如何使用 Python 创建个人AI 交易系统？

最新推荐文章于 2024-05-07 10:00:00 发布

可口可乐没有乐

最新推荐文章于 2024-05-07 10:00:00 发布

阅读量710

点赞数 13

文章标签： python 人工智能开发语言 pycharm 数据分析经验分享

本文链接：https://blog.csdn.net/m0_59236602/article/details/138065265

版权

本文描述了一个使用Python和ARIMA模型构建的自动化股票交易系统，通过实时数据抓取、简单预测模型和连接经纪商API实现交易决策，最终部署在AWSLambda上并通过Telegram监控交易情况。

摘要由CSDN通过智能技术生成

几周前，我和一个朋友随意聊天，他说他一直在交易。“如果某只股票上涨超过一个小时左右，而我已经超过了1%的利润门槛，那么我就会卖出，”他说，“这是我一直遵循的个人规则之一”。撇开这些规则中轻微的伪科学方面不谈，我理解了他所说的意思：遵循这些规则意味着检查手机的次数要达到天文数字。

于是我开始想：**有没有可能让这家伙心目中的规则自动化？**实际上，是否有可能自动化一套更理智的规则，所以我让系统为我做交易？

获取一些实时、精细的股票价格数据：理想情况下，每隔一分钟。越富有越好——我们将使用雅虎财经，更多细节将陆续公布。

我们将为系统添加一些人工智能风味，而不是一套个人规则。完全披露：我绝不是时间序列分析方面的专家，那里已经有很多关于如何训练神经网络进行交易的教程，我真的不想在这样的玩具系统中过度设计，所以让我们保持简单：一个非常基本的 ARIMA 模型现在可以了。

在这一点上，我们将获得来自算法的数据和预测，因此我们应该能够决定是卖出、买入还是持有;我们需要与我们的经纪人联系才能实际执行操作。我们将使用 RobinHood 和 Alpaca。

差不多就是这样——系统已经完成了。我们最不需要的就是将其部署在某个地方，在我们的例子中是 AWS，并监控活动。我选择在每次我的系统执行操作时向群组发送 Telegram 消息。

我们需要什么？

Python 3.6 和一些库。
具有管理员权限的 AWS 账户，用于存储和部署。
Node.js，仅用于设置用于部署的无服务器框架。
一个Telegram帐户，用于监控。

财务回测中的过拟合

事不宜迟，让我们开始第一部分：获取数据。

获取数据

获取数据并不容易。几年前，有一个官方的雅虎财经API，以及像谷歌财经这样的替代品——可悲的是，两者都已经停产多年了。但别担心，市场上仍然有很多替代品。我的个人要求是：

**免费：**对于生产系统，我肯定会将这个要点更改为廉价的替代品，但对于玩具系统或概念验证，无论您想怎么称呼它，我都希望它是免费的。

**高限制率：**理想情况下没有限制，但每分钟超过 500 次点击就足够了。

**实时数据：**某些 API 提供的数据略有延迟，例如 15 分钟。我想要真正的交易——我能得到的最接近股票的实时价格。

**易用性：**再说一遍，这只是一个 POC。我想要最简单的一个。

考虑到这个列表，我选择了旧的雅虎财经 API 的非官方替代品。请记住，对于一个真实的系统，并基于提供的令人敬畏的列表yfinance

帕特里克·柯林斯，我肯定会选择 Alpha Vantage API——但现在让我们保持简单。

该库由 Ran Aroussi 开发，用于在官方 API 关闭时访问雅虎财经数据。引用自 GitHub 存储库，yfinance

自从雅虎财经停用其历史数据API以来，许多依赖它的程序都停止了工作。

yfinance 旨在通过提供一种可靠的、线程化的和 Python 的方式来从雅虎财经下载历史市场数据来解决这个问题。

对我来说已经足够了。它是如何工作的？首先，我们需要安装它：

然后我们可以使用 Ticker 对象访问所有内容：

这种方法非常快，平均略高于 0.005 秒，并返回有关股票的大量信息;例如，包含 123 个字段，包括以下内容：google.info

这些方法中的大多数都返回 DataFrame 对象中的数据，因此我们需要稍微使用它才能获得我们想要的任何内容。现在，我只需要一段时间内的股价信息;该方法是实现此目的的最佳方法。我们可以选择周期或间隔日期，数据频率低至一分钟 - 请注意，只有当周期小于 60 天时才可用，并且每个请求只允许获取 7 天的 1m 粒度数据。间隔为1m的最后一个条目的转置数据如下：dividendssplitsbalance_sheetearningspandashistory

我们可以看到它是如何按日期时间编制索引的，每个条目都有七个特征：该分钟内股价的四个固定点（开盘价、最高价、最低价和收盘价）加上成交量、股息和股票分割。我将只使用低值，所以让我们保留该数据：

最后，由于我们将只使用最后一天的数据，因此让我们重新索引数据帧以删除日期和时区组件，并仅保留时间：

看起来不错！我们已经知道如何从中获取最新信息——我们稍后会用它来为我们的算法提供信息。但为此，我们需要一个算法来喂养：让我们进入下一部分。yfinance

添加 AI

我在这里要做的是拟合一个非常简单的 ARIMA 模型来预测股价的下一个值;把它想象成一个虚拟模型。如果你想用它来做真实的交易，我建议你寻找更好、更强大的模型，但要注意：如果它很容易，每个人都会这样做。

首先，让我们将 DataFrame 拆分为 train 和 test，这样我们就可以使用测试集来验证虚拟模型的结果——我将保留最后 10% 的数据作为测试集：

如果我们绘制它，我们得到：

现在，让我们使用训练数据拟合模型并获取预测。请注意，模型的超参数是固定的，而在现实世界中，您应该使用交叉验证来获得最佳参数——查看这个关于如何使用 Python 网格搜索 ARIMA 超参数的精彩教程。我使用 5、0、1 配置，并在训练数据结束后立即获取该时刻的预测：

让我们看看我们的虚拟模型表现如何：

这还不错——我们可以使用它。有了这些信息，我们可以根据我们想做的任何事情来定义一组规则，比如如果它上涨，就持有，如果它下跌，就卖出。我不打算详细说明这部分，因为我不想让你们起诉我说你失去了所有的钱，所以请继续定义你自己的一套规则。同时，我将解释下一部分：连接到代理。

连接到代理

正如您可能已经猜到的那样，这部分在很大程度上取决于您使用的经纪人。我在这里介绍两个经纪人，RobinHood 和 Alpaca;原因是他们俩：

有一个可用的公共 API（官方或非官方）。

不要收取交易佣金。

根据您的账户类型，您可能会有一些限制：例如，如果您的账户余额低于 3 美元，RobinHood 在 5 天内只允许 25000 笔交易;Alpaca 允许更多的请求，但每个 API 密钥每分钟仍有 200 个请求的限制。

RobinHood

有几个库封装了 RobinHood API，但遗憾的是，据我所知，它们中没有一个是官方的。Sanko 的库是最大的库，在 GitHub 上有 1.5k 颗星，但它已经停产;LichAmnesia’s 延续了 Sanko 的道路，但到目前为止只有 99 颗星。我将使用robin_stocks库，在撰写本文时，该库有 670 多颗星。让我们安装它：

并非所有操作都需要登录，但大多数操作都需要登录，因此在执行任何其他操作之前登录很有用。RobinHood 需要 MFA，因此有必要进行设置：转到您的帐户，打开双因素身份验证，并在询问您要使用的应用程序时选择“其他”。您将看到一个字母数字代码，您将在下面的代码中使用该代码：

买入或卖出非常简单：

查看文档，了解高级用法和示例。

Alpaca

对于 Alpaca，我们将使用该库，该库在 GitHub 中拥有 700 多颗星。要安装：alpaca-trade-api

登录帐户后，您将获得 API 密钥 ID 和密钥;两者都需要登录：

提交订单比使用 RobinHood 稍微复杂一些：

就是这样！请注意，以纯文本形式保留您的凭据是一件非常非常糟糕的事情 - 不过别担心，我们将在下一步切换到环境变量，这要安全得多。现在，让我们将所有内容部署到云中并对其进行监视。

部署和监视

我们将在 AWS Lambda 中部署所有内容。显然，对于生产系统来说，这不是最佳选择，因为 Lambda 没有存储，我们希望将经过训练的模型存储在某个地方，例如在 S3 中。但是，现在就可以了——我们将安排 Lambda 每天运行，每次都使用当天的数据训练模型。出于监控目的，我们将设置一个 Telegram 机器人，该机器人将发送一条消息，其中包含要采取的行动及其结果。请注意，AWS Lambda 在特定限制内是免费的，但请注意配额，以防您想要发送大量消息。

待办事项清单上的第一件事是创建一个机器人。我遵循了 Telegram 的官方指示：

在 Telegram 中搜索用户**@BotFather**。

使用该命令并选择机器人的名称和用户名。\newbot

获取令牌并将其存储在安全的地方，您很快就会需要它。

下一步：部署。有几种方法可以部署到 Lambda。我将使用无服务器框架，因此让我们安装它并创建一个模板：