今天给大家分享一位好朋友的六年量化程序开发历程,最后他的策略实现了很高的收益,身边有很多朋友也都是主业码农,副业量化,这种搭配是现在非常流行的,量化代码给大家放在了文章末尾,看完后希望对你有所启发与帮助~
emmmm,你自学你优秀,不过我估计大部分人也就只能看看别人的源码,发发蹭热点的文章了!话说你会搭建公众号吗?
在回测区间的各个调仓日选出的股票数在18只-86只之间,2009年4月-2009年7月、2014年10月-2015年2月、2015年10月-2016年3月三个时间段的股票数较少,从2017年后半年至2018年前半年的一年时间里选出的股票数较多。
量化交易策略无非三点:择时、选股、仓控。择时为短期套利交易策略,选股为中长期交易策略,目标是在中长期跑赢指数、获取市场超额收益率alpha。多因子选股的关键是找到寻找因子与股票收益率之间的相关性,即对收益率预测能力强的因子。一般多采用如下步骤:
吃瓜群众:10年翻400倍?!这怎么可能?!肯定是标题党?! 回答:绝对不是。后面会附上原始数据、代码、结果,用数字说话。 吃瓜群众:那这个策略是不是非常复杂? 回答:不复杂。这个策略非常简单,简单到一句话就能讲清楚。 邢不行是经管之家(原人大经济论坛)「量化投资」版块的版主,毕业于香港科技大学,热门教程《量化小讲堂》作者。 今天,邢老师给大家分享一个策略,一个在过去10年可以让你的本金翻400倍的选股策略。 选股条件 这个策略非常简单,简单到只用了一个选股条件。但是这个选股条件在众多其他条件中,却是最
从2018年6月4日起,公众号每发布一篇文章,就为大家分享一张Octodex的创意图。 # 002 今天我们为大家带来最新的研报内容,来自广发证券金工团队的《风险中性的深度学习选股策略》。下面让我们来
目标地址: http://stock.finance.sina.com.cn/stock/go.php/vIR_RatingNewest/index.phtml
大家好,这里是程序员晚枫,今天为大家整理了23个Python爬虫项目。整理的原因是,爬虫入门简单快速,也非常适合新入门的小伙伴培养信心。
Stock [1]- 终端实时获取股票价格,实时查询股票价格,默认查询了沪指、深指。需要安装requests库,通过调用新浪股票API,实时查询股票价格,支持查询多支股票,通过threading多线程
转眼年底,很大部分人都在观望,甚至已经开始着手准备明年的面试了,不知道屏幕前的你是如何打算的?
用互联网大数据来选股,这事儿靠谱么?! 蚂蚁金服最近联合博时基金、恒生聚源、中证等金融机构向外展示了他们最新的联合研究成果:淘金100指数。简单说,就是通过对电商大数据的分析,同时参考传统的财务数据、K线图分析等,挑选出100只股票进行等权重投资。 据说战绩惊人,今年,淘金100上涨高达41.5%,而上证综指的上涨只是15.9%。淘金100指到底是怎么做到的,互联网大数据是否真能指导投资?来看下文这篇详细的图文干货。 ---- 余额宝之后,互联网理财开始爆发,参考美国等成熟市场的发展历程,预计3年后,
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。
底部放量择时策略 选股标准 沪深300成分股任选100只 择时标准 当前股价小于100交易日内最低价的1.1倍 当前成交量大于100日平均成交量的5倍,且当日上涨 止盈止损 止损:5% 止盈:20% 择时原理 股票处于底部有较高安全边际 放量预示着行情启动 策略代码 逆势加仓策略 回测标的 沪深300 回测区间 2012年1月1日至2016年11月11日 选股 选出当前处于100日低点的股票 进场 将资金等分为5份,将1份资金的1/7买入股票,当该股票下降10%时,追加买入1份资金的2/7。当
说到基金股票,不仅仅是金融小白会一头雾水,就连资深股民都难逃买啥啥就跌的痛苦。近期数据侠实验室,DT君邀请到了Merkle高级数据分析师周秀丽、秦溱,自称金融小白的她们将会从大数据这一独特的角度带你走进股票和基金。
今天为大家整理了32个Python爬虫项目,大家可以自行前往GitHub搜索,或者直接留言,我会给大家发送相关链接~谢谢! WechatSogou [1]- 微信公众号爬虫。基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫,返回结果是列表,每一项均是公众号具体信息字典。 DouBanSpider [2]- 豆瓣读书爬虫。可以爬下豆瓣读书标签下的所有图书,按评分排名依次存储,存储到Excel中,可方便大家筛选搜罗,比如筛选评价人数>1000的高分书籍;可依据不同的主题存储到Excel不同
作者在自学机器学习的过程中,尝试开发了一个基于机器学习的A股选股工具。本文是在赤兔的“数据挖掘”小组分享的此次开发过程和心得体会的整理。 股票价格的可预测性——工具的意义 关于股票价格的可预测性,我想
WechatSogou [1]- 微信公众号爬虫。基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫,返回结果是列表,每一项均是公众号具体信息字典。
作者:SFLYQ 今天为大家整理了32个Python爬虫项目。 整理的原因是,爬虫入门简单快速,也非常适合新入门的小伙伴培养信心。所有链接指向GitHub,祝大家玩的愉快~ WechatSogou [1]– 微信公众号爬虫。基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫,返回结果是列表,每一项均是公众号具体信息字典。 DouBanSpider [2]– 豆瓣读书爬虫。可以爬下豆瓣读书标签下的所有图书,按评分排名依次存储,存储到Excel中,可方便大家筛选搜罗,比如筛选评价人数>100
整理的原因是,爬虫入门简单快速,也非常适合新入门的小伙伴培养信心。所有链接指向GitHub,祝大家玩的愉快~
资金流向是观测股票市场的一个重要指标,目前A股市场可以获取到的资金流数据主要包括:
WechatSogou [1]– 微信公众号爬虫。基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫,返回结果是列表,每一项均是公众号具体信息字典。 DouBanSpider [2]– 豆瓣读书爬虫。可以爬下豆瓣读书标签下的所有图书,按评分排名依次存储,存储到Excel中,可方便大家筛选搜罗,比如筛选评价人数>1000的高分书籍;可依据不同的主题存储到Excel不同的Sheet ,采用User Agent伪装为浏览器进行爬取,并加入随机延时来更好的模仿浏览器行为,避免爬虫被封。 zhihu_
今天我们来继续我们机器学习应用量化投资系列,本期,我们介绍一篇来自华泰证券金工的研究报告。将深入为你剖析Stacking 集成学习在量化投资中的应用!希望大家有所收获! Stacking 集成学习模型简介 Stacking 集成学习的原理 Stacking 是一种常见的集成学习框架。一般来说,Stacking 将训练一个多层(一般是两层, 本文中默认两层)的模型结构,第一层(也叫学习层)包含 n 个不同的模型,将得到的预 测结果合并为新的特征集,并作为下一层模型的输入,由下一层模型再次根据对应的数据 标签进
数据是金融量化分析的重要基础,包括股票历史交易数据、上市公司基本面数据、宏观和行业数据等。随着信息流量的日益膨胀,学会获取、查询和加工数据信息变得越来越重要。对于鼓捣量化交易的人来说,怎么能说不会玩数据库呢?目前常用的开源(免费)数据库有MySQL、Postgresql 、Mongodb 和 SQLite (Python自带),在2018-2019年DB-Engines 排行榜上位居前十(见下图),可见其使用量和受欢迎程度较高。这几个数据库各有自己的特点和适用环境,关于该学习哪一个或如何学习网上有很多相关资料。本文主要为大家简单介绍如何使用 Python 操作 Postgresql 数据库(其他数据库类似),利用 psycopg2 和 sqlalchemy 实现 postgresql 与 pandas 的 dataframe 进行交互,一步步搭建自己的量化分析数据库。
在ChatGPT引领的AI浪潮下,涌现了一大批AI应用,其背后其实蕴含着一个基本事实:AI能力得到了极大突破——大模型的能力有目共睹,未来只会变得更强。这世界唯一不变的就是变,适应变化、拥抱变化、喜欢变化,天行健君子以自强不息。我们相信未来会有越来越多的大模型出现,AI正在逐渐平民化,将来每个人都可以利用大模型轻松地做出自己的AI产品。
之前在A股动量与反转的实证过程中,提到了因子择时和风格轮动的重要性,本篇算是对因子择时的一个小小的尝试,没有什么创新性,只是把现在比较传统的方法都拿来试了一遍,目前没有能力创造方法,只做方法的搬运工。
我开始以为就是一个升级版的“小爱同学”,“小度小度”,“天猫精灵”啥的,但是深入的把玩了一会之后,我发现它们甚至都不是一个维度的产物。
基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫,返回结果是列表,每一项均是公众号具体信息字典。
作为一名本本分分的练习时长两年半的Java练习生,一直深耕在业务逻辑里,对并发编程的了解仅仅停留在八股文里。一次偶然的机会,接到一个私活,核心逻辑是写一个 定时访问api把数据持久化到数据库的小服务。
在股市里,光是一支股票,其 K 线、形态、指标就已经含有丰富的信息,更何况股市里有大几千支股票,各种信息令人眼花缭乱。普通散户到底如何全盘分析,选出一支潜力股?
之前公众号分享过网友自行编写的WorldQuant 101因子源代码,大家有需要可以点击链接进行免费获取。
环境是python3.6.5以及PyCharm不得不说,JetBrains做的IDE都很不错,无论是这款PyCharm还是IntelliJ、Goland在形参处的名称提示太方便了
量化投资与机器学习微信公众号,是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者。 团队简介 东吴金工活力有朝气,研究兼具广度和深度,颇受市场好评。团队首席高子剑先生,证券投资行业15年资历,现任东吴证券研究所所长助理、执行董事;培养的团队成员遍布公募基金、券商资管、券商衍生品、量化私募、宏观对冲基金、期货资管;多次获新财富最佳分析师、卖方分析师水晶球奖、中国证券业金牛分析师等奖项;复旦大学、北京
WechatSogou [1]– 微信公众号爬虫。 基于搜狗微信搜索的微信公众号爬虫接口,可以扩展成基于搜狗搜索的爬虫,返回结果是列表,每一项均是公众号具体信息字典。 github地址: https://github.com/Chyroc/WechatSogou
Style Analytics是一家面向投资专业人士的独立全球软件提供商。Style Analytics之前被称为Style Research,拥有超过20年的因子分析经验,为30个国家的280多家投资机构提供服务。
有一些单纯搞计算机、数学或者物理的人会问,究竟怎么样应用 ML 在量化投资。他们能做些什么自己擅长的工作。虽然在很多平台或者自媒体有谈及有关的问题,但是不够全面和完整。从今日起,量化投资与机器学习公众号将推出一个系列【机器学习该如何应用到】。今日的推文,是编辑部人员对国内的所有券商金工团队做的机器学习的研究报告做了一个系统性的整理。希望大家有所收获。 获取本推文所有研报请看文章末端 系列文章(点击即可查看) 机器学习该如何应用到量化投资系列(一) 机器学习该如何应用到量化投资系列(二) 2010年08月1
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。通过这些平台,你可以很方
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。Larry Williams通过多年的研究和实践,发现市场中存在一种周期性的波动模式,通过这种模式可以预测价格的短期走势。
文本类型数据是数据挖掘分析中重要的一部分。以证券市场分析为例,与一般的“价、量、宏观经济数字......”等相比,以新闻为代表的文本类数据揭示了市场信息不同纬度,往往更加即时、更贴近市场。 今天就文本数据分析做简单的介绍。 1数据的获取 依旧以对证券市场分析为例,常用到的数据有“财经新闻、上市公司公告、股吧网友讨论等”。我们希望从这些数据源中能得到有价值的信息,可能是一段时间的新闻热点、可能是网友对不同事件的正负面情绪、或者其他一些。 第一步就是获取数据,新闻相关的有新浪财经、华尔街见闻等;上市公司公
量化投基使用自动化程序进行量化选基。其中包含了多个策略。本集合投资目标是通过选择优质基金,来获取更高的 Alpha。同时,根据量化指标进行部分仓位的择时操作。整体仓位会控制在 5 成到满仓之间。
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。
接口名称 Api接口 接口描述 A股列表 getStockHSABaseInfo 沪深A股基本信息 每日行情 getStockHSADailyMarket 沪深A股每日行情数据 实时数据 getStockHSAMinuteKLine 沪深A股实时数据,提供30个交易日内的每日实时交易数据,数据以分钟为粒度。 时线数据 getStockHSAHourKLine 沪深A股分时数据,提供30个交易日内的5分钟、15分钟、30分钟、60分钟数据。 日线数据 getStockHSADayKLine 沪深A股日线、周线、月线数据 B股列表 getStockHSBBaseInfo 沪深B股基本信息 每日行情 getStockHSBDailyMarket 沪深B股每日行情数据 实时数据 getStockHSBMinuteKLine 沪深B股实时数据,提供30个交易日内的每日实时交易数据,数据以分钟为粒度。 时线数据 getStockHSBHourKLine 沪深B股分时数据。提供30个交易日内的5分钟、15分钟、30分钟、60分钟数据。 日线数据 getStockHSBDayKLine 沪深B股日线、周线、月线数据 股票账户 getStockAccount 股票账户统计详细数据 交易日历 getTradeDate 股票市场交易日历 市场两融交易 getRzRjMarket 沪市、深市融资融券交易信息 个股两融交易 getStockRzRj 沪深A股融资融券交易信息 两融账户信息 getRzRjAccount 沪深A股融资融券账户信息 涨停股池 getPoolZT 涨停板行情之每日涨停股池 强势股池 getPoolQS 涨停板行情之每日强势股池 次新股池 getPoolCX 涨停板行情之次新股池 炸板股池 getPoolZB 涨停板行情之每日炸板股池 跌停股池 getPoolDT 涨停板行情之每日跌停股池 基金列表 getCnFundBaseInfo ETF、LOF基本信息 每日行情 testgetCnFundDailyMarket 场内基金每日行情数据 实时数据 testgetCnFundMinuteKLine 场内基金实时数据,提供30个交易日内的每日实时交易数据,数据以分钟为粒度。 时线数据 testgetCnFundHourKLine 场内基金分时数据,提供30个交易日内的5分钟、15分钟、30分钟、60分钟数据。 日线数据 testgetCnFundADayKLine 场内基金日线、周线、月线数据 每日行情 getFundRank 基金每日行情数据 基金信息 getFundBaseInfo 所有基金基本信息 基金净值 getFundNav 基金净值数据 基金持仓 getFundPosition 基金持仓数据 港股列表 getStockHKBaseInfo 港股股票基本信息 每日行情 getStockHKDailyMarket 港股行情数据,提供30个交易日内的每日行情数据。 实时数据 getStockHKMinuteKLine 港股实时数据,提供30个交易日内的每日实时交易数据,数据以分钟为粒度。 时线数据 getStockHKHourKLine 港股分时数据,提供30个交易日内的5分钟、15分钟、30分钟、60分钟数据。 日线数据 getStockHKDayKLine 港股日线、周线、月线数据 沪深指数 getIndexHSBaseInfo 沪深指数基本信息 香港指数 getIndexHKBaseInfo 香港指数基本信息 全球指数 getIndexQQBaseInfo 全球指数基本信息 债券指数 getIndexBondBaseInfo 债券指数基本信息 每日行情 testgetIndexDailyMarket 所有指数行情数据,提供30个交易日内的每日行情数据。 实时数据 testgetIndexMinuteKLine 所有指数实时数据,提供30个交易日内的每日实时交易数据,数据以分钟为粒度。 时线数据 getIndexHourKLine 所有指数5分钟、15分钟、30分钟、60分钟数据。保留30个交易日内的5分钟、15分钟、30分钟成交数据,保留全部60分钟成交数据。 日线数据 getIndexDayKLine 所有指数日线、周线、月线数据 债券列表 getBondHSBaseInfo 沪深可转债基本信息 债券信息 getBondHSDetailInfo 沪深可转债详细信息 每日行情 testgetBondHSDailyMarket 可转债行情数据,提供30个交易日内的每日行情数据。 实时数据 getBondHSMinuteKLine 可转
最近"量化交易"成为了热门话题,具体缘由我就不多说了,之前觉得"量化交易"非常地神秘,"量化交易"是什么?它和"程序化交易"有什么区别?找些资料了解下。
Backtrader 是 2015 年开源的 Python 量化回测框架(支持实盘交易),功能丰富,操作方便灵活:
1.量化 对于一般投资者,甚至是部分金融从业者来说,量化投资都是一门高大上的技术,充斥着模型代码和算法假设,门槛非常高。其实,生活中的量化思想无处不在。 例如,某魔都金融民工,每日上班路线是这样的:乘地铁或者公交至陆家嘴,随后步行或者乘华宝兴业免费接驳车至公司楼下。哪条路线最近呢? 此人先罗列了所有可行的路线,随后花了一个月时间,逐条路线进行多次试验,最终成功找出不出意外情况下最近的线路,完美!这就是最简单的量化思想,利用大量数据,找出大概率的最优策略,并照此执行。 海外的量化投资发展已经超过三十年
主动管理决策是由预测和一致预期收益率之间的差异驱动的,套利定价理论在主动投资组合管理中具有重要意义,它给出了预测收益率的框架,但并未说明用什么因子预测,应用套利定价理论进行收益率预测和主动投资更像是一种艺术。
相信很多买过股票的同学应该都听过PEG估值选股法,这个策略是美国的传奇基金经理彼得林奇极力推广的。
程序员,或许内心深处都怀揣着一个量化投资的梦想,渴望凭借自己的编程和人工智能技能,再补点基础的金融知识,我们便可以构建一个量化交易系统,轻松实现财富自由。这样的理想确实诱人,似乎让我们看到了轻松实现个人价值的可能性,也让我们看到了用代码改变世界的力量。
随着中国的证券市场规模的不断壮大、市场创新不断深化、信息披露不断完善、市场监管不断强化,随着现代投资组合理论的发展和计算机技术的进步,投资者为了在股票交易中取得更多的收益,就需要有合理有效的投资策略,因素模型的基础上发展出众多量化研究模型。对于这些模型的研究能够帮助投资者有效的跟踪市场的变化,为得出更好的投资策略而提供帮助。Logistic选股模型正是这些众多模型中的一个。
股神巴菲特在面对公众的时候,第一常干的事情是喝可乐卖萌。 第二常干的事情,就是部不断的教导大家: “对于个人投资者而言,最好的投资方式就是指数定投!” 一、什么是指数定投? 所谓指数定投,就是不管股市
又到每天一期学习爬虫的时间了,作为一名专业的爬虫程序员,今天要跟你们分享一个超实用的技巧,就是利用HTTP爬虫ip来提升高并发数据抓取的速度。听起来有点高大上?别担心,我会用通俗易懂的话来和你们说,让你们秒懂怎么操作的。
领取专属 10元无门槛券
手把手带您无忧上云