精华内容
下载资源
问答
  • 这是一本python实践开发的书籍,开发的内容是当今最火的量化交易量化交易仁者见仁,智者见智,多学习总是好的。
  • #Python高阶# && #数据处理# #数据库# ------主题目录------- 1 数据处理篇【含数据库、爬虫相关】:提取搭建系统过程中,出现的各种数据处理场景,讲解对应的解决方法。主题内容如下: 【1-1 除权与复权...

    学习路线说明

    在这里插入图片描述
    量化交易是一个多技术综合的项目,以下是我们为读者打造的学习进阶路线!!!
    在这里插入图片描述

    书籍

    购书读者赠送股票量化分析工具v1.0版。工具由书中知识点组合而成,实现了包括选股、行情、回测三个功能。额外使用wxPython封装一层GUI便于操作。 目的是为了帮助读者再建立一座从书本知识到实战应用之间的“桥梁”。
    《Python股票量化交易从入门到实践》随书赠送“回测框架”的使用帮助

    视频课程

    关于随书赠送的回测工具,有不少读者在交流群中,咨询如何去二次修改这部分源码,来辅助自己做股票量化分析。因此我和异步社区推出了课程**《理性投资!2天入门量化思维炒股!定制自己的股票分析工具》**为读者捋一捋这个工具,同时也能完备书籍的知识点。

    这个视频课程有一个大福利——我升级了回测工具的代码,目前版本号为v2.0。

    相比于随书赠送的回测工具V1.0版本,除了增加了功能外,还对代码结构做了很大的优化,便于读者们更好地二次更改!

    理性投资!2天入门量化思维炒股!定制自己的股票分析工具-使用帮助

    知识星球

    学习完书籍《Python股票量化交易从入门到实践》我们再次升级学习的内容,可加入知识星球《玩转股票量化交易》持续进阶量化交易!!!

    在星球中我们会深入分享包括Python、爬虫、数据分析、可视化、人工智能、股票策略等各种与股票量化交易相关的内容! 也会逐步更新股票量化分析工具版本。

    目的只有一个:搭建属于自己量化交易系统!

    关于量化分析工具的历史版本更新记录!!!

    运行程序前,可参照以下两篇使用说明 部署 Python 开发环境
    《Python股票量化交易从入门到实践》随书赠送“回测框架”的使用帮助
    理性投资!2天入门量化思维炒股!定制自己的股票分析工具-使用帮助

    新手读者的Python及第三方库版本建议和以下保持一致。
    Python3.7
    wxpython 4.0.4
    mpl_finance 0.10.0(弃用)
    mplfinance 0.12.7a10
    TA-Lib 0.4.17
    numpy 1.15.1
    pandas 0.23.4
    pandas-datareader 0.7.0
    matplotlib 3.1.1
    tushare 1.2.51
    baostock 0.8.8
    statsmodels 0.9.0
    pyecharts 1.7.0
    backtrader 1.9.74.123
    backtrader-plotting 1.1.0

    本星球主要涵盖以下四大块内容:
    搭建量化系统、数据获取和处理、量化策略和思维、Python高阶、资料分享

    数据获取和处理

    【含数据库、爬虫相关】:提取搭建系统过程中,出现的各种数据处理场景,讲解对应的解决方法。
    主题内容如下:
    【1-1 除权与复权走势的对比】
    【1-2 解决warning:A value is trying to be set on a copy of a slice from a DataFrame】
    【1-3 difference方法找出不重复的Dataframe】
    【1-4 使用pd.merge方法合并两份行情数据】
    【1-5 sort_values()对DataFrame数据排列】
    【1-6 上市公司财务数据的计算公式】
    【1-7 DataFrame.to_sql对比pd.concat效果】 #数据库#
    【1-8 DataFrame列排序后用insert移动至首位】
    【1-9 DataFrame分组与聚合方法groupby对比板块数据】
    【1-10 DataFrame数据存入SQLite中重复记录的处理】 #数据库#
    【1-11 baostock历史A股K线数据接口“换手率”类型转换注意事项】
    【1-12 爬虫取东方财富网上市公司公告数据的框架-附代码】 #爬虫
    在这里插入图片描述
    【1-13 爬虫取东方财富网股票每日实时行情数据的框架-附代码】#爬虫#
    在这里插入图片描述

    【1-14 爬虫取天天基金网基金持仓前10股票名单的框架-附代码】#爬虫#
    在这里插入图片描述
    【1-15 一个巧方法过滤掉A股休市日期-得到历史实际交易日期】
    【1-16 matplotlib可视化中使用交互式后端扩展光标功能】
    在这里插入图片描述
    【1-17 解锁Pycharm关于查看数据库的一个小功能】#数据库#
    【1-18 小散量化炒股记|只花几秒钟!多任务爬虫获取A股每日实时行情数据-附代码】#爬虫#
    在这里插入图片描述
    在这里插入图片描述
    【1-19 玩转这个网易财经URL,就能爬虫直接下载csv格式股票历史行情数据】#爬虫#
    【1-20 又添一个数据源-多线程从网易财经获取A股历史行情数据-附代码】#爬虫#
    在这里插入图片描述
    【1-21 SQLite数据库创建索引来加快搜索效率】#数据库#
    在这里插入图片描述
    在这里插入图片描述
    【1-22 股票数据存入SQLite时要不要分表?该如何分表】#数据库#
    【1-23股价参差不齐,先标准化处理后就能直接对比】
    【1-24 股票数据分表存入SQLite,该如何合并查询?】#数据库#
    【1-25 星球年度汇总-爬虫获取股票数据A—概览篇】#爬虫#
    【1-26 星球年度汇总-爬虫获取基金持仓明细(附GUI可拿来就用)】#爬虫#
    在这里插入图片描述
    【1-27 星球年度汇总-基金持仓前十股票分析工具-更新1】#数据科学获取#
    点击跳转查阅详细内容

    【1-28 星球年度汇总-多线程快速获取A股全市场历史行情数据-附GUI来拿就用】#数据科学获取#点击跳转查阅详细内容

    【1-29 星球年度汇总-20年四季度基金持仓数据公布了! 分析小工具新功能上线!】#数据科学获取# 点击跳转查阅详细内容
    在这里插入图片描述
    【1-30 星球年度汇总-持续改进中-基金持仓前十股票分析工具升级V0.04版】#数据科学获取# 点击跳转查阅详细内容

    搭建量化系统

    基于wxpython封装一层GUI,记录一步步搭建出自己的量化交易系统的过程。
    主题内容如下:
    【2-1 搭建系统|比Matplotlib更好用的pyecharts打造GUI股票行情分析界面】
    在这里插入图片描述在这里插入图片描述

    【2-2 搭建系统|wxPython布局管理实现多只股票走势对比界面-附代码】
    【2-3 搭建系统|想把聚宽本地化吗?一起来创建GUI版的自定义量化回测平台-附源码】
    【2-4 搭建系统|行情软件可没有!多股票投资组合用的GUI分析界面-附代码】
    在这里插入图片描述
    【2-5 搭建系统|多维度下不同股票|周期|除权|复权走势对比界面-附代码】
    在这里插入图片描述
    【2-6 搭建系统|在线改策略很便捷!试一试本地GUI回测平台动态改策略-附代码】
    【2-7 搭建系统|不用数据库选股也行!利用Pandas特性的GUI版基本面选股工具-附源码】
    【2-8 搭建系统|听说backtrader很不错!把它集成到本地GUI回测平台中!-附代码】
    【2-9 搭建系统|升级基于财务数据的选股工具!添加上日历和排序功能会更好用-附源码】
    【2-10 搭建系统|“财务数据选股工具”如何与“多维度股票行情分析工具”完成无缝切换-附代码】
    【2-11 搭建系统|升级基于财务数据的选股工具!从清单中剔除ST股和次新股-附代码】
    【2-12 搭建系统|说好了个性化的选股工具!教你定制自己的选股财务数据表?-附代码】
    【2-13 搭建系统|证券板块连续暴涨!选股工具先按行业分类再选个股有多重要!-附代码】
    【2-14 搭建系统|升级选股工具,多板块个股同时提取!个股行情走势存入数据库-附代码】
    【2-15 代码分支|选股工具定制-tushare org 版本选股数据&自动保存结果-附代码】
    【2-16 搭建系统|量化小工具升级菜单架构,集成选股-回测-行情三大功能为一体-附代码】
    在这里插入图片描述
    【2-17 搭建系统|升级选股工具,使用同花顺F10查看上市公司基本概况!-附代码】在这里插入图片描述
    【2-18 搭建系统|本地量化工具集成开源量化框架backtrader操作指南!-附代码】
    在这里插入图片描述
    【2-19 搭建系统|继承backtrader的本地量化回测平台如何玩转多股轮动策略!-附代码】
    在这里插入图片描述
    在这里插入图片描述
    【2-20 知识星球发福利! 视频课程《2天学会定制自己的股票量化分析工具》】点击查看详细内容
    【2-21 随书赠送的股票量化分析工具—出升级版啦!功能抢先看】点击查看详细内容
    【2-22 股票量化分析工具V2.0视频已更新 代码已上传!-附代码】点击查看详细内容
    【2-23 通达信全市场数据导入指南—基于股票量化分析工具V2.0!-附代码】点击查看详细内容

    Python高阶篇

    Python高阶篇:搭建系统中所涉及到的Python语法方面的高级应用。
    主题内容如下:
    【3-1 @property装饰器把一个方法变成属性调用】
    【3-2 super函数解决多重继承重复调用】
    【3-3 几种下划线修饰变量的命名含义】
    【3-4 培养Python编码的规范:PEP-8】
    【3-5 @abstractmethod装饰器创建一个抽象函数】
    【3-6 如何用Pycharm对文件内容比较】
    在这里插入图片描述
    【3-7 变量__all__限定被import的符号】
    【3-8 setattr()/getattr()在量化回测系统配置参数传递中的应用】
    【3-9 Python变量的作用域及何时使用global关键字】
    【3-10 Python多线程共享全局资源的解决方案及影响面分析】

    量化策略和思维篇

    【含量化思维、量化回测、远程下单、炒股思维、策略制定等】:修炼股票量化交易的内在思维的同时,升级自己的量化技术手段。
    主题内容如下:
    #量化回测# 【4-1 矢量化与事件驱动量化回测框架优劣对比】
    #量化回测# 【4-2 回测阶段在收盘价上考虑滑点进行交易】
    #量化回测# 【4-3 量化策略中引入财务报表时避免未来函数】
    #量化回测# 【4-4 Python开源量化回测框架有哪些?】
    #远程下单# 【4-5 关于SMTP邮箱远程提醒下单的解决方案】
    #炒股思维# 【4-6 趋势判断才是散户把握获利的有效方法】
    #量化回测# 【4-7 什么是最大回撤幅度和最大回撤时期】
    #量化回测# 【4-8 量化回测中长期策略不能忽略与基准比较】
    #炒股思维# 【4-9 揭秘股市中所谓的主力到底是谁?】
    #炒股思维# 【4-10 股市中的超级账户是如何碾压你我的?】
    #量化思维# 【4-11 基于技术分析的策略到底怎么用才有效?】
    #炒股思维# 【4-12 股票交易中对于市场牛熊的判断是最为关键的!】
    #量化回测# 【4-13 如何利用聚宽平台回测交易策略】
    #量化思维# 【4-14 量化策略中常用的几种退出信号】
    #远程下单# 【4-15 模拟同花顺交易客户端实现自动交易】
    #量化思维# 【4-16 从“红几月”之类的说法谈日历效应的策略】
    #量化思维# 【4-17 资本资产定价模型与三因子模型的区别】
    #炒股思维# 【4-18 分享一个炒股书上绝不会说的技术分析本质】
    #炒股思维# 【4-19 分享一本经典的《手把手教你读财报》电子书】
    #量化思维# 【4-20 小白初入股市到进阶量化交易之路线图】
    #量化思维# 【4-21 大师级的扑克冠军分享宝贵的量化经验】
    #炒股思维# 【4-22 从股东高管持股数据侧面了解上市公司的未来】
    #炒股思维 【4-23 记7月16日A股市场暴跌走势后的几点心得体会】
    #量化思维# 【4-24 我来告诉你行情软件的资金流入流出数据是有多鸡肋】
    #炒股思维# 【4-25 小散量化炒股记|一文揭秘主力、散户资金流入流出的来龙去脉-附代码】
    在这里插入图片描述
    #炒股思维# 【4-26 一起来创建一份A股上市公司细分行业龙头数据-持续更新】
    #炒股思维# 【4-27 创业板业绩披露新规之后,梳理下业绩发布时间节点】
    #量化思维# 【4-28 小散量化炒股记|Python数据透视表和热力图跟踪行业板块热点切换-附代码】
    在这里插入图片描述
    在这里插入图片描述
    #炒股思维# 【4-29 股票分析三步曲-逻辑假设|证据收集|合理论证】
    #量化思维# 【4-30 小散量化炒股记|趋势指标金叉死叉策略在震荡行情中怎么处理】
    在这里插入图片描述#量化思维# 【4-31 时间序列分解模型观察趋势的变化-核心思想】
    #炒股思维# 【4-32 买入股票后会片面收集持仓有利信息!是心理防御机制在作用!】
    #量化思维# 【4-33 小散量化炒股记|股价如波浪起伏,教你用量化识别波段的极值点-附代码】
    在这里插入图片描述
    #量化回测# 【4-34 如何让Backtrader的Plotting功能与量化小工具共存】
    在这里插入图片描述
    #量化回测# 【4-35 Backtrader可视化回测图的组成及扩展指标子图的方法-附代码】
    在这里插入图片描述
    #量化回测# 【4-36 Backtrader可视化回测图扩展回撤和最大回撤指标-附代码】
    在这里插入图片描述
    #量化回测# 【4-37 Backtrader创建订单时市价单/限价单/止损单/止损限价单的选择和特点】
    #量化回测# 【4-38 小散量化炒股记|说某个指标能赚钱?不盲从,先量化回测一番!-附代码】
    在这里插入图片描述
    #量化思维# 【4-39 分享《第 2 届金融科技图书专家顾问论坛》上关于量化场景片段】
    #炒股思维# 【4-40 谈谈网格策略的原理、设计过程及应用场景】
    在这里插入图片描述
    #量化思维# 【4-41 小散量化炒股记|震荡行情如何应对?用网格策略再小的波动也能覆盖-附代码】

    #量化回测# 【4-42 详解Backtrader框架关于TradeAnalyzer交易评价指标的含义】
    #炒股思维# 【4-43 杜邦财务分析体系的本质精髓及对选股的帮助】
    #量化思维# 【4-44 小散量化炒股记|还在用通用指标参数?试试自适应的动态参数优化-附代码】
    在这里插入图片描述
    #量化回测# 【4-45 如何用Backtrader呈现股价多周期的走势图】
    在这里插入图片描述
    #量化回测# 【4-46 如何用Backtrader实现自定义股票技术指标】
    #量化回测# 【4-47 Backtrader自定义指标之绘制MACD柱状图-附代码】
    在这里插入图片描述

    资料分享篇

    【5-1 分享电子书《利用Python进行数据分析》】
    【5-2 分享电子书《151+Trading+Strategies》】
    【5-3 分享某券商的投资策略报告《策略·行业比较:“好公司”与“便宜的好公司”,谁更胜一筹?》】
    【5-4 分享某券商的投资策略报告《专题:如何挖掘盈利强、可持续、估值合理的好公司?》】
    【5-5 分享某券商的投资策略报告《专题:不同市场环境下,PB-ROE的再讨论,附财务选股模型最新结果》】
    【5-6 分享国泰君安-数量化研究系列-《市场情绪指数的建立及应用》】
    【5-7 分享国泰君安-数量化研究系列-《基于动量反转策略的强势行业选取》】
    【5-8 分享国泰君安-数量化研究系列-《多因子选股模型之因子分析与筛选》】
    【5-9 分享国泰君安-数量化研究系列-《发现价格走势规律之基于MACD分段研究及应用》】
    【5-8 分享国泰君安-数量化研究系列-《多因子选股模型之因子分析与筛选》】
    【5-9 分享国泰君安-数量化研究系列-《发现价格走势规律之基于MACD分段研究及应用》】
    【5-10 分享国泰君安-数量化研究系列-《在众人恐惧时贪婪,在众人贪婪时恐惧》】
    【5-11 分享国泰君安-数量化研究系列-《寻找牛、熊股基本特征_基于财务、估值角度》】
    【5-12 分享国泰君安-数量化研究系列-《行业联动与行业轮动市场观察》】
    【5-13 分享国泰君安-数量化研究系列-《风格投资:A 股周期非周期风格轮动研究》】
    【5-14 分享国泰君安-数量化研究系列-《KELLY公式在行业配置中的应用》】
    【5-15 分享国泰君安-数量化研究系列-《在冷门股中寻找投资机会》】
    【5-16 分享国泰君安-数量化研究系列-《年线与股票价格走势关系分析》】
    【5-17 分享国泰君安-数量化研究系列-《探究交易公开信息之市场观察篇》】

    欢迎大家加入【知识星球】!
    在这里插入图片描述

    作者简介

    1-畅销书《Python股票量化交易从入门到实践》作者
    在这里插入图片描述
    2-日常运营公众号《元宵大师带你用Python量化交易

    展开全文
  • 很多财经书籍里都指出,不同股票、不同书籍都有个各自的特点和节奏,因此使用同一策略参数应用于所有的交易是不明智的。 在之前的例子中,我们尝试了使用了简单移动均值指标,周期参数选定为15,v11将对这个参数进行...

    v11是第一个策略回测程序的最后一个版本,将对策略参数进行优化。

    很多财经书籍里都指出,不同股票、不同书籍都有个各自的特点和节奏,因此使用同一策略参数应用于所有的交易是不明智的。

    在之前的例子中,我们尝试了使用了简单移动均值指标,周期参数选定为15,v11将对这个参数进行优化,通过优化找出简单移动均值的最佳周期数。程序的主要修改部分为在向cerebro添加策略时使用如下代码:

    strats = cerebro.optstrategy(
            TestStrategy,
            maperiod = range(10, 31))
    

    这样backtrader就会将将简单移动均值所选取的周期数从10到31进行逐个尝试,通过计算最终收益,便可以选择出最优的参数。

    2020-02-28, (MA Period 10) Ending Value 99822.24
    2020-02-28, (MA Period 11) Ending Value 99884.57
    2020-02-28, (MA Period 12) Ending Value 99916.93
    2020-02-28, (MA Period 13) Ending Value 99918.29
    2020-02-28, (MA Period 14) Ending Value 99881.23
    2020-02-28, (MA Period 15) Ending Value 99913.60
    2020-02-28, (MA Period 16) Ending Value 99913.60
    2020-02-28, (MA Period 17) Ending Value 99946.90
    2020-02-28, (MA Period 18) Ending Value 99926.86
    2020-02-28, (MA Period 19) Ending Value 99880.82
    2020-02-28, (MA Period 20) Ending Value 99891.90
    2020-02-28, (MA Period 21) Ending Value 99865.87
    2020-02-28, (MA Period 22) Ending Value 99901.86
    2020-02-28, (MA Period 23) Ending Value 99933.34
    2020-02-28, (MA Period 24) Ending Value 99984.69
    2020-02-28, (MA Period 25) Ending Value 99984.69
    2020-02-28, (MA Period 26) Ending Value 99970.70
    2020-02-28, (MA Period 27) Ending Value 99973.70
    2020-02-28, (MA Period 28) Ending Value 100022.75
    2020-02-28, (MA Period 29) Ending Value 100022.75
    2020-02-28, (MA Period 30) Ending Value 99977.52

    通过上面的输出信息我们就可以清晰地看到,选择不同周期参数时最后的资产情况。本例中,当周期参数选择为28和29时,可以获得最大收益。

    程序v11-优化:

    from __future__ import (absolute_import, division, print_function,
                            unicode_literals)
    import datetime  # 用于datetime对象操作
    import os.path  # 用于管理路径
    import sys  # 用于在argvTo[0]中找到脚本名称
    import backtrader as bt # 引入backtrader框架
    
    # 创建策略
    class TestStrategy(bt.Strategy):
        params = (
            ('maperiod', 15),
            ('printlog', False),
        )
        def log(self, txt, dt=None, doprint = False):
            ''' 策略的日志函数'''
            if self.params.printlog or doprint:
                dt = dt or self.datas[0].datetime.date(0)
                print('%s, %s' % (dt.isoformat(), txt))
        def __init__(self):
            # 引用data[0]数据的收盘价数据
            self.dataclose = self.datas[0].close
            # 用于记录订单状态
            self.order = None
            self.buyprice = None
            self.buycomm = None
            # 添加MovingAverageSimple指标
            self.sma = bt.indicators.SimpleMovingAverage(
                    self.datas[0], period = self.params.maperiod)
        def notify_order(self, order):
            if order.status in [order.Submitted, order.Accepted]:
                # 提交给代理或者由代理接收的买/卖订单 - 不做操作
                return
            # 检查订单是否执行完毕
            # 注意:如果没有足够资金,代理会拒绝订单
            if order.status in [order.Completed]:
                if order.isbuy():
                    self.log(
                        'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
                        (order.executed.price,
                         order.executed.value,
                         order.executed.comm))
                    self.buyprice = order.executed.price
                    self.buycomm = order.executed.comm
                else: # 卖
                    self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f' %
                             (order.executed.price,
                              order.executed.value,
                              order.executed.comm))
                self.bar_executed = len(self)
            elif order.status in [order.Canceled, order.Margin, order.Rejected]:
                self.log('Order Canceled/Margin/Rejected')
            # 无等待处理订单
            self.order = None
        def notify_trade(self, trade):
            if not trade.isclosed:
                return
            self.log('OPERATION PROFIT, GROSS %.2f, NET %.2f' %
                     (trade.pnl, trade.pnlcomm))
        def next(self):
            # 日志输出收盘价数据
            self.log('Close, %.2f' % self.dataclose[0])
            # 检查是否有订单等待处理,如果是就不再进行其他下单
            if self.order:
                return
            # 检查是否已经进场
            if not self.position:
                # 还未进场,则只能进行买入
                # 当日收盘价小于前一日收盘价
                # 当收盘价大于均线值时
                if self.dataclose[0] > self.sma[0]:
                    # 买买买
                    self.log('BUY CREATE, %.2f' % self.dataclose[0])
                    # 记录订单避免二次下单
                    self.order = self.buy()
            # 如果已经在场内,则可以进行卖出操作
            else:
                # 卖卖卖
                if self.dataclose[0] < self.sma[0]:
                    self.log('SELL CREATE, %.2f' % self.dataclose[0])
                    # 记录订单避免二次下单
                    self.order = self.sell()
        def stop(self):
            self.log('(MA Period %2d) Ending Value %.2f' %
                     (self.params.maperiod, self.broker.getvalue()), doprint = True)
                    
    # 创建cerebro实体
    cerebro = bt.Cerebro()
    # 添加策略
    strats = cerebro.optstrategy(
            TestStrategy,
            maperiod = range(10, 31))
    # 先找到脚本的位置,然后根据脚本与数据的相对路径关系找到数据位置
    # 这样脚本从任意地方被调用,都可以正确地访问到数据
    modpath = os.path.dirname(os.path.abspath(sys.argv[0]))
    datapath = os.path.join(modpath, '../TQDat/day/stk/000001.csv')
    # 创建价格数据
    data = bt.feeds.GenericCSVData(
            dataname = datapath,
            fromdate = datetime.datetime(2019, 10, 1),
            todate = datetime.datetime(2020, 2, 29),
            nullvalue = 0.0,
            dtformat = ('%Y-%m-%d'),
            datetime = 0,
            open = 1,
            high = 2,
            low = 3,
            close = 4,
            volume = 5,
            openinterest = -1
            )
    # 在Cerebro中添加价格数据
    cerebro.adddata(data)
    # 设置启动资金
    cerebro.broker.setcash(100000.0)
    # 设置交易单位大小
    cerebro.addsizer(bt.sizers.FixedSize, stake = 100)
    # 设置佣金为千分之一
    cerebro.broker.setcommission(commission=0.001)
    # 遍历所有数据
    cerebro.run(maxcpus = 1)
    

    为了便于相互交流学习,新建了微信群,感兴趣的读者请加微信。
    在这里插入图片描述

    展开全文
  • 学习并记录《Python股票量化交易从入门到实践》,原书贴近实战,许多踩过的坑都有解决方案,个人觉得这是一本比较合适的快速入门书籍。 文章目录Python股票量化交易入门前言一、Python基础关键点二、NumPy快速入门...

    Python股票量化交易入门

    学习并记录《Python股票量化交易从入门到实践》,原书贴近实战,许多踩过的坑都有解决方案,个人觉得这是一本比较合适的快速入门书籍。



    前言

    量化交易个人认为技术要服务于交易,主要还是以策略研究为主,一切以实战需求出发的学习相关技术即可


    一、Python基础关键点

    本章记录Python基础知识,量化相关的关键点,将相应的关键点融汇贯通后,以便后期更好的表达和实现相关策略。

    二、NumPy快速入门及量化关键点

    本章介绍了NumPy库在量化交易中的关键知识点,讲述N维数组对象及特性(矢量运算特性,广播运算特性,高效处理特性),介绍一些数组处理函数,为更好的掌握Pandas库知识点打好基础

    三、Pandas快速入门及量化关键点

    本章介绍了Pandas库在量化交易中的关键知识点,讲述Series和DataFrame数据结构的基本生成和访问方法,对量化中最常用的DataFrame数据结构展示了一些列的分析方法(时间序列的生成和转换,规整化DataFrame数据的整个过程,高效遍历DataFrame数据的方法,储存及加载DataFrame数据的方法)。掌握Pandas库的这些使用方法可以帮助我们更好的进行金融数据的量化分析。

    四、Matplotlib快速入门及量化关键点

    本章主要介绍Matplotlib库在量化交易中的关键知识点。讲述Matplotlib中函数式绘图和对象式绘图两种绘图方式的特点和区别;介绍了K线图等常用图标的绘制方法;最后讲述了多字图的创建和布局方法。掌握了Matplotlib的这些方法后,我们可以用可视化的方法更直观的进行金融数据的量化分析。

    五、行情数据的获取和管理

    本章介绍了Pandas,Tushare,Baostock三种获取股票数据的方法,讲述对获得的股票数据进行量化分析前的规整化处理;进一步介绍了自选股票池的创建,分类管理,数据统一下载等方案;最后介绍了SQLite管理本地行情数据的方法,提供了更加高效地管理大量行情数据的方案。

    六、技术指标的可视化分析

    本章介绍了MACD等常用技术指标的可视化以及定制可视化接口的方法,好的框架接口可视化可以帮助我们更加便捷地展开股票技术指标可视化分析。进一步介绍了基础技术指标,衍生技术指标的原理,计算和可视化,同时也介绍了Ta-Lib库实现技术指标的强大优势和方法;最后我们将分立的技术指标通过自定义框架,灵活地集成为一副行情分析界面,帮我我们更加全面的观测股票技术指标。

    七、回测及构建量化交易策略体系

    本章介绍了多维度量化体系的实现方法(交易盈亏区间可视化,交易概览信息的统计展示,度量策略的资金绝对收益率与基准的相对收益率,度量策略的最大回撤以及回撤界面的整体自定义设计),讲述了常见经典策略(唐奇安通道突破策略,ATR跟踪止盈/止损策略线性回归策略等)的实现及方法以及蒙特卡洛法最优化参数和基于凯利公式的量化仓位管理应用;最后讨论了回撤阶段的陷阱,避免使用未来函数和因滑点,手续费设置,参数过优化等导致策略回撤陷阱。

    展开全文
  • 本书是国内较早关于Python大数据与量化交易的原创书籍,配合zwPython、zwQuant开源量化软件学习,已经是一套完整的大数据分析、量化交易学习教材,可直接用于实盘交易。本书特色:*,以实盘个案分析为主,全程配有...
  • 前 言说起量化交易,你的脑海里是否会浮现这样一幅画面:一间采用高科技搭建起来的交易室,上百台计算机显示屏飞速跑着各种数学模型,投资交易以微秒计的速度高深莫测地计算着?诚然,在普通投资者眼里,量化交易...

    前 言

    说起量化交易,你的脑海里是否会浮现这样一幅画面:一间采用高科技搭建起来的交易室,上百台计算机显示屏飞速跑着各种数学模型,投资交易以微秒计的速度高深莫测地计算着?诚然,在普通投资者眼里,量化交易可能意味着复杂模型、高频交易、专业程序,且仿佛离我们很远。这些固然是量化交易的特征,但其实离我们并不遥远,事实上,我们每天都不自觉地在使用着量化。比如当你用某个或某些条件去判断是否要买卖某只股票或者如何买卖时,就是量化思维的一种表现。

    量化投资在海外的发展已有30 多年的历史,其投资业绩稳定,市场规模和份额不断扩大,得到了越来越多投资者的认可,并且量化对冲基金已经成为资管行业的翘楚。国内的量化交易起步较晚,量化交易在证券市场占比还不足5%。随着科技的进步,中国的量化交易市场正在快速发展。

    当前,我国的量化交易主要应用在商品期货上。随着股指期货的上市,期货市场和证券市场实现了真正意义上的互动,投资者不仅可以在期货市场上进行交易,同时还可以在期货与股票之间进行套利交易。利用量化交易对股指期货进行操作将会是投资者(尤其是机构投资者)一个重要的发展方向。

    本书特点

    特 点 说 明

    16 章实战精讲 本书体系完善,由浅入深地对Python 大数据与量化交易

    进行了16章专题精讲,其内容涵盖了量化交易的

    基础知识、聚宽JoinQuant 量化交易平台、

    Python 开发环境及配置、

    Python 的基本语法及流程控制、

    Python 的特征数据类型、Python 的内置函数

    与自定义用户函数、Python的面向对象编程、

    数据分析的Numpy 包、数据分析的Pandas 包、

    数据可视化的Matplotlib 包、

    Python 量化交易策略的编写、

    Python 获取数据函数、Python 基本面量化选股、

    Python 量化择时的技术指标函数、

    Python 量化交易策略的回测技巧、

    Python 量化交易策略的因子分析技巧、

    Python 量化交易策略的实战案例等

    108 个知识点 本书结合Python 大数据与量化交易的实战应用,

    讲解了108 个应用技巧,其内容涵盖了格式化

    字符串的输出、Input()函数、算术运算符、

    赋值运算符、位运算符、关系运算符、

    嵌套 If 语句、while 循环、for 循环、

    列表、元组、字典、集合、内置函数、

    用户自定义函数、匿名函数、类的继承、

    调用自定义模块、全局变量和局部变量、

    Numpy 数组、Numpy 矩阵、Numpy 线性代数、

    Numpy 文件操作、一维数组系列(Series)、

    二维数组DataFrame、三维数组Panel、

    绘制色图和等高线图、绘制立体三维图形、

    设置函数、定时函数、下单函数、

    获取数据函数、成长类因子选股、

    规模类因子选股、价值类因子选股、

    质量类因子选股、趋向指标函数、

    反趋向指标函数、压力支撑指标函数、

    量价指标函数、利用Python 编写MACD

    指标量化策略、设置MACD 指标量化策略的回测参数、

    MACD 指标量化策略的回测详情、因子分析的实现代码、

    因子分析的结果、基本面因子应用实例、

    MA 均线量化交易策略、多均线量化交易策略、

    能量型指标量化交易策略、KD 指标量化交易策略、

    BOLL 指标量化交易策略、多股票持仓量化交易策略、

    医药股轮动量化交易策略、中市值股票量化交易策略、

    低估价值股量化交易策略等

    100 多个实战案例 本书结合理论知识,在其讲解的过程中,

    列举了100 多个案例,进行分析讲解,

    让广大投资者在学习理论知识的同时,

    更准确地理解其意义和实际应用

    80 多个技能提示 本书结合Python 大数据与量化交易中

    遇到的热点问题、关键问题及种种难题,

    以技能提示的方式奉送给投资者,

    其中包括Python 的代码格式、

    基本面量化选股、技术面量化择时等

    结构特点 本书讲解都从基础知识和基本操作开始,

    读者无须参照其他书即可轻松入门;

    另一层是充分考虑没有基础读者的实际情况,

    在文字表述方面尽量避开专业的术语,

    用通俗易懂的语言讲解每个知识点的应用技巧,

    从而突出容易学、上手快的特点

    本书结构

    章节介绍 内容体系 作 用

    第1 章 首先讲解量化交易的基础知识, 从整体上认识量化交易及

    然后讲解量化交易的优势、 量化交易平台,为后续章节的

    应用、注意事项、历史 学习打下良好的基础

    及与人工交易的区别,

    最后讲解量化交易的平台和

    量化交易的潜在风险及应对策略

    第2~6 章 讲解量化交易开发语言Python, Python 是量化交易策略编写的

    即讲解Python 语言的开发环境、 首选语言,也是最常用的编程语

    基本语法及流程控制、 言。为了更好地编写和理解量化交

    特征数据类型、内置函数与 易策略,就必须掌握该语言

    自定义用户函数、面向对象编程

    第7~9 章 讲解大数据分析和可视化的3 量化交易就是对海量的股票数

    个包,分别是Numpy 包、 据进行分析及可视化,所以投资者

    Pandas包、Matplotlib 包 要掌据Python 中的3 个重要数据分

    析和可视化的包

    第10~15 章 讲解量化交易策略的编写、 要想编写出优秀的量化交易策

    获取数据函数、基本面 略,就必须熟练掌握量化选股技

    量化选股、量化择时的 巧、量化择时技巧、回测技巧、因

    技术指标函数、回测技巧、 子分析技巧等

    因子分析技巧

    第16 章 讲解Python 量化交易策略的实 通过编写Python 量化交易策略

    战案例 的实战案例,可以提高投资者对量

    化交易策略的综合认识,并真正掌

    握量化交易技巧,从而学以致用

    本书适合的读者

    本书适用于各种不同的投资者,如新老股民、中小散户、股票操盘手、基金操盘手和专业股票评论人士,以及经济财经类专业的大学生、更适用于那些有志于在这个充满风险、充满寂寞的征程上默默前行的征战者。

    创作团队

    本书由王可群、周峰编写,下面人员对本书的编写提出过宝贵意见并参与了部分编写工作,他们是刘志隆、王征、吕雷、王高缓、梁雷超、周飞、纪欣欣、葛钰秀、张亮、周科峰、王英茏、陈税杰等。

    由于作者水平有限,书中的缺点和不足之处在所难免,敬请读者批评指正。

    本书赠送的图片及其他资源均以二维码形式提供,读者可以使用手机扫描右侧的二维码下载并观看。

    more >

    展开全文
  • 这几天没有写几篇文章,一方面原因是因为工作比较忙,课室人力不足,另一个...2019/8/31日之前,学习完python量化交易这本书。 后续大部分知识记录均来自这本书或其他网络,书籍资料,如有侵权,请联系我删除。 ...
  • 《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...
  • 金融量化的基础书籍:Mastering-Python-for-Finance + 打开量化交易的黑箱
  • 量化投资交易资源汇总 除了列在这里和国外资源列表之外,还有很...Ricequant 量化交易平台 - 支持Python的在线量化交易平台; 类似Quantopian Alphalens的rqalpha系统 优矿 - 通联量化实验室 - 通联数据旗下一个基于Py
  • 点击上方“Python爬虫与数据挖掘”,进行关注回复“书籍”即可获赠Python从入门到进阶共10本电子书今日鸡汤桃李春风一杯酒,江湖夜雨十年灯。一、简介大家好,我是Snowball。今天...
  • 量化交易是一个多技术综合的项目,学习完书籍Python股票量化交易从入门到实践》我们再次升级学习的内容——知识星球《玩转股票量化交易》 在星球中我们会深入分享包括Python、爬虫、数据分析、可视化、人工智能、...
  • 此外,应广大朋友要求,我写了 一本学习python3学习书籍&lt;小白学Python3实战搭建量化投资平台&gt;. &lt;小白学Python3实战搭建量化投资平台&gt;内容提要 python3是2018年最热门的计算机语言,也将...
  • 量化交易是一个多技术综合的项目,学习完书籍Python股票量化交易从入门到实践》我们再次升级学习的内容——知识星球《玩转股票量化交易》 在星球中我们会深入分享包括Python、爬虫、数据分析、可视化、人工智能、...
  • 之前因为一个问题的回答:零基础想系统的学习金融学、量化投资、数据分析、Python,需要哪些课程和书籍。获赞1000+。大概整理一下之前的答案,回答下这个问题。金融领域的量化分析如今是很受重视的,所谓金融领域的...
  • 相信大家都听说了量化交易这个东西了吧!不过目前国内外介绍量化的书籍、课程之类的,大多是金融背景的人编写的,所以他们的角度和我们普通股民会有些不同。偏研究分析的模型算法可能我们看不懂、用不到,有些量化...
  • 从2020年底的11月开始编写一套基于python语言的量化交易模拟盘程序。因为完全是个小白从0开始摸索。学习期间尽管参考了大量书籍视频,却也在实践的过程中遇到了很多坑。 因为一开始对自己的需求认知并不是很明确,...
  • 我第一次了解到反转图,是在购买的交易书籍上看到的。 当时就被它直观的视觉方式惊呆了,感觉它在揭示趋势的延续和趋势的反转方面的能力,堪称一绝。 可惜,国内的交易平台,不论是股票还是期货平台,都不能展示...
  • 从赌徒破产理论开始,引出和量化交易息息相关的几个统计定理,帮助读者认识到在交易上构建概率思维的必要性。 第二章 市场观介绍。本章的主题围绕随机性展开。首先应用代码研究了随机组合是我们构建组合时比标准指数...
  • 量化交易是一个多技术综合的项目,学习完书籍Python股票量化交易从入门到实践》我们提供了升级的学习内容——知识星球《玩转股票量化交易》在星球中我们深入分享包括Python、爬虫、数据...
  • 量化交易是一个多技术综合的项目,学习完书籍Python股票量化交易从入门到实践》我们提供了升级的学习内容——知识星球《玩转股票量化交易》在星球中我们深入分享包括Python、爬虫、数据...
  • 量化交易是一个多技术综合的项目,学习完书籍Python股票量化交易从入门到实践》我们提供了升级的学习内容——知识星球《玩转股票量化交易》在星球中我们深入分享包括Python、爬虫、数据分...
  • 量化交易是一个多技术综合的项目,学习完书籍Python股票量化交易从入门到实践》我们提供了升级的学习内容——知识星球《玩转股票量化交易》在星球中我们深入分享包括Python、爬虫、数据...
  • 量化交易是一个多技术综合的项目,学习完书籍Python股票量化交易从入门到实践》我们提供了升级的学习内容——知识星球《玩转股票量化交易》在星球中我们深入分享包括Python、爬虫、数据...
  • 量化交易是一个多技术综合的项目,学习完书籍Python股票量化交易从入门到实践》我们提供了升级的学习内容——知识星球《玩转股票量化交易》在星球中我们深入分享包括Python、爬虫、数据...
  • 数字货币JavaScript语言量化交易系统开发 引言 我们到底应该怎么学会、灵活使用机器学习的方法?技术宅做过小小的调研,许多同学会选择一本机器学习的书籍,或是一门机器学习的课程来系统性地学习。而在学完书本、...
  • 前言:学习Python量化以来,经常有朋友问起来,什么是量化交易?很难用量化的胴体展现在外行面前,就想着或许可以做一个小的界面,只需要输入选择股票,输出回撤或者收益曲线就可以了,调查之后,发现PyQt可以完美的...
  • Matlab集成的c代码很棒的数量 精选的Quants(定量金融)极好的图书馆,软件包和资源...-Python中的量化金融框架 -用于财务的Python工具 -Python的财务函数库 -PyNance是开源软件,用于检索,分析和可视化来自股票和衍
  • 言归正传,近期学习量化交易知识,发现东方财富网(eastmoney.com)提供的特色数据相当不错,在投资组合页面,看看周冠军,月冠军等排行榜上那诱人的红色数字,那要是我的操作该有多好啊。 后来一想,我可以把每.

空空如也

空空如也

1 2
收藏数 35
精华内容 14
关键字:

python量化交易书籍

python 订阅