基于深度学习与强化学习的科创50指数增强量化交易策略系统。
本项目通过以下三驱动模式实现超越科创50指数的收益表现：
- Alpha预测 - 深度学习模型捕捉多因子与未来收益率的非线性关系
- 风险建模 - 深度风险模型进行有效的风险控制
- 强化学习决策 - RL智能体优化动态调仓和交易执行策略
- 语言: Python 3.8+
- 数据存储: PostgreSQL
- 深度学习: PyTorch, PyTorch Lightning
- 强化学习: Stable-Baselines3, Gymnasium
- 实验追踪: MLflow
- 优化库: cvxpy, scipy
- 数据处理: pandas, numpy
star50-quant/
├── data/ # 数据目录
├── src/ # 核心源代码
│ ├── data/ # 数据层
│ ├── features/ # 特征工程
│ ├── models/ # 模型层（Alpha/风险/RL）
│ ├── optimization/ # 组合优化
│ ├── backtest/ # 回测引擎
│ └── utils/ # 工具函数
├── notebooks/ # Jupyter notebooks
├── configs/ # 配置文件
├── scripts/ # 执行脚本
├── tests/ # 单元测试
└── mlruns/ # MLflow实验追踪
# 进入项目目录
cd star50-quant
# 创建虚拟环境
python -m venv venv
source venv/bin/activate # Linux/Mac
# venv\Scripts\activate # Windows
# 安装依赖
pip install -r requirements.txt
pip install -e .cp .env.example .env
# 编辑.env文件，填入数据库配置和API密钥python scripts/setup_database.pypython scripts/collect_data.py --type allpython scripts/build_features.py# 训练Alpha模型
python scripts/train_alpha.py --model lstm
# 训练风险模型
python scripts/train_risk.py --model autoencoder
# 训练强化学习智能体
python scripts/train_rl_agent.py --agent ppo --env rebalancepython scripts/run_backtest.py --config configs/backtest_config.yamlmlflow ui --port 5000
# 浏览器访问 http://localhost:5000pytest tests/ -v --cov=src详细文档请参考 ../docs/ 目录：
- 设计文档:
../docs/superpowers/specs/2026-06-09-star50-project-structure-design.md - 实施计划:
../docs/superpowers/plans/2026-06-09-data-module-implementation.md
MIT License
欢迎提交Issue和Pull Request!