展开

关键词

从零开始学量化(六):用Python优化

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。

3.6K21

Python量化|使用AlgoPlus接收期货实时行情

金融领域也是 Python 的重要方向之一,我知道有一些读者就是冲着量化交易才接触 Python 的。今天给大家分享一个使用 Python 的期货交易API。 ---- 量化交易在国内发展方兴未艾。 因为T+0且允许空的交易制度、交易所的大力推动、信息技术红利带来的赚钱效应培养了一大批拥趸等原因,量化交易在期货行业起步比较早,而且发展比较成熟。 所以,对于想从事量化研究、交易的同学们而言,学习CTP开发是一门必修课。 python语言在许多领域被非常广泛的应用,量化交易也不例外。本文给大家介绍的AlgoPlus就是对官方CTP封装的python量化投资接口。 相比较其他Python版CTP,AlgoPlus具有以下特点: 忠实于CTP官方特性。

3.5K41
  • 广告
    关闭

    腾讯云+社区系列公开课上线啦!

    Vite学习指南,基于腾讯云Webify部署项目。

  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    python时间序列预测七:时间序列复杂度量化

    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 :

    96110

    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 python获取股票数据 ?

    81610

    Python 实战之量化交易

    什么是量化交易? 使用程序来量化交易,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。 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。

    2K12

    Python量化 教你认清现实!

    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!

    8210

    Python——量化分析介绍(十一)

    也没啥好总结的,目录如下: 1 最后再贴一次框架目录 ├── MyQuant_v1 #量化分析程序目录 ├── __init__.py ├── data #数据处理目录 │ ├─ 讲一下最后这节的干货吧:stock_pool_strategy.py #股票池策略及效果演示 其实就是包含一个策略:选出pe在0—30之间的100只个股,7个交易日一次调仓,持有股票全部以调仓日收盘价为准 /usr/bin/env python3.6 # -*- coding: utf-8 -*- # @Time : 2019-08-05 21:47 # @Author : Ed Frey # @ 总之,要做一个量化分析的项目,需要花费大量的精力时间去建模,不断的修正完善,有很多问题要实战起来,才会发现,哇靠,这么复杂!!! 至于,沪深300与策略收益曲线对比图呢,一把辛酸泪?!

    74020

    Python——量化分析介绍(六)

    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~

    46020

    Python中的向量化编程

    在Andrew Ng的<< Machine Learning >>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 )

    87630

    Python——量化分析介绍(七)

    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 # @

    55332

    python基金量化 分析 小程序

    44420

    Python——量化分析介绍(八)

    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 # @ /bin/python /Users/Ed_Frey/Desktop/MyQuant_v1/util/stock_util.py 3646 ['000001', '000300', '399001', 2 data_module.py 这个模块是为后面铺垫的,接下来在数据处理分析时,会时不时的从数据集中提取所需股票信息,而且不止一次两次的重复提取。 /usr/bin/env python3.6 # -*- coding: utf-8 -*- # @Time : 2019-08-04 09:51 # @Author : Ed Frey # @

    38660

    Python——量化分析介绍(九)

    这是奔跑的键盘侠的第116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 : 2019-08-03 21:44 # @Author : Ed Frey # @

    29111

    Python——量化分析介绍(十)

    这是奔跑的键盘侠的第118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 : 2019-08-04 06:40 # @Author : Ed Frey # @ /usr/bin/env python3.6 # -*- coding: utf-8 -*- # @Time : 2019-08-04 07:20 # @Author : Ed Frey # @

    66221

    Python 进阶视频课 - 15. 量化交易之向量化回测

    这是 Python 进阶课的第十五节 - 量化交易之向量化回测 ,进阶课的目录如下: NumPy 上 NumPy 下 Pandas 上 Pandas 下 SciPy 上 SciPy 下 Pandas 异常处理 函数上:低阶函数 函数下:高阶函数 类和对象:封装-继承-多态-组合 字符串专场:格式化和正则化 解析表达式:简约也简单 生成器和迭代器:简约不简单 装饰器:高端不简单 本课的主要目标是掌握向量化回测 本课介绍了应用于三种类型的交易策略的回测: 基于简单移动均线 (Simple Moving Average) 基于动量 (Momentum) 基于均值回归 (Mean Reversion) 对于每种策略,我会教大家如何策略探索 基于均值回归策略 特殊示例 通用示例 付费用户(付 1 赠 1)可以获得: 观看课程视频 (90 分钟) Python 代码 (Jupyter Notebook) Jupyter Notebook

    38010

    Python+numpy实现函数向量化

    Python本身对向量操作的支持并不是很好,需要借助列表推导式或函数式编程来实现,例如: >>> import random # 生成随机测试数据 >>> x = random.sample(range -66, 282, 231] # 函数式编程,map,模拟向量加法 >>> list(map(lambda a, b: a+b, x, y)) [1067, 488, 1486, 998, 327] Python 扩展库numpy本身提供的大量函数都具有向量化的特点,并且可以把普通的Python函数向量化,可以使得Python操作向量更方便: >>> import numpy as np # 定义一个普通的减法函数 >>> def sub(a, b): return a-b # 把减法函数向量化 >>> vecSub = np.vectorize(sub) >>> print(vecSub(x,y)) [-171 -370 -66 282 231] # 把加法lambda表达式向量化 >>> vecAdd = np.vectorize(lambda a, b: a+b) >>> print(vecAdd

    2.4K50

    Python量化-如何获取实时股票信息

    NetEaseData.get_realtime_data:获取单个股票 NetEaseData.get_realtime_datas : 获取多个股票数据 这里我股票代码用的是兼容原有新浪模式的,你可以自己下修改 目前正在升级自己的量化平台,也会将之前的一些代码公布出来,如果喜欢请点个推荐,谢谢

    2100

    换个姿势学量化!|【量化小讲堂】使用python计算各类移动平均线

    作者:邢不行 原文链接: http://bbs.pinggu.org/thread-3631776-1-1.html (本文已获作者授权转载,如需转载请与原作者联系) ---- 【量化小讲堂-python & pandas技巧系列】使用python计算各类移动平均线 计算移动平均线是最常见的需求,下面这段代码将完成以下三件事情: 1.

    816110

    Python量化交易之预测茅台股票涨跌

    本文摘自清华大学出版《深入浅出Python量化交易实战》一书的读书笔记,这里把作者用KNN模式的交易策略,换成了逻辑回归模型,试试看策略的业绩会有怎样的变化。 然后我按照书里的方法,下特征工程: cowB['open-close'] = cowB['Open'] - cowB ['Close'] cowB['high-low'] = cowB['High'] 最后,再为大家分享如何用Python进行炒股的仓位控制! http://mpvideo.qpic.cn/0bc3lqaaaaaaoyaj25qpmbrfaxgdaboaaaaa.f10002.mp4?

    9620

    相关产品

    • 云支付

      云支付

      云支付(CPay)为您提供开放、可靠的移动支付收单和服务商、商户管理服务。云支付支持刷卡支付、扫码支付、刷卡支付,扫码支付,一码多付多种支付方式…..

    相关资讯

    热门标签

    活动推荐

      运营活动

      活动名称
      广告关闭

      扫码关注云+社区

      领取腾讯云代金券