Python 的学习者中，有相当一部分是冲着爬虫去的。因为爬虫可以帮你解决很多工作和生活中的问题，节约你的生命。不过 Python 还有一个神秘而有趣的应用领域，那就是量化交易。...量化交易，就是以数学模型替代人的主观判断来制定交易策略。通常会借助计算机程序来进行策略的计算和验证，最终也常直接用程序根据策略设定的规则自动进行交易。...Python 由于开发方便，工具库丰富，尤其科学计算方面的支持很强大，所以目前在量化领域的使用很广泛。市面上也出现了很多支持 Python 语言的量化平台。...所以本文只是介绍几个 Python 量化平台，以及一些最基本的使用方法。更多的功能、更强大的策略还有待各位自己去挖掘。...以优矿为例，注册之后，在“开始研究”页面，新建一个 Notebook，就可以开始用 Python 写你自己的策略。 ? 右上角的下拉框选择“策略”，就会帮你自动填写上策略回测的基本结构代码。 ?
优化问题是量化中经常会碰到的，之前写的风险平价/均值方差模型最终都需要解带约束的最优化问题，本文总结用python做最优化的若干函数用法。...首先说明，本文仅把python看作一种工具，说明如何用python求解优化问题，不过多考虑由于模型方法导致的精度、速度、适用性等问题，具体问题还需要具体分析，选择适当的方法，或者自己手写。...python中最常用的做最优化的模块是scipy.optimize，这里只说明这一模块的使用，其他的略过。...当然求解一元的优化问题也可以用minimize，但尝试过之后发现用minimize_scalar的速度要更快一些，下面具体说明 一元优化问题 用minimize_scalar解一元优化。...返回值的fun是最优函数值，x是最优自变量，可以看出，method取brent时，设定区间没什么用。
回归作为数据分析中非常重要的一种方法，在量化中的应用也很多，从最简单的因子中性化到估计因子收益率，以及整个Barra框架，都是以回归为基础，本文总结各种回归方法以及python实现的代码。...接下用用python实现OLS，所用数据为特定日期全A股的PB、ROE、行业、市值数据，部分数据如下，数据和代码获取后台回复“回归”。 ?...python中实现OLS的模块很多，numpy、sklearn、statsmodels中都有，这里给出numpy，statsmodel中的用法。...'pb~roe'，多个自变量之间用加号连接。...带约束的最小二乘法在量化中非常常用，比如做行业中性化时，如果所有行业虚拟变量都保留，并且添加了截距项的情况下，会出现变量多重共线性，回归结果无效，这时候一种方法是删除一个虚拟变量，还有一种方法是添加一个约束
因此，这章我们只学习第一步，如何从文本中抽取特征，并将其向量化。 由于中文的处理涉及到分词问题，本文用一个简单的例子来说明如何使用Python的机器学习库，对英文进行特征提取。...1、数据准备 Python的sklearn.datasets支持从目录读取所有分类好的文本。不过目录必须按照一个文件夹一个标签名的规则放好。...3、向量化 有了上述基础，就能够将文档向量化了。...我们先看代码，再来分析向量化的意义： [python] view plaincopy # -*- coding: utf-8 -*- import scipy as sp import numpy...0. 0. 0. 0. 0. 1. ]] [1 1 0 1 0 1 0 1 1 0 0 0] python
概述 和Python计算环境中的tushare包一样，在R中我们使用quantmod包接入第三方数据源，实现自定义量化分析平台的构建。...本文打算以陌陌的股票分析为背景，介绍如何通过quantmod包构建专属的量化分析平台。...原理 利用API读取的方式，我们需要设定一个读取序列和对应的配置，获取行情函数getSymbols类似于原生的assign和get函数，用函数的方式将变量名传入后完成变量的赋值。...addMACD(); addSMA(n=10);addBBands(n=14,sd=2,draw=\"bands\")") 效果 利用CSV读取离线行情 接着，在离线模式或者网络访问缓慢的情况下，我们也可以用一些实现准备好的...addWMA 零延迟指数移动平均线 ZLEMA addZLEMA 参考资料 quantmod官方文档 GitHub地址：https：//github.com/harryprince Harry Zhu，擅长用Python
1 环境准备 本地环境： Python 3.7 IDE:Pycharm 库版本： re 2.2.1 lxml 4.6.3 requests 2.24.0 aip 4.15.5 matplotlib 3.2.1...消极比例','积极比例']) df.plot(kind='barh', figsize=(10, 8)) plt.show() 效果图如下所示： 3 总结 在这篇文章中，我们介绍了如何基于python
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...python获取股票数据 ?
请注意，这只是一个简单的示例程序，实际的量化程序需要更加复杂的模型和策略，并且需要经过充分的测试和验证。此外，量化程序涉及到金融市场和投资风险等因素，需要对风险有足够的认识和管理能力。
量化程序是用计算机程序来执行投资策略的程序，通常会涉及到数据获取、数据分析、模型构建、交易执行等一系列流程。...下面是一个简单的示例程序，可以使用Python获取股票数据，并计算股票的均线，然后根据均线的交叉情况来决定是否买入或卖出股票。...这只是一个简单的示例程序，实际的量化程序可能会涉及更加复杂的模型和策略。
python实现 def SampEn(U, m, r): """ 用于量化时间序列的可预测性 :param U: 时间序列 :param m: 模板向量维数 :
Python 的学习者中，有相当一部分是冲着爬虫去的。因为爬虫可以帮你解决很多工作和生活中的问题，节约你的生命。不过 Python 还有一个神秘而有趣的应用领域，那就是量化交易。...量化交易，就是以数学模型替代人的主观判断来制定交易策略。通常会借助计算机程序来进行策略的计算和验证，最终也常直接用程序根据策略设定的规则自动进行交易。...Python 由于开发方便，工具库丰富，尤其科学计算方面的支持很强大，所以目前在量化领域的使用很广泛。市面上也出现了很多支持 Python 语言的量化平台。...所以本文只是介绍几个 Python 量化平台，以及一些最基本的使用方法。更多的功能、更强大的策略还有待各位自己去挖掘。...以优矿为例，注册之后，在”开始研究”页面，新建一个 Notebook，就可以开始用 Python 写你自己的策略。 右上角的下拉框选择”策略”，就会帮你自动填写上策略回测的基本结构代码。
) 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
什么是量化交易？...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。...从其英文全称来看是表征状态转移，通过 url 定位资源，用 GET,POST,PUT,DELETE 等动词来描述操作。满足这种要求的 API ,就叫 REST API。...参考文章： Python 核心技术与实战：量化交易实战篇。 这是我学习 Python 最受益匪浅的地方，推荐给你。
老读者都知道，Python的一个应用方向就是——量化交易，恰好最近收到了清华出版社赠送的 《深入浅出Python量化交易实战》 一书，因为平时对数据科学和机器学习都比较感兴趣，简单试读了一下。...此外，还会通过文字+视频的方式，给大家分享如何用Python获取A股数据，以及如何用Python进行的仓位控制。...，实验如下： yfinance 另外，yfinance也有类似的功能，使用方法也很简单 Tushare 当然，说到用 Python 进行量化交易，肯定少不了 Tushare 但若要使用完整功能，需要一定的积分...JoinQuant 最后一种方法来获取数据就是用现成的量化平台。这里我用joinquant实验了一下， 可以看到，通过平台获取数据，还是比较简单的。...接着，再为大家分享如何用Python进行的仓位控制！
这是奔跑的键盘侠的第115篇文章 依旧，先贴一下目录： ├── README ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录.../usr/bin/env python3.6 # -*- coding: utf-8 -*- # @Time : 2019-07-13 18:19 # @Author : Ed Frey # @...get_all_codes("2019-07-28") print(len(code),code,flush=True) 测试结果如下： /Users/Ed_Frey/anaconda2/envs/python36.../bin/python /Users/Ed_Frey/Desktop/MyQuant_v1/util/stock_util.py 3646 ['000001', '000300', '399001',.../usr/bin/env python3.6 # -*- coding: utf-8 -*- # @Time : 2019-08-04 09:51 # @Author : Ed Frey # @
python实现量化交易策略 1 前言 相信大家都听说过股票，很羡慕那些炒股大佬，觉得量化投资非常高深，本文教大家用python实现简单的量化交易策略。...基于这种思想，我们用相关性来构建策略。...这里用A股票当天收益率和其他股票昨天收益率计算相关性。...5 总结 本文用相关性构建一个简单的交易策略，但还有许多工作没有完成，有兴趣的读者可以进行改善。比如调参，本文用1年数据来测试1个季度，读者们可以用2年数据测试1个季度，用1年数据测试1个月等等。...或者用今天和前天数据计算相关性，或者用所有上市公司代替沪深300，或者取相关性最大的5组股票等等。一个好的策略是需要不断调参不断测试的。
这是奔跑的键盘侠的第112篇文章 依旧，先贴一下目录： ├── README ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录...code:1,date:1})建立数据集索引，还有前复权、后复权的数据集都建立索引，爬取数据的速度就会快非常多，至于为何，暂时还没得空去研究 先用起来再说 2 basic_crawler.py重写 《Python...——量化分析常用命令介绍（五）》中贴的basic_crawler.py代码一跑起来发现很多问题，最关键的一点是数据类型不一致不断抛出异常的问题，至于为啥，先一掠而过……翻新完的代码如下： #!.../usr/bin/env python3.6 # -*- coding: utf-8 -*- # @Time : 2019-07-31 21:12 # @Author : Ed Frey # @...后面可能雷同问题，都可以用这招解决，记住了。 爬取这几个数据集（时间段1年半），大小已经到0.57G了，总耗时粗略估计在1.5-2小时左右。
在Andrew Ng的>课程中，多次强调了使用向量化的形式进行编码，在深度学习课程中，甚至给出了编程原则：尽可能避免使用for循环而采用向量化形式。...许多Numpy运算都是用C实现的，相比Python中的循环，速度上有明显优势。所以采用向量化编程，而不是普通的Python循环，最大的优点是提升性能。...另外相比Python循环嵌套，采用向量化的代码显得更加简洁。...总之，无论你有多长的数据列表并需要对它们进行数学转换，都强烈考虑将这些Python数据结构（列表或元组或字典）转换为numpy.ndarray对象并使用固有的矢量化功能。...更多关于numpy向量化编程的指导，可以参考这本开源的在线书籍：From Python to Numpy )
import re import time import matplotlib.pyplot as plt import requests import dem...
依旧，先贴一下目录： ├── README ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录 │ ├── __init...如果有对代码不感兴趣，但是对量化分析感兴趣的童鞋，可以去现成的量化分析平台模拟，比如JoinQuant聚宽量化交易平台，直接使用平台上现成的指标，组合一个自己想要的策略，然后进行回测。...如果满足不了自己的胃口，平台还支持自己写指标组合使用，相比python从头到尾捋一遍简直爽到炸……几分钟就能搞一个策略测测结果神马的 ? 好了，今天没有什么硬干货，洗洗睡吧～
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
实时音视频
即时通信 IM
