AmpyFin 项目的安装与使用指南
2025-04-18 16:10:01作者:袁立春Spencer
1. 项目目录结构及介绍
AmpyFin 项目是一个开源的机器学习交易系统,其目录结构如下:
AmpyFin/
├── .github/
│ └── workflows/
├── helper_files/
├── strategies/
├── utils/
├── wandb/
├── .gitignore
├── .isort.cfg
├── .pre-commit-config.yaml
├── CODE_OF_CONDUCT.md
├── CONTRIBUTING.md
├── MIT_LICENSE.txt
├── README.md
├── control.py
├── logo.png
├── pyproject.toml
├── ranking_client.py
├── requirements.txt
├── setup.py
├── trading_client.py
.github/workflows/: 存放 GitHub Actions 工作流文件,用于自动化项目的一些操作,如自动执行测试等。helper_files/: 包含一些辅助函数,用于客户端操作。strategies/: 实现了各种交易策略的模块。utils/: 包含一些通用的数据处理的工具函数。wandb/: 用于存储 Weights & Biases 实验的数据。.gitignore: 指定 Git 忽略的文件和目录。.isort.cfg: Python 代码导入排序配置文件。.pre-commit-config.yaml: pre-commit 配置文件,用于自动化代码风格检查。CODE_OF_CONDUCT.md: 项目行为准则。CONTRIBUTING.md: 贡献指南,描述如何为项目做贡献。MIT_LICENSE.txt: 项目使用的 MIT 许可证。README.md: 项目说明文件。control.py: 配置接口,用于设置交易参数。logo.png: 项目图标。pyproject.toml: 项目配置文件。ranking_client.py: 评估和排名交易策略的客户端。requirements.txt: 项目依赖的 Python 包列表。setup.py: 项目设置文件,用于初始化数据库结构。trading_client.py: 根据算法决策执行交易的客户端。
2. 项目的启动文件介绍
项目的启动主要通过以下两个脚本文件进行:
ranking_client.py: 此文件用于启动排名系统,它会评估各个交易策略的表现,并根据表现动态调整策略的权重。trading_client.py: 此文件用于启动交易系统,它会根据算法决策执行实际的交易操作。
这两个脚本通常需要在不同的终端中分别运行,以实现系统的并行工作。
3. 项目的配置文件介绍
项目的配置主要通过 config.py 文件进行,以下是配置文件的一些基本内容:
# API 密钥配置
POLYGON_API_KEY = "your_polygon_api_key"
FINANCIAL_PREP_API_KEY = "your_fmp_api_key"
API_KEY = "your_alpaca_api_key"
API_SECRET = "your_alpaca_secret_key"
BASE_URL = "https://paper-api.alpaca.markets" # 默认为纸交易环境
# MongoDB 配置
MONGO_DB_USER = "your_mongo_user"
MONGO_DB_PASS = "your_mongo_password"
mongo_url = "your_mongo_connection_string"
在开始使用项目之前,需要将上述配置中的占位符替换为实际的 API 密钥和 MongoDB 连接信息。此外,如果需要进行实盘交易,需要将 BASE_URL 修改为 "https://api.alpaca.markets"。
以上是 AmpyFin 项目的安装与使用的基础指南,确保按照以上步骤操作后,您可以顺利地运行该项目。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
最新内容推荐
谷歌浏览器跨域插件Allow-Control-Allow-Origin:前端开发调试必备神器 LabVIEW串口通信开发全攻略:从入门到精通的完整解决方案 全球36个生物多样性热点地区KML矢量图资源详解与应用指南 海能达HP680CPS-V2.0.01.004chs写频软件:专业对讲机配置管理利器 TortoiseSVN 1.14.5.29465 中文版:高效版本控制的终极解决方案 XMODEM协议C语言实现:嵌入式系统串口文件传输的经典解决方案 Adobe Acrobat XI Pro PDF拼版插件:提升排版效率的专业利器 Solidcam后处理文件下载与使用完全指南:提升CNC编程效率的必备资源 TextAnimator for Unity:打造专业级文字动画效果的终极解决方案 Launch4j中文版:Java应用程序打包成EXE的终极解决方案
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
20
暂无简介
Dart
659
150
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.17 K
644
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
657
293
仓颉编译器源码及 cjdb 调试工具。
C++
131
865
React Native鸿蒙化仓库
JavaScript
251
320
仓颉编程语言运行时与标准库。
Cangjie
138
874