Project Icon

Lean

开源算法交易引擎 助力策略开发和部署

Lean Engine是一款开源算法交易引擎,旨在简化策略研究、回测和实盘交易流程。该引擎支持Python和C#编程,集成了主流数据提供商和经纪商接口,便于快速部署交易策略。Lean Engine采用C#核心架构,兼容Linux、Mac和Windows系统,为量化交易提供了高效灵活的技术支持。

alt tag

构建状态     回归测试     LEAN论坛     Discord聊天

[Lean主页][1] | [文档][2] | [下载Zip][3] | [Docker Hub][8] | [Nuget][9]


简介

Lean引擎是一个开源的算法交易引擎,专为便捷的策略研究、回测和实时交易而设计。我们与常见的数据提供商和经纪商集成,让您能够快速部署算法交易策略。

LEAN引擎的核心是用C#编写的,但它可以在Linux、Mac和Windows操作系统上无缝运行。它支持用Python 3.11或C#编写的算法。Lean驱动了基于网络的算法交易平台[QuantConnect][4]。

自豪地由以下机构赞助


bitfinex


想在这里展示您公司的logo吗?[赞助LEAN](https://github.com/sponsors/QuantConnect),成为彻底开放的算法交易创新的一部分。

QuantConnect正在招聘!

加入我们的团队,解决量化金融领域最具挑战性的问题。如果您对算法交易充满热情,我们很乐意听到您的声音。我们始终欢迎出色的C#工程师。申请时,请务必提及您是通过GitHub了解到我们的:

系统概览

alt tag

该引擎被分为多个模块化部分,可以在不触及其他文件的情况下进行扩展。这些模块在config.json中被配置为"环境"。您可以通过这些环境控制LEAN以所需的模式运行。

最重要的插件包括:

  • 结果处理 (IResultHandler)

    处理算法交易引擎的所有消息。决定应发送什么以及消息应该去向何处。结果处理系统可以将消息发送到本地GUI或网络界面。

  • 数据馈源 (IDataFeed)

    连接并下载算法交易引擎所需的数据。对于回测,该提供程序从磁盘获取文件;对于实时交易,它连接到数据流并生成数据对象。

  • 交易处理 (ITransactionHandler)

    处理新的订单请求,可以使用算法提供的填充模型或实际经纪商。将处理后的订单发回算法的投资组合以进行填充。

  • 实时事件管理 (IRealtimeHandler)

    生成实时事件 - 如每日结束事件。触发实时事件处理程序的回调。对于回测,这是模拟的,以在模拟时间上工作。

  • 算法状态设置 (ISetupHandler)

    配置算法现金、投资组合和请求的数据。初始化所有所需的状态参数。

这些都可以在Launcher项目的config.json文件中进行配置。

使用Visual Studio Code Dev Containers进行开发

Dev Containers扩展让您可以使用Docker容器作为全功能开发环境。该扩展启动(或连接到)运行_quantconnect/research:latest_镜像的开发容器。

使用Visual Studio Code Dev Containers开发Lean的详细说明可以在VS Code集成项目中找到。

使用Lean CLI进行开发

QuantConnect推荐使用Lean CLI进行本地算法开发。这是因为它是一个非常好的工具,可以在本地处理您的算法,同时仍能部署到云端并访问Lean数据。它还可以通过我们的官方docker镜像在您的本地机器上运行算法,使用您的数据。

请参考QuantConnect关于Lean CLI的文档

安装说明

本节将介绍如何在您的环境中本地安装lean以供使用。有关使用本地IDE与Lean的详细指南,请参阅以下readme文件:

要本地安装,请下载包含最新主分支的zip文件,并解压到您喜欢的位置。或者,安装Git并克隆仓库:

git clone https://github.com/QuantConnect/Lean.git
cd Lean

macOS

  • 安装Visual Studio for Mac

  • 在Visual Studio中打开QuantConnect.Lean.sln Visual Studio 将自动开始恢复 NuGet 包。如果没有自动恢复,请在菜单栏点击"项目 > 还原 NuGet 包"。

  • 在菜单栏中,点击"运行 > 开始调试"。

或者,运行编译后的 dll 文件。首先,在菜单栏中点击"生成 > 生成所有",然后:

cd Lean/Launcher/bin/Debug
dotnet QuantConnect.Lean.Launcher.dll

Linux (Debian, Ubuntu)

  • 安装 dotnet 6
  • 编译 Lean 解决方案:
dotnet build QuantConnect.Lean.sln
  • 运行 Lean:
cd Launcher/bin/Debug
dotnet QuantConnect.Lean.Launcher.dll

Windows

  • 安装 Visual Studio
  • 在 Visual Studio 中打开 QuantConnect.Lean.sln
  • 通过点击"生成"菜单 -> "生成解决方案"来构建解决方案(这应该会触发 NuGet 包的还原)
  • F5 运行

Python 支持

完整的 Python 安装过程说明可以在 Algorithm.Python 项目中找到。

本地-云混合开发

在您喜欢的开发环境中无缝地进行本地开发,具有完整的自动完成和调试支持,可以快速轻松地识别策略中的问题。更多信息请参阅 CLI 主页

问题和功能请求

请将 bug 和功能请求作为 issue 提交到 [Lean 仓库][5]。在提交 issue 之前,请阅读说明以确保不会重复。

邮件列表

项目的邮件列表可以在 [LEAN 论坛][6]上找到。请使用此论坛询问有关安装和设置的问题。

贡献者和拉取请求

我们热烈欢迎贡献,但我们要求您阅读现有代码,了解其格式和注释方式,并确保贡献与现有风格相匹配。所有代码提交必须包含相应的测试。请查看[贡献者指南][7]。所有被接受的拉取请求将在 QuantConnect 获得 50 美元的云点数。一旦您的拉取请求被合并,请发邮件至 support@quantconnect.com,附上您的 PR 链接,以申领您的免费实盘交易。QC <3 开源。

非常感谢所有贡献者!

致谢

如果没有先驱者的支持,QuantConnect 的开源化是不可能实现的。先驱者们组成了 QuantConnect 的核心 100 名早期采用者,他们订阅并允许我们将项目开源。

Ryan H, Pravin B, Jimmie B, Nick C, Sam C, Mattias S, Michael H, Mark M, Madhan, Paul R, Nik M, Scott Y, BinaryExecutor.com, Tadas T, Matt B, Binumon P, Zyron, Mike O, TC, Luigi, Lester Z, Andreas H, Eugene K, Hugo P, Robert N, Christofer O, Ramesh L, Nicholas S, Jonathan E, Marc R, Raghav N, Marcus, Hakan D, Sergey M, Peter McE, Jim M, INTJCapital.com, Richard E, Dominik, John L, H. Orlandella, Stephen L, Risto K, E.Subasi, Peter W, Hui Z, Ross F, Archibald112, MooMooForex.com, Jae S, Eric S, Marco D, Jerome B, James B. Crocker, David Lypka, Edward T, Charlie Guse, Thomas D, Jordan I, Mark S, Bengt K, Marc D, Al C, Jan W, Ero C, Eranmn, Mitchell S, Helmuth V, Michael M, Jeremy P, PVS78, Ross D, Sergey K, John Grover, Fahiz Y, George L.Z., Craig E, Sean S, Brad G, Dennis H, Camila C, Egor U, David T, Cameron W, Napoleon Hernandez, Keeshen A, Daniel E, Daniel H, M.Patterson, Asen K, Virgil J, Balazs Trader, Stan L, Con L, Will D, Scott K, Barry K, Pawel D, S Ray, Richard C, Peter L, Thomas L., Wang H, Oliver Lee, Christian L.

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号