Topics

#ai #futures #machine-learning #marketing #quantitative-finance #stock

Language breakdown

Python 99.0%

Shell 1.0%

▸ Files click to expand

README

🤖 AI期货预测系统

一个基于机器学习的期货价格预测系统，使用Streamlit构建交互式Web界面，支持多种技术指标分析和智能预测。

✨ 主要功能

📊 数据管理

多品种支持: 支持多种期货品种（原油、黄金、白银、铜等）
实时数据: 获取最新的期货市场数据
数据预览: 完整的数据质量检查和统计信息
趋势分析: 自动分析价格趋势分布

🎯 特征工程

33个技术指标: 包括移动平均线、RSI、MACD、布林带、KDJ等
智能特征选择: 可视化特征配置界面，支持自定义特征组合
预设配置: 提供5种预设特征配置（基础、技术分析、全特征等）
特征重要性: 自动计算和显示特征重要性排名

🤖 机器学习

多模型支持: 随机森林、XGBoost、LightGBM、线性回归等
双重任务: 支持回归（价格预测）和分类（趋势预测）
自动调优: 智能超参数优化
性能评估: 全面的模型评估指标和可视化

🔮 智能预测

未来趋势: 预测未来1-10天的价格走势
置信度分析: 提供预测结果的置信度评估
详细报告: 自动生成专业的预测分析报告
可视化图表: 直观的预测结果展示

🏗️ 系统架构

📁 ai_quick/                    # 项目根目录
│
├── 🚀 应用入口
│   ├── app.py                  # 🎯 主启动文件
│   └── setup.py                # 📦 包安装配置
│
├── 📁 src/                     # 源代码目录
│   ├── streamlit_app.py        # 🎨 主应用界面
│   ├── data_fetcher.py         # 📊 数据获取模块
│   ├── data_processor.py       # 🔧 数据处理和特征工程
│   ├── model_trainer.py        # 🤖 模型训练和评估
│   ├── model_predictor.py      # 🔮 预测和报告生成
│   ├── model_config.py         # ⚙️ 模型配置管理
│   └── feature_library.py      # 📖 特征库管理系统
│
├── 📁 config/                  # 配置文件目录
│   └── feature_configs.json    # 💾 特征配置文件（自动生成）
│
├── 📁 docs/                    # 文档目录
│   ├── FEATURECONFIGGUIDE.md # 📋 特征配置使用指南
│   └── PROJECT_OVERVIEW.md     # 📋 项目结构概览
│
├── 📄 项目文档
│   ├── README.md               # 📖 项目主要说明文档
│   ├── CHANGELOG.md            # 📈 版本更新日志
│   ├── LICENSE                 # ⚖️ GPL v3 开源许可证
│   ├── requirements.txt        # 📦 Python依赖包列表
│   └── .gitignore              # 🚫 Git忽略文件
│
└── 📁 tests/                   # 测试目录 (待开发)

核心模块说明

| 模块 | 功能 | 主要类/函数 | |------|------|-------------| | streamlitapp.py | Web界面和用户交互 | main(), render*_tab() | | datafetcher.py | 期货数据获取 | getfutures_data() | | dataprocessor.py | 数据处理和特征工程 | calculatetechnicalindicators(), createfeatures_targets() | | modeltrainer.py | 模型训练和评估 | traincompleteworkflow(), evaluatemodel_performance() | | modelpredictor.py | 预测和报告生成 | predictfuturetrend(), generateprediction_report() | | model_config.py | 模型配置管理 | ModelConfig, ModelEvaluator | | feature_library.py | 特征库管理 | FeatureLibrary, FeatureConfig |

🚀 快速开始

环境要求

Python 3.8+
2GB+ RAM
网络连接（获取数据）

安装步骤

克隆项目

git clone https://github.com/yourusername/ai_quick.git
cd ai_quick

安装依赖

# 方式1: 使用requirements.txt
pip install -r requirements.txt
方式2: 使用setup.py（推荐）
pip install -e .

启动应用

# 方式1: 使用streamlit直接运行
streamlit run app.py
方式2: 使用命令行工具（安装后）
ai-futures

访问应用

打开浏览器访问 http://localhost:8501

alt text

📖 使用指南

基础使用流程

📊 数据获取

- 选择期货品种 - 设置日期范围 - 点击"获取数据"

⚙️ 特征配置

- 选择预设配置或自定义特征 - 保存特征配置（可选）

🤖 模型训练

- 配置训练参数 - 选择任务类型（回归/分类） - 点击"开始训练"

🔮 查看预测

- 查看训练结果和模型性能 - 生成未来预测报告 - 分析特征重要性

高级功能

特征配置管理

访问"⚙️ 特征配置"标签页
使用预设配置快速开始
自定义选择特定技术指标
保存和加载特征配置

详细使用说明请参考：docs/FEATURECONFIGGUIDE.md

🔧 技术指标说明

基础指标

OHLCV: 开盘价、最高价、最低价、收盘价、成交量
移动平均线: MA5、MA10、MA20
价格变化: 1日、3日、5日价格变化率

技术指标

RSI: 相对强弱指数（超买超卖指标）
MACD: 指数平滑异同移动平均线
布林带: 价格通道指标
KDJ: 随机指标
威廉指标: 超买超卖指标

高级指标

ATR: 平均真实波幅（波动率）
VWAP: 成交量加权平均价
OBV: 能量潮指标
CCI: 商品通道指数

📊 模型性能

支持的算法

随机森林 (Random Forest)
XGBoost (Extreme Gradient Boosting)
LightGBM (Light Gradient Boosting)
线性回归 (Linear Regression)
支持向量机 (Support Vector Machine)
决策树 (Decision Tree)

评估指标

回归任务: R²、MAE、MSE、RMSE
分类任务: 准确率、精确率、召回率、F1分数
混淆矩阵: 详细分类结果分析

🛠️ 开发指南

添加新特征

在 dataprocessor.py 的 calculatetechnical_indicators() 函数中添加计算逻辑
在 feature_library.py 中定义新特征的配置
更新特征描述和类别

添加新模型

在 modelconfig.py 的 getdefault_config() 中添加模型配置
在相应的训练函数中添加模型训练逻辑
更新模型评估和可视化代码

自定义配置

所有主要参数都可以通过界面或配置文件调整：

训练参数: 历史天数、预测天数、训练集比例
特征配置: 启用的技术指标列表
模型参数: 各算法的超参数设置

⚠️ 重要声明

投资风险提示

⚠️ 本系统仅供学习和研究使用，不构成投资建议

期货市场存在重大风险，可能导致资金损失
预测结果基于历史数据，不保证未来准确性
投资决策应结合多种分析方法
请根据自身风险承受能力谨慎投资

技术限制

数据质量依赖于数据源
模型性能受市场环境影响
极端市场条件下预测可能失效
建议定期重新训练模型

🤝 贡献指南

欢迎贡献代码、报告问题或提出建议！

贡献流程

Fork 项目
创建功能分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
开启 Pull Request

代码规范

遵循 PEP 8 代码风格
添加适当的注释和文档字符串
确保所有测试通过
更新相关文档

📄 许可证

本项目采用 GPL v3 开源许可证。详情请参考 LICENSE 文件。

GPL v3 主要条款

✅ 自由使用、修改、分发
✅ 商业使用
⚠️ 修改后的代码必须开源
⚠️ 需要包含许可证和版权声明
⚠️ 提供源代码访问途径

📞 联系方式

项目主页: https://github.com/cn-vhql/Futures_ML
问题反馈: https://github.com/cn-vhql/Futures_ML/issues
邮箱: yl_zhangqiang@foxmail.com

🙏 致谢

感谢以下开源项目的支持：

Streamlit - Web应用框架
pandas - 数据处理
scikit-learn - 机器学习
yfinance - 金融数据
matplotlib - 数据可视化
seaborn - 统计可视化

⭐ 如果这个项目对你有帮助，请给个Star支持一下！

📈 更新日志

v1.0.0 (最新)

✨ 完整的特征配置管理系统
🤖 多模型机器学习支持
📊 交互式Web界面
📈 期货价格预测功能
🔮 智能报告生成
💾 配置保存和加载

未来计划

🌐 多市场数据源支持
📱 移动端适配
🔄 实时数据更新
🎯 策略回测功能
📊 更多技术指标
🤖 深度学习模型支持

免责声明: 本项目仅用于教育和研究目的。使用本系统进行实际交易的任何损失由用户自行承担。

🔗 More in this category