精华内容
下载资源
问答
  • 期货量化
    2022-06-05 17:35:01

      一直以来想要学习python去解决期货量化问题,通过数学描述变化的规律,从上海疫情封城开始学习一下python以及量化,在此记录一下;

      自学感觉非常艰难呀,尤其是python各项目代码更新频率并不同调导致项目中存在已弃用或即将弃用的方法,还需要经常性的补充或修改,以前辈代码为例进行修改

    报错信息:

    FutureWarning: The frame.append method is deprecated and will be removed from pandas in a future version. Use pandas.concat instead.
    sr = sr1.append(sr2).sort_index()
    
    #改为
    sr = pd.concat([sr1,sr2]).sort_index()
    

    5日均线与30日均线双均线策略参考:

    import pandas as pd
    import tushare as ts
    
    # 获取财经数据
    #df = ts.get_k_data("601318",start="2000-01-01")
    #df.to_csv("601318.csv")
    
    # 读取财经数据并计算五日、三十日的平均收盘价
    df = pd.read_csv("601318.csv",index_col = 'date',parse_dates = ['date'])[['open','close','low','high']]
    df['ma5'] = df['close'].rolling(5).mean()
    df['ma30'] = df['close'].rolling(30).mean()
    df[['close','ma5','ma30']].plot()
    
    # 获取金叉和死叉的日期
    ar1 = df['ma5'] < df['ma30']
    ar2 = df['ma5'] >= df['ma30']
    death_cross = df[ar1 & ar2.shift(1)].index
    golden_cross = df[-(ar1 | ar2.shift(1))].index
     
    # 执行交易策略
    first_money = 100000
    money = first_money
    hold = 0
    sr1 = pd.Series(1,index=golden_cross)
    sr2 = pd.Series(0,index=death_cross)
    sr = pd.concat([sr1,sr2]).sort_index()
    
    for i in range(0,len(sr)):
        p = df['open'][sr.index[i]]
        if sr.iloc[i] == 1:
            buy = money//(100*p)
            hold += buy*100
            money -= buy*100*p
        else:
            money += hold * p
            hold = 0
    
    # 计算最后余下的金额总和
    p = df['open'][-1]        
    now_money = hold * p + money
    
    print(now_money)
    df['money']=now_money
    df[['money']].plot()

    更多相关内容
  • 所谓的麦语言就是从早期的股票技术指标延伸出来的一套程序化函数库。把算法封装到一个个函数里,用户只需要像“积木式”的调用这一行行函数,实现策略逻辑。 我们兼容了:数据引用、统计函数、数学函数、逻辑循环、...
  • 所谓的麦语言就是从早期的股票技术指标延伸出来的一套程序化函数库。把算法封装到一个个函数里,用户只需要像“积木式”的调用这一行行函数,实现策略逻辑。   我们兼容了:数据引用、统计函数、数学函数、逻辑...
  • 重磅干货:万字长文解析全球商品期货量化交易策略
  • 国债期货量化策略月报(17页).pdf
  • 期货量化总结与思考

    千次阅读 2021-10-29 04:06:35
    二、期货量化的基本逻辑 首先与股票很大不同,期货是T+0交易,而且天然的就是多空双向买卖(股票的做空还得绕一下)。另外期货由于交割机制(一般都是好几个月后)的问题,投资者的投机倾向更强。所以总的来说最...

    交流Q群1064240775

    一、概述

        研究期货及量化有一段时间了,现在汇总一下这段时间的收获,也是总结记录一下。

    二、期货量化的基本逻辑

        首先与股票很大不同,期货是T+0交易,而且天然的就是多空双向买卖(股票的做空还得绕一下)。另外期货由于交割机制(一般都是好几个月后)的问题,投资者的投机倾向更强。所以总的来说最常见策略就是“趋势策略”,以及“网格策略”,总体上来说就是这两种以及这两种的延伸策略。那么是否存在其他类型呢?有的,比如做市商、高频等,但由于期货本身的投机属性比较强,交易所对于高频是有一定限制的,包括投机行为的监控、下单频率的限制。另外市场上常见的还有跟单、反向跟单,搞大数据等等,那就是违法犯罪的范畴不在讨论之列。

       期货更多的是纯技术分析,其实它不考虑太多的外部干扰,比如政策、业绩、大环境、现货价格等等,我们知道这些因素在长期来看对期货价格有一定的影响,但期货交易往往都是日内,跑5分钟、10分钟的K线,15分钟都算是大周期了。那么不可避免的业内大部分人都是搞纯技术分析,有没有搞价值投资呢,有的,就是太容易爆仓了,以至于初接触量化或准备接触量化的投资者,最大的感慨就是要做好风控、止损,而所谓风控止损其实就是纯技术分析的结果(超买、超卖)。

    三、趋势策略

        首先趋势策略非常有意思,我们随便截个图,可以看到当某个趋势形成之时,你拿任意的两个均线去匹配,都能匹配出一定道理出来。很少有用均线匹配不出好的结果的情况。在均线基础上,你再搞一点“创新”,比如MACD、JDK、SAR等常见的指标,你就会发现,哇塞,似乎掌握了财富密码。然而事实非常残酷,你掌握的一般是亏钱密码,而且是明文的。

        初接触量化的童鞋同时也是很多资深童鞋的问题,总是有一种倾向,那就是搞指标叠加,因为我们可以很容易发现,在某个特定的行情下,某个特定的指标可以捕获盈利或逃避亏损。那么就能得到一个非常直观的结论,只要我考虑的“因素”足够多,是否就能够抓住更多的盈利而避免更多的亏损呢?这个想法直接而美好,但事实却很残酷。

        首先关于“因素”的理解就错了,所有指标都是基于当前K线的数据,说起来其实也就是“开盘价、收盘价、最高价、最低价”,高端点的还会弄个“成交量”,这个K线数据无论你再如何去计算,再如何去分析,它就这么些数据,你再怎么厉害也跳不出这个范围,所以“你并没有比任何其他人更有优势”,那么从盈亏同源的角度来说,你的盈利概率和亏损概率依然遵循着二八甚至是一九定律,你大概率还是亏钱的。

        其次,这些指标翻来覆去其实就是一个东西“均值”,趋势策略的本质就是“长期趋势和短期趋势的比较”,比如在上涨趋势中,突然来个大幅度的暴跌,我们就认为出现了趋势反转。如果是上涨趋势中只有个小幅度的下跌,那么就认为趋势保持,并且还根据最新的K线一直做“移动平均”,也有些拿日K、周K的数据来做区间判断,等等吧,其实本质还是没变。

        所以初接触量化的很容易就陷入到对趋势和指标的痴迷,而懂的多一点后就会感觉心灰意冷,没搞头,转而投向另一个天坑“网格”。

    四、网格策略

        网格策略是一个大类,实际上比趋势更受欢迎,如果说趋势策略是小白的入门坑,那网格就是很多资深人士的修罗场。我知道的很多搞趋势策略即使方向错了,也很少爆仓,大部分是慢刀子割肉赚一点亏一点这样,而且遇到行情经常可以吃一大口肉,但是搞网格的平时猥琐发育,关键时刻就爆仓。

        网格策略的基本逻辑是,它先划定多个基准线,通过一些分析(或者头脑风暴、拍脑袋决定吧)认为K线的涨跌一定是在这个范围之内,所以越涨越卖(认为会跌回来)越跌越买(认为会涨回去),比较谨慎的会搞好止损线或者选波动不大的品种,比如价差,头比较铁的就直接无限制加仓。

        当然网格的体验非常棒,他可以给你一种持续盈利的错觉,直到击穿止损线为止。另有一些大佬就不止损,就头铁,你跌是吧,我使劲加仓,越跌我加的越狠,运气好的就爆赚,运气差的就是“辛辛苦苦一整年,一朝回到解放前”。期货公司非常喜欢这一类的客户,交易频率高,很稳死的慢,还总觉得爆仓前就差一点点,如果当时资金再多一点点就抗住了(大佬们内心深信不疑),而事实上经常是大佬们爆仓后就迅速反弹。所以不服输的大佬们迅速调集资金继续开干,其实就是个幻觉,下次遇到这个行情还得蹦还得爆,时间早晚的问题而已,好比你在A股赚再多钱,只要你不清仓出来,随时都会还回去。

    五、混沌交易法

        前面说那么多,其实就一个结论,在有限的数据资源下,你不比任何人更有优势,你的指标、策略以及交易方法还是会遵循二八法则,即最多只有20%的人会盈利,你大概率还是亏钱的。那么就完犊子了吗?没有办法了吗?当然不是,这里就引出今天的重点也是我这段时间思考和实践得出的结果“混沌交易法”。

        直观点来说,就是用“所有有效的指标”、“跑所有能跑的品种”,看起来非常愚蠢但又非常高明的交易方法。

        在知道有这么个玩法后,我立即做了大量的回测,不得不承认,至少在回测上,这个逻辑是行得通的(我没整实盘)。然后近期又接触到一些机构投资者,他们的玩法也很有意思。他们会招聘数个交易员,然后让交易员只管跑策略,随便跑。然后公司主要做的就是综合的风控,因为交易员使用不同的策略,那么同一个品种同一时间可能是多空对冲的(持仓不对冲,只是保证金对冲),这样资金利用率非常高。然后交易员总的来说是有亏有赚,但是只要品种够多,资金充足,你会发现公司整体上大概率是赚的。

        回测也是这个结果,你会发现,只要样本够多,你就用一些很简单的策略,你大概率还是赚的。

        这里面我感觉是有多种原因,一是趋势策略在单品种上会出现追涨杀跌但你考虑全部品种后总是可以抓住几个大行情,也就是赚的会很赚,亏的是持续小亏。二是不同交易员的风格其实很重要,一个可以赚钱的策略,在一段时间内总是能赚钱的,所以交易员或策略的样本也要足够大,公司后台要做好风控。三是要根据最新行情不断地迭代策略,其实还是样本的问题,样本空间要足够的大,而且一直根据收益更新策略。

        以上三个因素或还有更多我不知道的因素,叠加后,这些机构用户总是能赚到钱的,或者在内盘是不亏就是赚(手续费返还)。对于资金不多,或人手不够的,他就搞全策略全品种的量化交易,我知道的很多效果都还可以。

    六、回顾

        这赚钱的路子已经指出来了(不做投资建议),还差什么呢?还差一个好的策略和风控系统,就客户端来说文华搞的不错,市面上还有很多面向机构的资管系统也能做这个,但是咋说呢,这些系统还是存在很多问题的,如果有一个可以直接在柜台系统上实现的资管功能,而且提供强大的风控功能,我相信还是很有钱途的。

        最后就当我是瞎扯吧(也确实是瞎扯)。

    展开全文
  • 期货量化交易

    2022-04-19 15:05:10
    一、量化交易概述 量化交易是指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂热...

    一、量化交易概述

    量化交易是指以先进的数学模型替代人为的主观判断,利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略,极大地减少了投资者情绪波动的影响,避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

    量化投资和传统的定性投资本质上来说是相同的,二者都是基于市场非有效或弱有效的理论基础。两者的区别在于量化投资管理是“定性思想的量化应用”,更加强调数据。

    二、量化交易特点

    量化交易具有以下几个方面的特点:

    1、纪律性。

    根据模型的运行结果进行决策,而不是凭感觉。纪律性既可以克制人性中贪婪、恐惧和侥幸心理等弱点,也可以克服认知偏差,且可跟踪。

    2、系统性。

    具体表现为“三多”。
    一是多层次,包括在大类资产配置、行业选择、精选具体资产三个层次上都有模型;
    二是多角度,定量投资的核心思想包括宏观周期、市场结构、估值、成长、盈利质量、分析师盈利预测、市场情绪等多个角度;
    三是多数据,即对海量数据的处理。

    3、套利思想。

    定量投资通过全面、系统性的扫描捕捉错误定价、错误估值带来的机会,从而发现估值洼地,并通过买入低估资产、卖出高估资产而获利。

    4、概率取胜。

    一是定量投资不断从历史数据中挖掘有望重复的规律并加以利用;二是依靠组合资产取胜,而不是单个资产取胜。

    三、量化投资注意的方面

    量化投资技术包括多种具体方法,在投资品种选择、投资时机选择、股指期货套利、商品期货套利、统计套利和算法交易等领域得到广泛应用。
    量化交易一般会经过海量数据仿真测试和模拟操作等手段进行检验,并依据一定的风险管理算法进行仓位和资金配置,实现风险最小化和收益最大化,但往往也会存在一定的潜在风险,具体包括:
    1、历史数据的完整性。行情数据不完整可能导致模型与行情数据不匹配。行情数据自身风格转换,也可能导致模型失败,如交易流动性,价格波动幅度,价格波动频率等,而这一点是量化交易难以克服的。
    2、模型设计中没有考虑仓位和资金配置,没有安全的风险评估和预防措施,可能导致资金、仓位和模型的不匹配,而发生爆仓现象。
    3、网络中断,硬件故障也可能对量化交易产生影响。
    4、同质模型产生竞争交易现象导致的风险。
    5、单一投资品种导致的不可预测风险。
    为规避或减小量化交易存在的潜在风险,可采取的策略有:保证历史数据的完整性;在线调整模型参数;在线选择模型类型;风险在线监测和规避等。

    展开全文
  • 天勤异步多品种操作,内含2个短线策略,根据自己的需求修改策略函数内算法即可,品种可以自行添加,合约到期自动更新。
  • ·了解交易的规则与数据指标,学习正确的金融算法·基于真实的数据进行回测和分析,了解期货交易的内涵·循序渐进的案例式教学,按部就班地操作就能上手·基于Python 3.7进行分析,提供示例代码,可在异步社区轻松...

    ·了解交易的规则与数据指标,学习正确的金融算法·基于真实的数据进行回测和分析,了解期货交易的内涵·循序渐进的案例式教学,按部就班地操作就能上手·基于Python 3.7进行分析,提供示例代码,可在异步社区轻松下载如今要想在金融领域保持竞争力,只是精通电子表格和计算器已经远远不够,传统的工具和数据集已经无法满足我们的需要,Python已经成为金融从业者需要掌握的又一个强大工具。本书从数据分析的角度切入,以案例的形式深入数据背后,从基本的交易规则讲起,引导读者了解技术指标,并配合丰富的Python代码示例,教读者掌握期货量化交易技巧。

    如今,要想在企业和投资金融领域保持竞争力,只是精通电子表格和计算器已经远远不够,传统工具和数据集已经无法满足我们的需要。本书将用Python编程来解决期货量化交易的问题,并通过110多个技巧介绍实际的解决方案。本书基于台湾地区期货交易所的案例进行讲解,从数据分析的角度切入,以技巧的形式深入数据背后,让读者从基本的期货交易规则开始,了解相关的技术指标,并能够熟练使用Python编程走上量化交易之路。本书既适合期货领域的从业人员学习,也适合想进入金融领域的程序员参考。

    酆士昌,在Linux系统管理与服务器架设方面拥有十多年经验,目前担任企业信息技术部门主管并兼任讲师,曾教授操作系统、服务器、云端系统等课程。 刘承彦,目前供职于金融科技公司,专注于算法开发与数据库管理,拥有多年程序化交易与教学经验。他还在多所学校担任讲师,讲授Python基础、大数据分析以及程序化交易等课程。

    第 1章 Python的基本语法 1技巧1 【概念】Python的诞生与发展 1技巧2 【操作】安装Python的基本环境 2技巧3 【操作】Python语言的基本操作 5技巧4 【操作】执行Python语言的方式 6技巧5 【操作】Python的基本运算与数学函数 9技巧6 【操作】基本变量的使用 16技巧7 【操作】元组、列表与字典的应用 18技巧8 【操作】使用Python的第三方库 26技巧9 【操作】字符串处理的应用 27技巧10 【操作】时间函数应用 30技巧11 【程序】文档的读取与写入 33技巧12 【操作】MySQL数据库的基本操作 34技巧13 【程序】使用Python访问MySQL 37技巧14 【操作】数据的分割与合并 39技巧15 【程序】判断表达式与示例 41技巧16 【程序】循环语句与示例 43第 2章 建立自己的工具函数 49技巧17 【概念】建立函数的方法 49技巧18 【程序】在函数库中建立多个函数 50技巧19 【概念】了解时间格式 51技巧20 【程序】时间转换秒数函数 54技巧21 【程序】秒数转换时间函数 55技巧22 【程序】固定时间内的高开低收量 55技巧23 【程序】获取指定时间的价格与数量 56技巧24 【程序】计算移动平均价格 57第3章 Python的图表绘制 59技巧25 【操作】安装绘图包 59技巧26 【概念】折线图与MA的关联性 60技巧27 【程序】绘制价格折线图 61技巧28 【程序】绘制一个与MA重叠的图表 63技巧29 【概念】委托档的意义与用法 65技巧30 【程序】价格折线和委托总量差图 65技巧31 【程序】绘制委托比重线图 68技巧32 【程序】绘制价格线图和量能图 70技巧33 【概念】上下五档的含义与量能变化 72技巧34 【程序】绘制上下五档的量能分布表 73技巧35 【程序】绘制上下五档平均价格走势图 75技巧36 【概念】K线图的解读 76技巧37 【程序】绘制K线图 77技巧38 【程序】绘制价格和点位图表 82技巧39 【程序】绘制绩效图表 84第4章 进行历史回测 86技巧40 【概念】认识历史回测 86技巧41 【概念】回测算法架构 86技巧42 【概念】建立回测流程 87技巧43 【概念】即时算法回放回测 94技巧44 【概念】时间单位不同的差异 94技巧45 【程序】固定时间买进卖出回测 96技巧46 【程序】顺势交易回测 98技巧47 【程序】MA交叉买进卖出回测 99技巧48 【程序】绘制价格走势图并标上买卖点 102第5章 设计自己的指标函数 104技巧49 【概念】何谓指标函数 104技巧50 【概念】定义输入及输出 104技巧51 【程序】获取即时报价咨询 105技巧52 【程序】计算每分钟的高开低收价 107技巧53 【程序】计算每分钟的累计量 109技巧54 【程序】计算买卖方每笔平均成交手数 110技巧55 【概念】了解内外盘的含义 111技巧56 【程序】计算内外盘总量 112技巧57 【程序】计算内外盘比率 113技巧58 【程序】计算买卖方委托总量 114技巧59 【程序】计算买卖方委托平均量 115技巧60 【程序】计算动态委托量变化 116技巧61 【程序】计算上下五档平均成本 117技巧62 【程序】计算价格MA指标 119技巧63 【程序】计算量MA指标 120技巧64 【程序】计算每分钟价格变化趋势 122技巧65 【程序】计算固定tick数高开低收价 123技巧66 【程序】计算大户指标 124第6章 判断涨跌的趋势 127技巧67 【概念】趋势的发生与判断 127技巧68 【概念】趋势交易与顺势交易 128技巧69 【程序】时间区段价格走势 128技巧70 【程序】多点查看委托量比重 129技巧71 【程序】多区段查看委托量变化 131技巧72 【程序】查看买卖平均成交手数 132技巧73 【程序】查看内外盘总量 133技巧74 【程序】大户指标趋势判断 135第7章 规划进场的时机 137技巧75 【概念】何谓进场 137技巧76 【概念】进场点及成交价 137技巧77 【概念】趋势交易和顺势交易的进场区别 138技巧78 【概念】如何通过Python进行实盘委托 138技巧79 【程序】固定时间进场 139技巧80 【程序】价格穿越MA进场 140技巧81 【程序】MA快线追慢线进场 142技巧82 【程序】MA第二次穿越进场 143技巧83 【程序】MA延迟进场第二次穿越进场 146技巧84 【程序】上下穿越高低点顺势进场 148技巧85 【程序】上下穿越高低点加上高低点区间顺势进场 151技巧86 【程序】大户指标触发进场 153第8章 设置出场及止损获利的条件 156技巧87 【概念】何谓出场 156技巧88 【程序】价格止损与获利 157技巧89 【程序】价格回跌获利出场 158技巧90 【程序】MA穿越价格出场 159技巧91 【程序】MA慢线追过快线出场 160技巧92 【程序】委托比重反转出场 162技巧93 【程序】委托量抽单出场 163技巧94 【程序】内外盘量反转出场 164技巧95 【程序】一分钟爆量出场 165技巧96 【程序】大户指标反转出场 168第9章 连接券商的即时报价与下单函数 170技巧97 【概念】程序交易流程 170技巧98 【概念】交易所解释信息 171技巧99 【概念】获取报价的方式 172技巧100 【概念】实盘交易算法与回测算法差异 174技巧101 【概念】下单参数介绍 175技巧102 【概念】实盘委托的市场机制 176技巧103 【程序】完整下单函数介绍 178技巧104 【程序】发送市价委托函数 179技巧105 【程序】发送限价委托函数 180技巧106 【程序】获取单笔委托明细 181技巧107 【程序】撤销委托函数 182技巧108 【概念】认识交易命令 183技巧109 【程序】限价单到期转市价单 184技巧110 【程序】限价单到期撤单 185第 10章 实盘交易与账务管理 187技巧111 【程序】固定时间买进卖出策略 187技巧112 【程序】顺势交易策略(海龟策略) 189技巧113 【程序】MA交叉买进卖出策略 192技巧114 【概念】何谓账务 195技巧115 【程序】获取总委托明细 196技巧116 【程序】获取未平仓明细 196技巧117 【程序】获取权益数 197

    展开全文
  • 本文摘自《Python期货量化交易》 本书按内容逐级递进的层次进行编写,全书分两篇,共21章。 第一篇介绍Python基础。主要介绍Python编程的基础知识,共13章。 第1章主要介绍Python的语法规则。因为写一行代码就是写...
  • python版期货量化交易(AlgoPlus)案例(多进程处理子任务) python因为简单、易上手,所以深受大家的喜爱,并且随着人工智能的不断发展与进步,python也一跃成为了最受欢迎的编程语言之一,俗话说:人生苦短,我用...
  • 数量技术宅 & 宏源期货 2022系列分享第1弹,四大类主流期货量化策略“穿透式”介绍
  • 今天是周三,又到了给大家送书的时刻啦!这次给大家带来的是《商品期货量化交易实战》! (文末查看送书规则)简介本书首先讲解量化交易基础和Python编程入门;再讲解量化交易API;...
  • 经典的期货量化交易策略大全

    千次阅读 2021-12-28 09:30:00
    1.双均线策略(期货) 双均线策略是简单移动平均线策略的加强版。移动平均线目的是过滤掉时间序列中的高频扰动,保留有用的低频趋势。它以滞后性的代价获得了平滑性,比如,在一轮牛市行情后,只有当价格出现大幅度的...
  • Python期货量化投资

    2020-07-30 19:33:06
    大量实战量化策略,覆盖期货量化投资所有主流交易方法、交易策略 ★ 主讲老师先后就职于大型券商资产管理部、头部金融互联网公司,担任量化投资研究经理。拥有10年以上的量化投资实战经验,运用量化投资的方法,入市...
  • 1. s2 = "KQ.m@DCE.m" 2. quote = api.get_quote(s2) 3. SYMBOL = quote.underlying_symboL
  • 该楼层疑似违规已被系统折叠隐藏此楼查看此楼策略名称:横盘突破策略策略思路:日内交易策略,收盘平仓;横盘突破在过去30根K线的高低点围绕中轴上下0.5%的范围内波动时;上轨=过去30根K线的最高价;...
  • 最近有从事期货交易的朋友找到我,说一起探索下期货量化交易,因为之前基于CTP开发过相关期货交易软件,对量化交易有个基本了解。之前是基于C++和QT开发的客户端软件,了解了下现在市面上已经有了比较成熟量化交易...
  • TqSdk天勤量化交易策略程序开发包 TqSdk是一个由发起并贡献主要代码的开源python库。依托,TqSdk支持用户使用极少的代码量构建各种类型的转换交易策略程序,并提供包含期货,收益,股票的历史数据-实时数据-开发调试...
  • 文华财经期货软件期货15分钟k线稳定盈利 量化公式源码.doc
  • 网格化交易相信大部分做股票或期货的朋友都不会陌生,非常适合于震荡行情。 如果我们观察到行情在某价格区间持续震荡,如下图,我们即可一直盈利1个点。 买入 卖出 再买入卖出 3500买入 等到价格3501时...
  • 很多人写CTP都是为了自动交易。 费好大劲,CTP接口写好了,该往策略方面靠了。 有同学说:“那简单,把文华的策略翻译到CTP里去。” 姑且不论这么做是否可行。我这篇文章要说的,不是这么简单的一个东西,而是一个...
  • 全球商品期货量化交易策略

    千次阅读 2020-09-08 09:46:41
    商品期货品种繁多,可以通过多品种投资...全球商品期货量化对冲基金及产品介绍商品期货交易源远流长,分布广泛。商品期货品种繁多,因此可以通过多品种投资有效降低回撤。另一方面,商品期货市场与股票市场有着相对.
  • 沪铜期货量化交易策略教材.pptx
  • 期货量化交易程序CTP入门指南 一

    千次阅读 2021-07-24 19:53:13
    本人从对期货一无所知,到完成一套高频量化程序并且实盘,大概用了两个多周!这其中既要感谢CTP接口文档非常完善,也要感谢乐于分享知识的网友们!所以我也再次分享一下自己的开发过程,并随讲解附上源码! ...
  • 经典的期货量化交易策略大全(含源代码)

    万次阅读 多人点赞 2020-11-16 10:32:44
    1.双均线策略(期货) 双均线策略是简单移动平均线策略的加强版。移动平均线目的是过滤掉时间序列中的高频扰动,保留有用的低频趋势。它以滞后性的代价获得了平滑性,比如,在一轮牛市行情后,只有当价格出现大幅度的...
  • Python期货量化交易基础教程(1)

    千次阅读 2021-02-09 12:34:38
    (本教程基于天勤量化平台)前言语言:人与人在沟通的时候,需要靠语言传递彼此的“意思”,没有语言,人们就无法相互理解对方,语言是承载人们的“意思”、“含义”的媒介。什么样的语言可以准确有效的传递人们的...
  • 基于人工神经网络的期货量化交易实践探索.pdf
  • 3.1、函数的声明和调用: 声明和定义的含义虽有区别,但本教程不做特别区分,后续内容会混合使用声明或定义,按同样的含义理解不影响量化学习。 函数声明时不会执行,只是告诉Python声明了一个函数,函数被调用时才...
  • 上一讲:期货CTP接口与程序化(量化交易)的对接(2) 序列变量的载体 上一讲举了一个简单的例子,现在继续用这个例子来讲解。 它使用的策略是:长阳达到X且在均线之上买进,长阴达到X且在均线之下买进。代码是: ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 5,717
精华内容 2,286
关键字:

期货量化

友情链接: FEM_Q4.zip