- 综合排序
- 最热优先
- 最新优先
- 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。 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。 每一章都介绍算法交易中的一个新概念，并逐步引导您从零到高手。本书可以帮助您在使用 Python 进行算法交易方面建立坚实的基础。 您需要在计算机上安装最新版本的 Python 3。
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！
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。 把算法这个词拆开——“算法”和“交易”，这里的交易是指在资本市场上的买卖行为，而算法是个专业术语。如果你已经知道算法的含义，那下面一段可以跳过。 George Box 算法交易和自动化交易的差异 自动化交易往往和算法交易混淆，前者是完全自动化的交易过程，买入卖出完全由计算机编程决定，即整个指令是自动创建、提交（给市场）并被执行。 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 ? 3、决策树模型 决策树与规则归纳法类似，只不过规则以树形图的形式存在（通常为二叉树）。在计算机科学中，二叉树是一种树形数据结构，每个节点有两个子节点，也叫左子节点和右子节点。
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. 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。有一种是超短线的，市场间、品种间瞬时出现赚钱的机会，就看谁快。 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. ，包括复杂的理论定价模型；3. 特别是20多年前的算法交易或自动交易还很少，不到10%，可现在已经超过60%，而且还在快速增加，T3、T1，1/8、1/16的限制也早没了。
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、 P在爱丽丝的账户金额当中锁定，并且不能被其他交易使用 3、当得到了K次确认之后，交易执行成功 4、交易被取消的话，如果时间少于T，则代币会归还到爱丽丝的账户当中 ? 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）
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 ） 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 + prices[i]); } return dp[prices.length - 1][4]; } } 3.买卖股票的最佳时机（无数次交易） 本题相比于前面的两道题目来说 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Keegan小钢
剖析DeFi交易产品之UniswapV3：交易路由合约
SwapRouter 合约封装了面向用户的交易接口，但不再像 UniswapV2Router 一样根据不同交易场景拆分为了那么多函数，UniswapV3 的 SwapRouter 核心就只有 4 个交易函数 在这个函数里，我们可以看出并没有支付 token 的功能，但前面讲解 UniswapV3Pool 时已经了解到，支付是在回调函数 uniswapV3SwapCallback 里完成的。 因为是指定的输出数额，所以调用底层的 swap 函数时，第三个传参转为了负数，这也是前面讲解 UniswapV3Pool 的 swap 函数时讲过的，当指定的交易数额是输出的数额时，则需传负数。 寻找最优路径的算法也是和 UniswapV2 一样的思路。 但在整个流程中，其实还是进行了遍历路径的多次交易的，只是这个流程完成得比较隐晦。其关键其实是在 uniswapV3SwapCallback 回调函数里，后面我们会说到。
91020编辑于 2023-11-13 - 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！
3、根据交易策略分析证券——对于每种证券，获取数据并通过交易策略对其进行过滤，以确定将要购买哪只证券。另外：对于每个未结头寸，决定出售哪只证券。注：此要求可能有所不同。 2、发送/提交指令——将每个指令发送到交易所或券商。 3、管理已提交的指令——跟踪每个已提交指令的状态，如果指令匹配，则创建未结头寸。如果指令不匹配则停止该指令。 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。算法交易系统应具有易于修改的交易策略和数据处理功能。 3、各个处理单元——支持内存中队列和复杂事件处理（在时态数据上）。 4、存储区域网络（SAN）——支持时态数据聚合，连续查询和记录（用于审计跟踪）。 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。 有经验的交易员，会不断优化下端的交易数量的价格。那么，有没有办法让计算机就像交易员一样，通过不断的操作获取经验，能够完成一个优秀的拆单方法呢？ 这个跟强化学习的目的比较类似。 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。 亚马逊，英伟达和高通，选了一年数据训练这个机器的交易员。训练结束后，用剩下六个月来测试这个交易员的执行效果。 ?
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
Technical Analysis）来创建交易策略。 请一定记住一点，没有任何交易决策会发生在回测期的起始时间之前。 然而，这笔交易是次日执行的，价格可能会发生大幅变化。在 zipline 中，交易不会因为金额不足而被拒，但我们可以通过负的余额将其终止。 ，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。 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。 ?
2.2K22发布于 2019-11-14 - 来自专栏技术总结
算法（3）
上两篇： 算法（1） 算法（2） 一、常见的时间复杂度 常用的时间复杂度.png 二、最坏情况和平均情况 最坏情况运行时间是一种保证，那就是运行时间将不会再坏了 平均时间是所有情况中最有意义的 对算法的分析，一种方法是计算所有情况的平均值，这种时间复杂度的计算方法称为时间复杂度。另一种方法是计算最坏情况下的时间复杂度，这种方法称为最坏时间时间复杂度。 三、算法空间复杂度 算法的空间复杂度通过计算算法所需的存储空间实现，算法空间复杂度的计算公式记作：S(n) = O(f(n))，其中，n为问题的规模，f(n)为语句关于n所占存储空间的函数. 结尾语： 很多学生，学了四年计算机专业，很多程序员，做了很长时间的编程工作，却始终都弄不明白算法的时间复杂度的估算，这是很可悲的一件事。 算法的重要
74970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？ 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！ 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！ 量化投资与机器学习公众号联合机械工业出版社送出3本《深度学习与计算机视觉》 西门子高级研究员田疆博士作序力荐！Google软件工程师吕佳楠力、英伟达高级工程师华远志、理光软件研究院研究员钟诚博士力荐！
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。 输入代码如下： #下面使用我们定义好的西数来获取交易数据 #获取三年的数据，从2017年3月9日至2020年的3月5日 #保存为名为601318的pickle文件 zgpa = load_stock(start_date 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。
1.5K30编辑于 2022-04-11 - 来自专栏用户5687508的专栏
数字货币量化交易之黄金指标算法【Python】
在这个教程中，我们将学习如何利用交叉指标预测加密货币市场的买入/卖出信号，并在教程结尾提供了完整的Python代码，在市场历史数据上利用此算法可以实现三倍的比特币收益回报率。 ，例如： pip install yfinance pip install plotly 3、数据管道和建模 现在我们可以定义数据处理流程了，主要包含3个不同的步骤： 使用Yahoo Finance 调用Yahoo Finance API时需要按顺序传入三个参数： 交易对代码（1） 开始日期+结束日期或期间（2） 间隔（3） 在我们的示例中，交易对代码（参数1）将为BTC-USD对。 7、算法实现 现在，我们的实时数据已经下载并存储在名为data的变量中。下一步包括计算我们的移动平均线 并设置买入和卖出信号。 利用已有的历史数据进行简单计算后，我们的算法可以在一周内获得7.1％的回报，而同期的比特币交易回报率则稳定在1.7％左右。 ---- 原文链接：基于交叉指标的加密货币量化交易 — 汇智网
4.5K30发布于 2021-05-10 - 来自专栏深入浅出区块链技术
使用Web3.py模式：解析签名交易
本文作者：一个程序猿[1] 在一小部分用例中，你可能需要对尚未包含在区块中的签名交易进行解码。例如，MEV 协议与独立于主交易池的签名交易集一起工作时。 from web3 import Web3, HTTPProvider w3 = Web3(HTTPProvider('...')) - 解析签名交易 本文编写时， Web3.py 中并没有一个专用 API 来解析的未打包签名交易，但这个功能可以通过py-evm[3]和eth-utils[4]库里的实用工具来构建。 升级后仍然兼容旧的交易，但是类型化交易的交易哈希第一字节是一个特定范围的值。 ' # 2) 把十六进制的签名数据转换为 bytes: signed_tx_as_bytes = to_bytes(hexstr=original_hexstr) # 3) 反序列化交易 decoded_tx
1.4K20编辑于 2022-11-07 - 来自专栏code人生
Web3.js常用API：发送交易
每次交易被成功地打包进区块后，从该地址发出交易的nonce就会增加。防止同一笔交易因意外导致执行多次。 ，不足会导致交易回滚 web3.eth.sendTransaction(transaction).then(console.log); 2. 发送原始交易 import { Web3 } from 'web3'; const web3 = new Web3('https://ethereum-sepolia.publicnode.com') gas:', gas) rawTransaction.gas = gas // 使用私钥对交易进行签名 const signedTransaction = await web3.eth.accounts.signTransaction (rawTransaction, account.privateKey); // 发送交易 const txReceipt = await web3.eth.sendSignedTransaction(
88610编辑于 2024-05-09 - 来自专栏量化投资与机器学习
吐血干货 | 量化、算法、机器学习交易书单完整目录
这是一个很长的书单（100本+） “You wont become an algorithmic genius savant extraordinaire philanthropist billion
1.4K10发布于 2019-05-14 - 来自专栏深入浅出区块链技术
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 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 , avoids stack too deep errors uint balance0Adjusted = balance0.mul(1000).sub(amount0In.mul(3) 如果 path 路径中存在 fee-on-transfer 的代币 (前面 9 个 swapXXX 的后 3 个,) 则是通过调用 _swapSupportingFeeOnTransferTokens 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 - 来自专栏区块链入门
【安全】Fomo3D死亡3分钟的交易攻击
3. Fomo3D的3分钟交易攻击过程 从Eetherscan去看看最后的30秒究竟发生了什么。 ）；3分钟后，2点51分，下一笔Fomo3D交易产生，区块高度6191909，但这笔交易来的太迟，永远错过了Fomo3D第一轮的竞争。 接下来，区块6191904，该区块一共只打包了3笔交易，全部来自0x18e；区块6191905中，全部7笔交易中的3笔；区块6191906中，全部的3笔交易。 而所有与Fomo3D有关的交易，同以太坊上其他的交易一起，被留在了交易池排队等候。 3分钟很短，但足够结束一个以30秒为倒计时的游戏。 它算准在最后的时刻出击，用极高的gas单价被选中进入区块打包（单个交易，gas费551美金），它也是整个死亡3分钟内唯一闯入区块打包环节的Fomo3D交易（区块6191907）。
1.2K40发布于 2018-09-26
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