QMT策略工厂

# QMT策略工厂

基于多种数据源获取股票日线数据，使用遗传编程自动生成QMT能直接运行的交易策略。如果有测试的需求，请联系：Bogutongjin20230618

## 功能特性

- ✅ 支持**选股策略**：从股票池中选择股票进行买入/卖出
- ✅ 支持**择时策略**：对单只股票进行买入/卖出时机判断
- ✅ 支持**多种数据源**：AKShare、Baostock、Tushare、TDX（通达信）
- ✅ 支持**因子类型选择**：技术因子和财务因子
- ✅ 使用遗传编程自动生成交易因子
- ✅ 生成符合QMT API规范的策略代码
- ✅ 支持策略回测评估
- ✅ 提供**GUI图形界面**和命令行两种使用方式
- ✅ 支持打包成独立可执行文件（.exe）

## 项目结构

QMT_factory/ ├── docs/ # QMT API文档 ├── data/ # 数据获取模块 │ ├── init.py │ ├── ak_data_loader.py # AKShare数据加载器 │ ├── baostock_data_loader.py # Baostock数据加载器 │ ├── tushare_data_loader.py # Tushare数据加载器 │ └── tdx_data_loader.py # TDX（通达信）数据加载器 ├── core/ # 核心算法模块 │ ├── init.py │ ├── gp_engine_stock.py # 股票遗传编程引擎 │ ├── factor_evaluator_stock.py # 股票因子评估器 │ ├── factor_functions.py # 因子函数库 │ ├── strategy_generator_qmt.py # QMT策略代码生成器 │ └── license_manager.py # 授权管理模块 ├── gui/ # GUI界面模块 │ ├── init.py │ ├── main_window.py # 主窗口 │ ├── timing_strategy_tab.py # 择时策略标签页 │ ├── selection_strategy_tab.py # 选股策略标签页 │ ├── strategy_worker.py # 策略生成工作线程 │ ├── payment_dialog.py # 支付对话框 │ └── font_config.py # 字体配置 ├── tools/ # 工具脚本 │ ├── generate_license.py # 授权生成工具 │ └── README.md ├── generated/ # 生成的策略文件 │ └── strategies/ ├── pytdx2-main/ # TDX数据源依赖库 ├── main.py # 主程序入口（命令行） ├── gui_main.py # GUI主程序入口 ├── setup.py # 打包配置 ├── requirements.txt # 依赖包列表 └── README.md # 本文档

## 安装依赖

```bash
pip install -r requirements.txt

主要依赖：

• akshare: 股票数据获取（主要数据源，推荐）
• baostock: 股票数据获取（可选，独立数据源）
• tushare: 股票数据获取（可选，需要token）
• gplearn: 遗传编程算法库
• pandas, numpy: 数据处理
• scikit-learn: 机器学习工具
• PyQt5: GUI界面框架
• matplotlib: 数据可视化
• joblib: 并行计算
• 其他依赖见 requirements.txt

注意：

• QMT的Python接口（xtquant）需要从QMT客户端安装，不在pip仓库中
• baostock、tushare和TDX是可选的数据源，如果不需要可以不安装
• TDX数据源使用项目内置的pytdx2库，无需额外安装

使用方法

方法1: GUI界面运行（推荐）

Windows系统：

# 方式1：直接运行Python脚本
python gui_main.py

# 方式2：使用批处理文件（如果已打包）
run_gui.bat

功能说明：

• 图形化界面，操作简单直观
• 支持选择数据源（AKShare、Baostock、Tushare）
• 支持选择因子类型（技术因子、财务因子）
• 实时显示策略生成进度
• 自动保存生成的策略文件

方法2: 命令行交互式运行

Windows系统：

# 方式1：直接运行Python脚本
python main.py

# 方式2：使用批处理文件
run_cli.bat

然后按照提示选择策略类型（选股或择时），输入相关参数。

方法3: 编程调用

生成择时策略

from main import generate_timing_strategy

# 生成择时策略
strategy_info = generate_timing_strategy(
    stock_code='000001',  # 股票代码
    start_date='2022-01-01',  # 开始日期
    end_date='2024-01-01',  # 结束日期
    population_size=100,  # 种群大小
    generations=50,  # 进化代数
    max_iterations=10  # 最大迭代次数
)

if strategy_info and strategy_info.get('success'):
    # 保存策略文件
    with open(f"generated/strategies/{strategy_info['filename']}", 'w', encoding='utf-8') as f:
        f.write(strategy_info['code'])
    print(f"策略文件已保存: {strategy_info['filename']}")

生成选股策略

from main import generate_selection_strategy

# 生成选股策略
strategy_info = generate_selection_strategy(
    stock_pool=['000001', '000002', '600000'],  # 股票池
    start_date='2022-01-01',
    end_date='2024-01-01',
    hold_count=10,  # 持仓数量
    rebalance_period=5,  # 调仓周期（天）
    population_size=100,
    generations=50,
    max_iterations=10
)

if strategy_info and strategy_info.get('success'):
    # 保存策略文件
    with open(f"generated/strategies/{strategy_info['filename']}", 'w', encoding='utf-8') as f:
        f.write(strategy_info['code'])
    print(f"策略文件已保存: {strategy_info['filename']}")

策略类型说明

择时策略

• 功能：对单只股票进行买入/卖出时机判断
• 输入：股票代码、历史数据日期范围、数据源、因子类型
• 输出：QMT策略代码文件
• 逻辑：
  • 使用遗传编程生成因子表达式（技术因子或财务因子）
  • 计算因子值，与阈值比较生成买卖信号
  • 因子值 > 买入阈值 → 买入
  • 因子值 < 卖出阈值 → 卖出
• 适用场景：单只股票的交易时机判断

选股策略

• 功能：从股票池中选择股票进行买入/卖出
• 输入：股票池列表、持仓数量、调仓周期、数据源、因子类型
• 输出：QMT策略代码文件
• 逻辑：
  • 使用遗传编程生成选股因子表达式（技术因子或财务因子）
  • 对每只股票计算因子值
  • 按因子值排序，选择前N只股票
  • 等权重买入，定期调仓
• 适用场景：从股票池中选择优质股票构建投资组合

因子类型

• 技术因子：基于价格、成交量等技术指标生成的因子

  • 使用MA、EMA、RSI、MACD等技术指标
  • 适合短期交易和择时策略

• 财务因子：基于财务数据生成的因子

  • 使用财务指标如ROE、ROA、PE、PB等
  • 适合中长期投资和选股策略

生成的策略代码

生成的策略代码符合QMT API规范，包含：

• initialize(): 策略初始化
• handle_data(): 主处理函数
• 技术指标计算函数（MA、EMA、RSI、MACD等）
• 因子计算逻辑（由遗传编程生成）

生成的策略文件保存在 QMT_factory/generated/strategies/ 目录下。

使用生成的策略

1. 将生成的策略文件复制到QMT策略目录
2. 在QMT中创建新策略，选择该文件
3. 根据QMT的实际API调整策略代码中的接口调用（如数据获取、交易下单等）
4. 运行策略进行回测或实盘交易

注意：生成的策略代码中的QMT API调用可能需要根据实际QMT版本和API文档进行调整。代码中已标注需要调整的部分。

参数说明

遗传编程参数

• population_size: 种群大小，默认100，越大搜索空间越大但计算时间越长
• generations: 进化代数，默认50，越多可能找到更好的因子但计算时间越长
• max_iterations: 最大迭代次数，默认10，用于多次尝试找到更好的因子

选股策略参数

• hold_count: 持仓数量，默认10只
• rebalance_period: 调仓周期，默认5天

数据源说明

项目支持多种数据源，可在GUI界面中选择：

1. AKShare（推荐）：

   • 免费、数据全面
   • 支持A股、指数、期货等
   • 数据更新及时
   • 需要网络连接

2. Baostock：

   • 免费、稳定
   • 可作为独立数据源使用
   • 数据质量较高
   • 需要网络连接

3. Tushare：

   • 需要注册获取token
   • 数据质量高、专业
   • 部分数据需要积分
   • 需要网络连接

4. TDX（通达信）：

   • 使用通达信服务器
   • 数据实时性好
   • 无需注册
   • 需要网络连接

数据源切换：

• 在GUI界面中可以选择使用哪个数据源
• 如果某个数据源获取失败，程序会自动尝试其他已安装的数据源
• 建议优先使用AKShare，作为备用可使用Baostock或TDX

打包和安装

打包成可执行文件

项目支持使用PyInstaller打包成独立的Windows可执行文件：

# 使用批处理文件打包（推荐）
build_exe.bat          # 完整打包
build_exe_simple.bat   # 简化打包
build_exe_debug.bat    # 调试模式打包

# 或使用PyInstaller直接打包
pyinstaller qmt_factory.spec

打包后的可执行文件位于 dist/ 目录下，可以直接运行，无需安装Python环境。

安装为Python包

# 安装到Python环境
pip install -e .

# 或使用setup.py
python setup.py install

注意事项

1. 数据获取：

   • 首次运行需要从数据源下载数据，可能需要一些时间
   • 建议在网络良好的环境下运行
   • 如果某个数据源失败，程序会自动尝试其他数据源

2. 计算时间：

   • 遗传编程需要较长时间，建议使用较小的参数进行测试
   • 种群大小和进化代数越大，计算时间越长
   • GUI界面会显示实时进度

3. 策略验证：

   • 生成的策略建议先在QMT中回测验证，再考虑实盘使用
   • 回测结果仅供参考，实盘表现可能不同

4. 因子表达式：

   • 生成的因子表达式可能较复杂，建议理解其逻辑后再使用
   • 可以手动调整阈值参数以优化策略表现

5. QMT API：

   • 生成的策略代码中的QMT API调用需要根据实际QMT版本进行调整
   • 代码中已标注需要调整的部分
   • 参考 docs/ 目录下的QMT API文档

6. 数据源选择：

   • 如果某个数据源不可用，可以在GUI中选择其他数据源
   • 建议安装多个数据源作为备用

7. Python版本：

   • 建议使用Python 3.7-3.11
   • Python 3.12及以上版本可能存在兼容性问题

技术细节

因子表达式

遗传编程生成的因子表达式使用以下特征：

技术因子特征：

• 价格数据：close, open, high, low, volume
• 技术指标：MA(5,10,20,30), EMA(5,10,20), RSI(14), MACD, STD(10,20)
• 差分和引用：diff(1,5), ref(1,5)
• 其他技术指标：BOLL, KDJ, CCI等

财务因子特征：

• 财务指标：ROE, ROA, PE, PB, PS, 净利润增长率等
• 需要确保数据源支持财务数据获取

适应度函数

使用收益/回撤比值作为主要适应度指标，同时考虑：

• 总收益率
• 夏普比率
• 最大回撤
• 胜率（择时策略）
• 年化收益率

遗传编程参数

• 种群大小（population_size）：控制搜索空间，默认100
• 进化代数（generations）：控制进化深度，默认50
• 最大迭代次数（max_iterations）：多次尝试找到更好的因子，默认10
• 交叉率、变异率：控制进化过程，使用gplearn默认值

示例

示例1: 生成平安银行择时策略

from main import generate_timing_strategy

strategy_info = generate_timing_strategy(
    stock_code='000001',
    start_date='2022-01-01',
    end_date='2024-01-01'
)

示例2: 生成沪深300成分股选股策略

from main import generate_selection_strategy

# 沪深300部分成分股
stock_pool = [
    '000001', '000002', '000858', '000876',
    '600000', '600036', '600519', '600887'
]

strategy_info = generate_selection_strategy(
    stock_pool=stock_pool,
    start_date='2022-01-01',
    end_date='2024-01-01',
    hold_count=5,
    rebalance_period=10
)

常见问题

Q: 数据获取失败怎么办？ A: 检查网络连接，AKshare可能需要访问特定网站。可以尝试多次运行。

Q: 生成的策略表现不好？ A: 可以尝试：

• 增加进化代数或迭代次数
• 调整股票池或数据日期范围
• 手动优化阈值参数

Q: 如何理解生成的因子表达式？ A: 因子表达式使用gplearn格式，可以查看生成的策略代码中的注释。

Q: 生成的策略代码在QMT中无法运行？ A: 请根据QMT的实际API文档调整策略代码中的接口调用。代码中已标注需要调整的部分。

快速开始

1. 克隆或下载项目

   git clone <repository-url>
   cd QMT_factory

2. 安装依赖

   pip install -r requirements.txt

3. 运行GUI界面

   python gui_main.py

4. 选择策略类型和数据源

   • 在GUI中选择"择时策略"或"选股策略"
   • 选择数据源（推荐AKShare）
   • 输入相关参数

5. 生成策略

   • 点击"生成策略"按钮
   • 等待策略生成完成
   • 查看生成的策略文件

6. 在QMT中使用

   • 将生成的策略文件复制到QMT策略目录
   • 在QMT中创建新策略并选择该文件
   • 根据实际QMT API调整代码
   • 进行回测或实盘交易

参考文档

• QMT API文档 - QMT API接口说明
• QMT交易函数文档
• QMT行情函数文档
• QMT官方文档：https://qmt.ptradeapi.com/

开发说明

项目结构说明

• data/: 数据获取模块，支持多种数据源
• core/: 核心算法模块，包含遗传编程引擎和策略生成器
• gui/: GUI界面模块，使用PyQt5开发
• tools/: 工具脚本，包含授权管理等工具
• docs/: QMT API相关文档

贡献指南

欢迎提交Issue和Pull Request来改进项目。

许可证

本项目基于主项目的许可证。