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
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
何谓海量数据处理？
所谓海量数据处理，无非就是基于海量数据上的存储、处理、操作。何谓海量，就是数据量太大，所以导致要么是无法在较短时间内迅速解决，要么是数据太大，导致无法一次性装入内存。那解决办法呢?针对时间，我们可以采用巧妙的算法搭配合适的数据结构，如Bloom filter/Hash/bit-map/堆/数据库或倒排索引/trie树，针对空间，无非就一个办法：大而化小，分而治之（hash映射）
前言高并发，几乎是每个程序员都想拥有的经验。原因很简单：随着流量变大，会遇到各种各样的技术问题，比如接口响应超时、CPU load升高、GC频繁、死锁、大数据量存储等等，这些问题能推动我们在技术深度上不断精进。在过往的面试中，如果候选人做过高并发的项目，我通常会让对方谈谈对于高并发的理解，但是能系统性地回答好此问题的人并不多，大概分成这样几类：1、对数据化的指标没有概念：不清楚选择什么样的指标来衡
转载
2024-07-15 18:03:29
22阅读
「Why-What-How」在讲解概念和执行上是个不错的思维模型，这次依例按此框架来拆分「数据分析」。相信很多朋友已经有了较丰富的分析经验，这里权且从个人的角度进行梳理，以资参考。为了帮助大家更好地理解本文，先贴出一张思维脑图：一. WHY：为什么要做数据分析在目前讲解数据分析的文章里，大多数会忽略数据分析本身的目的。这会导致我们在执行时，会出现动作变形的情况。以终为始，才能保证不会跑偏。个人的理
转载
2023-08-08 11:51:30
2514阅读
原标题：数据量大、分析急，该用什么软件做数据分析？数据量大，现在的软件分析效率太低，操作也麻烦，有没有更适合的数据分析软件？或许BI数据分析软件会是个好选择。奥威软件旗下的OurwayBI就是一款专做大数据可视分析的软件，能在极短时间内完成亿级数据的深度分析以及数据可视化。如果你的数据量大，不妨考虑考虑OurwayBI。OurwayBI：亿级数据秒分析1、多技术齐发力，分析秒响应光基于内存计算可以
转载
2023-10-11 15:50:47
10阅读
大家好我是L，刚刚从事量化风控的时间不久，很高兴参与了番茄风控前两期的训练营，特别是策略跟模型方面，颇有收获，今天借这个机会跟大家分享下相关的风控知识，如文中有不妥的请大家指教一.滚动率分析 滚动率分析–找出坏客户的定义。 1.1 实现详细过程 滚动率：表示客户从A时间点到B时间点，还款状态从a到还款状态b的转化比率；是两个快照数据之间还款状态的变化情况。 滚动率有两个方向，向前滚和向后滚； 向
作者：李启方很多小白在刚接触数据分析的时候，缺乏数据思维的支持，做起分析来感觉找不准方向，很难通过分析挖掘出数据的价值，因此，我今天给刚入行的新人们分享一种通用的数据分析思维，在很多种分析场景都可以借鉴使用。我要说的就是“Why-What-How”模型，这个模型在讲解概念和执行上是个不错的思维模型，本文将按照这个模型框架来拆分数据分析，为了帮助大家更好地理解，先贴出一张思维导图：WHY：为什么要
目录模型量化原理前言1. What、Why and How1.1 What1.2 Why1.3 How2. 拓展-export参数详解3.总结参考 模型量化原理前言手写AI推出的全新TensorRT模型量化课程，链接。记录下个人学习笔记，仅供自己参考。本次课程为第一课，主要讲解量化的定义及意义。课程大纲可看下面的思维导图1. What、Why and How问题：什么是模型量化？为什么需要量化？
转载
2023-11-19 10:30:16
935阅读
MAXQDA 是一个用于质性、量化和混合方法数据分析的专业软件，适用于 Windows 和 Mac 两种操作平台，深受全球成千上万用户的喜爱。如果您需要得到一个正式的-询价单，请访始创于 1989 年，具有多年为研究者们提供强大、创新和便捷的数据分析工具的经验，助力研究项目的顺利开展。MAXQDA 可以分析的数据类型包括访谈记录、报告、表格、在线调查、焦点小组、视频、音频、文献、图片等等。如果您需
数据为王的时代，掌握着数据，就等于掌握着市场的发展。在竞争激烈的互联网公司，数据分析软件一直是一个重点项目，即使拥有很强大的数据分析能力，每年依旧会投入大量的人力财力。由此可见，数据的增长造就着数据分析软件的更迭。数据分析是什么，又有哪些数据分析软件呢？数据分析数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。这一过程也是质量管
转载
2023-08-15 19:35:57
233阅读
数据离散化1. 离散化概述2. 应用场景3. 实现方法4. STL函数说明4.1 lower_bound4.2 unqiue4.3 sort4.4 erase5. 代码描述5.1 数组5.2 vector容器6. 执行结果 1. 离散化概述百度百科离散化，把无限空间中有限的个体映射到有限的空间中去，以此提高算法的时空效率。 通俗的说，离散化是在不改变数据相对大小的条件下，对数据进行相应的缩小。例
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
这个项目是针对于股票的金融数据量化分析，更契合金融领域的称呼是股票量化交易。把名称拆分开来理解，分别是“数据”、“分析”和“交易”，“数据”指的是我们所要分析的股票数据，“分析”指的是从“数据”中挖掘出能够获利的策略，“交易”是指将策略转换为具体的买卖操作。当然这里的侧重点并不是单纯地促使大家去做股票、期货、期权、数字货币的投资交易，因为量化交易并不会让你躺着赚钱。而是说如果你学习了Python，
转载
2021-04-06 10:10:59
2875阅读
最近锤子手机创始人罗永浩声称要开始直播带货，更在网上放出豪言要做到除口红外的带货一哥而前天据Tech星球消息，罗永浩已6千万签约抖音我对罗永浩没怎么关注...
转载
2022-09-02 08:34:56
160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
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
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
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
