Quantlab3.9代码：内置大模型LLM因子挖掘，全A股数据源以及自带GUI界面

01 下载全市场的数据

数据接口是统一的，一行代码就可以下载A股全市场股票日线从上市以来的所有数据。（我会下载好，以网盘的形式提供给大家，下载直接使用即可）

如果你不想使用使用默认的zvt_home目录,请设置环境变量ZVT_HOME再运行。

大家想自己下载的话，代码在工程的如下位置：

# 下载A股后复权日频数据
def download_astock_hfq_quotes():
    Stock1dHfqKdata.record_data(provider='em')

而且是自动增量更新的：

我使用mongo数据库做过类似的事情，蛮多事情需要处理的。

另外从本地使用的角度，日频的数据使用Sqlite不失为一种选择，可以快速打包上传与分发，同时也支持增量更新（使用csv或者hdf5）增量更新，断点续采与统一管理是比较麻烦的；使用mongo的话，打包给别人需要安装mongo程序与导入。

更多的财务数据，财务报表以及ETF都可以下载。

当然zvt没有支持akshare或者tushare可以自行考虑扩展一下。

02 因子计算

策略的核心或者说基本要素是因子的计算。

咱们Quantlab之前一直使用类似qlib的因子表达式。

数据查询使用query_data，返回dataframe，然后使用因子表达式对时间序列进行计算，这里我们不使用zvt的加载数据，然后加transformer的算子，这个如果要在机器学习多因子的环境下，维护成本太高。

咱们的因子表达式，加载数据，然后给数据打标，就与Quantlab无缝衔接上了。

from pathlib import WindowsPath

import pandas as pd
from datetime import datetime

import requests
from tqdm import tqdm
import abc
# from .expr import calc_expr
from zvt.domain import Stock1dHfqKdata


class Dataloader:

    def __init__(self, symbols, start_date='2010-01-01', end_date=datetime.now().strftime('%Y-%m-%d')):
        self.symbols = symbols
        self.start_date = start_date
        if not end_date or end_date == '':
            end_date = datetime.now().strftime('%-Y%m-%d')
        self.end_date = end_date

    def _load_df(self):
        df = Stock1dHfqKdata.query_data(entity_ids=self.symbols, provider='em', columns=['open', 'close', 'code'])
        return df

    def _reset_index(self, df: pd.DataFrame):
        trade_calendar = list(set(df.index))
        trade_calendar.sort()

        def _ffill_df(sub_df: pd.DataFrame):
            df_new = sub_df.reindex(trade_calendar, method='ffill')
            return df_new

        df = df.groupby('symbol', group_keys=False).apply(lambda sub_df: _ffill_df(sub_df))
        return df

    def load(self, fields=None, names=None):
        df = self._load_df()
        print(df)


if __name__ == '__main__':
    Dataloader(['stock_sz_000338', 'stock_sz_000002']).load()

Quantlab3.9代码：内置大模型LLM因子挖掘，全A股数据源以及自带GUI界面

Quantlab3.8源码发布：整合AlphaGPT大模型自动因子挖掘以及zvt股票数据框架

AI量化实验室——2024量化投资的星辰大海

Quantlab希望做成一个桌面软件的形态，可以下载数据并做量化分析，可以跑策略，可以对接实盘。

比传统的看盘软件更好用更智能，比线上的量化社区安全（代码都给你）。

软件主体架构使用wxpython + streamlit。

一些下载数据的任务，软件配置等，使用传统GUI更方便，而与数据呈现，量化分析相关的功能，使用streamlit这样的框架更高效。因些我们把二者结果起来了。

代码已经发布：

请大家前往星球下载：AI量化实验室——2024量化投资的星辰大海

代码都在GUI的目录下：

import wx
from gui.widgets.widget_web import WebPanel
from config import DATA_DIR

def OnAbout(event):
    wx.MessageBox("公众号:ailabx",
                  "关于 AI量化投研平台",
                  wx.OK | wx.ICON_INFORMATION)


def OnExit(win, event):
    win.Close(True)


def make_menubar(win):
    # Make a file menu with Hello and Exit items
    fileMenu = wx.Menu()
    # The "\t..." syntax defines an accelerator key that also triggers
    # the same event
    helloItem = fileMenu.Append(-1, "&Hello...\tCtrl-H",
                                "Help string shown in status bar for this menu item")
    fileMenu.AppendSeparator()
    # When using a stock ID we don't need to specify the menu item's
    # label
    exitItem = fileMenu.Append(wx.ID_EXIT, '退出')

    # Now a help menu for the about item
    helpMenu = wx.Menu()
    aboutItem = helpMenu.Append(wx.ID_ABOUT, '本软件')

    menuBar = wx.MenuBar()
    menuBar.Append(fileMenu, "&文件")
    menuBar.Append(helpMenu, "&帮助")

    win.Bind(wx.EVT_MENU, OnAbout, aboutItem)
    win.Bind(wx.EVT_MENU, OnExit, exitItem)
    return menuBar

from .dialog_config import DialogConfig
def tool_config_clicked( event ):
    ico = DATA_DIR.joinpath('images').joinpath('lab.ico')
    icon = wx.Icon(str(ico.resolve()), wx.BITMAP_TYPE_ICO)
    # self.SetIcon(icon)
    dlg = DialogConfig()
    dlg.ShowModal()


class MainFrame(wx.Frame):
    def __init__(self, *args, **kw):
        super(MainFrame, self).__init__(*args, **kw)
        self.SetTitle('AI智能量化投研平台')
        # 设置默认大小
        self.SetSize(wx.Size(900, 600))

        ico = DATA_DIR.joinpath('images').joinpath('lab.ico')
        icon = wx.Icon(str(ico.resolve()), wx.BITMAP_TYPE_ICO)
        self.SetIcon(icon)

        # 屏幕居中显示
        self.Centre()
        self.SetMenuBar(make_menubar(self))
        self.tool_main = self.CreateToolBar(wx.TB_HORIZONTAL, wx.ID_ANY)
        tool_png = DATA_DIR.joinpath('images').joinpath('config.png')
        self.tool_config = self.tool_main.AddTool(wx.ID_ANY, u"配置", wx.Bitmap(str(tool_png.resolve()), wx.BITMAP_TYPE_ANY),
                                              wx.NullBitmap, wx.ITEM_NORMAL, wx.EmptyString, wx.EmptyString, None)

        self.tool_main.Realize()
        self.Maximize()

        self.CreateStatusBar()
        self.SetStatusText("欢迎使用AI智能量化投研平台！请关注公众号:ailabx")

        # Connect Events
        self.Bind(wx.EVT_TOOL, tool_config_clicked, id=self.tool_config.GetId())

        # 主窗口notebook
        self.m_notebook = wx.Notebook(self, wx.ID_ANY, wx.DefaultPosition, wx.DefaultSize, 0)

        web = WebPanel(self.m_notebook)
        self.m_notebook.AddPage(web, '时间序列分析', True)
        web.show_url('http://localhost:8501')


        #self.m_notebook.AddPage(PanelBacktest(self.m_notebook), "可视化回测系统", True)