参考：用Python的交易员【前言】从本篇教程开始，所有的开发都会在Python环境中进行（谢天谢地可以和C++说再见了）。一、底层接口简介 1、通常情况下，一个交易程序的架构会由以下三个部分组成：底层接口：负责对接行情和交易API，将数据推送到系统核心中，以及发送指令（下单、数据请求等）中层引擎：用于整合程序中的各个组件（包括底层接口、数据库接口等等）到一个对象中，便于顶层UI调用顶层GUI：
转载
2023-08-05 11:37:06
158阅读
1引言目前基于Python的量化回测框架有很多，开源框架有zipline、vnpy、pyalgotrader和backtrader等，而量化平台有Quantopian（国外）、聚宽、万矿、优矿、米筐、掘金等，这些量化框架或平台各有优劣。就个人而言，比较偏好用backtrader，因为它功能十分完善，有完整的使用文档，安装相对简单（直接pip安装即可）。优点是运行速度快，支持pandas的矢量运算；
转载
2023-12-04 13:32:37
27阅读
文章目录1. NumPy ndarray：多维数组对象1.1 生成ndarray1.2 ndarray的数据类型1.3 NumPy数组算术1.4 基础索引与切片1.4.1 数组的切片索引1.5 布尔索引1.6 神奇的索引1.7 数组转置和换轴2. 通用函数：快速的逐元素数组函数3. 使用数组进行面向数组编程3.1 将条件逻辑作为数组操作3.2 数学和统计方法3.3 布尔值数组的方法3.4 排序3
转载
2023-09-06 14:07:57
134阅读
我们在做量化交易时，首先遇到的问题就是行情数据的获取，很多朋友要开始入手量化交易，总觉得无从下手，都不懂的数据哪里去获取。很多还去买数据接口，浪费了没必要的钱。其实，有很多的免费行情接口可以使用。大操手量化投资今天就教你们用tushare来演示怎么获取股票行情数据。超级简单，一学就会！安装pythonpython的安装我们之前的文章已经讲过了哦，这里就不再讲啦，还不会安装python的赶紧去翻一番
转载
2023-09-19 20:00:11
26阅读
文章目录1. Vectorization2. More Vectorization Examples3. Vectorizing Logistic Regression4. Vectorizing Logistic Regression’s Gradient Output5. Broadcasting in Python6. A note on python/numpy vectors7. Qu
转载
2023-10-04 19:19:13
60阅读
文章目录一、向量化二、逻辑回归向量化三、广播四、 A note on python/numpy vectors五、逻辑回归损失函数的解释六、总结 一、向量化深度学习算法中，数据量很大，在程序中应该尽量减少使用loop循环语句，而可以使用向量运算来提高程序运行速度。向量化（Vectorization）就是利用矩阵运算的思想，大大提高运算速度。例如下面所示在Python中使用向量化要比使用循环计算速
转载
2023-08-10 02:15:28
214阅读
作者：Cheever编译：1+1=6今天给大家好好讲讲基于Pandas和NumPy，如何高速进行数据处理！1向量化1000倍的速度听起来很夸张。Python并不以速度著称。这是真的吗？当然有可能 ，关键在于你如何操作！如果在数据上使用for循环，则完成所需的时间将与数据的大小成比例。但是还有另一种方法可以在很短的时间内得到相同的结果，那就是向量化。这意味着要花费15秒的时间来编写代码，并且在15毫
转载
2023-12-04 21:18:39
73阅读
量化必备技能进程、线程、协程 最近再做量化系统的时候，由于 python 不是很熟悉，日行情下载数据
量化必备技能进程、线程、协程最近再做量化系统的时候，由于 python 不是很熟悉，日行情下载数据和数据清洗计算等都是单线程处理的，其速度无法忍受。
例如：日行情数据的更新，5000 左右个股票，更新一次，等待的时间可以把你验证想法的热情都浇灭，单线程的
转载
2023-07-10 11:07:30
64阅读
1.处理文本数据神经网络不会接收原始的文本作为输入，它只能处理数值型张量。于是，文本向量化便是对文本处理的关键一步，所谓文本向量化就是将文本转化为数值型张量的过程。他有多种实现方式：将文本分割成单词，将每个单词转化为一个向量将文本分割成字符，将每个字符转化为一个向量提取单词或者字符的n-gram,并将每个n-gram转化为一个向量。n-gram是多个连续单词或字符的集由于大多数场景中单独对字符进行
转载
2023-08-17 18:50:37
254阅读
一、概述1.1 从数据处理到人工智能数据表示->数据清洗->数据统计->数据可视化->数据挖掘->人工智能数据表示：采用合适方式用程序表达数据数据清理：数据归一化、数据转换、异常值处理数据统计：数据的概要理解，数量、分布、中位数等数据可视化：直观展示数据内涵的方式数据挖掘：从数据分析获得知识，产生数据外的价值人工智能：数据/语言/图像/视觉等方面深度分析与决策Pyth
转载
2024-08-19 14:57:17
83阅读
文章目录4.1 NumPy ndarray:多维数组对象创建ndarray的数据类型向量化：数组算术基础索引与切片布尔索引bool算数运算符神奇索引数组转置和换轴4.2 通用函数：快速的逐元素数组函数4.3 使用数组进行面向数组编程将条件逻辑作为数组操作：where方法数学和统计方法any() all()排序sort()unique()in1d()4.5 线性代数点乘numpy.linalg4.
转载
2023-08-08 07:40:04
362阅读
第一章-学习之前的认知影响股价的因素1、公司自身因素
2、心理因素
3、行业因素
4、经济因素
5、市场因素
6、政治因素金融量化投资量化投资的优势
1、避免主观情绪，人性弱点和认知偏差，选择更加客观
2、能同时包括多角度的观察和多层次的模型
3、及时跟踪市场变化，不断发现新的统计模型，寻找交易机会
4、在决定投资策略后，能通过回测验证其效果
量化策略
通过一套固定的逻辑来分析、判断和决策，自
转载
2023-09-16 20:50:28
0阅读
参考资料：https://github.com/lijin-THU/notes-python（相应实体书为：《自学Python——编程基础、科学计算及数据分析》）1. 向量化函数（1）自定义sinc函数1 import numpy as np
2
3 def sinc(x):
4 if x == 0.0:
5 return 1.0
6 else:
7
转载
2023-05-21 12:35:37
164阅读
python数据类型_在量化交易中的用途一、整数1、表示数量或份额，例如交易的股票数量、ETF基金份额等。num_shares = 1000 # 股票数量为1000
num_futures = 5 # 期货合约数量为 5 张2、记录交易次数和循环计数器。num_trades = 0 # 初始化交易次数为0
for i in range(10):
# do something
转载
2024-08-23 10:09:18
89阅读
文章目录1.3.1 向量化（Vectorization）1.3.2 更多向量化的例子（More Vectorization Examples）1.3.3 向量化logistic回归（Vectorizing Logistic Regression）1.3.4 向量化logistic回归的梯度输出（Vectorizing Logistic Regression’s Gradient Output）1
转载
2023-06-25 11:14:05
289阅读
我们在做量化交易分析的时候第一步是需要获取到如股票、期货等各行情数据，本篇介绍如何利用一款免费开源的python财经数据接口包——Tushare进行实现，我们只需要编写几行代码即可轻松获取到行情数据以便我们进行量化分析。 Tushare简介 Tushare是一个免费开源的python财经数据接口包，主要能够实现对股票、期货等金融数据从数据采集、清洗加工到数据存储的过程，能够为金融分析
转载
2023-09-18 12:38:56
191阅读
第四章 NumPy基础：数组与向量化计算NumPy，是Numerical Python的简称，是目前Python数值计算中最重要的基础包，其数组对象作为数据交换的通用语主要内容
ndarray，一种高效多维数组，提供了基于数组的便捷算术操作以及灵活的广播功能。对所有数据进行快速的矩阵计算，而无须编写循环程序。对硬盘中数组数据进行读写的工具，并对内存映射文件进行操作。线性代数、随机数生成以及傅
转载
2024-02-13 11:44:41
90阅读
Python3入门机器学习4.5 梯度下降法的向量化和数据标准化1.向量化： 在上一节中，我们推导出求解梯度的公式如下： 继续变形，使其可以向量化，如下： 于是求梯度的函数的实现方式也相应的改变，如下：def dJ(theta, X_b, y):
# res = np.empty(len(theta))
# res[0] = np.sum(X_b.d
转载
2024-04-16 22:42:39
75阅读
stockstats 提供基于pandas.DataFrame的包装，包含股票统计/指标。 安装pip install stockstats工具包信息stockstats 0.3.2支持的统计/指标有：变化（百分比）增量置换（基于零）日志返回最大范围最小范围中=（关闭+高+低）/3比较：le、ge、lt、gt、eq、ne计数：向后（C）和向前（FC）SMA：简单移动平均值em
转载
2024-01-02 11:06:35
125阅读
第四章（NumPy基础：数组与向量化计算）
安装numpy及使用
pip install numpyPyCharm无法使用numpy
File-->setting-->项目名-->Project Interpreter-->本地安装python-->应用测试代码
import numpy as npdata = np.ran
转载
2024-06-09 08:39:46
57阅读
