量化策略源码仓库
资源文件介绍
本仓库提供了一系列量化策略的源码文件，旨在帮助用户进行数据采集、预处理、建模、评估以及仓位管理等量化交易的关键步骤。以下是各文件的详细介绍：
1. Init_StockALL_Sp.py
功能: 数据采集
描述: 该脚本利用 tushare 接口将股票的日线行情数据存储到本地数据库中。通过该脚本，用户可以方便地获取并保存所需的历史行情数据，为后续的数据处理和建模提供基础。
2. DC.py
功能: 数据预处理
描述: 该脚本负责将本地存储的日基础行情数据整合成一份训练集。通过对原始数据进行清洗、筛选和整合，生成适合机器学习模型训练的数据集，为后续的建模工作打下坚实基础。
3. SVM.py
功能: SVM建模
描述: 该脚本使用支持向量机（SVM）对个股进行建模、训练和预测。通过该脚本，用户可以利用SVM算法对股票数据进行分类或回归预测，从而辅助投资决策。
4. Model_Evaluate.py
功能: 模型评估
描述: 该脚本通过回测和推进式建模的方式对模型进行评估。主要计算查准率（Precision）、查全率（Recall）和F1分值，并将评估结果存入结果表中。通过该脚本，用户可以全面了解模型的性能，并根据评估结果进行模型的优化和调整。
5. Portfolio.py
功能: 仓位管理
描述: 该脚本基于马科维茨投资组合理论进行仓位管理。通过该脚本，用户可以根据风险偏好和预期收益，优化投资组合的配置，实现风险和收益的平衡。
使用说明
- 数据采集: 运行
Init_StockALL_Sp.py脚本，获取并存储所需的日线行情数据。 - 数据预处理: 运行
DC.py脚本，将存储的数据整合成训练集。 - 建模: 运行
SVM.py脚本，使用SVM算法对个股进行建模和预测。 - 模型评估: 运行
Model_Evaluate.py脚本，评估模型的性能并获取评估结果。 - 仓位管理: 运行
Portfolio.py脚本，基于马科维茨理论进行仓位管理。
注意事项
- 请确保在运行脚本前，已正确配置所需的依赖库和环境。
- 数据采集和预处理可能需要较长时间，请耐心等待。
- 模型评估结果仅供参考，实际投资决策需结合其他因素综合考虑。
希望本仓库的量化策略源码能够帮助您在量化交易中取得更好的成果！