本来想用python自带的help命令和dir命令,来写一个关于Tushare库的使用手册呢,但是后来发现了Tushare的官方网站,￣□￣||,网址如下: http://tushare.org/ 把官网都看了一边,发现里面主要是针对股票数据的讲解,对期货没有一个系统的讲解,所以还是自己写吧.略过一切基本的Tushare库的介绍. 一.Tusharei.futures库下的文件目录 下面我们挨个看看里面都包含了什么方法 二.__init__.py 很遗憾,这个文件下是空的...... 三.con

资料整理: 1.python量化的一个github 代码 2.原理 + python基础 讲解 3.目前发现不错的两个量化交易 学习平台: 聚宽和优矿在量化交易都是在15年线上布局的,聚宽是15年的新web网站,通联是13年成立的数据业务模块 合作方强大一些.都是涉及股票证券期货,优矿在数字货币上只有简单的市值接口 聚宽 文字叙述为主https://www.joinquant.com/ a.初识量化交易  b.量化交易策略基本框架  c.python基本语法与变量 优矿 视频教学 https:/

Python只是一门技术. 一.量化交易的发展 1.国外量化金融领域发展日趋成熟. 2.近几年量化交易在国内掀起热潮. 3.Python作为量化交易的编译语言. 二.什么是量化交易 1.利用计算机强大的运算能力. 2.以数学模型为思维,以历史数据为依据,以数学建模,统计学分析,编程设计为工具. 3.制定大概率获利的交易策略. 三.量化交易的优势. 1.历史数据中发现概率优势作为投资基础. 2.计算机运算能力保证分析广度. 3.克服来自人性中的弱点. 四.量化交易的核心. 无论多么复杂的模型,没有

摘抄自知乎:https://www.zhihu.com/question/28557233 如题,提问的范围限于适合中国大陆金融市场使用的工具链,所以IbPy和Quotopian之类主要面向欧美市场的工具不算,zipline这种库可以算.题主知道的一些: 万得的Python API,可以用来获取实时数据.历史数据以及下单交易 优点:万得大而全 缺点:下单交易功能不是事件驱动(例如成交回报需要用户去查询,而不是主推) 同花顺iFinD的Python API,类似万得的API 优点:比万得便宜,同花

一.量化投资视频学习课程 二.Python手把手教学 第1天:谁来给我讲讲Python? PS: 1.注意使用方法,这个以后都有大用 2.注意符号的使用方式 3.尽量用英文表达 4.本日学习内容以及其他注意事项: 今天学习了Python的基本页面.操作,以及几种主要的容器类型,天还要学习Python的函数.循环和条件.类,然后才算是对Python有一个大致的了解. 一.熟悉基本: 1)基本输入输出: 四则运算 2):导入模块: from math import sqrt sqrt(9) 二.容器

<零起点,python大数据与量化交易>,这应该是国内第一部,关于python量化交易的书籍. 有出版社约稿,写本量化交易与大数据的书籍,因为好几年没写书了,再加上近期"前海智库·zw大数据"项目,刚刚启动. 因为时间紧,只花了半天时间,整理框架和目录. 说是v0.1版,但核心框架已经ok:从项目角度而言,完成度,已经超过70%,剩下的只是体力活. 完成全本书,需要半年以上连续时间,本人没空,大家不要再问:"什么时间可以完成." 配合zwPython,这

http://www.newsmth.NET/nForum/#!article/Python/128763 最近程序化交易很热,量化也是我很感兴趣的一块. 国内量化交易的平台有几家,我个人比较喜欢用的是JoinQuant,里面有篇干货贴分享给大家,希望对各位有帮助.       =========================== 量化交易策略 ===========================   价值投资 成长股内在价值投资:http://www.joinquant.com/post/

 注:点击框架名称通往Github talib talib的简称是Technical Analysis Library,主要功能是计算行情数据的技术分析指标 numpy 介绍:一个用python实现的科学计算包.包括:1.一个强大的N维数组对象Array:2.比较成熟的(广播)函数库:3.用于整合C/C++和Fortran代码的工具包:4.实用的线性代数.傅里叶变换和随机数生成函数.numpy和稀疏矩阵运算包scipy配合使用更加方便. scipy 介绍:SciPy是一款方便.易于使用.专为科学

欢迎大家订阅<教你用 Python 进阶量化交易>专栏!为了能够提供给大家更轻松的学习过程,笔者在专栏内容之外已陆续推出一些手记来辅助同学们学习本专栏内容,目前已推出如下扩展篇: 在第一篇<管理概率==理性交易>中笔者结合一个简单的市场模型介绍了为什么在没有概率优势的前提下参与交易会亏钱,其实股票交易和玩一个游戏.做一个项目理念是相通的,需要章法.需要制定策略,否则就和抛硬币赌博一样一样的,用量化交易可以帮助我们管理好概率,更理性的去下单. 在第二篇<线性回归拟合股价沉浮&g

新年伊始,很荣幸笔者的<教你用 Python 进阶量化交易>专栏在慕课专栏板块上线了,欢迎大家订阅!为了能够提供给大家更轻松的学习过程,笔者在专栏内容之外会陆续推出一些手记来辅助同学们学习本专栏内容,因此同学们无需担心专栏内容在学习上的困难,更多的是明确自己学习的目的即可.当然笔者也欢迎同学们踊跃留言,说出自己想扩展的知识点,笔者会根据同学们的意愿选择性的推出一些内容. 在第一篇<管理概率==理性交易>中笔者结合一个简单的市场模型介绍了为什么在没有概率优势的前提下参与交易会亏钱,其

新年伊始,很荣幸笔者的<教你用 Python 进阶量化交易>专栏在慕课专栏板块上线了,欢迎大家订阅!为了能够提供给大家更轻松的学习过程,笔者在专栏内容之外会陆续推出一些手记来辅助同学们学习本专栏内容,因此同学们无需担心专栏内容在学习上的困难,更多的是明确自己学习的目的即可.当然笔者也欢迎同学们踊跃留言,说出自己想扩展的知识点,笔者会根据同学们的意愿选择性的推出一些内容. 在第一篇<管理概率==理性交易>中笔者结合一个简单的市场模型介绍了为什么在没有概率优势的前提下参与交易会亏钱,其

新年伊始,很荣幸笔者的<教你用 Python 进阶量化交易>专栏在慕课专栏板块上线了,欢迎大家订阅!为了能够提供给大家更轻松的学习过程,笔者在专栏内容之外会陆续推出一些手记来辅助同学们学习本专栏内容,因此同学们无需担心专栏内容在学习上的困难,更多的是明确自己学习的目的即可.当然笔者也欢迎同学们踊跃留言,说出自己想扩展的知识点,笔者会根据同学们的意愿选择性的推出一些内容. 在第一篇<管理概率==理性交易>中笔者结合一个简单的市场模型介绍了为什么在没有概率优势的前提下参与交易会亏钱,其

学习量化交易推荐学习国内关于Python大数据与量化交易的原创图书<零起点Python大数据与量化交易>. 配合zwPython开发平台和zwQuant开源量化软件学习,是一套完整的大数据分析.量化交易的学习教材,可直接用于实盘交易.有三大特色:第一,以实盘个案分析为主,全程配有Python代码:第二,包含大量的图文案例和Python源码,无须专业编程基础,懂Excel即可开始学习:第三,配有专业的zwPython集成开发平台.zwQuant量化软件和zwDat数据包. 学习推荐: <零

量化交易中VWAP/TWAP算法的基本原理和简单源码实现(C++和python) 原文地址:http://blog.csdn.net/u012234115/article/details/72830003 .embody{ padding:10px 10px 10px; margin:0 -20px; border-bottom:solid 1px #ededed; } .embody_b{ margin:0 ; padding:10px 0; } .embody .embody_t,.embo

零起点Python大数据与量化交易 第1章 从故事开始学量化 1 1.1 亿万富翁的“神奇公式” 2 1.1.1 案例1-1:亿万富翁的“神奇公式” 2 1.1.2 案例分析:Python图表 5 1.1.3 matplotlib绘图模块库 7 1.1.4 案例分析:style绘图风格 10 1.1.5 案例分析:colormap颜色表 12 1.1.6 案例分析:颜色表关键词 14 1.1.7 深入浅出 17 1.2 股市“一月效应” 18 1.2.1 案例1-2:股市“一月效应” 18 1.

Ricequant 量化社区的初衷让各位爱好量化的人士可以碰撞思维,在分享和争辩中学习到有用且实战的量化知识.有赖于各位在社区中贡献满满的干货以及有质量的讨论,从编程入门教学到技术指标再到多因子选股.财务数据分析等,囊括了很多方面的知识. 我在此组织 整理了下社区所发的内容.并分类出来,方便大家更容易找到相应的知识点.此贴会不断地更新 在此感谢很多很多的大大贡献了很多有趣的讨论,由于篇幅原因就不一一列出了.它的成长,有赖于大家的贡献与努力! 下面开始放毒了: Python 入门- Python

摘要 策略编写的基本框架及其实现 回测的含义及其实现 初步学习解决代码错误 周期循环的开始时间 自测与自学 通过前文对量化交易有了一个基本认识之后,我们开始学习做量化交易.毕竟就像学游泳,有些东西讲是讲不懂,做过就会懂. 由于本教程是基于聚宽量化交易平台(www.joinquant.com),所以为了后续的学习,最好去注册一个聚宽量化交易平台的账号. 一.策略编写的基本框架及其实现 1.从一个非常简单的交易策略开始 先看一个非常简单的交易策略: 每天买100股的平安银行. 为了让这个策略能让计算

https://zhuanlan.zhihu.com/p/26983703?utm_source=wechat_session&utm_medium=social 这个网址上详细介绍了,做量化交易的各类主流的.非主流的编程语言的详细第三方库.每个库名对应一个在github网站上的超链接.想看详情直接点击即可. 为了以后做量化方便查阅,把该网址下对应的Python库进行了总结,并绘制成思维导图,如下 下面附上思维导图的XMIND文件: https://files.cnblogs.com/files

Over the last seven years more than 200 quantitative finance articles have been written by members of the QuantStart team, prominent quant finance academics, researchers and industry professionals. 在过去七年中,QuantStart一共发表了200多篇量化金融文章,这些文章的作者包括QS团队成员.优秀

年初学习量化投资,一开始想自己从头写,还是受了C/C++的影响.结果困在了计算回测数据那里,结果老也不对,就暂时放下了.最近试了一下python的各个量化投资框架,发现一个能用的——pyalgotrade,重新开始吧.这是一个事件驱动型量化交易框架. 使用pyalgotrade的一大问题是数据获取,其支持从yahoo,谷歌等途径获得数据,但要获取A股数据比较麻烦.还是用tushare获取数据比较方便.但pyalgotrade并不直接支持tushare数据格式.网上有人介绍了将tushare数据转

3. 量化交易策略 * 输入数据 - 只取最原始可靠的,如 * date * open * high * low * close * volume * 输出数据 - 根据数理统计取权重,把 o, h, l, c 四价合一,如 * w_price_ = o * ? + h * ? + l * ? + c * ? * w_price_ma_ = (w_price[0] * ? + ...) / ? * 数据比率 - 只用比率不用市价 * w_rate_[i] = w_price_[i] / w_pr