本人纯新手，误入金融专业的游戏爱好者，对量化，游戏开发感兴趣，欢迎交流(´∀ ˋ) (´∀ ˋ) (´∀ ˋ)

本项目包含两个主要部分：

1. LLM（大模型接口）：通过 OpenAI SDK 调用 DeepSeek Chat API，实现自然语言交互。
2. 量化轮动策略：基于动量轮动思想，自动获取ETF历史数据，计算动量指标，回测并可视化策略表现。

api.txt                # OpenAI/DeepSeek API密钥
LLM/
    request_llm.py     # LLM接口请求代码
    test_llm.py        # LLM交互测试脚本
quant_part/
    etf_data.py        # ETF数据获取
    plot_nav.py        # 策略净值曲线绘制
    quant_test.py      # 量化轮动策略主程序
    report_detail.py   # 策略绩效统计与结果展示
    tttt.py            # ETF数据字段测试脚本

• Python >= 3.8
• 主要依赖库：
  • akshare
  • pandas
  • numpy
  • matplotlib
  • scikit-learn
  • quantstats
  • openai

安装依赖：

pip install akshare pandas numpy matplotlib scikit-learn quantstats openai

进入 LLM 目录，运行：

python test_llm.py

根据提示输入问题，模型将返回答案。API密钥默认读取 api.txt 内容。

进入 quant_part 目录，运行：

python quant_test.py

自动获取ETF历史数据，计算动量指标，回测轮动策略，并输出绩效统计及净值曲线。

• ETF历史数据自动获取与合并
• 动量指标计算（涨幅、斜率得分）
• 轮动信号生成与策略回测
• 策略绩效统计（收益率、波动率、夏普比率、最大回撤等）
• 策略净值曲线可视化

我的qq1105793864 如有问题或建议，请提交 Issue 或联系项目维护者。