเร็ว ช่วยคุณประหยัดเวลาและปรับปรุงกระบวนการตั้งแต่แนวคิดไปจนถึงการดำเนินการ ปรัชญาหลัก QuantGPT สร้างขึ้นด้วยความเชื่อว่าเครื่องมือที่เหมาะสมจะช่วยเพิ่มขีดความสามารถและประสิทธิภาพของการพัฒนากลยุทธ์เชิงปริมาณได้อย่างมาก ด้วยการหลอมรวม AI เข้ากับการสร้างกลยุทธ์ เราไม่เพียงแต่ทำให้กระบวนการค้นหาง่ายขึ้นเท่านั้น เรากำลังกำหนดวิธีที่ควอนซ์โต้ตอบกับข้อมูลใหม่

ชุมชนและความร่วมมือ

เนื่องจากเป็นโครงการที่ขับเคลื่อนโดยชุมชน QuantGPT จึงประสบความสำเร็จจากความร่วมมือและการมีส่วนร่วม ไม่ว่าจะผ่านทางโค้ด แนวคิด หรือคำติชม ข้อมูลของคุณจะช่วยกำหนดอนาคตของเครื่องมือการพัฒนากลยุทธ์เชิงปริมาณ

เริ่มต้นเลย

เจาะลึกประสบการณ์ QuantGPT เพื่อยกระดับกลยุทธ์การซื้อขายของคุณและมีส่วนร่วมในภูมิทัศน์ของการวิเคราะห์เชิงปริมาณที่เปลี่ยนแปลงไป

ติดดาวหรือแยก repo เพื่อแสดงการสนับสนุนของคุณและคอยอัปเดตอยู่เสมอ ตรวจสอบหลักเกณฑ์การมีส่วนร่วมเพื่อดูว่าคุณสามารถเป็นส่วนหนึ่งของการเดินทางได้อย่างไร หมายเหตุ: QuantGPT เป็นโครงการที่มีการพัฒนาอยู่ตลอดเวลา เราเริ่มต้นด้วย vectorbt PRO แต่ขอบฟ้านั้นกว้างใหญ่ เป้าหมายคือการบูรณาการเครื่องมือวิเคราะห์และห้องสมุดจำนวนมากในที่สุด เพื่อสร้างระบบนิเวศที่หลากหลายสำหรับการวิเคราะห์เชิงปริมาณ

สำรวจ QuantGPT — ที่ซึ่งอัลกอริธึมพบกับกลยุทธ์อย่างรวดเร็ว

การติดตั้ง

ตรวจสอบให้แน่ใจว่าติดตั้ง Conda บนระบบของคุณ ถ้าไม่เช่นนั้น ให้ดาวน์โหลดจากเว็บไซต์ทางการของ Conda ทำตามขั้นตอนเหล่านี้เพื่อตั้งค่า QuantGPT :

ขั้นตอนที่ 1: โคลนพื้นที่เก็บข้อมูล

เริ่มต้นด้วยการโคลนพื้นที่เก็บ QuantGPT ไปยังเครื่องของคุณ:

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

ขั้นตอนที่ 2: สร้างและเปิดใช้งาน Conda Environment

สร้างสภาพแวดล้อม Conda ด้วย Python 3.10 และเปิดใช้งาน:

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

ขั้นตอนที่ 3: ติดตั้ง Scrapy

ภายในสภาพแวดล้อม Conda ให้ติดตั้ง Scrapy โดยใช้ Conda หรือ pip:

conda install -c conda-forge scrapy

หรือ

pip install Scrapy

โปรดดูเอกสาร Scrapy อย่างเป็นทางการสำหรับรายละเอียดเพิ่มเติม

ขั้นตอนที่ 4: ติดตั้งการพึ่งพาที่เหลืออยู่

เมื่อติดตั้ง Scrapy แล้ว ให้ใช้ pip เพื่อติดตั้งการขึ้นต่อกันที่จำเป็นอื่น ๆ :

pip install -r requirements.txt

ขั้นตอนที่ 5: ตั้งค่าตัวแปรสภาพแวดล้อม

เปลี่ยนชื่อ env.example เป็น .env และกรอกตัวแปรที่จำเป็น:

ตัวแปรบังคับ:

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

ตัวแปรเสริม: รับสิ่งเหล่านี้จาก Chainlit Cloud หากจำเป็นที่นี่ หรือลบออกทั้งหมด หากคุณไม่ต้องการความเพียรพยายามในขณะนี้ คุณสามารถอ่านเพิ่มเติมเกี่ยวกับความคงอยู่และแพลตฟอร์ม AI ที่แท้จริงได้ที่นี่

LITERAL_API_KEY= " cl_XXX "

วิธีสร้าง CHAINLIT_AUTH_SECRET คุณสามารถอ่านได้ที่นี่ หากต้องการเพิ่ม CHAINLIT_AUTH_SECRET ให้กับไฟล์ .env คุณสามารถใช้คำสั่งต่อไปนี้:

chainlit create-secret

ขั้นตอนที่ 6: เรียกใช้ Scraper

นำทางไปยังไดเร็กทอรี quant_scraper เพื่อเตรียมพร้อมสำหรับการรันสแครปเปอร์:

 cd quant_scraper

ดำเนินการขูดโดยส่งผ่าน secret_url ไปยังคำสั่งโดยตรง:

scrapy crawl vbt_pro -a secret_url= " pvt_XXXX "

pvt_XXXX ควรได้รับจากการเป็นสมาชิก VectorBT Pro

หลังจากเสร็จสิ้น ให้นำทางกลับไปยังไดเร็กทอรีรากของโปรเจ็กต์:

 cd ..

ขั้นตอนที่ 7: เปิดตัว UI

เมื่อตั้งค่าทุกอย่างแล้ว ให้เริ่มต้นอินเทอร์เฟซผู้ใช้:

chainlit run quantgpt.py

ให้เวลา 3-5 นาทีในการเรียกใช้ครั้งแรกเพื่อสร้างดัชนี Vector Store ขึ้นอยู่กับความเร็วการเชื่อมต่ออินเทอร์เน็ตของคุณ

เริ่มใช้ QuantGPT

การตั้งค่า QuantGPT ของคุณเสร็จสมบูรณ์แล้ว โมเดล AI เริ่มต้นคือ GPT-4 แต่คุณปรับเปลี่ยนได้ในไฟล์ . .env โปรดทราบถึงค่าใช้จ่ายสำหรับการจัดทำดัชนีและคำขอ ซึ่งอาจอยู่ที่ประมาณ 1 ดอลลาร์สำหรับการจัดทำดัชนีและ 0.2 ดอลลาร์ต่อคำขอ

มันทำงานอย่างไร

QuantGPT ดำเนินการตามลำดับขั้นตอนที่เกี่ยวข้องกับการดึงข้อมูล การแปลง และการสร้างการตอบสนอง:

1. การสกัดข้อมูล:

   • การรวบรวมข้อมูลเว็บ: การใช้ Scrapy ระบบจะนำทางเว็บไซต์เอกสาร vectorbt pro โดยทางโปรแกรมเพื่อดึงเนื้อหา

2. การเปลี่ยนแปลง:

   • การทำดัชนี: โมดูล llama_index ประมวลผลข้อมูลที่รวบรวม โดยแบ่งส่วนเอกสารตามส่วนหัวของมาร์กดาวน์ ("## ") ออกเป็นส่วนที่มีการจัดทำดัชนี
   • การสร้างคำถาม: หากต้องการเพิ่มเนื้อหาที่จัดทำดัชนี gpt-3.5-turbo จะสร้างคำถามที่เกี่ยวข้องสำหรับแต่ละส่วน เพื่อขยายข้อมูลเมตาสำหรับเอกสาร
   • การรวม VectorIndex: ส่วนเอกสารที่เป็นผลลัพธ์ พร้อมด้วยข้อมูลเมตา จะถูกจัดเก็บไว้ใน VectorIndex

3. การสร้างการตอบสนอง:

   • การเรียกค้นเอกสาร: เพื่อตอบสนองต่อข้อสงสัยของผู้ใช้ ระบบจะแยกส่วนที่เกี่ยวข้องออกจาก VectorIndex
   • องค์ประกอบสรุป: ใช้วิธี tree_summary เพื่อสังเคราะห์ข้อมูลให้เป็นคำตอบที่เกี่ยวข้องและสอดคล้องตามบริบท

แนวทางนี้มีจุดมุ่งหมายเพื่อมอบคำตอบที่มีคุณภาพ SOTA จากเอกสารประกอบที่ครอบคลุม โดยมีข้อดีคือต้นทุนการชำระเงินต่อการสืบค้นที่สูงขึ้น

การใช้งาน

QuantGPT ได้รับการออกแบบมาเพื่อเชื่อมต่อกับ Chainlit โดยใช้ประโยชน์จากความสามารถของ Chatbot UI ที่แข็งแกร่ง ซึ่งเหมาะสำหรับการโต้ตอบและประเมินโมเดลภาษาขนาดใหญ่ (LLM) สำหรับแอปพลิเคชันการซื้อขายเชิงปริมาณ

การเข้าถึงเบื้องต้น

เมื่อเปิดแอป คุณอาจได้รับแจ้งให้ใส่ข้อมูลรับรองการเข้าสู่ระบบ ใช้ชุดค่าผสมเริ่มต้นต่อไปนี้:

ชื่อผู้ใช้: ผู้ดูแลระบบ รหัสผ่าน: ผู้ดูแลระบบ

Chainlit กำหนดให้ขั้นตอนการตรวจสอบสิทธิ์นี้สำหรับผู้ที่ต้องการความคงอยู่ภายในอินสแตนซ์ของตน เป็นตัวยึดตำแหน่งและควรแทนที่ด้วยมาตรการตรวจสอบความถูกต้องที่เหมาะสมในการผลิต หรือหากมีการจัดการข้อมูลที่ละเอียดอ่อน

อินเตอร์เฟซการสนทนา

แอปพลิเคชันนำเสนอตัวเองเป็นอินเทอร์เฟซการแชท ซึ่งให้วิธีที่ใช้งานง่ายในการโต้ตอบกับ AI ที่ซ่อนอยู่ อย่างไรก็ตาม สิ่งสำคัญคือต้องทราบข้อจำกัดบางประการในปัจจุบัน:

การรับรู้บริบท

• การโต้ตอบแต่ละครั้งจะได้รับการปฏิบัติอย่างเป็นอิสระ AI ไม่เก็บบริบทจากคำถามก่อนหน้านี้ เพื่อชดเชยสิ่งนี้ โปรดให้ข้อมูลที่ครอบคลุมในแต่ละคำถามเพื่อช่วยให้คำตอบแม่นยำยิ่งขึ้น

การจัดทำดัชนี

• คุณลักษณะการจัดทำดัชนียังอยู่ในช่วงเริ่มต้นของการพัฒนา เป็นที่คาดการณ์ว่าการรวมเอาการดึงข้อมูลเมตาเข้าด้วยกัน ดังที่แสดงในคู่มือการแยกข้อมูลเมตาของ LlamaIndex จะช่วยเพิ่มความสามารถของ AI ในการดึงและใช้ข้อมูลที่เกี่ยวข้องจากเอกสารที่จัดทำดัชนีไว้ได้อย่างมาก

ข้อจำกัดและโอกาสในการพัฒนา

เมื่อ QuantGPT พัฒนาขึ้น ความสามารถของมันก็จะเพิ่มขึ้นตามไปด้วย ข้อจำกัดในปัจจุบันคือโอกาสในการเติบโตและการพัฒนา:

• หน่วยความจำบริบท: การทำซ้ำในอนาคตอาจรวมถึงหน่วยความจำบริบทเพื่อการสนทนาที่ราบรื่น
• การจัดทำดัชนีข้อมูลเมตา: การปรับปรุงการจัดทำดัชนีข้อมูลเมตาคาดว่าจะช่วยปรับแต่งความเข้าใจและความแม่นยำในการตอบสนองของ AI

เชิญชวนนักพัฒนา LLM ทุกคน!

หากคุณเป็นนักพัฒนาหรือผู้สนใจ LLM ความเชี่ยวชาญของคุณจะช่วยให้ QuantGPT เข้าถึงศักยภาพสูงสุดได้ การทดลอง การทดลอง และการมีส่วนร่วมได้รับการสนับสนุนอย่างมาก หากคุณมีแนวคิดหรือการปรับปรุง โปรดแยกพื้นที่เก็บข้อมูล ทำการเปลี่ยนแปลง และส่งคำขอดึง การมีส่วนร่วมของคุณมีค่าและยินดีเสมอ!

แผนการทำงาน

นี่คือสิ่งที่จะเกิดขึ้นกับ QuantGPT :

อนาคตอันใกล้:

• การสนทนาแบบ Context-Aware: ใช้โหมดแชทเต็มรูปแบบพร้อมหน่วยความจำเพื่อบริบทที่สมบูรณ์ยิ่งขึ้น
• สถาปัตยกรรมแบบแยกส่วน: ย้ายการจัดทำดัชนี/การสืบค้นออกจาก quantgpt.py เพื่อเปิดใช้งานการทดลองที่ยืดหยุ่นผ่านสมุดบันทึก Python
• การปรับปรุงข้อมูลเมตา: แนะนำการแยกข้อมูลเมตาเพื่อความแม่นยำในการค้นหาที่ดีขึ้น

มองไปข้างหน้า:

• การสร้างดัชนีลิงก์โดยตรง: เพิ่มความสามารถในการแชทเพื่อแยกวิเคราะห์และจัดทำดัชนีเนื้อหาจากลิงก์แบบเรียลไทม์
• การแยกวิเคราะห์ไฟล์: ขยายการจัดทำดัชนีเพื่อรวมการแยกวิเคราะห์ไฟล์สำหรับรูปแบบข้อมูลที่หลากหลาย

วิสัยทัศน์ระยะยาว:

• การทำงานเป็นทีมของตัวแทน LLM: รวบรวมทีมตัวแทน LLM เพื่อสนับสนุนการวิจัยขั้นสูงและการวิเคราะห์การซื้อขายแบบอัตโนมัติ

แต่ละขั้นตอนมีจุดมุ่งหมายเพื่อทำให้ QuantGPT เป็นตัวช่วยที่ชาญฉลาดและใช้งานง่ายยิ่งขึ้นสำหรับชุมชนการซื้อขายเชิงปริมาณ

วิสัยทัศน์สำหรับ QuantGPT

QuantGPT เริ่มต้นจากโปรเจ็กต์ส่วนตัวโดยไม่จำเป็นต้องนำทางและใช้ประโยชน์จากความสามารถของไลบรารี vectorbt.pro ที่ทรงพลังแต่ซับซ้อน อย่างไรก็ตาม วิสัยทัศน์ของ quantgpt ขยายไปไกลเกินกว่าเครื่องมือหรือไลบรารีเดียว เป็นเรื่องเกี่ยวกับการสร้างระบบนิเวศที่ครอบคลุมซึ่งช่วยให้เทรดเดอร์และนักพัฒนาเชิงปริมาณสามารถเปลี่ยนข้อมูลที่ซับซ้อนและกลยุทธ์ที่ซับซ้อนให้เป็นข้อมูลเชิงลึกที่นำไปใช้ได้จริงและระบบการซื้อขายในการดำเนินงาน

การขยายระบบนิเวศ

ต่อไปนี้เป็นแนวคิดบางส่วนเกี่ยวกับวิธีที่ QuantGPT สามารถพัฒนาได้:

• การแปลกลยุทธ์: ทำการแปลกลยุทธ์ที่ทดสอบย้อนหลังจาก vectorbt ไปเป็นแพลตฟอร์มการซื้อขายอื่น ๆ เช่น freqtrade โดยอัตโนมัติ ทำให้ผู้ใช้สามารถเปลี่ยนจากการวิจัยไปสู่สภาพแวดล้อมการซื้อขายจริงได้อย่างง่ายดาย

• การบูรณาการความรู้: รวมทรัพยากรทางการเงินเชิงปริมาณที่หลากหลาย เช่น เอกสารทางวิชาการ บทช่วยสอน และหนังสือ ไว้ในดัชนี QuantGPT สิ่งนี้จะช่วยให้ผู้ใช้สามารถสืบค้นและใช้ทฤษฎีและแบบจำลองที่ซับซ้อนกับกลยุทธ์การซื้อขายของตนได้โดยตรง

• การเรียนรู้เชิงโต้ตอบ: ใช้ UI การสนทนาเพื่อสร้างสภาพแวดล้อมการเรียนรู้เชิงโต้ตอบที่เทรดเดอร์ที่มีประสบการณ์น้อยสามารถถามคำถามและรับคำอธิบาย ตัวอย่างโค้ด หรือการอ้างอิงไปยังสื่อที่เกี่ยวข้อง ซึ่งช่วยลดเส้นโค้งการเรียนรู้สำหรับแนวคิดเชิงปริมาณที่ซับซ้อน

• การวิเคราะห์ข้อมูลแบบเรียลไทม์: เชื่อมต่อ QuantGPT กับฟีดข้อมูลตลาดแบบเรียลไทม์ ช่วยให้สามารถวิเคราะห์และข้อมูลเชิงลึกได้ทันทีตามสภาวะตลาดในปัจจุบัน

• การจัดทำดัชนีแบบกำหนดเอง: อนุญาตให้ผู้ใช้สร้างดัชนีแบบกำหนดเองจากชุดข้อมูลของตนเอง ช่วยให้ได้รับข้อมูลเชิงลึกส่วนบุคคลและการพัฒนากลยุทธ์ตามข้อมูลที่เป็นกรรมสิทธิ์

การเรียกร้องให้มีนวัตกรรมร่วมกัน

QuantGPT ไม่ได้เป็นเพียงเครื่องมือเท่านั้น มันเป็นเวทีสำหรับนวัตกรรม นี่คือวิธีการที่จะให้บริการชุมชน:

• การพัฒนาร่วมกัน: สนับสนุนให้นักพัฒนาและ Quant มีส่วนร่วมในการเติบโตของ QuantGPT ไม่ว่าจะผ่านการร่วมเขียนโค้ด การแชร์ชุดข้อมูล หรือการพัฒนาปลั๊กอินสำหรับฟังก์ชันเพิ่มเติม

• ช่องว่างระหว่างกัน: ด้วยการทำหน้าที่เป็นผู้ประสานงานระหว่างเครื่องมือและแพลตฟอร์มเชิงปริมาณต่างๆ QuantGPT สามารถปรับปรุงขั้นตอนการทำงานสำหรับการพัฒนากลยุทธ์และการทดสอบย้อนกลับ ทำให้มีประสิทธิภาพและเข้าถึงได้มากขึ้น

• การทำให้การซื้อขายเชิงปริมาณเป็นประชาธิปไตย: ช่วยทำลายอุปสรรคในการเข้าสู่พื้นที่การซื้อขายเชิงปริมาณ ทำให้เครื่องมือการซื้อขายและการวิเคราะห์ขั้นสูงเข้าถึงได้สำหรับผู้ชมในวงกว้าง

อนาคตของ QuantGPT นั้นจำกัดพอๆ กับความคิดสร้างสรรค์โดยรวมของเราเท่านั้น เมื่อมันเติบโตและปรับตัว QuantGPT ตั้งเป้าที่จะกลายเป็นรากฐานสำคัญในชุดเครื่องมือของเทรดเดอร์เชิงปริมาณทุกคน ตั้งแต่ผู้เริ่มต้นที่อยากรู้อยากเห็นไปจนถึงมืออาชีพผู้ช่ำชอง เข้าร่วมกับเราในการกำหนดอนาคตของการซื้อขายเชิงปริมาณ

ขอขอบคุณเป็นพิเศษ

ขอขอบคุณอย่างจริงใจต่อบุคคลและทีมงานที่ทำงานซึ่งเป็นรากฐานในการพัฒนา QuantGPT :

• @polakowo สำหรับการสร้าง vectorbt.pro ซึ่งเป็นห้องสมุดที่ทำให้การซื้อขายเชิงปริมาณเป็นประชาธิปไตยอย่างมีนัยสำคัญ
• OpenAI สำหรับโมเดล GPT ที่ได้กำหนดนิยามใหม่ของการโต้ตอบของเรากับการเรียนรู้ของเครื่องและการวิเคราะห์ข้อมูล
• LlamaIndex สำหรับเครื่องมือสร้างดัชนีอันทรงพลังที่ทำให้สามารถเข้าถึงและดำเนินการข้อมูลจำนวนมหาศาลได้
• Chainlit สำหรับการมอบ UI ที่ใช้งานง่าย ช่วยให้โต้ตอบกับ QuantGPT ได้อย่างราบรื่นและเป็นธรรมชาติ

การมีส่วนร่วมของคุณไม่เพียงแต่เป็นแรงบันดาลใจ แต่ยังช่วยให้โครงการนี้บรรลุผลอีกด้วย

ใบอนุญาต

QuantGPT จัดทำขึ้นภายใต้ใบอนุญาต MIT ใบอนุญาตที่อนุญาตนี้อนุญาตให้นำกลับมาใช้ใหม่ภายในซอฟต์แวร์ที่เป็นกรรมสิทธิ์ โดยมีเงื่อนไขว่าสำเนาของซอฟต์แวร์ที่ได้รับอนุญาตทั้งหมดจะต้องมีสำเนาของข้อกำหนดใบอนุญาตของ MIT และประกาศเกี่ยวกับลิขสิทธิ์

หากต้องการดูใบอนุญาตฉบับเต็ม โปรดดูไฟล์ใบอนุญาตในพื้นที่เก็บข้อมูล GitHub