高频交易算法研发心得—最稳妥的低风险交易策略注意:本文章的算法策略适用于可借资源的市场(数字币、贵金属),不适用于股票 很多人在进行交易的时候,都喜欢一直盯着大盘看,为什么呢?原因很简单,大家都在关心着当前的行情有没有大涨大落,正常情况下(用货币来买入交易物)没有人会害怕行情大涨,但是一旦出现了极端情况,行情一路大跌,很多人会血压升高,满面通红。咱们书归正文,很多人都在寻找能提前预测大幅
配对交易策略 Pair Trading0. 引库import pandas as pd import numpy as np import tushare as ts import seaborn from matplotlib import pyplot as plt plt.style.use('seaborn') %matplotlib inlinedata = pd.read_csv('p
1.区间突破   波动区间突破交易,根据昨天波动幅度的一定百分比,来触发当日的突破性交易。如果昨天的波动幅度是异常的,应该对该波动幅度进行必要的调整,以保证其合理性。   主要特点:   日内交易策略;   区间突破基于昨日振幅与今日开盘价的关系;   昨日振幅=昨日最高价-昨日最低价;   上轨=今日收盘价+N*昨日振幅;   下轨=今日收盘价-N*昨日振幅;   当价格突破上轨,买入开仓;
转载 2014-03-31 17:45:00
786阅读
2评论
Economic RegulatorsAccording to Adam Smith's theory set forth in his book "An Inquiry into the Nature and Causes of the Wealth of Nations"[1], all economic processes are automatically regulated by the
转载 2012-10-18 08:25:00
149阅读
2评论
网格交易是一种非常稳定的仓位管理策略,理论上胜率可以达到 100%。策略思想:以相对下跌的价格为基准划定若干挡位,随后将每天的价格与前一天进行比较,根据挡位变化进行补仓或减仓。【投资标的】处于震荡市(价格整体在一个区间内反复波动)价格波动幅度足够大(交易有成本,波动幅度太小,获得的收益将非常有限)估值较低(因为无法 100% 准确的判断出震荡市,一旦价格突然单边下跌,很容易被套牢。选择估值较低的标
原创 2023-06-08 13:34:56
267阅读
我们将在本文中衡量交易策略的表现。并将开发一个简单的动量交易策略,它将使用四种资产类别:债券、股票和房地产。这些资产类别的相关性很低,这使得它们成为了极佳的风险平衡选择。动量交易策略这个策略是基于动量的的,因为交易者和投资者早就意识到动量的影响,这可以在广泛的市场和时间框架中看到。所以我们称之为动量策略。趋势跟踪或时间序列动量 (TSM) 是在单一工具上使用这些策略的另一个名称。我们将创建一个基本
一、搭建一个简单的交易策略1、策略先看一个非常简单的交易策略:每天买100股的平安银行。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:初始化:选定要交易的股票为平安银行 每天循环:买100股的平安银行 2、什么是“初始化+周期循环”框架?为了将投资灵感高效地转化成计算机可执行的量化策略,必须基于一种模式来写,框架就是指这种模式。而此框架包含两个部分
文章目录期权交易策略及其运用期权交易头寸及其运用运用期权进行静态套期保值运用期权进行杠杆投资卖空期权进行投机期权交易策略及其运用标的资产与期权组合价差(Spreads)垂直价差水平价差混合期权跨式组合策略勒式组合条式组合带式组合期权交易策略总结 期权交易策略及其运用期权交易头寸及其运用运用期权进行静态套期保值静态套期保值:一次交易后直至到期都不再调整的套期保值交易动态套期保值:止损策略、基于希腊
哈喽,大家好,我是木头左! 引言 本文将介绍日内回转交易策略的原理,并通过Python代码示例展示如何在掘金平台实现该策略。本文将深入探讨一种基于1分钟MACD(Moving Average Convergence Divergence,即移动平均收敛散布指标)的日内回转交易策略,该策略在金叉时买入,在死叉时卖出,并在尾盘回转至初始仓位。 策略原理 日内回转交易是指在一个交易日内完成买入和卖出
原创 4月前
54阅读
哈喽,大家好,我是木头左! 本文将详细介绍日内网格交易策略的原理,并结合Python代码示例,展示如何在掘金平台上实现这一策略策略原理 日内网格交易策略的核心思想是在一天的交易时间内,通过设置多个买卖点(即网格),在价格达到这些点时自动执行交易。这种策略的优势在于能够充分利用市场的波动性,通过频繁的买卖操作来获取收益。同时,由于是在一天内完成买卖,因此避免了隔夜风险。 在金融和财经的角度看
原创 4月前
88阅读
# 如何实现 Python 配对交易策略 配对交易是一种市场中性策略,通过同时买进和卖出价格相关的资产以获取利润。在本文中,我们将逐步学习如何用 Python 实现这一策略。接下来,我们将通过表格展示整个流程,然后逐步解释每一步的代码。 ## 整体流程 | 步骤 | 描述 | |-----------------|---
原创 26天前
9阅读
最令我尴尬的事情,莫过于很多朋友来到网站,不知道我说的是什么。大多数人以为鬼仆是推销软件的。其实这里理解是错的,特别是一些软件制作与经销商,更出 于推销的目的,故意夸大产品性能,模糊交易系统与一般行情播报软件或者行情的辅助分析软件的本质差异,更加剧了这种混乱的情况,很不利于交易系统的研究、 交流与开发。因此,笔者认为有必要对交易系统的概念和特征进行论述,以正视听。 我相信你会遇见很多人,他们告诉你
转载 2014-03-16 20:13:00
126阅读
2评论
# 网格交易策略的实现:Java 实现指南 网格交易策略是一种自动交易策略,旨在通过在市场波动中创建买入和卖出的“网格”来实现盈利。对于刚入行的开发者来说,实现网格交易策略可能看起来有些复杂,然而,通过详细的步骤指导和代码示例,我们可以逐步实现这一策略。以下将介绍实现网格交易策略的整体流程,并逐步详细说明每一步的具体内容和相应的代码。 ## 实现流程 | 步骤 | 描述
原创 2月前
30阅读
所谓马丁格尔(Martingale)策略是在某个赌盘里,当每次「输钱」时就以2 的倍数再增加赌金,直到赢钱为止。假设在一个公平赌大小的赌盘,开大与开小都是50% 的概率,所以在任何一个时间点上,我们赢一次的概率是50%,连赢两次的概率是25%,连赢三次的概率12.5%,连赢四次的概率6.25%,以此类推。同样,连输的概率也是这样的。于是,交易上,很多人尝试马丁格尔式的金字塔加仓法来进行交易。那么马
该楼层疑似违规已被系统折叠 隐藏此楼查看此楼本文通过讲述 [单股票均线策略] 在 Ricequant 量化平台的实现,熟悉平台并快速入门、创建自己的量化策略代码 。难易度:入门级.从一下几点说起;1 确定框架:[单股票均线策略] 的主要策略框架: 5 日均线高于 30 天均线,则全仓买入股票 5 日均线低于 30 天均线,则卖出所持股票从我们日常交易的角度,一般交易者的行为可以拆分以下两
基于VNPY实现网格策略实盘(币圈) 目录基于VNPY实现网格策略实盘(币圈)vnpy事件驱动框架交易所gatewayvnpy算法引擎vnpy数据格式algo类和算法模板template网格交易策略逻辑程序入口策略实战 在回测程序中摸爬滚打了几个月,现在发现vnpy作为实盘系统,非常方便。 vnpy事件驱动框架首先我们要利用到vnpy的事件驱动框架,是一个消息队列。其中,交易所gateway就是
量化交易机器学习策略 量化交易是利用数学和统计学方法分析市场数据,制定交易策略并进行自动化交易的一种方式。机器学习是人工智能的一个分支,可以通过算法学习大量数据并做出预测和决策。因此,结合量化交易与机器学习,可以开发出更加智能和有效的交易策略。 在这篇文章中,我们将介绍一个基于机器学习的量化交易策略,并给出一个简单的代码示例。这个策略的目标是根据历史数据来预测股票的走势,并根据预测结果进行交易
原创 2023-09-21 01:19:52
168阅读
本文将介绍Backtrader的交易系统,包括Order、Broker、Trade和Sizer等和交易相关关键类。Order(订单)这个有翻译为订单,也有翻译为委托单的,后续统一为订单。如之前文章所述,Cerebro是Backtrader的关键控制中心,是大脑。而Strategy是大脑的神经,基于数据和分析做出最终的决策,那么这个决策如何由系统的其他部件去成交呢?订单就承担这样的责任,将Strat
1、如果你怕他涨,你可以买掉大部分,保险如果大跌不会亏太多,如果大涨,就不会有心里不平衡了,因为还有一小部分在跟着市场走2、投资比特币,不能胡乱的买进,...
原创 2021-07-16 17:16:15
176阅读
一、摘要威廉W%R是一种古老的技术指标,在1973年由LarryWilliams首创,简称威廉指标或W%R,全称为威廉超买超卖指标。在其发表的《我如何赚得一百万》一书中进行了详细的阐述,这是一个振荡指标,主要是依据价格的摆动点,来判断市场是否处于超买或超卖现象。本篇文章我们就以威廉W%R为蓝本,在发明者量化交易平台(FMZ.COM)开发一个商品期货量化交易策略。二、威廉W%R原理威廉指标在公式设计
原创 2021-08-21 06:24:33
1216阅读
  • 1
  • 2
  • 3
  • 4
  • 5