- 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。 基本面 居民消费指数 人均国内生产总值(GDP) 净资产收益率(ROE) 技术面 股票收盘价 K线(日/周/月/年) 均线(5/10/20/60) 技术面分析更关注基于商品价格相关的数值和合成的指标。
47210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
2.7K20编辑于 2022-09-06 - 来自专栏刘笑江的专栏
量化交易笔记
比如投资者获得了15%的回报，其基准获得了10%的回报，那么 \alpha 或者价值增值的部分就是5%。 URL BigQuant 量化指标 URL
1.2K20发布于 2018-10-09 - 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 模拟交易与回测 from pyalgotrade import strategy from pyalgotrade_tushare import tools, barfeed from pyalgotrade.technical
31310编辑于 2024-09-01 - 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、 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、过去一个季度的日均换手率 3、过去一个月成交量 4、过去一月股价振幅 5、 假设我们设置当80%技术指标同时出现买入信号时买入，盈利10%时卖出，亏损5%时止损。那么程序就会根据管理人的预定进行不断的操作。 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。
1.1K20编辑于 2022-09-07 - 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.
1.4K10编辑于 2022-09-22 - 来自专栏算法之名
商品期货量化交易
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。 ，买入开多仓 exchange.SetDirection('buy') # 以买1-5的价格买入1手 id = exchange.Buy (ticker['Buy'] - 5, 1) account = exchange.GetAccount() Log("挂单后") ']) break else: LogStatus(_D(), "未连接CTP") 运行结果 这里需要说明的是由于我们挂单的价格为买1-5的价格
60510编辑于 2024-09-04 - 来自专栏Python数据科学
Python 量化交易神书面世，赠送 5 本
前不久，收到清华大学出版社赠送的 《深入浅出Python量化交易实战》 一书，也答应了出版社要写一些读书笔记，今天就来交作业了。 下面是我参考书中内容做的一些简单尝试，仅供学习参考。 这本书对于使用Python玩量化的初学者们，还是很友好的，感兴趣可以考虑入手一本看看。 笔记① 用Python绘制出股价的5日均线和20日均线。 众所周知，5日均线是短线交易的生死线，而20日均线是中长线趋势的分水岭。因此，基于这两条均线，可以设计出一些简单的交易策略。 能够看到最早的数据到2021年的10月8日： 然后我开始添加5日和20日均线 price['ma5'] = price['Adj Close'].rolling(5).mean() price['ma20 笔记② 这里把书中用KNN模式做的交易策略，换成了逻辑回归模型，试试看策略的业绩会有怎样的变化。
92320编辑于 2022-03-11 - 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
1.8K10发布于 2018-10-11 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。
1.2K10编辑于 2024-06-23- 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. # 获取从当前提取运行开始之前5天的行情数据 history_1 = history_bars(context.s1, 5, "1d", ["close", "open"]) # 调试输出 例如，填写’5y’，则代表从 entry_date 开始（包括 entry_date）回溯 5 年，返回数据时间以年为间隔。 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
2.6K30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。
92220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
1.1K00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。 可以借助一些专有的库： Zipline 策略回测 Pyfolio 投资组合分析 另外，有一些现有的便利交易平台可以执行自定义的 Python 策略，无需搭建量化交易框架。
5.1K12发布于 2020-11-25 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。 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。<
55810编辑于 2024-06-23- 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。 def period(context): 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 5、代码应该往哪里写 聚宽网址 1.来到聚宽网站后，通过导航栏-我的策略-策略列表， 像刚刚那样，用一段时间内的历史的真实行情数据，来验证一个确定的交易策略在这段时间表现如何，这个过程叫回测。
1.4K20编辑于 2022-05-10 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。
84510编辑于 2024-06-10- 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
地址：https://uqer.datayes.com/labs/notebooks/6.4.1%E5%A4%A7%E5%B8%88%E7%B1%BB%E7%AD%96%E7%95%A51.nb ? 蓝筹股投资法 选股：同时满足类似以下的优质股条件： 股本大于市场均值，为成分股，大于10家基金公司持有，5年内3年净利润大于0，过去三年不间断派息，过去三年股息成长0.5倍，股息率大于4%。 现金流市值比、5年平均现金流市值比来构建股息因子，等权合成 ? 对数总市值来构建规模因子 ? 例如，投资者认为未来第三种资产会比第一种资产收益率高2%，就可以表示为： -1×μ_1+0×μ_2+1×μ_3+⋯+0×μ_N=2% 投资者认为未来第二种资产收益率应该为5%，那么可以表示为： 0×μ_ 1+1×μ_2+0×μ_3+⋯+0×μ_N=5% 用P来表示该观点线性方程组的系数矩阵，观点方程组可表示为：Pμ = q。
1.1K20发布于 2020-11-24 - 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。 量化交易策略怎么做？ 步骤5：可行性验证： 当量化交易策略有可行性之后，和一般做实验一样，会经过几个比较关键的验证，包括： in-sample test 样本内测试：也就是回测的步骤，会使用历史数据做验证。 （记得，策略失效不是赔钱，而是变的随机） 量化交易策略有哪些类型？ 任何投资策略，都可以用量化的方式执行 量化交易所用的策略类型，其实和传统各类型策略都一样， 差别只在于量化交易是用数据来做决策。
4.2K20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 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 Scientific Reports, 2013, 3:1–5. (link) Ding, Xiao, et al. Communications of the ACM, 2010, 53(5):99. (link) Kearns M, Nevmyvaka Y.
5.2K13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