VNPY仿真柜台的用法快速入门可以参考这篇文章 (来自VNPY知乎官方公众号) https://zhuanlan.zhihu.com/p/166244874
vnpy [1] 基于python的开源交易平台开发框架。项目的用户包括:私募基金,证券自营、资管,期货公司,高校的金融研究院系,个人投资者等,机构用户加起来至少20多家。 该项目拥有较为丰富的Py
BigQuant – 你的人工智能量化平台 – 可以无门槛地使用机器学习、人工智能开发量化策略,基于python,提供策略自动生成器
开发策略时,如何直观地检查自己的交易逻辑是否正确?代码所实现的和自己的策略逻辑是否一致?moonnejs在「维恩的派」论坛里分享了一个可以用于回测的交互K线工具。感谢moonnejs的分享!
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
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,荣获2021年度AMMA优秀品牌力、优秀洞察力大奖,连续2年被腾讯云+社区评选为“年度最佳作者”。 量化交易策略从研究到实盘,需要一套完整的工具链。从策略的理念、研究需要的数据、回测再到实盘,都需要不同的工具。随着量化投资理念的普及,量化开源项目在其中有着功不可没的作用。今天,大家就随小编盘一盘这些年,国内量化开源的顶流
谢谢大家的支持!现在该公众号开通了评论留言功能,你们对每篇推文的留言与问题,可以通过【写评论】给圈主留言,圈主会及时回复您的留言。 想在市场上赚钱,必须同时具备两样能力: 研究:做出正确的能够获利的决策,也就是寻找Alpha的能力 交易:基于研究的结果和交易信号,执行相应的下单风控等操作,也就是将Alpha落实到你账户盈利上的能力 研究方面 python编程能力: python基础编程,必须掌握,不仅仅是会语法,还有各种语言细节的坑(当然比C++少很多)。对于常年使用R MATLAB SAS的研究人员来
金融科技&大数据产品推荐:量子金服投研管理平台
本文作者是一位从事量化交易的实战者,他将他的实战心得写成一个量化交易系列,本篇则是系列的第一篇,从文中你会对整个量化交易的框架、流程、以及策略思路的来源地都有相应地说明。接下来就和文摘菌一起来看看量化交易应该如何入门吧!
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~
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。
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:
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。
去年不是撸了个量化平台嘛,自己用起来蛮舒服的,但很多用户反应,家里没有电脑,无法做到回测,起初呢也不在意,最近正好有时间,花了2天时间,让它支持了在线回测。
在Python量化领域,PyAlgoTrade和zipline是两大策略回测框架的先驱,其中PyAlgoTrade主要针对CTA策略(单一合约交易),而zipline主要针对统计套利策略(投资组合交易)。
写着写着,突然发现之前的标题“常用命令介绍”已经跟内容有点脱轨了,写的已经不只是命令了……
随着Python编程语言的流行和普及,越来越多人对如何应用Python做金融数据分析和量化交易充满兴趣。但是不少人对量化投资本身存在一定的误解或认识不清,有的人过于异想天开,认为可以躺着挣钱(怕是只有岛国老师吧);有的人则因循守旧,认为没啥卵用;也有的人盲目追求模型的复杂性,在编程和数学中迷失了方向。
什么是量化交易?简单的说,就是用程序编写交易策略,用回测来模拟之前几年甚至几十年的交易,其中可以用到各种历史数据来辅助,包括但不限于:开盘价、收盘价、PE、PB、GDP、社交媒体的投资信息等等。
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,荣获2021年度AMMA优秀品牌力、优秀洞察力大奖,连续2年被腾讯云+社区评选为“年度最佳作者”。 公司简介 念空科技是一家建立在数据科学研究基础上的量化投资机构,公司致力于运用科学的数据分析方法为投资人提供高价值的绝对收益产品。公司成立于2015年3月,同年7月在中国证券投资基金业协会备案,注册资本1.5亿,成立以来
近来忙于毕业找工作,也不知道能不能继续在量化界混了。周末比较闲,抽空研究了一下vn.py。有人说,为什么学那么多的回测平台呀。其实我个人觉得,做cta的话,两个回测平台还是要的,这样,当你的策略出现和你预计不符,而你有无法在代码逻辑层面找到问题的时候,你就可以用另外一个平台试一下,来看看到底是你的策略本身就不行,还是你的代码有着当前水平无法察觉的问题,甚至,可能回测平台本身存在一个bug。所以笔者之前学习的backtrader和pyalgotrade的目的就是这个,但是后续对于pyalgotrade没怎么用。前段时间看到vn.py和某Q开头的开源项目在网上开战,刚入门python的小朋友可能还不知道他们争论的是什么。
量化回测,苦于MySQL久矣,特别是进行股票日内因子构建分析或全市场因子测试的时候,每当按下回车时,MySQL就跟丢了魂一样,查询费时,大吞吐量读取也非常耗时。虽然MySQL的优化技巧足够写一本书,但这些都需要交给专业的DB工程师去做,量化打工人没有能力更没有时间倒腾这些。那有没有省时省力,高效存储股票行情数据的解决办法呢。带着这个问题,编辑部简单的搜索了一下,总体分为几个方案:
上一篇文章,我用了4000字这样比较长的篇幅,介绍了一些金融和量化交易相关的基本知识,还大概说了下人工智能在金融方面使用的优劣。这篇文章我们将用一个具体代码来进行一波股票价格预测的实战。
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。
这本书真心好,作者就是极度追求技术把机器学习方法和量化投资结合起来。光是看里面如何打标签 (labelling), 采样 (sampling) 和分析回测危险 (danger of backtesting) 就物超所值。此外再看看有 Peter Carr, Fabozzi, Rebonato 这些如雷贯耳的大牛给这本书背书就可知其分量了。
vn.py框架更加适合做CTA类的策略,而不是高频策略。moonnejs在「维恩的派」论坛里分享了自己如何对vn.py回测引擎进行改进,使其适合于高频交易。感谢moonnejs的分享!
ai量化系统架构的思考 背景 现在很多群体,尤其是有点金融背景或兴趣的程序员群体,“大量”进入量化交易这个领域。 以quantopian为蓝本,做出to c的quant平台。这个前文说过,受众肯定是非常窄的。有能力的人,不需要平台;编码对于大多数人也是一个门槛。 另外,即便像果仁或ricequant也出了向导式写策略,门槛降下来不少。但还是不对。用户还只能从经验出发,或者去试。 回测只是一个结果,本质是构建策略思路的过程。比如盈利目标,短线的话,看基本面意义不在,一个季度基本面都不会变的(变了你也不知道)。
记住,学习量化金融需要时间和耐心。逐步掌握基础知识,并将其应用于实践中,才能不断提高自己的能力。
由于有免费的CTP接口,期货程序化交易目前比较普遍,很多人都尝试过在文华财经、金字塔之类的软件上回测和编写实盘策略。
问:现在上有关numeric analysis的课时,都用Python,实际工作时候呢?
在当今金融市场的快速变化中,量化交易凭借其高效、精准的特点,逐渐成为金融界的新宠。而Python,作为量化交易领域的得力助手,为工程师们提供了强大的技术支持。本文将深入解析Python量化交易工程师的培养之路,带领读者走进这个金融高薪领域。
前几天介绍了vn.py实盘部分的底层实现机制,这一篇将为大家介绍数据以及回测部分的底层实现机制。
量化交易(Quantitative Trading)是指并非透过个人主观、自己的认知去判断, 而是透过数据运算来判断做决策,是一种依靠数学和统计模型来辨别市场交易的策略。
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。
量化交易的涵盖范围很大,程序化交易,算法交易,高频交易,自动化交易平台等等都可以算作量化交易。
今天开始研究MT4了,MT4是大大有名的外汇交易和量化软件,使用一种叫做MQL的语言来开发量化程序(跟C比较像)。因为是外国人做的,用的也大部分是外国人,使用起来不是很顺手,跟极星各有优劣吧。这里我就先逐步讲一下MT4的使用,然后再简单跑一个boll指标,最后汇总下使用心得。
来源:雪球 【投资起源】“与第一张股票认购证擦肩而过,再次入市从基金做起” 问:您哪一年入市的有多久了?为何会入市呢?第一次买卖赚了还是亏了? 持有封基:1992年是个激情澎湃的年代,年初推出了30元一张的股票认购证,但那天我去银行买的时候,柜台营业员让我等一会,我正好还有其他事,加上当年100元工资来说,(认购费)是相当大的一笔钱,而且当时聪明人都在说是买了一张废纸,第一次我就这样和财富失之交臂了。 第二次买认购证时,我竟然中了上海石化,5元的认购证成本加上3元的股价,很多年都没翻身(当时大部
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。 公司介绍 AP资产是一家由数个传统行业家族自有资金发起,逐步发展形成的一二级联动多策略资产管理平台,其投资策略包括A股量化、港美股多头、A股定增、中后期优质企业股权投资及母基金投资等。 管理团队拥有丰富的投资及投行经验、敏锐的风险机会识别能力,及优秀的资产配置能力,为投资者寻求超群的长期投资回报,业务覆盖大中华区、
投资理财是几乎是每个人的人生必修课,修的好,能带来很多睡后收入。但是没有丰富的投资知识,不要进入股市。假如你有一些闲钱,这些钱如果没了,对你的生活质量丝毫不受影响,那么,可以用这些闲钱玩一玩股票,记住一点,不可以使用杠杆,如果没有闲钱,那就玩模拟炒股吧。
为了让这个策略能让计算机执行,首先,要使策略符合“初始化+周期循环”框架,像这样:
注:考虑到ChatGPT在回答英语问题时的速度明显快于回答中文问题的速度,所有的问题都使用英文提问。 近日,QIML分享了一篇关于ChatGPT撰写量化书籍的文章,引起了强烈反响:
上一篇总结了一些入门的知识内容,本文结合个人经验,总结编程软件方面的内容,对各种软件在量化上的应用做一个对比,供参考。首先我的观点是,没有最好的软件,只有最适用的领域,先明确自己想做的是什么,再选择最合适的软件。这不是一篇广告文,也不是百度复制粘贴的结果。
在该项目中,研究者把股票市场的历史价格走势看作一个复杂的不完全信息环境,而智能体需要在这个环境中最大化回报和最小化风险。相比于其他传统机器学习算法,深度强化学习的优势在于对股票交易任务进行马尔可夫决策过程建模,没有将识别市场状况和交易策略执行分开,更符合股票交易的特点。尽管基于深度强化学习的量化策略研究仍处于早期探索阶段,部分算法已经能够在特定的交易任务中展现出良好的收益。
作者:石川| 公众号专栏作者 | 量信投资 创始合伙人,清华大学学士、硕士,麻省理工学院博士;精通各种概率模型和统计方法,擅长不确定性随机系统的建模及优化。知乎专栏:https://zhuanlan.zhihu.com/mitcshi。
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。 公司介绍 上海鸣熙资产管理有限公司成立于2014年(私募投资基金管理人登记证P1033450),是一家依靠数学与人工智能进行量化投资的对冲基金,是国内知名的专注于股票、期货和期权高频交易机构。核心团队成员来自于DE shaw、 Morgan Stanley、Google、微软、北清复交等海内外知名公司和高校。鸣熙资产
总结下,其实就是利用机械化的手段来代替人工的操作,因为人是有情感的,机器的话只需要跟着指令执行就可以了。
掘金仿真提供免费的仿真交易API接入方式。使用掘金API,可以下单、撤单,查询资金、持仓与委托成交数据。另外掘金仿真还提供了实时消息推送接口,委托状态变化、成交回报等消息会以实时的方式推送。
目前,网上其实有很多量化的回测平台,比如之前笔者写过教程的backtrader和pyalgotrade,当然还有大名鼎鼎的zipline。但是值得注意的是,这些其实某种意义上是一个回测平台,如此而已。如果做cta,可能就足够了,但是如果是要做多因子策略的话,这种回测平台可能只是整个体系当中的一个小小的部分。
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:
领取专属 10元无门槛券
手把手带您无忧上云