# DDQuant_v4

**Repository Path**: benhe256/ddquant_v4

## Basic Information

- **Project Name**: DDQuant_v4
- **Description**: DDQuant（DayDayQuant）为面向金融数据分析的一款开源量化交易框架，
致力于简单、专业、规范的量化交易学习和研发。
- **Primary Language**: Python
- **License**: MIT
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 3
- **Forks**: 4
- **Created**: 2024-05-08
- **Last Updated**: 2024-12-18

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 不掷硬币量化社群

[![img](https://img.shields.io/badge/license-MIT-blue.svg)](LICENSE)  [![img](https://img.shields.io/badge/python-%3E=3.9.x-green.svg)](https://python.org/) [![img](https://img.shields.io/badge/ddquant-=4.8.6-red)]()

---
## 一、项目介绍

不掷硬币是一个以“面向个人的量化交易支持”为主题，集**量化技术支持、策略研发、理论指导、社群分享**于一体的专业平台。

- **研发成果社群共享，为交易赋能。**
- **完备的量化技术支持。**

项目方维护着[系列量化社群 👑👑（点此跳转）](docs/README2.md)

从**零基础**到量化专家，项目方**一对一**专时答疑。

---


<img class="image" src = "docs/img/noflip_logo.png" width = 100% />

---
DDQuant为面向金融数据分析的一款开源量化交易框架，
致力于**简单、专业、规范**的量化交易学习和研发。

---
我们选取了量化交易领域**最经典的分支**，并花费大量时间整理思路和制定规范。

每一个使用该框架的人都能清晰高效地展开量化策略的研发，即便您是**零基础小白**。

**量化交易的学习和研究，将深刻影响每一个交易员**💡。

---
### 1.1 增值项目 💼
> 基于DDQuant和不掷硬币量化理念衍生的一系列增值服务🚀🚀🚀。


#### 量化综合社群（为君铸剑）
  [增值项目介绍页（点此跳转）](docs/README2.md) 💥

* python基础（基于AI面向量化交易）专题
* 量化研报解析与应用专题
* 因子及策略开发（社群一致范式）专题
* DDQuant便捷使用（自研开源金融数据分析软件）专题
* 高频交易（秒级数据）专题
* 其他内容


<img class="image" src = "docs/img/noflip_logo_2.png" width = 100% />

---
### 1.2 功能模块

> 注：下述模块的详细使用均在[DDQuantv4相关文档](https://lq1zajnpdfm.feishu.cn/drive/folder/Fyh3fLm3nlurWMdb692cV0KwnFf)予以介绍。

如需**作者协助及更全面的操作手册**，请加入[量化社群（点此跳转）](docs/README2.md)！

该框架自始至终为了[不掷硬币量化理念 📖](docs/README3.md)服务，具备简单、专业和高度扩展的优点。

特色内容 💥 *（部分需付费）*
- 全品种全流程（含*加密B*）实盘解决方案
- 自定义功能K线图
- 行情数据（1m及以上，部分品种支持1s）
- 因子分析报告
- 策略分析报告
- 多场景回测引擎（含Backtrader引擎）
- 其他丰富内容...


<details>
<summary>📝 点击此处，展开功能列表</summary>

- 主功能模块


    1. 模型综合应用-Fighting
        * 该模块提供三种策略模式（包括：Message模式、Simulate模式、Real模式）用以适应不同的开发场景，
          并分别配置回测数据及实盘数据（Real模式仅配置实盘数据）。

    2. BT回测-Backtesting
        * 该模块对优秀的量化回测框架Backtrader进行二次封装，使其兼容本框架进而降低学习和使用难度，
          其策略文件名需以bt_strategy做前缀。

    3. 因子分析-Factor Analysis
        * 该模块通过内置（或研究员自主开发）的因子分析方案对因子的特征进行更全面的描述。

    4. K线图-KChart
        * 该模块用于全方位地对K线、因子及信号数据进行可视化，并提供多种高实用性的便捷功能。

    5. 数据桥-Data Bridge
        * 该模块用于下载各品种的历史行情数据，同时可以向框架传递实时数据用于支撑其他模块的运行。

    6. 机器学习-Machine Learning
    
- 附加功能模块


    1. 模型生成器-Gen Model
        * 用于生成新的model，其编号自增

    2. 因子库报告-Factor Library Report
        * （暂未开发）提供一张当前模型下所有因子的全景图

    3. 数据合并-Data Merge
        * 用于将低周期行情数据整合为更高周期的行情数据

    4. 收益测算-Revenue Calculate
        * 基于类工厂收益率模型生成一张数据表，
          用于展示正向概率、正向倍数、反向倍数以及收益率四者之间的关系。
          具体内容可参考类工厂利润率模型

    5. 订单整合-Order Integration
        * 研发社群内部功能

    6. 消息订单化-Message Order
        * 研发社群内部功能

    7. 回测可视化-Backtesting Visualization
        * 研发社群内部功能

    8. 板块指南-Sector Guide
        * 研发社群内部功能

    9. 对比图-Comparison Chart
        * 研发社群内部功能


在未来，DDQuant仍将坚持固有的量化理念，借助资金、技术和AI大模型，
逐步发展成为一款极致简单专业的综合性量化交易软件。

---
* 附：K线图模块部分截图
![img](docs/img/K线图.png)


* 附：因子分析模块部分截图1
![img](docs/img/因子分析.png)


* 附：因子分析模块部分截图2
![img](docs/img/因子分析plan1.png)

</details>

---

以上内容为不掷硬币社群的基础框架，有利于
 - **提高研究效率**
 - **建立方法共识**
 - **消除沟通成本**


---
## 二、手册目录

本开源项目提供详细的使用手册。零基础用户也可在1小时内完成框架部署，并进行基础策略的开发、回测和研究。


**注：可能存在文档更新滞后于项目代码 🔑，如有疑问请联系作者。**


<details>
<summary>👉 点击此处，展开《DDQuantv4使用手册》目录</summary>

    1. 框架简介

    2. 合作说明

    3. 项目部署
        * 极简的部署流程，提供远程部署

    4. 策略适用性说明
        * 本框架（或不掷硬币量化理念）约束条件

    5. 数组管理器说明
        * 框架最核心的行情数据管理模块

    6. 因子编写
        * 具体参考实例代码

    7. 策略编写
        * 具体参考实例代码

    8. 主功能说明
        * 主要模块简介

    9. 附加功能说明
        * 个性化功能
        
    10. 日志模块说明

    11. 行情数据文件
        * 介绍框架底层的部分行情数据

</details>



---
## 三、联系作者

    飞书（常用） / 微信号：YHDBank  （长按图片保存）

<legend class = "half">
<img class="image" src = "docs/img/feishu.jpg" width = 30% />
<img class="image" src = "docs/img/wechat.jpg" width = 30% />
</legend>

---