用Python怎么做量化投資

本文將會(huì)講解量化投資過(guò)程中的基本流程，量化投資無(wú)非這幾個(gè)流程，數(shù)據(jù)輸入------策略書(shū)寫(xiě)------回測(cè)輸出

創(chuàng)新互聯(lián)建站長(zhǎng)期為上1000+客戶(hù)提供的網(wǎng)站建設(shè)服務(wù)，團(tuán)隊(duì)從業(yè)經(jīng)驗(yàn)10年，關(guān)注不同地域、不同群體，并針對(duì)不同對(duì)象提供差異化的產(chǎn)品和服務(wù)；打造開(kāi)放共贏平臺(tái)，與合作伙伴共同營(yíng)造健康的互聯(lián)網(wǎng)生態(tài)環(huán)境。為巫溪企業(yè)提供專(zhuān)業(yè)的成都網(wǎng)站設(shè)計(jì)、成都網(wǎng)站制作，巫溪網(wǎng)站改版等技術(shù)服務(wù)。擁有十多年豐富建站經(jīng)驗(yàn)和眾多成功案例,為您定制開(kāi)發(fā)。

其中策略書(shū)寫(xiě)部分還涉及到編程語(yǔ)言的選擇，如果不想苦惱數(shù)據(jù)輸入和回測(cè)輸出的話，還要選擇回測(cè)平臺(tái)。

一、數(shù)據(jù)

首先，必須是數(shù)據(jù)，數(shù)據(jù)是量化投資的基礎(chǔ)

如何得到數(shù)據(jù)？

Wind：數(shù)據(jù)來(lái)源的最全的還是Wind，但是要付費(fèi)，學(xué)生可以有免費(fèi)試用的機(jī)會(huì)，之后還會(huì)和大家分享一下怎樣才Wind里摘取數(shù)據(jù)，Wind有很多軟件的借口，Excel，Matlab，Python，C++。

預(yù)測(cè)者網(wǎng)：不經(jīng)意間發(fā)現(xiàn)，一個(gè)免費(fèi)提供股票數(shù)據(jù)網(wǎng)站 預(yù)測(cè)者網(wǎng)，下載的是CSV格式

TB交易開(kāi)拓者：Tradeblazer，感謝@孫存浩提供數(shù)據(jù)源

TuShare：TuShare -財(cái)經(jīng)數(shù)據(jù)接口包，基于Python的財(cái)經(jīng)數(shù)據(jù)包，利用Python進(jìn)行摘取

如何存儲(chǔ)數(shù)據(jù)？

Mysql

如何預(yù)處理數(shù)據(jù)？

空值處理：利用DataFrame的fill.na()函數(shù)，將空值（Nan）替換成列的平均數(shù)、中位數(shù)或者眾數(shù)

數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)如何分類(lèi)？

行情數(shù)據(jù)

財(cái)務(wù)數(shù)據(jù)

宏觀數(shù)據(jù)

二、計(jì)算語(yǔ)言軟件

已經(jīng)有很多人在網(wǎng)上詢(xún)問(wèn)過(guò)該選擇什么語(yǔ)言？筆者一開(kāi)始用的是matlab，但最終選擇了python

python：庫(kù)很多，只有你找不到的，沒(méi)有你想不到，和量化這塊結(jié)合比較緊密的有：

NumpyScipy：科學(xué)計(jì)算庫(kù)，矩陣計(jì)算

Pandas：金融數(shù)據(jù)分析神器，原AQR資本員工寫(xiě)的一個(gè)庫(kù)，處理時(shí)間序列的標(biāo)配

Matplotlib：畫(huà)圖庫(kù)

scikit-learn：機(jī)器學(xué)習(xí)庫(kù)

statsmodels：統(tǒng)計(jì)分析模塊

TuShare：免費(fèi)、開(kāi)源的python財(cái)經(jīng)數(shù)據(jù)接口包

Zipline：回測(cè)系統(tǒng)

TaLib：技術(shù)指標(biāo)庫(kù)

matlab：主要是矩陣運(yùn)算、科學(xué)運(yùn)算這一塊很強(qiáng)大，主要有優(yōu)點(diǎn)是WorkSpace變量可視化

python的Numpy+Scipy兩個(gè)庫(kù)完全可以替代Matlab的矩陣運(yùn)算

Matplotlib完克Matlab的畫(huà)圖功能

python還有很多其他的功能

pycharm（python的一款I(lǐng)DE）有很棒的調(diào)試功能，能代替Matlab的WorkSpace變量可視化

推薦的python學(xué)習(xí)文檔和書(shū)籍

關(guān)于python的基礎(chǔ)，建議廖雪峰Python 2.7教程，適合于沒(méi)有程序基礎(chǔ)的人來(lái)先看，涉及到python的基本數(shù)據(jù)類(lèi)型、循環(huán)語(yǔ)句、條件語(yǔ)句、函數(shù)、類(lèi)與對(duì)象、文件讀寫(xiě)等很重要的基礎(chǔ)知識(shí)。

涉及到數(shù)據(jù)運(yùn)算的話，其實(shí)基礎(chǔ)教程沒(méi)什么應(yīng)用，python各類(lèi)包都幫你寫(xiě)好了，最好的學(xué)習(xí)資料還是它的官方文檔，文檔中的不僅有API，還會(huì)有寫(xiě)實(shí)例教程

pandas文檔

statsmodels文檔

scipy和numpy文檔

matplotlib文檔

TuShare文檔

第二，推薦《利用Python進(jìn)行數(shù)據(jù)分析》，pandas的開(kāi)發(fā)初衷就是用來(lái)處理金融數(shù)據(jù)的

三、回測(cè)框架和網(wǎng)站

兩個(gè)開(kāi)源的回測(cè)框架

PyAlgoTrade - Algorithmic Trading

Zipline, a Pythonic Algorithmic Trading Library

使用python做量化交易策略測(cè)試和回驗(yàn)，有哪些比較成熟一些的庫(kù)

比較成熟的庫(kù)可以參考如下幾個(gè)：

pybacktest

pyalgotrader

zipline

bt

backtrader

pybacktest基于vector，不是event based，快得多得多，缺點(diǎn)也明顯。

通達(dá)信什么時(shí)候支持python量化交易

通信達(dá)專(zhuān)長(zhǎng)還是行情數(shù)據(jù)，建議你使用國(guó)內(nèi)較成熟的量化平臺(tái)如掘金量化、米筐、優(yōu)礦。聚寬等，他們已經(jīng)相對(duì)成熟支持python量化交易。

Python量化教程：不得不學(xué)的K線圖「代碼復(fù)制可用」

不管是對(duì)量化分析師還是普通的投資者來(lái)說(shuō)，K線圖（蠟燭圖）都是一種很經(jīng)典、很重要的工具。在K線圖中，它會(huì)繪制每天的最高價(jià)、最低價(jià)、開(kāi)盤(pán)價(jià)和收盤(pán)價(jià)，這對(duì)于我們理解股票的趨勢(shì)以及每天的多空對(duì)比很有幫助。

一般來(lái)說(shuō)，我們會(huì)從各大券商平臺(tái)獲取K線圖，但是這種情況下獲得的K線圖往往不能靈活調(diào)整，也不能適應(yīng)復(fù)雜多變的生產(chǎn)需求。因此我們有必要學(xué)習(xí)一下如何使用Python繪制K線圖。

需要說(shuō)明的是，這里mpl_finance是原來(lái)的matplotlib.finance，但是現(xiàn)在獨(dú)立出來(lái)了（而且好像沒(méi)什么人維護(hù)更新了），我們將會(huì)使用它提供的方法來(lái)繪制K線圖；tushare是用來(lái)在線獲取股票數(shù)據(jù)的庫(kù)；matplotlib.ticker中有個(gè)FuncFormatter()方法可以幫助我們調(diào)整坐標(biāo)軸；matplotlib.pylab.date2num可以幫助我們將日期數(shù)據(jù)進(jìn)行必要的轉(zhuǎn)化。

我們以上證綜指18年9月份以來(lái)的行情為例。

我們先使用mpl_finance繪制一下，看看是否一切正常。

可以看到，所有的節(jié)假日包括周末，在這里都會(huì)顯示為空白，這對(duì)于我們圖形的連續(xù)性非常不友好，因此我們要解決掉他們。

可以看到，空白問(wèn)題完美解決，這里我們解釋一下。由于matplotlib會(huì)將日期數(shù)據(jù)理解為 連續(xù)數(shù)據(jù) ，而連續(xù)數(shù)據(jù)之間的間距是有意義的，所以非交易日即使沒(méi)有數(shù)據(jù)，在坐標(biāo)軸上還是會(huì)體現(xiàn)出來(lái)。連續(xù)多少個(gè)非交易日，在坐標(biāo)軸上就對(duì)應(yīng)了多少個(gè)小格子，但這些小格子上方并沒(méi)有相應(yīng)的蠟燭圖。

明白了它的原理，我們就可以對(duì)癥下藥了。我們可以給橫坐標(biāo)（日期）傳入連續(xù)的、固定間距的數(shù)據(jù)，先保證K線圖的繪制是連續(xù)的；然后生成一個(gè)保存有正確日期數(shù)據(jù)的列表，接下來(lái)，我們根據(jù)坐標(biāo)軸上的數(shù)據(jù)去取對(duì)應(yīng)的正確的日期，并替換為坐標(biāo)軸上的標(biāo)簽即可。

上邊f(xié)ormat_date函數(shù)就是這個(gè)作用。由于前邊我們給dates列生成了從0開(kāi)始的序列連續(xù)數(shù)據(jù)，因此我們可以直接把它當(dāng)作索引，從真正的日期列表里去取對(duì)應(yīng)的數(shù)據(jù)。在這里我們要使用matplotlib.ticker.FuncFormattter()方法，它允許我們指定一個(gè)格式化坐標(biāo)軸標(biāo)簽的函數(shù)，在這個(gè)函數(shù)里，我們需要接受坐標(biāo)軸的值以及位置，并返回自定義的標(biāo)簽。

你學(xué)會(huì)了嗎？

當(dāng)然，一個(gè)完整的K線圖到這里并沒(méi)有結(jié)束，后邊我們會(huì)考慮加入均線、成交量等元素，感興趣的同學(xué)歡迎關(guān)注哦！

用python做量化交易要學(xué)多久？

5個(gè)月。

python憑借其突出的語(yǔ)言?xún)?yōu)勢(shì)與特性，已經(jīng)融入到各行各業(yè)的每個(gè)領(lǐng)域。一般來(lái)說(shuō)，python培訓(xùn)需要脫產(chǎn)學(xué)習(xí)5個(gè)月左右，這樣的時(shí)長(zhǎng)才能夠讓學(xué)員既掌握工作所需的技能，還能夠積累一定的項(xiàng)目經(jīng)驗(yàn)。當(dāng)然如果你想要在人工智能的路上越走越遠(yuǎn)，則需要不斷的積累和學(xué)習(xí)。

python培訓(xùn)的5個(gè)月時(shí)間里，有相當(dāng)大一部分時(shí)間是在實(shí)戰(zhàn)做項(xiàng)目，第一階段是為期一個(gè)月學(xué)習(xí)python的核心編程，主要是python的語(yǔ)言基礎(chǔ)和高級(jí)應(yīng)用，幫助學(xué)員獲得初步軟件工程知識(shí)并樹(shù)立模塊化編程思想。學(xué)完這一階段的內(nèi)容，學(xué)員已經(jīng)能夠勝任python初級(jí)開(kāi)發(fā)工程師的職位。

擴(kuò)展資料：

Python開(kāi)發(fā)基礎(chǔ)課程內(nèi)容包括：計(jì)算機(jī)硬件、操作系統(tǒng)原理、安裝linux操作系統(tǒng)、linux操作系統(tǒng)維護(hù)常用命令、Python語(yǔ)言介紹、環(huán)境安裝、基本語(yǔ)法、基本數(shù)據(jù)類(lèi)型、二進(jìn)制運(yùn)算、流程控制、字符編碼、文件處理、數(shù)據(jù)類(lèi)型、用戶(hù)認(rèn)證、三級(jí)菜單程序、購(gòu)物車(chē)程序開(kāi)發(fā)、函數(shù)、內(nèi)置方法、遞歸、迭代器、裝飾器、內(nèi)置方法、員工信息表開(kāi)發(fā)、模塊的跨目錄導(dǎo)入、常用標(biāo)準(zhǔn)庫(kù)學(xué)習(xí)，b加密\re正則\logging日志模塊等，軟件開(kāi)發(fā)規(guī)范學(xué)習(xí)，計(jì)算器程序、ATM程序開(kāi)發(fā)等。

參考資料來(lái)源：百度百科-Python量化交易從入門(mén)到實(shí)戰(zhàn)

python 離散型數(shù)據(jù)怎么量化

python 離散型數(shù)據(jù)量化的方法可以采用變量轉(zhuǎn)換方法來(lái)解決，分類(lèi)數(shù)據(jù)和連續(xù)數(shù)據(jù)需要參與模型計(jì)算，并且通常會(huì)轉(zhuǎn)換為數(shù)值數(shù)據(jù)。

當(dāng)然，某些算法允許這些數(shù)據(jù)直接參與計(jì)算，例如分類(lèi)算法中的決策樹(shù)和關(guān)聯(lián)規(guī)則。將非數(shù)字?jǐn)?shù)據(jù)轉(zhuǎn)換為數(shù)字?jǐn)?shù)據(jù)的最佳方法是將所有類(lèi)別或有序變量的范圍從一列多值形式轉(zhuǎn)換為僅包含真值的多列?？梢詫rue值傳遞給True，F(xiàn)alse或0、1。這種符號(hào)轉(zhuǎn)換方法有時(shí)稱(chēng)為真值轉(zhuǎn)換。

具體代碼是：

import pandas as pddata = [.

['yellow', 'S', 10.1, 'class1'].

['red', 'M', 13.5, 'class1'].

['red', 'M', 15.1, 'class2'].

['blue', 'XL', 15.3, 'class2'.

df = pd.DataFrame(.

data,columns=['color', 'size', 'prize', 'class'].

python 離散型數(shù)據(jù)用連續(xù)數(shù)據(jù)處理的方法是：

1、等寬法：若數(shù)據(jù)區(qū)間為0~20，設(shè)置箱子個(gè)數(shù)為4個(gè)，則等寬法會(huì)將數(shù)據(jù)裝入4個(gè)箱子：[0,5],(5,10],(10,15],(15,20]，并且可以設(shè)置每個(gè)箱子的名字，如1、2、3、4。

等寬法缺點(diǎn)是分箱結(jié)果會(huì)受到最值影響。并且需要人為指定箱子個(gè)數(shù)，比較依賴(lài)于經(jīng)驗(yàn)。分箱結(jié)果會(huì)直接影響后續(xù)分類(lèi)、聚類(lèi)的結(jié)果。

2、等頻法：等頻法是指將一組數(shù)據(jù)分解成n個(gè)部分后，每個(gè)部分的記錄數(shù)量是一樣多的。等頻法常用pandas庫(kù)中的qcut()函數(shù)進(jìn)行處理。

當(dāng)前文章：python量化函數(shù)庫(kù) Python 函數(shù)庫(kù)
轉(zhuǎn)載注明：http://jinyejixie.com/article36/hepepg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供標(biāo)簽優(yōu)化、網(wǎng)站營(yíng)銷(xiāo)、動(dòng)態(tài)網(wǎng)站、網(wǎng)站建設(shè)、ChatGPT、用戶(hù)體驗(yàn)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)