1 在交易开拓者当中,关于交易的做单方式一般分为:图表函数和A函数两类. 两类的主要区别为:如果采用图表函数的话,所有的交易内容都是以图表上面的信号为准,当前仓位运行的实际状态是没有的,但是可以显示交易图标和图像,并且可以进行回测:对于A函数而已,不具有显示交易图表和图像和回测的功能,除了与图表函数具有要求点位做单的功能外,仓位的实际运行状态可以进行操作. 举例:比如图表函数中,在某一个点位进行下单信号,此时运用图表函数可在这个位置进行下单:但是如果此单并没有成交,如果突然又遇到一个平仓信号,图

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/

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

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

<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

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

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.

pytrader是基于 easytrader 和 easyquotation 的量化交易框架,支持东方财富自动交易,支持进行策略回测. 开源地址:https://github.com/jadepeng/pytrader 策略文件 在strategies目录,可以参考已有的编写. 策略需要继承StrategyTemplate类,实现int和onbar等函数. init 设置关注的股票,行情引擎就会推动股票行情. def init(self): for stock_code in self.watc

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

    距离上一篇文章,正好两个星期. 这边文章9月15日 16:30 开始写. 可能几个小时后就写完了.用一句粗俗的话说, "当你怀孕的时候,别人都知道你怀孕了, 但不知道你被日了多少回 " ,纪念这两周的熬夜,熬夜.  因为某些原因,文章发布的有点仓促,本来应该再整理实验和代码比较合适.文章都是两个主要作用: 对自己的工作总结, 方便自己回顾和分享给有兴趣的朋友.   不说废话了, 进入正题. 本次的课题很简单, 深度神经网络(AI)来预测5日和22日后的走势. (22日尚未整理,

题目描述 applepi 训练了一个可以自动在股票市场进行量化交易的模型.通常来说,applepi 写出的模型,你懂得,就好比一架印钞机.不过为了谨慎起见,applepi还是想先检查一下模型的效果.applpie 收集了“塞帕思股份(surpass)”在最近的连续 N 天内的价格.在每一天中,他可以做如下事情之一: 1. 睡(把)觉(妹). 2. 以当天的价格作为成交价买入 1 股“塞帕思”的股票. 3. 以当天的价格作为成交价卖出 1 股“塞帕思”的股票. 最初 applepi 不持有该股票.

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:/

一.摘要 为什么需要量化交易? 量化交易是做什么? 量化交易的价值何在? 做量化交易需要什么? 聚宽是什么? 零基础如何快速入门量化交易? 自测与自学 二.量化交易比传统交易强多少? 它能让你的交易效率提高百倍,量化交易之于传统交易方法,如同大型收割机之于锄头镰刀,机枪大炮之于刀剑棍棒.    也就是是说,传统交易方法是这样的 而量化交易是这样的: 在金融最为发达的美国,量化交易已大行其道,占据了70%以上的股市成交量.可以说量化交易是未来的趋势.当然,只言片语不能解释清楚,接下来,我们具体地介

参见: <zw量化交易·实盘操作·系列培训班> http://blog.sina.com.cn/s/blog_7100d4220102w0q5.html

量化交易-外汇交易-MetaTrader5 外汇有充足的流动性, 7*24, 交易成本低,多空双向,外加杠杆,无人能控盘,有模拟盘,相当适合做量化交易练习积累经验. 第一,全球最大最公平的市场.外汇市场平均日交易量1.9兆美金,相当于期货市场的4倍,美股市场的30倍,令其成为全球最大.同时也是流通性最高的市场.庞大的市场容量,使得投资者有足够的盈利空间.外汇交易流通量非常的大,基本上是没有任何人或者机构能够操纵市场的. 第二,交易时间长,二十四小时可交易.外汇市场24小时开放,不像股市,只在上午

什么是量化交易 量化交易是指借助现代统计学和数学的方法,利用计算机技术来进行交易的证券投资方式.量化交易从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,用数量模型验证及固化这些规律和策略,然后严格执行已固化的策略来指导投资,以求获得可以持续的.稳定且高于平均收益的超额回报. 量化交易起源于上世纪七十年代的股票市场,之后迅速发展和普及,尤其是在期货交易市场,程序化逐渐成为主流.有数据显示,国外成熟市场期货程序化交易已占据总交易量的70%-80%,而国内则刚刚起步.手工交易中交易

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

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

作为一名老股民,我对金融市场一直都保持长期的关注. 最近我大量接触量化交易相关的一切,发现市场力量还是蛮强大的,6年前的很多设想现在已经彻底变成现实,不得不承认市场从来不会等任何人.想好就要马上行动,机会从来不会等任何人. 从模型的角度考虑,对冲基金的出现可以说是最靠谱的,但是事实证明他的经营要求也是最高的.他最大的难度在于如何选择产品,可以形成对冲的关系.这其实对于各种金融产品都需要了解,甚至是灵敏的嗅觉才能形成. 人工智能的出现自然会更大程度上解放人脑,但是这需要过程,人类可以被替代到什么程