- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法之名
量化交易
针对可交易的投资商品，理性地运用逻辑分析和回归统计判断市场趋势称为量化交易。 量化策略 量化策略就是赚钱"因子"，可以分为基本面和技术面。 账户', '密码') # 获取深交所(XSHE)股票代码为000001的在2024年的股票数据(开盘价和收盘价) df = get_price('000001.XSHE', count=2,
62410编辑于 2024-08-21 - 来自专栏小明的博客
量化交易
量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号 如何得到一条稳步上升的资金曲线 强壮稳定的投资逻辑:基于对交易市场的了解和市场的特性的认识提出各种假设，构建投资逻辑。 多资产多策略配置: 对冲风险更高收益 技术信息理论的三大假设 市场行为包容消化一切信息 市场运行以趋势方式演变 历史会重演（我们可以通过历史数据来推断未来走势 绩效评估指标 绩效指标也被称为风险指标，它们也是量化投资的基石
2.8K20编辑于 2022-09-06 - 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 - 来自专栏算法之名
量化交易(二)
接量化交易 回测框架 这里我们使用PyAlgoTrade框架. pip install pyalgotrade pip install pyalgotrade_tushare 定义数据与策略 from 000001 2019 to histdata/000001-2019-tushare.csv 本接口即将停止更新，请尽快使用Pro版接口：https://tushare.pro/document/2 000001 2020 to histdata/000001-2020-tushare.csv 本接口即将停止更新，请尽快使用Pro版接口：https://tushare.pro/document/2 000001 2021 to histdata/000001-2021-tushare.csv 本接口即将停止更新，请尽快使用Pro版接口：https://tushare.pro/document/2 模拟交易与回测 from pyalgotrade import strategy from pyalgotrade_tushare import tools, barfeed from pyalgotrade.technical
39010编辑于 2024-09-01 - 来自专栏刘笑江的专栏
量化交易笔记
URL BigQuant 量化指标 URL
1.3K20发布于 2018-10-09 - 来自专栏子晓AI量化
【量化交易】量化交易之止盈止损策略
比如今年3、4月份 我当初刚学炒股用这种比较多 2. 时间止损：对抗“时间成本”的利器 原理：若持仓时间超过预设周期（如1周）且未达预期收益，则强制平仓。 数学逻辑： 举例：交易者常设定“尾盘清仓”规则，规避隔夜跳空风险。 对于部分中线持仓股我个人喜欢这样用， 比如持仓到周五，规避周末的不确定性。 3. 比如今年春节2月份那波趋势行情。 对于短线操作，比如未达涨停但持续走强的标的，可叠加分时均线偏离度监控——当股价偏离分时均线超过预设阈值时，即使未触发涨停也提前锁定利润。 公式： （K为风险系数，通常取2-3） 举例：某股票平时的ATR相对稳定， 那么比较适合一些同学对某些钟爱的个股来回做T， 类似网格交易。 量化交易通过程序化执行，将“截断亏损，让利润奔跑”的理念转化为可复制的策略。正如华尔街名言所述：“市场会奖励理性，但会惩罚每一个心存侥幸的人。”掌握科学的止盈止损方法，正是迈向稳定盈利的第一步。
1.6K10编辑于 2026-04-23 - 来自专栏毛利学Python
量化交易 平台介绍
平台介绍 概述 RiceQuant 是一个云端的框架, 可以帮助我们随时, 随地的开发袭击的交易策略, 验证资金的投资思路. 策略页面的样子: 各个区块的功能: 如何完成一个策略 选择策略的运行信息: 选择运行区间和初始资金- 选择回测频率- 选择股票池 编写策略的逻辑: 获取股票行情, 基本面数据- 选择哪些股票, 以及交易时间 做股票量化选择日回测即可 策略主体运行流程分析 在 init 方法中实现策略初始化逻辑 策略的股票池: 在那些股票中进行交易判断 (例如: HS300) 在 before_trading 方法中进行一些每日看盘之前的操作 在 handle_bar 方法中实现策略具体逻辑, 包括交易型号的产生, 订单的创建. handle_ bar 内的逻辑会在每次 bar 数据更新的时候被触发.
1.5K10编辑于 2022-09-22 - 来自专栏算法之名
商品期货量化交易
def main(): exchange.SetContractType('rb888') # 获取两分钟K线数据 Log(exchange.GetRecords(60 * 2) ，买入平空仓 exchange.SetDirection('closesell') # 以卖1价格买入1手 id2 = exchange.Buy (ticker['Sell'], 1) Log('买入平空仓', id2) Log('当前持仓', exchange.GetPosition()) 如果后续市场走势与你的预期不同，价格出现上涨或者你认为价格不会再继续下跌时，为了结束这笔空头交易，就需要进行买入平空仓操作。每个期货合约都有具体的到期日。 但如果临近到期日仍未平仓，交易所可能会根据规定采取强制平仓等措施。
83910编辑于 2024-09-04 - 来自专栏全栈程序员必看
拆解量化交易模型
量化交易看起来似乎就是用机器炒股，没什么大惊小怪的。但是我们拆解开量化交易的模型，您就知道其中的奥秘了。 首先是输入环节： 假如你是量化交易建模师。 估值类因子 1、预测最近年度每股股利 2、未来12个月预测净利润 3、每股收益 4、营业收入 5、经营活动产生的现金流 6、股东权益 成长类因子 1、单季度利润同比增长率 2、 单季度营业收入同比增长率 质量类因子 1、净利润/股东权益合计 2、净利润/资产总计 3、非流动负债/股东权益合计 4、流动资产/流动负 流动性因子 1、最近一个月的日均换手率 2、 最后一步是结果输出 1、买入信号 2、卖出信号 3、交易费用 4、收益 程序走到了这一步其实就是出了操作结果。这里需要注意的是量化交易，区分高频、中频、低频交易。 比如高频交易，在A股现实的T+1大环境里，其实做不了真正的高频。一般一周换手一次以上都算高频。中频一般都是一个月或者几个月换一次手。而低频交易大概都是一个季度或者几个季度换一次手。
1.2K20编辑于 2022-09-07 量化交易：日内网格交易策略
本文将详细介绍日内网格交易策略的原理，并结合Python代码示例，展示如何在掘金平台上实现这一策略。 策略原理日内网格交易策略的核心思想是在一天的交易时间内，通过设置多个买卖点（即网格），在价格达到这些点时自动执行交易。这种策略的优势在于能够充分利用市场的波动性，通过频繁的买卖操作来获取收益。 这种策略适用于波动性较大的市场环境，因为只有当价格波动足够大时，网格交易才能捕捉到足够的交易机会。 在平台运行Python代码在掘金平台上实现日内网格交易策略，主要分为三个核心步骤：选股、择时和策略交易。 以下是这三个步骤的Python代码实现：选股选股是策略的第一步，需要选择适合网格交易的股票或可转债。
1.4K10编辑于 2024-06-23- 来自专栏一英里广度一英寸深度的学习
量化交易 python 练习
慕课网 量化交易 https://www.imooc.com/learn/1054 作者项目地址 https://github.com/birdskyws/Quantitative-transaction
1.9K10发布于 2018-10-11 - 来自专栏毛利学Python
量化交易 数据获取接口
想做量化, 数据是基本! 本篇我们会介绍如何获取数据. ‘Q1’ - 一季报，‘Q2’ - 半年报，‘Q3’ - 三季报，‘Q4’ - 年报 |expect_df|boolean|默认返回原有的 Panel 数据结构。 如某周只有四个交易日, 则此周的tradingday=4 与 tradingday=-1 表示同一天- weekday 和 tradingday 不能同时使用 每月运行 scheduler.run_monthly scheduler.run_monthly(function, tradingday=t) 注意: tradingday 中的负数表示倒数- tradingday 表示交易日. 如某周只有四个交易日, 则此周的tradingday=4 与 tradingday=-1 表示同一天 运行顺序 如果我们设定了一个按月运行: scheduler.run_monthly(get_data
3K30编辑于 2022-09-22 - 来自专栏第二层思考
量化交易是银弹呢？
题图来自：pexels 什么是量化交易？ 你可以在几分钟之内完成之前几年的交易回测，然后根据结果来调整各种参数，最后得到一个完美的量化模型。 再冠以大数据、人工智能、机器学习这样的时髦技术，量化交易对于理工科背景，特别是会写程序的工程师来说，就具有特别的诱惑力。 量化交易最容易遇到的问题就是未来函数，你会站在未来的角度看待之前的投资，比如你知道 2000 年科技股泡沫，07 年次贷危机，你在写策略的时候，潜意识里面就会避开，以便获得更高的收益率和夏普比率。 所以在我看来，除了高频交易外，程序最多就是辅助性的工具，帮助人类更快的进行信息筛查。如果你自己亲自投资都赚不到钱，量化交易也不可能帮你赚到钱。
1K20发布于 2020-02-24 - 来自专栏sofu456
使用python进行量化交易
20210101', end_date='20210131') # 打印数据 print(df.head()) 账户接入 券商的api接口通常不会公开，你需要直接与券商进行沟通和合作 国内提供交易接口的券商 ) cerebro.optstrategy(MyStrategy, sma_period=range(10, 30), rsi_period=range(10, 30)) cerebro.run() 量化交易平台 QMT、Ptrade、很多券商都有自己的量化交易服务
1.4K00编辑于 2024-05-25 - 来自专栏Python七号
Python 实战之量化交易
什么是量化交易？ 量化交易的涵盖范围很大，程序化交易，算法交易，高频交易，自动化交易平台等等都可以算作量化交易。 使用程序来做量化交易，底层就是将买卖请求发送至交易所实现交易，券商或者交易所，通常也会提供 API 接口给投资者。 Python 量化交易 算法交易一个基本需求，就是高效处理数据，数据处理是 Python 的强项，特别是 Numpy+Pandas 的组合，让算法交易开发者的效率直线上升。 2、下面这样的，就不是严格的 REST API 接口。
5.2K12发布于 2020-11-25 - 来自专栏IT技术订阅
量化交易策略基本框架
一、搭建一个简单的交易策略 1、策略 先看一个非常简单的交易策略： 为了让这个策略能让计算机执行，首先，要使策略符合“初始化+周期循环”框架，像这样： 2、什么是“初始化+周期循环”框架？ 为了将投资灵感高效地转化成计算机可执行的量化策略，必须基于一种模式来写，框架就是指这种模式。而此框架包含两个部分即初始化与周期循环： 初始化即指策略最开始运行前要做的事。比如，准备好要交易的股票。 能帮助你理解这一框架的是，其实人本身日常做交易就是符合“初始化+周期循环”框架的，初始化就是已存在人脑的交易思想与知识，周期循环就是每天或每分钟地查看行情、判断、下单等行为。 (context,data): 这里是用来写周期循环代码的地方,例子中就是买100股的平安银行 2.写法二 def initialize(context): run_daily(period 二、利用框架编写完整的策略 1、编写代码 1.选定要交易的股票为平安银行 g.security = '000001.XSHE' 2.买100股的平安银行（市价单写法）: order(g.security
1.6K20编辑于 2022-05-10 量化交易：Dual Thrust策略
Dual Thrust策略起源于20世纪80年代，由美国著名交易员和金融作家Larry Williams首次提出。这一策略的核心思想是通过捕捉市场中的短期波动来实现盈利。 Range是指当前收盘价与前一个交易日的最高价和最低价之间的最大距离，而ATR则是过去一段时间内Range的平均值。通过这两个参数，投资者可以确定买入和卖出的触发点，从而实现盈利。 上轨和下轨的计算公式如下：上轨：开盘价 + K1 波动 下轨：开盘价 - K2 波动其中，波动是指在给定的时间窗口内，最高价与最低价之间的最大差值。K1和K2是两个参数，用于调整上下轨的敏感度。 选择一个特定的合约作为交易标的，例如螺纹钢（SHFE.RB）。在策略初始化时，订阅该合约，并设置相关参数。<
71710编辑于 2024-06-23可转债交易介绍与常用量化交易策略
本文将详细介绍可转债交易的注意事项，并探讨一些适用于可转债的高频量化交易策略。可转债交易注意事项了解可转债的基本概念在进行可转债交易之前，投资者首先需要了解其基本概念和特性。 高频量化交易策略高频量化交易策略是指利用先进的数学模型和计算机技术，在极短的时间内进行大量交易以获取微小利润的策略。 在可转债市场中，以下是一些可能适用的高频量化交易策略：市场做市策略市场做市策略是指通过提供买卖双边报价，从中赚取买卖价差（即价差）的策略。 同时，随着量化交易技术的发展，高频量化交易策略在可转债市场中的应用也越来越广泛，为投资者提供了新的交易机会。 无论是传统的投资方法还是现代的量化交易策略，投资者都应充分了解其原理和风险，并结合自身的投资目标和风险承受能力进行决策。在实际操作中，投资者还应不断学习和实践，以提高自身的投资技能和风险管理能力。
1K10编辑于 2024-06-10- 来自专栏项勇
学习学习什么是量化交易
这篇文章市场先生介绍量化交易策略是什么、怎么做、有哪些类型及优点缺点介绍。 量化交易是什么？ 量化交易是一种依靠数学和统计模型来辨别市场交易的策略。 量化交易大多会需要程式语言进行资料分析与执行，一般都是大型机构投资人、对冲基金使用的交易策略，它们的交易量通常很大。 但是目前也逐渐有越来越多个人投资者开始使用量化交易策略。 步骤2：清理资料 许多数据商提供的资料，往往有些应用上的限制（例如不同国家的日期栏位不同、不同国家的财报栏位名称不同等等）， 或者有些数据商提供的资料有误（两家厂商提供的数据不一样、缺漏资料、某天资料有误等等 方向2. 找到冷门的小市场 越热门的市场代表规模越大，通常参与者越多，虽然里面散户很多，但是高手可能也很多。 可以完全量化做决策，也可以仅部分量化。 市场先生心得： 我当初大概在投资第2年之后，因为开始写程式交易，接触到量化交易的领域。
4.5K20编辑于 2023-03-24 - 来自专栏全栈程序员必看
史上最全量化交易资源整理
，提供策略自动生成器 镭矿 – 基于量化回测平台 果仁网 – 回测量化平台 京东量化 – 算法交易和量化回测平台 聚宽 – 量化回测平台 优矿 – 通联量化实验室 Ricequant – 量化交易平台 况客 – 基于R语言量化回测平台 Factors – 数库多因子量化平台 诸葛量化 – 量化交易平台 宽狗量化 – 回测量化平台 国外量化平台： Quantopian 研究、回测、算法众包平台 QuantConnect 支持C/C++、C#、MATLAB、Python和R的量化交易平台 DigQuant – 提供基于matlab量化工具 SmartQuant – 策略交易平台 OpenQuant – 基于C#的开源量化回测平台 基于图表的量化交易平台 文华赢智 、TB、金字塔、MultiCharts 中国版 – 程序化交易软件、MT4、TradeStation Auto-Trader – 基于MATLAB的量化交易平台 BotVS /XAPI2 – 统一行情交易接口第2版 easytrader – 提供券商华泰/佣金宝/银河/广发/雪球的基金、股票自动程序化交易，量化交易组件 IB API | Interactive Brokers
5.8K14编辑于 2022-09-13
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