- 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）
原文：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。 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）。 例如，一个交易日的时间戳看起来像是上午 9:15、9:16、9:17、9:18 等等，对于 1 分钟的蜡烛间隔，每个时间戳都是在 1 分钟的间隔内等距分布的。 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。
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！
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 ? 算法交易系统可以用一个简单的框架图来理解，如上图所示，算法交易由四部分组成，包括数据程序、策略程序、交易执行程序和监督程序，分别和上述定义一一对应。
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
图灵公司出版的《算法帝国》一书中介绍，2000年，华尔街通过计算机程序交易的比率不足美国股市交易量的10%；2008年上半年，自动化电子交易占了全美股市交易量的60%；现在，华尔街70%以上的交易依靠所谓的黑盒子或者算法交易 上海证券交易所CTO白硕，从算法和算法交易的角度探究算法如何改变未来并统治世界，以及算法交易在中国引发的技术生态变革。 ❶【陈熙霖】改变未来的算法 中科院计算所研究员、中国计算机学会副秘书长陈熙霖首先引领大家“用算法来看世界”，他将抽象的算法与日常生活紧密联系在一起，对隐匿在世界运行表象背后的9大算法进行了生动剖析。 算法交易的催化剂是共同市场的兴起，跨市场、跨品种的瞬间盈利机会，人已经没有办法抓住，只有算法交易才能抓住。业务上出现越来越复杂的关联，不用算法交易也很难把握。 前德意志银行美国科技战略副总裁蔡凯龙先生，提出德意志银行曾准备在芝加哥到纽约之间架设微波通信，耗资上亿美元，就是为了把交易时间从14毫秒减到9毫秒。
1.7K50发布于 2018-05-21 - 来自专栏岑玉海
RChain的跨分片交易算法
在以太坊的第一期的分片计划当中是没有跨分片交易的，交易只能存在于同一个分片的账户之间，也就是不能跨行转账。 那如何实现跨行转账呢？ 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 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 ? 这个通知还包括了执行这个交易需要的key transaction-finalised(key=K) 当这笔交易已经完成之后通知双方。 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
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 ，最容易想到的就是暴力法，所谓暴力法就是对所有的股票买入与卖出交易情况进行枚举，依次进行逐一的交易利润的计算与统计，比较出来最大的交易利润。 ） 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)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 - 来自专栏大数据和云计算技术
算法基础9：散列表
算法是基础，小蓝同学准备些总结一系列算法分享给大家，这是第9篇《散列表》，非常赞！希望对大家有帮助，大家会喜欢！ 前面系列文章： 归并排序 #算法基础#选择和插入排序 由快速排序到分治思想 算法基础：优先队列 二分查找 二叉树查找 平衡查找树概述 平衡树之红黑树 散列表是我们比较简单的一种查找算法，是用这种建议方法的扩展并能够处理更加复杂的类型的键 使用散列表的查找算法分为两步 第一步用散列函数将被查找的键转化为数组的一个索引。理想情况下，不同的键都可以变为不同的索引，但有时有特殊情况，这就涉及到我们的第二步处理碰撞冲突的过程。 一、散列函数键值转换 散列算法有很多种实现，在java中没中类型都需要相应的散列函数，例如;在正整数 最常用的是除留余数法（k%M）。 三、应用 散列表的应用是使用最广泛的算法之一 信息安全领域： Hash算法 可用作加密算法。
95820发布于 2018-07-26 - 来自专栏乐行僧的博客
9-选择排序算法
注意点： 不稳定的排序算法 代码： #include <stdio.h> typedef int bool; #define true 1 #define false 0 void swap(int swap(&a[minIndex], &a[i]); } } } int main() { int a[] = {3, 1, 2, 4, 7, 0, 5, 8, 6, 9}
17840编辑于 2022-02-25 - 来自专栏算法工程师之路
每日算法题：Day 9
作者：TeddyZhang，公众号：算法工程师之路 Day 9, Python知识点走起~ 1 编程题 【剑指Offer】树的子结构 输入两棵二叉树A，B，判断B是不是A的子结构。 struct TreeNode *right; 6 TreeNode(int x) : 7 val(x), left(NULL), right(NULL) { 8 } 9} 二叉树的镜像定义：源二叉树 8 / \ 6 10 / \ / \ 5 7 9 11 镜像二叉树 8 / \ 10 6 / \ / \ 11 9 7 5 思路： 这个使用递归的思路就很简单，一般二叉树用递归的方法很多，比如二叉树的遍历也可以使用递归的方法。 struct TreeNode *right; 6 TreeNode(int x) : 7 val(x), left(NULL), right(NULL) { 8 } 9}
52120发布于 2019-08-13 - 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！
本篇推文将分三个部分由浅到深，为大家介绍算法交易系统架构的细节： 算法交易系统概述 算法交易系统要求（重点） 算法交易系统架构（超重点） 第一部分：算法交易系统概述 算法交易是使用计算机算法自动做出交易决策 算法交易系统最好使用由三个组件组成的简单概念架构来理解，这些组件处理算法交易系统的不同方面，即数据处理程序、策略处理程序和交易执行处理程序。这些组件与上述算法交易的定义一一映射。 第二部分：算法交易系统要求 算法交易系统（ATs）使用计算算法制定交易决策，提交指令，并在提交后管理指令。近年来，算法交易系统越来越受欢迎，目前已占据通过国际交易所进行的大部分交易。 算法交易作为一种服务（ATAAS）使散户投资者可以使用算法交易。本部分描述了专有的的买方机构使用算法交易系统的架构要求。 第三部分：算法交易系统架构 前面两部分我们介绍了智能算法交易系统的概念，以及生产算法交易系统的功能性和非功能性要求。
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
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。 ? 最常见的参数配置为 MACD(12, 26, 9)，也是本文所采用的配置。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。 price", bar_count=34, frequency="1d") macd, macdsignal, macdhist = ta.MACD(price_history, 12, 26, 9)
2.2K22发布于 2019-11-14 - 来自专栏Unity3D
☆打卡算法☆LeetCode 9、判断回文数 算法解析
一、题目 1、算法题目 “判断给定的整数是否是一个回文数。”
62740编辑于 2022-08-07 - 来自专栏华章科技
9种深度学习算法简介
导读：从算法处理的流程来划分，基于深度学习的目标检测算法可分为两阶段（Two-Stage）算法和一阶段（One-Stage）算法，两阶段算法需要先进行候选框的筛选，然后判断候选框是否框中了待检测目标，并对目标的位置进行修正 R-CNN算法 2014年，R. Girshick等人提出了R-CNN算法。 在VOC2007数据集上，R-CNN算法相比之前的检测算法，在性能有了显著的提升（从33.7%提升到58.5%），是检测算法的一个里程碑式的突破。 Faster R-CNN算法 2015年，S. Ren等人提出了Faster R-CNN算法，Faster R-CNN是第一个端到端算法，也是第一个接近实时深度学习的目标检测算法。 02 一阶段算法 一阶段算法和两阶段算法最主要的区别，就是没有单独的候选框筛选阶段，而是直接回归目标的位置坐标和分类概率。常用的一阶段算法如下。 1. YOLO算法 2015年，R.
5.6K20编辑于 2022-01-20 - 来自专栏惊羽-布壳儿
算法练习(9) - TwoSum问题变换
题目 有一个数组[1,2,5,7,8,8,9,4,4,6]，求元素 m+n = 12 的组合，将所有的 m n 组合下标打印出来，需要过滤下标重复的组合，例如 4,7 7,4 是重复组合；时间复杂度需要是 public class TwoSumTest { @Test public void twoSum_test() { int[] arr = {1,2,5,7,8,8,9,4,4,6
28510编辑于 2022-06-15 - 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。 1.66%’), (‘Sharpe Ratio’, ‘16.27’), (‘Max Drawdown’, ‘2.28%’), (‘Drawdown Duration’, ‘204’)] Signals: 9 Orders: 9 Fills: 9 我们将如何使用“红色”和“橙色”交易信号，并跳过绿色。 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！
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。 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。 在下图中，我将绿色标记为良好的预测，将黑色预测为错误的预测： 9、量化交易Python代码 完整的Python代码如下： # Raw Package import numpy as np import 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 - 来自专栏决策智能与机器学习
算法集锦（9）|自动驾驶|道路图像增强算法
因此，在训练自动驾驶算法时，需要一些特殊的图像增强处理。 为了更有效的训练汽车的CNN网络，本文提供了一个可模拟各种气候及环境的图像增强算法-Automold。该算法基于python的Numpy和OpenCV库开发，可以将图像转换至各种气候环境及季节。 Exception(err_snow_coeff) 6 else: 7 snow_coeff=random.uniform(0,1) 8 snow_coeff*=255/2 9 (err_brightness_coeff) 6 if(is_list(image)): 7 image_RGB=[] 8 image_list=image 9 添加季节 Automold库提供了一种便捷的方式，可以对图像随机添加增强效果，而不需要繁琐的去指定增强类型，使得该算法可以很好的嵌入到自动驾驶的CNN网络训练中。
1.6K30发布于 2020-08-04
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