注:点击框架名称通往Github talib talib的简称是Technical Analysis Library,主要功能是计算行情数据的技术分析指标 numpy 介绍:一个用python实现的科学计算包.包括:1.一个强大的N维数组对象Array:2.比较成熟的(广播)函数库:3.用于整合C/C++和Fortran代码的工具包:4.实用的线性代数.傅里叶变换和随机数生成函数.numpy和稀疏矩阵运算包scipy配合使用更加方便. scipy 介绍:SciPy是一款方便.易于使用.专为科学

资料整理: 1.python量化的一个github 代码 2.原理 + python基础 讲解 3.目前发现不错的两个量化交易 学习平台: 聚宽和优矿在量化交易都是在15年线上布局的,聚宽是15年的新web网站,通联是13年成立的数据业务模块 合作方强大一些.都是涉及股票证券期货,优矿在数字货币上只有简单的市值接口 聚宽 文字叙述为主https://www.joinquant.com/ a.初识量化交易  b.量化交易策略基本框架  c.python基本语法与变量 优矿 视频教学 https:/

python量化分析系列之---5行代码实现1秒内获取一次所有股票的实时分笔数据 最近工作太忙了,有一个星期没有更新文章了,本来这一期打算分享一些对龙虎榜数据的分析结果的,现在还没有把数据内的价值很好的发掘出来,留作下一期分享吧,争取挖掘出一些有实际投资参考的结论. 前两篇文章分别简单介绍了tushare这个财经数据接口包的使用,用起来很简单顺手,一两句代码就可以获取到你想的要的数据,但是有在群里经常看到说获取数据经常挂,延迟很严重等等,其实那是因为使用者没有好好去领悟和了解工具.片面两篇文章已

往期回顾 Python实现文件自动归类 前言: 今天我们就利用Python脚本实现Github项目的更新,提醒方式是邮箱.直接开整~ 项目地址: https://github.com/kenwoodjw/python_interview_question 实现过程 获取数据 Github官方提供了详细的数据接口,并且数据是以Json字符串的方式保存的.项目的数据地址: https://api.github.com/repos/kenwoodjw/python_interview_question

https://zhuanlan.zhihu.com/p/26983703?utm_source=wechat_session&utm_medium=social 这个网址上详细介绍了,做量化交易的各类主流的.非主流的编程语言的详细第三方库.每个库名对应一个在github网站上的超链接.想看详情直接点击即可. 为了以后做量化方便查阅,把该网址下对应的Python库进行了总结,并绘制成思维导图,如下 下面附上思维导图的XMIND文件: https://files.cnblogs.com/files

爬虫流程 在上周写完用scrapy爬去知乎用户信息的爬虫之后,github上star个数一下就在公司小组内部排的上名次了,我还信誓旦旦的跟上级吹牛皮说如果再写一个,都不好意思和你再提star了,怕你们伤心.上级不屑的说,那就写一个爬虫爬一爬github,找一找python大牛,公司也正好在找人.临危受命,格外激动,当天就去研究github网站,琢磨怎么解析页面以及爬虫的运行策略.意外的发现github提供了非常nice的API以及文档文档,让我对github的爱已经深入骨髓. 说了这么多废话,讲

Ricequant 量化社区的初衷让各位爱好量化的人士可以碰撞思维,在分享和争辩中学习到有用且实战的量化知识.有赖于各位在社区中贡献满满的干货以及有质量的讨论,从编程入门教学到技术指标再到多因子选股.财务数据分析等,囊括了很多方面的知识. 我在此组织 整理了下社区所发的内容.并分类出来,方便大家更容易找到相应的知识点.此贴会不断地更新 在此感谢很多很多的大大贡献了很多有趣的讨论,由于篇幅原因就不一一列出了.它的成长,有赖于大家的贡献与努力! 下面开始放毒了: Python 入门- Python

最近开始玩股票量化,由于想要做完整的股票回测,因此股票的上市和退市信息就必不可少.因为我们回测的时候必须要知道某一日期沪深股票的成分包含哪些对吧.所以我们要把沪深全部股票的上市时间.退市时间全部都爬下来(保存到本地以后检索会更快). 0.1.确认主要工具 要用到的工具包括: (1)python:基本工具 (2)pandas:格式化数据处理 (3)通联数据接口:http://www.datayes.com (4)通联接口API:https://api.wmcloud.com/docs/pages/

一.量化投资视频学习课程 二.Python手把手教学 第1天:谁来给我讲讲Python? PS: 1.注意使用方法,这个以后都有大用 2.注意符号的使用方式 3.尽量用英文表达 4.本日学习内容以及其他注意事项: 今天学习了Python的基本页面.操作,以及几种主要的容器类型,天还要学习Python的函数.循环和条件.类,然后才算是对Python有一个大致的了解. 一.熟悉基本: 1)基本输入输出: 四则运算 2):导入模块: from math import sqrt sqrt(9) 二.容器

摘抄自知乎:https://www.zhihu.com/question/28557233 如题,提问的范围限于适合中国大陆金融市场使用的工具链,所以IbPy和Quotopian之类主要面向欧美市场的工具不算,zipline这种库可以算.题主知道的一些: 万得的Python API,可以用来获取实时数据.历史数据以及下单交易 优点:万得大而全 缺点:下单交易功能不是事件驱动(例如成交回报需要用户去查询,而不是主推) 同花顺iFinD的Python API,类似万得的API 优点:比万得便宜,同花

一 为什么要分享? 最近碰到了一些人和事,感触挺大的.就是发现很多类似自己的软件工程师,一旦工作三五年之后,工作中算是一个熟练工,但是进步的脚步突然慢了下来,虽然你在工作中仍旧很努力.到底是什么原因呢?反复观察周围的大多数人工作,发现更多的是只会工作中学到的那些知识,很多都没有系统性,导致整体工作水平也是半猜测半实验,基本功底很少是特别扎实的.其实,工作中,很多公司不会对个人的员工做系统化的培训的,只要能解决问题,老板才不在乎你使用什么方法解决的呢.这个就造成了很多职场人,工作了很多年,那么多年

GitHub 给了开发者相当丰富的 API 接口 https://developer.github.com/v3/,包括认证,搜索,活动等接口,但就是没有提供获取 Trending 的接口.因此,需要自己来实现这个api Github地址: https://github.com/ngauerh/GithubTrendingApi (求个star),一下请求方式均为get请求. 获取热门项目 请求地址: http://132.232.132.144:8009/api 请求结果: { "succes

Python date VS(可视化了一下前几名) 查了下Github上星星最多的Python man 或许这就是目标吧 刚刚改了github.

1什么是Gist特征        (1) 一种宏观意义的场景特征描述        (2) 只识别"大街上有一些行人"这个场景,无需知道图像中在那些位置有多少人,或者有其他什么对象.        (3) Gist特征向量可以一定程度表征这种宏观场景特征 GIST定义下列五种对空间包络的描述方法 空间包络名 阐释 自然度(Degree of Naturalness) 场景如果包含高度的水平和垂直线,这表明该场景有明显的人工痕迹,通常自然景象具有纹理区域和起伏的轮廓.所以,边缘具有高度

Python只是一门技术. 一.量化交易的发展 1.国外量化金融领域发展日趋成熟. 2.近几年量化交易在国内掀起热潮. 3.Python作为量化交易的编译语言. 二.什么是量化交易 1.利用计算机强大的运算能力. 2.以数学模型为思维,以历史数据为依据,以数学建模,统计学分析,编程设计为工具. 3.制定大概率获利的交易策略. 三.量化交易的优势. 1.历史数据中发现概率优势作为投资基础. 2.计算机运算能力保证分析广度. 3.克服来自人性中的弱点. 四.量化交易的核心. 无论多么复杂的模型,没有

首先进入github登录页:https://github.com/login 输入账号密码,打开开发者工具,在Network页勾选上Preserve Log(显示持续日志),点击登录,查看Session请求,找到其请求的URL与Form Data.Headers.此时除Cookies与authenticity_token无法直接获得外,其余模拟登录所需参数皆已获得. 我们进入登录页点击登录后,浏览器会向服务器发送这些信息,所以这些信息是在登录页就已设置好的.所以我们在登录页源码中搜索authen

Python: v3.6 Pandas: v0.23.4 使用以下方法计算与国内财经软件显示一致 low_list = df['最低价'].rolling(9, min_periods=9).min() low_list.fillna(value = df['最低价'].expanding().min(), inplace = True) high_list = df['最高价'].rolling(9, min_periods=9).max() high_list.fillna(value =

一 金融专业人士以及对金融感兴趣的业余人士感兴趣的一类就是历史价格进行的技术分析.维基百科中定义如下,金融学中,技术分析是通过对过去市场数据(主要是价格和成交量)的研究预测价格方向的证券分析方法. 下面,我们着重对事后验证过去市场数据的研究,而不是过多低关注对未来股价变动的预测.我们选取的研究目标是标准普尔(S&P)500指数,这是美国股票市场有代表性的指标,包括了许多著名公司的股票,代表着高额的市场资本,而且,该指数也具有高流动性的期货和期权市场. 二 我们将从Web数据来源读取历史指数水平信

# -*- coding: utf-8 -*- # @Author: fangbei # @Date: 2017-08-26 # @Original: price_str = '30.14, 29.58, 26.36, 32.56, 32.82' price_str = price_str.replace(' ', '') #删除空格 price_array = price_str.split(',') #转成数组 date_array = [] date_base = 20170118 '''

https://github.com/taizilongxu/interview_python