文章目录1.什么是量化交易？2.分析展示3.逻辑解读4.代码展示 1.什么是量化交易？我们利用计算机技术，通过建模分析、优化参数等手段，从历史金融数据中挖掘出影响投资的指标，使用程序进行自动交易来获得“超额”的收益，这种投资方法就叫做量化交易。现在，很多量化机构将人工智能和机器学习与量化策略相结合。国内的一些顶尖私募，比如：九坤、幻方、朱雀等都在使用AI量化策略，从各大公司的招聘公告上也可以看出
转载
2023-09-15 17:26:03
19阅读
前言Python 由于其易上手、丰富的第三方库支持等优点，已经作为一种标准编程语言应用在金融数据的量化分析中。尽管 Python 上手很快，但是当我们着手搭建一个系统时，需要考虑软件的移植、扩展和维护。作为一门面向对象的语言，掌握 Python 的面向对象编程思维和方法至关重要。本场 Chat 以股票量化交易中经典的动量策略为例，从面向对象的思维、方法、过程和实现等角度介绍用 Python 面向对
转载
2024-03-05 12:30:07
52阅读
# Python量化编程入门
量化编程是指利用计算机编程的知识和技能在金融市场中进行数据分析、策略回测和算法交易的一种方法。随着数据科学的发展，Python成为量化金融领域的主要编程语言之一。本文将介绍量化编程的基本概念，并通过代码示例来说明如何使用Python进行量化分析。
## 什么是量化编程？
**量化编程**是通过数据驱动的方法，分析金融数据，制定交易策略，并通过编程实现自动交易的过
原创
2024-09-29 04:07:29
48阅读
系列文章目录从零开始做量化（0）—— 引言从零开始做量化（1）—— 交易框架 从零开始做量化（2）—— 开发环境搭建 持续更新中。。。 本文目录系列文章目录前言1. 部署Python开发环境1.1 安装python解释器1.2 Python包管理2. 安装VScode编辑器2.1安装过程2.2 Python环境配置3. 总结与下文预告 前言本次文章为大家介绍开发环境的部署，我们的代码主要是用p
转载
2023-08-09 15:41:58
171阅读
1. 介绍2. Intel高级向量扩展3. GCC中向量化4. ICC中向量化5. AOCC/LLVM中向量化 1. 介绍什么是自动向量化？ 自动向量化（automatic vectorization）是自动并行化（automatic parallelization）的一种特殊情况，它将一次处理一对的标量运算转换为一次并行处理多对的向量运算。因此向量化可以显着加速一些带循环的程序运算，尤其是在大
转载
2023-09-24 21:37:24
157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
# Python量化编程配置教程
量化编程是利用计算机技术和数理统计方法进行金融市场分析和策略开发的过程。对于初入行的开发者来说，理解量化编程的配置过程至关重要。本文将通过明确的步骤和代码示例，帮助你搭建基本的量化编程环境。
## 流程概述
下面是一张简单的步骤流程表，展示了整件事情的流程：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 安装Python及基础库
# Python向量化编程指南
作为一名经验丰富的开发者，我很高兴能够教会你如何实现Python向量化编程。向量化编程是一种利用向量和矩阵操作来提高代码效率的方法，它可以显著减少循环的使用，从而提高运行速度。在本文中，我将向你介绍Python向量化编程的流程，并提供相应的代码示例和解释。
## Python向量化编程流程
首先，让我们来看一下Python向量化编程的整个流程。下表展示了实现P
原创
2024-01-17 11:49:09
45阅读
一、多维数组1、生成ndarray （array函数）.np.array()生成多维数组例如：import numpy as npdata1=[6,7.5,8,0,1] #创建简单的列表print(data1)arr1=np.array(data1) #将列表创建数组print(arr1)2、ndarry的数据类型（1）dtype() #获取数组元素类型（浮点数、复数、整数等）data=np.ra
转载
2023-08-28 10:53:05
99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
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
1、矢量化/向量化我们推荐使用向量化的形式进行编码，尽可能避免使用for循环而采用向量化形式。 对于机器学习领域广为使用的python语言而言，没有内置对于矩阵、向量的支持，毕竟python是一门通用语言。但是，借助一些第三方库（数值线性代数库）如下面的Numpy，我们也可以很容易的处理向量数值运算。2、NumpyNumpy是Numerical Python的缩写，是Python生态系统中高性能科
转载
2023-07-04 20:49:21
298阅读
Python股票数据分析最近在学习基于python的股票数据分析，其中主要用到了tushare和seaborn。tushare是一款财经类数据接口包，国内的股票数据还是比较全的官网地址：http://tushare.waditu.com/index.html#id5。seaborn则是一款绘图库，通过seaborn可以轻松地画出简洁漂亮的图表，而且库本身具有一定的统计功能。 导入的模块:impo
转载
2023-11-26 17:28:37
12阅读
Python应该已经占据了量化交易系统开发的半壁江山，大部分打着量化名义的课程都变成了Python教程，而忽略了能带来持续盈利的交易思想。Python作为开发交易系统的必知必会工具之一，重要性是毋庸置疑的，这一系列文章将会介绍在开发量化交易系统中用到的Python的基础知识，并结合实例加深理解。安装Python作为一门主流的开发语言，Python支持Windows、Linux和MacOS。Wind
转载
2023-10-15 23:14:16
127阅读
本节目录策略回测本节主要讨论回测相关的内容，包括两种不同的回测机制，即向量化回测和事件驱动回测；如何灵活使用开源工具来编写自己的回测程序；不同实现方式的优劣对比等。 在我们研究策略的时候，需要知道某个策略的历史表现，这种情况就需要编写回测程序来查看了。编写回测程序有两种模式，一种是向量化回测，一种是事件驱动回测。这两种模式都有其对应的优点和缺点。本部分将对这两种模式进行讨论，包括如何自己编写回测程
转载
2024-09-27 20:24:15
46阅读
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回撤之后才会在移动平均线上有所体现，而对于投资者而言则大大增加了交易成本。如果使用双均线策略，就可以在考虑长周期趋势的同时，兼顾比较敏感的小周期趋势，无疑是解决简单移动平均线滞后性弱点的一项有效方法
转载
2023-12-03 00:39:50
27阅读
对于算法开发人员来说，MATLAB是常用的一个工具，但是由于历史原因以及传统认识的偏差，我们很多人只是把MATLAB当成一个高级计算器或者算法验证工具。很多人在编写MATLAB程序的时候，没有发挥MATLAB的优势，或者生硬的应用向量化编程，导致MATLAB程序运行效率很低，进而得出MATLAB只适合做预研，不适合产品部署的结论。&nb
转载
2023-07-08 17:40:08
160阅读
文章目录1、导入Numpy2、向量相加3、Numpy数组4、Numpy数据类型5、数据类型转换6、创建自定义数据类型7、数组与标量运算8、一维数组的索引和切片9、多维数组的索引和切片10、布尔型索引11、数组转置12、改变数组的维度13、组合数组14、组合数组15、数组的分割16、数组的转换17、利用数组进行数据处理18、将条件逻辑表达为数组运算19、数学与统计方法20、用于布尔型数组的方法21
转载
2023-08-10 12:43:31
103阅读
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import pylab
from pandas import DataFrame, Series
from keras import models, layers, optimizers, losses, metrics
from keras.utils.
当使用学习算法时，一段更快的代码通常意味着项目进展更快。例如，如果你的学习算法需要花费20分钟运行完成，这意味着你每个小时能“尝试”3个新主意。但是假如你的程序需要20个小时来运行，这意味着你一天只能“尝试”一个新主意，因为你需要花费这么长时间来等待程序的反馈。对于后者，假如你可以提升代码的效率让其
原创
2021-07-16 10:00:44
1132阅读
