年初学习量化投资,一开始想自己从头写,还是受了C/C++的影响.结果困在了计算回测数据那里,结果老也不对,就暂时放下了.最近试了一下python的各个量化投资框架,发现一个能用的——pyalgotrade,重新开始吧.这是一个事件驱动型量化交易框架. 使用pyalgotrade的一大问题是数据获取,其支持从yahoo,谷歌等途径获得数据,但要获取A股数据比较麻烦.还是用tushare获取数据比较方便.但pyalgotrade并不直接支持tushare数据格式.网上有人介绍了将tushare数据转

  我们在用AI来编写量化策略过程中,主要用到了机器学习,先来从一张图直观理解什么是机器学习:人类对新问题做出有效决策依靠的是过去积累的许多经验,并对经验进行利用,而对机器来说,“经验”以“数据”方式存在,机器从过去众多“数据”中产生模型,并对新数据进行预测,这个过程就可理解为“机器学习”. 那么机器学习到底要经历哪几个步骤,我们如何用机器学习来构建一个完整的量化策略,下面,我们通过一个生活中的样例,来类比AI量化策略的工作流程,来帮助大家快速理解AI量化策略: 老王挑瓜 我们接到了隔壁老王求助

1.动态平衡策略 按照当前的 BTC 的价值,账户余额保留￥5000 现金和 0.1个 BTC,即现金和BTC 市值的初始比例是 1:1. 如果 BTC 的价格上涨至￥6000,即 BTC 市值大于账户余额,并且其之间的差超过设定的阈值,就卖掉(6000-5000)/6000/2个币.说明 BTC 升值了,把钱兑换回来. 如果 BTC 的价格下跌至￥4000,即 BTC市值小于账户余额,并且其之间的差超过设定的阈值,就买入(5000-4000)/4000/2个币.说明 BTC 贬值了,把 BTC

在实现量化策略时,很多情况下,并发执行可以降低延时提升效率.以对冲机器人为例,需要获取两个币的深度,顺序执行的代码如下: 请求一次rest API存在延时,假设是100ms,那么两次获取深度的时间实际上不一样,如果需要更多的访问,延时问题将会更突出,影响策略的执行. JavaScript由于没有多线程,因此底层封装了Go函数解决这个问题,但由于设计机制,实现起来较为繁琐. 在大多数简单情况下,这样写策略并无问题.但注意到每次策略循环都要重复这个过程,中间变量a,b实际上只是临时辅助.如果我们的并

本文代码和文章发在FMZ发明者比特币量化交易平台上: 使用JavaScript实现量化策略并发执行--封装Go函数 - 发明者量化 https://www.fmz.com/digest-topic/3981 在实现量化策略时,很多情况下,并发执行可以降低延时提升效率.以对冲机器人为例,需要获取两个币的深度,顺序执行的代码如下: var depthA = exchanges[0].GetDepth() var depthB = exchanges[1].GetDepth() 请求一次rest AP

金融量化分析介绍     本文摘要; 金融量化分析介绍 1.什么是金融量化分析 2.金融量化分析可以干什么 3.为什么将python运用于金融 4.常用库简介 1.什么是金融量化分析 从标题中我们可以简单的分析一下这个题目中的关键词,金融.量化.分析,接下来一个一个分析: 金融:金融是什么相信在大多数人心中都是比较神秘.高大上的,需要大量的资金与丰富的经验才可以在股市叱咤风云,也确实金融行业的风险非常大,任何人都不敢保证某一只股票的走向或者说是收益与否.金融其实与赌博很类似,但是为什么政府会禁止

精简极致的均线策略 30行打造一个正向收益系统 原帖地址:https://www.fmz.com/bbs-topic-new/262 没错!你听的没错是30行代码!仅仅30行小编我习惯先通篇来看看 代码,这样能有个宏观的了解! 策略参数如下 参数 描述 类型 默认值 FastPeriod 入市快线周期 数字型(number) 3 SlowPeriod 入市慢线周期 数字型(number) 7 EnterPeriod 入市观察期 数字型(number) 3 ExitFastPeriod 离市快线周

摘要 策略编写的基本框架及其实现 回测的含义及其实现 初步学习解决代码错误 周期循环的开始时间 自测与自学 通过前文对量化交易有了一个基本认识之后,我们开始学习做量化交易.毕竟就像学游泳,有些东西讲是讲不懂,做过就会懂. 由于本教程是基于聚宽量化交易平台(www.joinquant.com),所以为了后续的学习,最好去注册一个聚宽量化交易平台的账号. 一.策略编写的基本框架及其实现 1.从一个非常简单的交易策略开始 先看一个非常简单的交易策略: 每天买100股的平安银行. 为了让这个策略能让计算

新年伊始,很荣幸笔者的<教你用 Python 进阶量化交易>专栏在慕课专栏板块上线了,欢迎大家订阅!为了能够提供给大家更轻松的学习过程,笔者在专栏内容之外会陆续推出一些手记来辅助同学们学习本专栏内容,因此同学们无需担心专栏内容在学习上的困难,更多的是明确自己学习的目的即可.当然笔者也欢迎同学们踊跃留言,说出自己想扩展的知识点,笔者会根据同学们的意愿选择性的推出一些内容. 在第一篇<管理概率==理性交易>中笔者结合一个简单的市场模型介绍了为什么在没有概率优势的前提下参与交易会亏钱,其

手把手教你用Python搭建自己的量化回测框架[均值回归策略] 引言 大部分量化策略都可以归类为均值回归与动量策略.事实上,只有当股票价格是均值回归或趋势的,交易策略才能盈利.否则,价格是随机游走的,交易将无利可图.均值回归是金融学的一个重要概念,指股票价格无论高于或低于价值中枢都会以很高的概率向价值中枢回归的趋势.中国古语"盛极而衰,否极泰来",就暗含着均值回归的思想.如果说要为均值回归寻找一个比较合理的理论解释,不妨借鉴一下索罗斯的"反身性理论".索罗斯认为.市

量化投资策略:常见的几种Python回测框架(库) 原文地址:http://blog.csdn.net/lawme/article/details/51454237 本文章为转载文章.这段时间在研究量化策略方向,研究了Zipline一段时间,但是后续发现他仅支持美国股票,收集量化策略文章,转载到博客中. 在实盘交易之前,必须对量化交易策略进行回测.在此,我们评价一下常用的Python回测框架(库).评价的尺度包括用途范围(回测.虚盘交易.实盘交易),易用程度(结构良好.文档完整)和扩展性(速度快

2017年9月8日,证监会公布首批公募FOF基金名单,标志着公募FOF产品正式落地.FOF(Fund of Funds)是一种通过投资基金,而非直接投资具体证券标的(股票或债券等)来实现分散化资产配置的理财产品.其主要优势在于:(1)FOF投资者不再需要承担研究和跟踪每一类标的(股票.债券等)的繁重任务,而只需要专注于挑选不同领域表现优秀的专业投资管理顾问,从而实现投资流程的分工和专业化:(2)通过投资不同类型.不同风格的基金,实现多样化的资产配置,以适应不同的市场环境和经济周期. 首批发行的六

0. 第一个量化策略 # 初始化函数,设定基准等等 def initialize(context): set_benchmark('000300.XSHG') g.security = get_index_stocks('000300.XSHG') # 股票池 set_option('use_real_price', True) set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=0.0003, close_

一.股票 股票: 股票是股份公司发给出资人的一种凭证,股票的持有者就是股份公司的股东. 股票的面值与市值 面值表示票面金额 市值表示市场价值 上市/IPO: 企业通过证券交易所公开向社会增发股票以募集资金 股票的作用: 出资证明.证明股东身份.对公司经营发表意见 公司分红.交易获利 股票的分类 股票按业绩分类: 蓝筹股:资本雄厚.信誉优良的公司的股票 绩优股:业绩优良公司的股票 ST股:特别处理股票,连续两年亏损或每股净资产低于股票面值 股票按上市地区分类: A股:中国大陆上市,人民币认购买卖(

一:金融了解 金融:就是对现有资源进行重新的整合之后,进行价值和利润的等效流通. 金融工具: 股票 期货 黄金 外汇 基金 ............. 股票: 股票是股份公司发给出资人多的一种凭证,股票的持有者就是股份公司的股东. 上市/IPO: 企业通过证券交易所公开向社会增发股票以筹集资金. 股票的作用: 出资证明,证明股东身份,对公司经营发表意见. 公司分红,交易获利 股票的分类: 股票按业绩分类: ----蓝筹股:资本雄厚,信誉优良的公司股票. ----绩优股:业绩优良的公司的股票..

第一部分:金融与量化投资 股票: 股票是股份公司发给出资人的一种凭证,股票的持有者就是股份公司的股东. 股票的面值与市值 面值表示票面金额 市值表示市场价值 上市/IPO: 企业通过证券交易所公开向社会增发股票以募集资金 股票的作用: 出资证明.证明股东身份.对公司经营发表意见 公司分红.交易获利 股票的分类 股票按业绩分类: 蓝筹股:资本雄厚.信誉优良的公司的股票 绩优股:业绩优良公司的股票 ST股:特别处理股票,连续两年亏损或每股净资产低于股票面值 股票按上市地区分类: A股:中国大陆上市,

1,概述 模型量化属于模型压缩的范畴,模型压缩的目的旨在降低模型的内存大小,加速模型的推断速度(除了压缩之外,一些模型推断框架也可以通过内存,io,计算等优化来加速推断). 常见的模型压缩算法有:量化,剪枝,蒸馏,低秩近似以及紧凑模型设计(如mobileNet)等操作.但在这里有些方法只能起到缩减模型大小,而起不到加速的作用,如稀疏化剪枝.而在现代的硬件设备上,其实更关注的是模型推断速度.今天我们就讲一种既能压缩模型大小,又能加速模型推断速度:量化. 量化一般可以分为两种模式:训练后的量化(po

零起点Python大数据与量化交易 第1章 从故事开始学量化 1 1.1 亿万富翁的“神奇公式” 2 1.1.1 案例1-1:亿万富翁的“神奇公式” 2 1.1.2 案例分析:Python图表 5 1.1.3 matplotlib绘图模块库 7 1.1.4 案例分析:style绘图风格 10 1.1.5 案例分析:colormap颜色表 12 1.1.6 案例分析:颜色表关键词 14 1.1.7 深入浅出 17 1.2 股市“一月效应” 18 1.2.1 案例1-2:股市“一月效应” 18 1.

本书主要讲解如何利用Python进行量化投资,包括对数据的获取.整理.分析挖掘.信号构建.策略构建.回测.策略分析等.本书也是利用Python进行数据分析的指南,有大量的关于数据处理分析的应用,并将重点介绍如何高效地利用Python解决投资策略问题.本书分为Python基础和量化投资两大部分:Python基础部分主要讲解Python软件的基础.各个重要模块及如何解决常见的数据分析问题:量化投资部分在Python基础部分的基础上,讲解如何使用优矿(uqer.io)回测平台实现主流策略及高级定制策略

更多精彩内容,欢迎关注公众号:数量技术宅.想要获取本期分享的完整策略代码,请加技术宅微信:sljsz01 为何使用交易开拓者(TB)作为回测工具 交易开拓者(后文以TB简称)是一个支持国内期货市场K线数据回测.交易的第三方交易平台.TB自带回测框架,投资者在开发量化策略时,只需关注实现策略主逻辑,它的自带编程语言相比较C++.Python也更简单,适合编程零基础的投资者快速上手.TB自带的基于K线的回测框架,在期货市场已经经过许多交易员多年实盘的检验,结果稳定可靠. 尽管TB回测框架完善.语法简