- 综合排序
- 最热优先
- 最新优先
- 来自专栏深入浅出区块链技术
Uniswap V2 学习笔记2. 交易算法
本文作者：tony.ho[1] 大家好, 今天继续分享 Uniswap V2 的学习心得, 今天的内容是 Uniswap[2]的交易算法 Uniswap 核心思想 A * B = K 在不考虑手续费的情况下 所以 A 的总供给应该是 20 个, tokenA 和 tokenB 总供给比例是 2:1 因为既然交易者拿了这 10 个 tokenA 来换 ,说明这部分筹码是浮动筹码, 需要进入市场流通的, 理应算入总供给 下面我们学习一下这个交易算法的实现代码 这个算法在两个地方都有实现, 一个是 core/UniswapV2Pair.sol 的 swap 函数: function swap(uint amount0Out 具体代码可以查看 UniswapV2Router02.sol 的 addLiquidityETH() 和 removeLiquidityETH() 函数. swap 交易流程: Router 的 swap fee-on-transfer 的币种, 调用 _swap 改成调用 _swapSupportingFeeOnTransferTokens 函数 OK, 今天的内容基本介绍了 pair 和 router 的交易算法
2.2K20编辑于 2022-05-25 - 来自专栏渔夫
算法-股票交易
如果你最多只允许完成一笔交易（即买入和卖出一支股票），设计一个算法来计算你所能获取的最大利润。 注意你不能在买入股票前卖出股票。
96720发布于 2019-07-31 - 来自专栏信数据得永生
Python 算法交易秘籍（二）
zh.annas-archive.org/md5/010eca9c9f84c67fe4f8eb1d9bd1d316 译者：飞龙 协议：CC BY-NC-SA 4.0 第三章：获取金融数据 拥有便捷的金融数据对于进行算法交易至关重要 拥有这些数据是算法交易的第一步。本文介绍如何获取金融工具列表。 准备工作 确保在 Python 命名空间中有 broker_connection 对象可用。请参考本章的技术要求部分进行设置。 算法交易策略总是在历史数据上进行虚拟执行，以评估其在实际投资前的过去表现。这个过程被称为回测。历史数据对于回测至关重要（在第八章，回测策略中有详细介绍）。 根据算法交易策略的不同，您可能需要较短的蜡烛图间隔或较大的蜡烛图间隔。1 分钟的蜡烛图间隔通常是最小的可用蜡烛图间隔。此示例演示了金融工具一天的历史数据在各种蜡烛图间隔下的情况。 根据您的算法交易策略，您可能需要烛台间隔小或大。1 分钟的烛台间隔通常是最小的可用烛台间隔。 Renko 砖块图案的工作原理如下： 每个烛台仅具有 open 和 close 属性。
1.2K20编辑于 2024-05-11 - 来自专栏信数据得永生
Python 算法交易秘籍（一）
您还将揭示从零开始设计和执行强大的算法交易策略时所面临的挑战。后续章节将带您进行回测、模拟交易，最终进行真实交易，使用您从零开始创建的算法策略。 本书结束时，你将能够通过实现 Python 库来进行算法交易，从而使用 Python 进行算法交易生态系统中的关键任务。 第九章，算法交易 – 回测，介绍了如何使用两个策略编码示例来回测您自己的算法交易策略，其中包括常规订单和挂单。 第十章，算法交易 – 模拟交易，解释了如何在实时市场中使用两个策略编码示例来模拟交易您自己的算法交易策略，其中包括常规订单和挂单。 第十一章，算法交易 – 实盘交易，解释了如何在实时市场和真实资金中使用两个策略编码示例进行真实交易您自己的算法交易策略，其中包括常规订单和挂单。
2.7K50编辑于 2024-05-11 - 来自专栏量化投资与机器学习
算法交易，此篇足矣！
2万字干货：利用深度学习最新前沿预测股价走势 ♥ 机器学习在量化金融领域的误用！ 本期，公众号将对算法交易做一介绍，在后面的几期推文中，我们将展开对算法交易的技术应用、算法结构等进行讲解！ 前言 本文尝试以第三人称的视角解读算法交易。 搭建入门级高频交易系统（架构细节分享） 简而言之，算法交易以编写好的算法为基础来执行，而高频交易主要指特定类型的超快速自动化交易。 智能算法交易系统 ? 2、符号逻辑模型和模糊逻辑模型 符号逻辑是一种推理形式，主要涉及到谓词的评估（诸如“AND”、“OR”和“XOR”之类的逻辑运算符构成的逻辑语句），也可以是“True”或“False”。 2、历史价格变动剧烈否？ 价格是公司股票供需双方博弈的最终结果。分析的目的是预测未来价格的方向。通过唯一对价格的关注，技术分析代表了直观的方法。基本面分析者更关心价格为何如此。
3.6K24发布于 2019-07-15 - 来自专栏大数据文摘
《算法帝国》:被算法和算法交易改变的未来
他总结在交易的变革中，交易所面对的生态变化是：1.开放竞争带来交易所对交易量的绝对追求；2.效率目标压倒一切；3. 技术成为核心竞争力，技术收入占比上升；4. 而中介机构的变革也带来了更多进步：1.谋求强大的消息分发、订单路由能力；2. 谋求优先成交、撮合前置的能力；3.为自营业务和优质客户谋求更高交易效率；4.为市场提供多样化的避险套利交易品种。 而对变革中的投资者，白硕老师分析道：1算法交易订单占比已大大超过手工交易订单，金额上也超过了；2.具有数理及IT背景的投资者崛起于华尔街;3.模型成为核心竞争力，得好模型者得天下;4. 此外，白硕老师还对算法交易的技术生态变革进行了如下分析：变革中的业务：1.有了算法交易的工具，也就有了越来越多、越来越复杂甚至专门为算法交易定制的衍生/组合/结构化产品；2.越来越成熟的风险分析控制工具 变革中的技术生态：1.我们看到无论是系统、资讯、硬件、基础设施还是技术标准，都在围绕算法交易寻找自己的发力点，合力促进一场深刻变革的到来；2.变革围绕三个字：第一是快：追求更高的交易效率，第二是轻：最新推出的交易系统普遍采用更轻便的平台
1.7K50发布于 2018-05-21 - 来自专栏岑玉海
RChain的跨分片交易算法
子分片到父分片交易 向父分片发送消息的总结如下： 1、就发送消息到父分片的决定达成共识 2、validators签名然后把消息发送给父分片 3、消息需要至少k个validators的签名 4、获得k个签名之后 父分片向子分片交易 传输过程如下: 1、就发送消息的决定达成共识 2、子分片的validators作为父分片的客户端，收到了这条消息 3、子分片的validators在子分片的区块链上存储这条消息 4、 1.2 散列锁托管转移（Hash-locked escrow transfer） 爱丽丝和鲍勃要通过代币P来交易货物，他们需要以下的一个交易机制来保证： 1、爱丽丝拥有代币P有效 2、在交易过程当中，代币 在上述的例子当中，从"/a/b"转账给"/d"需要通过图中红色的分片 算法如下： 爱丽丝和鲍伯在不同的任意碎片之间的转移将执行以下算法: Let LCA-A be the depository of Alice's 例子2：子分片到父分片 ? 例子3：任意碎片之间的传递 ? ?
1.3K20发布于 2018-07-05 - 来自专栏公众号：千与编程
LeetCode股票交易类算法题目总结（一次交易，两次交易，无数次交易）
在每一次我把刷算法题中经常遇到的一些算法题解进行整理总结。 要知道，手撕代码，也就是刷算法题的重要性在大厂面试中无可厚非，几乎所有大厂就有手撕代码环节，所以好好练习代码，刷题吧！ 我们第一篇就先聊聊算法题中的——股票交易类算法问题 股票交易题目内容如下： 1.买卖股票的最佳时机（一次交易）： (1) 暴力遍历法： （面试使用此法，容易回去等结果） 对于数组的最优条件的比较问题 买卖股票的最佳时机（两次交易） 与上一道算法题不同之处在与本次股票交易需要进行两次交易所得利润的最大之和，也就是就是在整个的过程中，会有两次“买入卖出”的操作，你需要对两次股票交易所得利润求得计算利润的总和 算法流程： （1）建立一个dp动态规划数组dp[len][i],状态数组中包括五个状态， i=0:不做任何买入与卖出的操作 i=1:第一买入股票 i=2:第一次卖出股票 i=3:第二次买入股票 算法流程： (1)初始化股票交易的最大利润的总值sum=0; (2)比较今天的股票价格与前一天的股票价格，如果今天的股票价格比前一天的股票价格高，则说明可以带来正向收益，可以计算加入正向的最终收益。
1.1K10编辑于 2023-04-28 - 来自专栏区块链开发技术
虚拟币交易平台开发_币币交易_C2C交易_OTC场外交易系统
虚拟币交易平台开发_币币交易_C2C交易_OTC场外交易系统 区块链开发，源中瑞科技专注区块链技术开发，虚拟币交易平台开发。 虚拟币交易平台开发：PC端、移动端、钱包、矿机、虚拟币开发等。 币币交易系统：虚拟币和虚拟币之间的交易，以其中一种资产做计价单位去购买其他币种。币币交易规则是按照价格优先时间优先顺序完成撮合交易。 交易区提供了限价买入卖出，市价买入卖出，等交易对可自由切换，可查看当前委托信息和历史委托信息。 C2C交易：使用法币交易资产，可根据你的需要兑换相应的币种，平台在其中并不接触资金。 交易双方在平台上发布虚拟币买卖资讯， 根据约定线下完成交易，使用法币交易虚拟币，平台不接触资金，交易成功后平台可从中抽取手续费。 源中瑞科技OTC交易系统支持双向交易、买卖自由、安全可靠的OTC场外交易系统，三步完成挂单，五步完成交易，采用这种交易模式可以保证交易双方通过私下协商进行一对一的快速买卖交易。
1.4K50发布于 2019-06-19 - 来自专栏计算机技术-参与活动
P2TR（Taproot 交易）和Musig2
整体内容全面，步骤清晰，非常适合读者学习和参考目录P2TR（Taproot 交易）和Musig2P2TR（Taproot 交易）Musig2总结P2TR（Taproot 交易）和Musig2都是比特币和区块链技术中的先进功能 以下是两者的区别及举例说明：P2TR（Taproot 交易） 定义： P2TR是一种比特币交易类型，旨在提高交易的隐私性和效率。 Musig2 定义： Musig2是一种多签名方案，旨在提高比特币交易的安全性、隐私性和效率。它允许多个用户共同签署一个交易，而无需暴露他们的私钥或签名。 这个完整的签名可以用来验证交易的合法性，而不会暴露任何参与者的私钥或签名。 总结P2TR主要关注于提高交易的隐私性和效率，通过隐藏复杂的脚本逻辑和减少交易数据的大小来实现。 它适用于需要保护交易隐私和降低交易费用的场景。Musig2则主要关注于提高多签名交易的安全性、隐私性和效率。它允许多个用户共同签署交易而无需暴露私钥或签名，从而保护了参与者的隐私和安全。
28321编辑于 2024-11-23 - 来自专栏区块链开发技术
币币交易+C2C场外交易平台开发
币币交易+C2C场外交易平台开发技术服务 虚拟币交易平台通俗的讲就是用来交易虚拟币的网上平台。获得虚拟币后，可以在虚拟币交易平台里进行买卖交易。 （1）交易品种多，公认区块链资产的都可在此进行交易； （2）是相对的，不挂牌，自由协商的价格； （3）是抽象的，没有固定的场所和时间。 （1）交易品种多，公认区块链资产的都可在此进行交易； （2）即时成交，运用撮合交易，遵循价格优先时间优先，系统自动成交； （3）支持多币对行情拓展，打造极速快捷交易体验。 （4）买卖操作方便，智能。 2、安全中心：实名认证、修改/重置登录密码、设置/修改/重置资金密码、资金密码安全设置、开启/关闭谷歌双重认证、谷歌双重认证安全设置。 3、资产管理：我的资金、充值提现、资金记录。 另外其他的功能根据客户项目需要来确定，源中瑞开发虚拟币交易平台优势可根据客户需求做出相应的系统，提供定制开发。 虚拟币交易平台模式有：OTC、币币交易、C2C场外、限价、市价、量化、合约等。
1.1K30发布于 2019-06-18 - 来自专栏区块链应用开发公司
币币交易系统开发，交易所开发，c2c交易平台开发
币币交易系统主要是针对数字资产和数字资产之间的交易，以其中一种币作为计价单位去购买其他币种 。币币交易系统规则同样是按照价格优先时间优先顺序完成撮合交易。 但币币交易不涉及任何的法币，只是币与币之间的兑换从而平台也不会有任何的风险存在。因此，币币交易系统也就成为了现在数字资产交易市场两大模式中的其中一种。 币币交易系统开发它的操作流程分为两种情况： 1、有币，用户首先去币币交易系统中注册账号设置密码；其次通过钱包地址，将币充到平台；然后选择交易区进行交易，这里的交易区就分为了市价，限价和止盈止损等等；最后完成交易 2、没币，这种情况用户首先需要去c2c或者otc平台进行线下转账的方式购买币，然后就按照上述的流程下去。 币币交易系统开发的流程主要就分为这两种情况。说了这么多，币币交易系统到底有什么优势呢？ 除此之外，币币交易系统开发符合现在市场的情况，得到了很多用户的认可，因此币币交易系统开发也就成为了现在企业的首选模式。 币币交易系统开发，数字资产交易所开发，c2c交易平台开发
1.4K20发布于 2018-09-27 - 来自专栏量化投资与机器学习
算法交易系统架构，此篇足矣！
2、制定交易策略——指定新的交易规则和策略。交易规则由一个指标、一个不等式和一个数值组成，例如“市盈率”<10。交易规则被构造成一个决策树，以定义一个交易策略（如下图所示）。 ? 在“创建交易指令”的最高级别要求之下，有两个高级别要求： 1、获取交易信息——对于每个决策，获取证券代码、价格、数量等。 2、创建交易指令——对于每个决策，指定指令类型并添加交易信息。 2、性能——系统完成的工作量与完成该项工作所需的时间和资源之比。算法交易系统应具有快速响应时间（回馈市场）以及高处理和网络吞吐量。 3、可修改性——是指系统易于更改。 2、基于空间的架构——指定一种基础结构，其中松散耦合的处理单元称为空间的共享关联内存与另一个主体相互交互。 ? 架构概念视图 结构视图 架构的结构视图显示了算法交易系统的组件和子组件。 一般来说，算法交易系统由于三个因素而变得复杂，每个实现方式各不相同： 1、依赖外部企业和交换系统 2、挑战非功能性要求以及 3、不断发展的架构约束 因此，为了满足特定的组织和监管要求，以及克服区域约束，
5.2K31发布于 2019-07-23 - 来自专栏机器学习AI算法工程
将机器学习用到算法交易中
实例三：强化学习与算法交易 最后，跟大家分享一个强化学习与算法交易的案例。 强化学习，也是和刚刚所看到的，朴素贝叶斯分类器非常不同的技术。 是关于算法交易的，它的目的很简单。就是假设我希望在H这个时间段内，比如说五分钟内，卖出V股，某个公司的股票，我应该怎么操作？具体怎么下单，比如说我一次卖多少股，以多少价格，多久的时候再买一次。 比如说对于系统，能够返回的信息，包含着两个部分，如果一个机器在算法交易过程中，随时会看自己还剩多少时间，还剩多少股票需要卖。 类似于一个交易员，每次做了判断之后就记下来，比如当我某一次还剩2分钟，卖了500股，当时的市场情况是这样，我收益多少。不停的学习，两年后我可能对每个数字、每个变化都比较精确了。 结果是这样，基准就是刚刚提到的朴素贝叶斯分类器的方法，如果我要卖两千股五分钟，一上来就提交一个现价单，比如说25.5块，2千股，到了两分钟过来看，全部没卖都以市场价成交。
1.3K80发布于 2018-03-13 - 来自专栏AI科技大本营的专栏
实战：基于技术分析的Python算法交易
datetime.strptime(start_date, '%Y-%m-%d') prior_to_start_date_dt = start_date_dt - relativedelta(days=2 ，计算起始日期，以使投资者能在2016年的第一个交易日制定交易决策。 MA_PERIODS, frequency="1d") ma = price_history.mean() # cross up if (price_history[-2] 我们还对每一次交易做了标注，即在记号之后的第一个交易日执行此笔交易。 ? 若每周有6个工作日，这三个参数分别对应2个星期、1个月、1.5个星期。 必须记住一点，由于 MACD 是基于移动平均方法进行计算的，因此它是一种滞后指标。
2.2K22发布于 2019-11-14 - 来自专栏嘘、小点声
股市技术面操作的量化交易--量化交易2-投资方法
通常，我们认为人们是“风险厌恶”的，并构造如下形式的效用函数来代表投资者的投资偏好： U®=E®- 1/2 Aσ^2 ® 其中E®表示投资组合的预期收益率，σ^2 ®表示投资组合的方差； 预期收益率越高 资产组合 假设有两种资产E_1和E_2，其预期收益率和方差分别为r_1、σ_1^2和r_2、σ_2^2,收益率相关系数为ρ。另有，r_1<r_2、〖0<σ〗_1<σ_2。 如果同时投资于两种资产，权重分别为w_1、1-w_1， 则组合的期望收益率和方差可表示为： r=w_1 r_1+(1-w_1)r_2 σ^2= w_1^2 σ_1^2+〖(1-w_1)〗^2 σ_2^2 +2w_1 (1-w_1)ρσ_1 σ_2 容易证明,当且仅当ρ=1时资产组合标准差与预期收益呈线性关系。 由于ρ的取值范围在-1和1之间，因此通常情况下σ^2= w_1^2 σ_1^2+〖(1-w_1)〗^2 σ_1^2+2w_1 (1-w_1 )ρσ_1 σ_2<〖(w_1 σ_1+(1-w_1 )σ_2
1.2K20发布于 2020-11-24 - 来自专栏数商云贸
B2B撮合交易平台：重构撮合交易系统链接本质
B2B无按钮.png B2B供应链系统开发服务商【数商云】从B2B行业企业服务的撮合交易平台系统商业模式进行分析总结，包括：撮合交易的产生与应用场景、撮合交易的用户定位与盈利模型、如何从撮合交易中保持竞争优势以及更为系统的企业服务模式的未来 一、B2B撮合交易平台的定义 撮合交易平台又作撮和，是指在多方交易中，存在中间一方将多方的信息集中起来，然后将信息进行匹配，以便达到多方对信息的需求。 B2B撮合交易平台解决了交易的快速达成，人工是最低效的方式，人工加系统的方式是更进一步的，股票和期货的电子化交易，是最高级的交易撮合形式。 找钢网的很多投资人曾经得出结论说，大宗商品的B2B撮合交易平台逻辑成立的前提之一是上游产能过剩，其实这不是问题的本质。一个理想的B2B撮合交易平台，上下游的分散才是最关键的，这样才便于形成平台的势能。 而以此来得出判断，B2B撮合交易平台必须是在一个产能过剩的行业出现，显然是不全面的。客观的来讲，找钢网模式开创了一个时代，引领了创投领域对B2B撮合交易平台模式的关注和思考。风潮来临，泥沙俱下。
1.7K40发布于 2019-10-28 - 来自专栏技术总结
算法（2）
有两个算法 A 和 B ，假设两个算法的输入规模都是 n，算法 A 要做 2n+3 次操作，算法 B 要做 3n+1 次操作。觉得谁快？看下图： ? 而当 n = 2 时，两者效率相同；当 n > 2时，算法 A 就开始优于算法 B 了，随着 n 的增加， 算法 A 比算法 B 越来越好了，得出结论，算法 A 好过 算法 B 判断一个算法的效率时，函数中的常数和其他次要项常常可以忽略 2、在修改后的运行次数函数中，只保留最高阶项。 3、如果最高阶项存在且不是1，则去除与这个项相乘的常数，得到的结果就是大O阶 3、常数阶 高斯算法，时间复杂度不是O(3)，而是O(1)。 //第二种算法 int sum = 0, n = 100; /*执行1次*/ sum = (1 + n) * n/2; /*执行1次*/ printf( 也就是说，有多少个2相乘后大于n,则会退出循环。由2× = n ，得到 x = ㏒2n (2缩小)。所以这个循环的时间复杂度为O(㏒n)。
1.2K90发布于 2018-05-22 - 来自专栏量化投资与机器学习
【精选】神经网络应用于算法交易
基于技术分析的投资策略 但这种交易策略有一个主要的缺陷：在震荡行情中，策略没有过多的触及信号并交易，这样我们也很难赚到钱。 那我们怎么应用机器学习去改善呢？ 它非常类似于L2正则化，数学解释如下：（http://www.deeplearningbook.org/） 我们在2012年至2016年间以AAPL的价格训练我们的网络，在2016-2017年进行样本外测试 训练网络后，我们绘制收盘价，均线和垂直线的交叉点：红色线和橙色线代表我们要交易的点。绿色线代表我们不去交易的点。 我们可以看到，策略减少了2次交易，并帮助我们减少了第一个drawdown，最终提高了几乎两倍的回报！ 2、除了收盘价，波动收益率，偏度等，尝试着预测其他特征。 3、如果有不同的数据源，请使用多模态学习。 4、不要忘记找到正确的超参数！ 5、编写一个可以混合一些经典机器学习的策略！
1.4K120发布于 2018-01-30 - 来自专栏数据STUDIO
基于机器学习分类算法设计股市交易策略
本文将使用最简单的KNN算法，基于真实的股票数据集来制定交易策略，并计算它所带来的收益。 使用分类算法制定交易策略 接下来，我们就使用上一步中定义的函数来处理下载好的股票数据，生成训练集与验证集，并训练一个简单的模型，以执行我们的交易策略。 现在就使用 KNN 算法来进行模型的训练，并查看模型的性能。 接下来我们再定义一个函数，计算基于KNN模型预测的交易信号所进行的策略交易带来的收益。 split_value:]['Strategy_Return'].cumsum()*100 #将计算结果进行返回 return cum_strategy_return 定义完上面的西数之后，我们就可以很快计算出算法模型所带来的累计收益了
1.5K30编辑于 2022-04-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号