spice指标python python 技术指标

转载

西门吹雪 2023-11-15 05:23:27

文章标签 spice指标python python 金融 linux 金融技术指标 文章分类 Python 后端开发

从简单应用到平台框架应用，不同场景下，基于python快速简便地实时计算金融技术指标的方法，总结如下（鄙人之前走了不少弯路，以下五种场景实现及避坑方法，分别介绍给各位朋友，请借鉴）：

一、tradingview的方法库

如果你要基于tradingview框架做量化系统和策略，那就非常直接简单容易了。我敢说，几乎所有你想到的、和没有想到的技术指标，都已经集成在tradingview的方法库和框架中了。最重要的是，在你开发的量化平台中，直接使用 tradingview的方法库，而且可以自定义和开发新的自己的技术指标和方法。——专业、快速！

在我知乎专栏”低门槛搭建个人量化平台”有实现方法介绍，演示效果参见下面视频。（如果觉得专栏里详细介绍繁琐，直接略过本节，看下面 talib 和quantLib方法）。
阿岛格：低门槛搭建个人量化平台 — 第一天：前言和预备工作
阿岛格：低门槛搭建个人量化平台 — 第五天：自定义功能和指标
低门槛搭建你的个人量化平台-演示

二、TaLib免费金融库

或者可以自己可以安装专业的TaLib免费金融库，计算也非常方便。注意TaLib在Linux 下安装有坑。我用下面的方法避坑的：

1、Linux \ ubuntu环境
先网上下载ta-lib，然后解压untar到自己目录，然后在terminal上：
cd ./adog/tools/ta-lib
./configure --prefix=/usr (‘sudo chmod +x configure’ ,if need )
sudo make
sudo make install
成功之后
sudo apt-get install python-dev ( important：这步非常重要! )
sudo pip install TA-Lib -i https://pypi.tuna.tsinghua.edu.cn/simple
sudo ln -s /usr/local/lib/libta_*.so /usr/lib
sudo ldconfig

这样就可以了。

2、window环境
在windows安装就比较简单：
到 https://www.lfd.uci.edu/~gohlke/pythonlibs/ 下载比如 TA_Lib-0.4.17-cp27-cp27m-win32.whl
copy 到目录 \Python27_32bit\Lib。然后执行
D:\Python27_32bit\Lib>pip install TA_Lib-0.4.17-cp27-cp27m-win32.whl
这样就安装好了！
安装好后的实现案例见：阿岛格：基于人工智能的量化投资系统（9）数据指标及可视化的第4和5，以及本文最后的视频。

三、QuantLib免费金融库

另外一个QuantLib 也是一个免费、开源的python量化金融计算库和框架。QuantLib 的源代码由 C++ 编写，速度很快。

1、Linux \ ubuntu
在ubantu 环境，很多人在安装quantlib的时候，踩坑无数而最后放弃。我也是折腾很长时间，发现了一个很讨巧和简便的方式。下面介绍linux 和 window 下的安装方法。
sudo mkdir /usr/local/lib/python2.7/dist-packages/QuantLib
sudo cp /home/adog/tools/QuantLib/copy_install_quantLib/QuantLib/. /usr/local/lib/python2.7/dist-packages/QuantLib/
sudo cp /home/adog/tools/QuantLib/copy_install_quantLib/libQuantLib.so.0 /usr/lib/
其中 copy_install_quantLib/QuantLib/. 是在官方网站上下载的文件。

只需要上三步就可以安装QuantLib

window

在window环境，安装更简单。
在：https://www.lfd.uci.edu/~gohlke/pythonlibs/ 下载：
QuantLib_Python-1.11-cp27-cp27m-win32.whl
把文件放到 python\Lib
cmd 运行:
D:\Python27-32\Lib>pip install QuantLib_Python-1.11-cp27-cp27m-win32.whl
这样就可以了。
使用QuantLib 的案例如下：
直接用库里的BS模型、二（三）叉树法和 Monte Carlo 可以计算期权定价或隐含波动率。
例如，再用plotly 可视化引擎，可是实时做出漂亮的波动率曲面。

参见：阿岛格：基于人工智能的量化投资系统（9）数据指标及可视化的第3，以及本文最后的视频。