51CTO首页
AI.x社区
博客
学堂
精品班
软考社区
免费课
企业培训
鸿蒙开发者社区
WOT技术大会
IT证书
公众号矩阵
移动端
短视频 免费课程 课程排行 直播课 软考学堂
全部课程 厂商认证 IT技术 24年11月软考 PMP项目管理 免费题库
在线学习
文章 资源 问答 课堂 专栏 直播
51CTO
鸿蒙开发者社区
51CTO技术栈
51CTO官微
51CTO学堂
51CTO博客
CTO训练营
鸿蒙开发者社区订阅号
51CTO软考
51CTO学堂APP
51CTO学堂企业版APP
鸿蒙开发者社区视频号
51CTO软考题库
每日筛取候选股票——从零到实盘14

每日筛取候选股票——从零到实盘14

前文介绍了多进程更新股票数据的过程。在实盘的过程中，每日更新股票数据后，筛出符合候选条件的股票，这样我们就可以在后续交易中

python
量化
数据
sql
数据库
原创 2022-04-29 22:37:50 418 阅读 1点赞
A股全自动化交易——从零到实盘20（完结）

A股全自动化交易——从零到实盘20（完结）

本文是“从零到实盘”系列的最后一篇文章，将介绍实现全自动实盘交易的最后一个步骤，即实现定时更新股票数据任务。schedule模块

python
量化
PTrade
数据
sql
原创 2022-04-29 22:37:46 1309 阅读 2点赞
PTrade交易程序代码——从零到实盘19

PTrade交易程序代码——从零到实盘19

如题，本文将介绍PTrade实盘交易程序的代码。如何在PTrade中部署策略，可以参见前文中“PTrade部署策略过程”部分内容。 .

python
量化
PTrade
数据
字段
原创 2022-04-29 22:37:26 1285 阅读
PTrade数据交互设置——从零到实盘18

PTrade数据交互设置——从零到实盘18

前文介绍了如何通过data_center.py程序读取PTrade的交易数据，以及如何输出PTrade交易所需的数据，本文将介绍在PTrade中如何设置上

python
量化
PTrade
数据
上传
原创 2022-04-29 22:36:47 1462 阅读 2点赞
PTrade交易数据更新——从零到实盘17

PTrade交易数据更新——从零到实盘17

在实盘交易中，我们在每日盘后更新K线数据、计算扩展指标、筛出候选后，需要把新的候选数据传递给PTrade，另外需要根据PTrade的实盘交易记录，更新存放在数据库的相关数据，记录哪些还需要监测进行交易，哪些不需要再监测。

python
量化
数据
sql
数据库
原创 2022-04-27 18:30:47 900 阅读 1点赞 1收藏
开聊PTrade交易——从零到实盘16

开聊PTrade交易——从零到实盘16

从本文开始，“从零到实盘”系列文章进入针对PTrade进行交易的相关介绍。PTrade简介PTrade专业交易系统，是一款面向高净值个人用户和主动管理型产品，集程序化交易（策略投研、回测、交易）、日内回转交易、快速交易、投机套利工具等功能，以及异常交易风控在内的一体化智能投资平台。

python
量化
数据中心
数据
数据交互
原创 2022-04-27 15:47:44 10000+阅读 1点赞 1收藏 3评论

Python量化交易学习笔记（17）——多只股票同时策略回测

假设我们现在有策略A，在股票a的历史数据上进行回测后，发现能够取得稳定收益。但是我们有很长时间要等待股票a达到买入条件后，才能进行买入。这是对时间成本的严重浪费。策略A可以在股票a上获得良好的收益，但是可能无法在股票b，c……上取得良好表现。我们可以尝试做这样的改进：在股票a，b，c……的历史数据上分别进行策略回测，找到一个能够稳定收益策略B，来避免时间成本浪费的问题。但是这样仍然存在问题，在等待

python
backtrader
量化交易
数据
获取时间
原创 2022-01-20 10:21:59 3203 阅读 1点赞 1收藏

按日更新股票数据——从零到实盘13

​​前文​​介绍了多进程创建股票数据的过程，整个创建过程大概约10几分钟。在实盘时，每个交易日都有新数据生成，我们没有必要对全面历史时间都进行重新创建计算，只需要下载新产生的日线数据，每次更新需要3分钟左右。本文记录多进程按日更新股票数据的过程。 主要代码分析新建源文件，命名为data_center_v11.py，全部内容见文末，v11新增2个函数： 新增更新数据函数def update_data

python
量化
数据
sql
数据库
原创 2022-01-20 10:21:50 853 阅读 1点赞

多进程统计策略盈亏分布——从零到实盘12

​​前文​​​介绍了统计策略盈亏分布的过程，本文将使用多进程进行实现。在​​前面文章​​中，我们实现了用多进程创建股票数据，本文多进程实现的主要区别是，需要主进程获取子进程的返回值。 主要代码分析新建源文件，命名为data_center_v10.py，全部内容见文末，v10主要涉及3个方面改动： 修改盈亏统计函数def profit_loss_statistic(stock_codes, hold

python
量化
数据
子进程
多进程
原创 2022-01-20 10:21:18 357 阅读 1点赞

Python量化交易学习笔记（3）——第一个策略回测程序v1

上一篇文章已经完成A股日线数据的下载，本文主要记录如何使用下载好的数据，利用回测框架，对策略进行验证。回测和交易框架有多种选择，可参见链接：https://zhuanlan.zhihu.com/p/26983703。这篇文章还对其他量化“利器”进行了介绍。极宽在这些框架中选择了Backtrader，给出的说明为：“新一代TopQuant（TQ）极宽量化系统，将完全基于backtrader：类似小米

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:20:36 1770 阅读 1点赞

Python量化交易学习笔记（2）——A股数据下载

由于笔者只接触过A股交易，因此本系列笔记仅针对A股交易展开。笔者的计算机为Windows 10 位操作系统。TOP极宽量化总群（124134140）群文件中提供了大量的学习资料，一眼看去有点懵圈。按照习惯，先去找代码。在文件夹“zwPython字王派森开发平台”下可以找到“zwPython2020”，下载后解压，推荐解压至C盘或者D盘根目录下，解压后的目录名称为“zwPython”，里面包含了

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:20:26 2379 阅读 1评论

Python量化交易学习笔记（1）——学习资料选择

研究生还没毕业的时候，与已经就职大摩的本科同学聊天，就听他说别炒股，机构都是大量的机器加分析师一起工作来执行交易。后来自己还是开了股票账户，试过水也知道了些散户交易的弱点，主要体现在两方面，一是技术实力不足，二是难以屏蔽心理因素影响。于是打算研究下量化交易，即使没学好股票技术，也可以拓展下计算机专业技术。而现在大数据、人工智能又炒得飞起，在股票做一下探索也是一次不错的体验。京东上选购了几乎所有书名

python
backtrader
量化交易
微信
原创 2022-01-20 10:20:09 1284 阅读 2点赞 1收藏 1评论

Python量化交易学习笔记（4）——第一个策略回测程序v2

在v1中，已经看到了Backtrader回测的基本设置，两个步骤：创建一个Cerebro的实例；让该实例运行。在v1中，所有的设置均使用了默认设置，v2只在v1的基础上添加了一条语句，用于设置代理手里的资金量，将资金量设置为10万。套用Quickstart里的话，在金融界，只有“losers”才会起手10k资金做交易。泪奔。。。程序v2-设置资金：from __future__ import (a

python
backtrader
量化交易
微信
ico
原创 2022-01-20 10:19:55 735 阅读 1点赞

Python量化交易学习笔记（6）——第一个策略回测程序v4

v3中已经加入了真实的股票数据，在v4中，将添加第一个策略。程序v4-第一个策略：from __future__ import (absolute_import, division, print_function, unicode_literals)import datetime # 用于datetime对象操作import os.path # 用

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:19:41 416 阅读 1点赞

Python量化交易学习笔记（5）——第一个策略回测程序v3

在v1和v2部分，以及搭建好了回测的基础框架，v3则是在程序中加载真实的股票数据。程序v3-添加价格数据（Data Feed）:from __future__ import (absolute_import, division, print_function, unicode_literals)import datetime # 用于datetime

python
backtrader
量化交易
数据
升序
原创 2022-01-20 10:19:25 313 阅读 1点赞

Python量化交易学习笔记（7）——第一个策略回测程序v5

v4中自定义了一个策略，但未设置买入卖出条件，v5中将添加买入条件。程序v5-在策略中加逻辑：from __future__ import (absolute_import, division, print_function, unicode_literals)import datetime # 用于datetime对象操作import o...

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:19:11 325 阅读 1点赞

Python量化交易学习笔记（11）——第一个策略回测程序v9

v9主要介绍如何引入技术指标数据，通过引入技术指标来添加新的策略。在程序中，引入了移动平均值这一技术指标：当收盘价大于移动平均值时买入如果在场内，当收盘价小于移动平均值时卖出只允许单笔交易，即如果场内目前已经有买入资产，不允许再次买入之前版本的大部分代码可以继续保留，只需策略init方法内添加下列代码：self.sma = bt.indicators.SimpleMovingAverage(sel

python
backtrader
量化交易
数据
v9
原创 2022-01-20 10:18:54 265 阅读 1点赞

Python量化交易学习笔记（8）——第一个策略回测程序v6

v5中策略已经设置了买入条件，v6将设置卖出条件。程序v6-加入卖出逻辑：from __future__ import (absolute_import, division, print_function, unicode_literals)import datetime # 用于datetime对象操作import os.path # 用于管理路

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:18:07 258 阅读 1点赞

Python量化交易学习笔记（13）——第一个策略回测程序v11

v11是第一个策略回测程序的最后一个版本，将对策略参数进行优化。很多财经书籍里都指出，不同股票、不同书籍都有个各自的特点和节奏，因此使用同一策略参数应用于所有的交易是不明智的。在之前的例子中，我们尝试了使用了简单移动均值指标，周期参数选定为15，v11将对这个参数进行优化，通过优化找出简单移动均值的最佳周期数。程序的主要修改部分为在向cerebro添加策略时使用如下代码：strats = cere

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:17:49 400 阅读 1点赞

Python量化交易学习笔记（10）——第一个策略回测程序v8

v8主要介绍如何自定义策略参数。v8主要做了两处修改：在策略中添加了自定义参数：params = ( ('exitbars', 5),)在使用时，可使用self.params.exitbars进行调用：if len(self) >= (self.bar_executed + self.params.exitbars): ...这里使用Python的元组（tuple）结构定义参数，

python
backtrader
量化交易
数据
自定义
原创 2022-01-20 10:17:34 290 阅读 1点赞

Python量化交易学习笔记（9）——第一个策略回测程序v7

前面已经实现了策略的买入和卖出条件，v7中将添加佣金数据，来使回测更逼近与真实交易。佣金（commission），在A股就是按照成交价格的百分比付给券商的费用。代码中将佣金率设置为0.1%，无论买还是卖都需要支付佣金。佣金的设置只需要如下一行代码即可：cerebro.broker.setcommission(commission=0.001)这里对两个概念做一下简单说明： position用于表示

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:17:22 630 阅读 1点赞

Python量化交易学习笔记（12）——第一个策略回测程序v10

v10将对回测结果及相关指标进行绘图展示。backtrader平台只需要在调用cerebro.run()后，添加如下一行代码就能完成绘图工作：cerebro.plot()为了展示backtrader自动绘图功能的易定制化及强大能力，将在v10中还添加了如下指标：指数移动均值（ExponentialMovingAverage）加权移动均值（WeightedMovingAverage）慢速随机指标（S

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:17:06 644 阅读 1点赞

Python量化交易学习笔记（14）——均线交叉策略

本文使用均线交叉策略，对平安银行自2018年1月1日至2020年2月28日的日线数据进行回测分析。策略会用到短期移动均线及长期移动均线两个技术指标，在backtrader自定义策略init方法中，添加如下代码计算均线指标并判断交叉情况：sma1 = bt.ind.SMA(period=self.p.pfast) # 短期均线sma2 = bt.ind.SMA(period=self.p.pslo

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:16:45 3019 阅读 1点赞

Python量化交易学习笔记（15）——衍生数据

通过前面的文章，已经掌握了基本的策略回测流程，这样我们就可以通过回测找到表现优异的策略。下面的问题是，我们想按照某个策略去买入卖出股票，怎么去寻找当前满足这个策略买入卖出条件的股票呢？我们之前的例子都是通过技术指标来判断买入卖出条件的，然而在我们下载的股票数据中，只有open（开盘价）、high（最高价）、low（最低价）、close（收盘价）、volume（成交量）5类数值，因此，我们所需做的工

python
backtrader
量化交易
数据
数据源
原创 2022-01-20 10:16:31 878 阅读 1点赞

Python量化交易学习笔记（18）——放量突破布林线中轨买入策略

本文将探索新的策略回测程序，主要是为了尝试不同的技术指标在backtrader平台上的应用，为后续复杂策略的实现做准备。本文将实现的策略是，当股票放量突破布林线中轨时进行买入，当股票收盘价低于短期均线时卖出。买入条件中，放量突破布林线中轨具体指的是，当日股票开盘价在布林线中轨下方，收盘价在布林线中轨上方，当日成交量为10日以来的最高量。卖出条件中，短期均线选取为5日线。回测初始资金100000元，

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:16:24 721 阅读 1点赞

Python量化交易学习笔记（16）——策略筛股

在完成指标计算之后，我们就可以写程序遍历所有股票数据，来筛选出满足条件股票了。在笔记（14）中，我们看到在几组回测实验中，选取5日线及60日线的金叉买入、死叉卖出策略，最终能获取最高（仅限于几组实验数据）的资产。本文将尝试选取出前一日5日线金叉60日线的股票。实验数据截止至2020年3月20日，即我们的策略要选取截止至2020年3月20日，最新的两根K线出现5日线金叉60日线的股票，相关代码为：#

python
backtrader
量化交易
数据
微信
原创 2022-01-20 10:13:36 661 阅读 1点赞

Python量化交易学习笔记（20）——保护点卖出策略

本文主要记录保护点卖出策略，给买入的股票设立保护点，随着股票收盘价的提升，保护点不断提高，股价一旦跌破保护点，即卖出股票。示例的买入条件为，5日线金叉60日线，且股价进行小幅回踩（较金叉日收盘价下跌1%）。卖出条件为，股价跌破

python
量化交易
backtrader
数据
微信
原创 2022-01-17 15:41:05 1174 阅读 1点赞

Python量化交易学习笔记（19）——连续下跌买入止盈止损卖出策略

好友提出要验证连续下跌买入止盈止损卖出策略，本文对该策略回测和实现做分析记录。买入条件中，连续下跌定义为收盘价连续4日低于前1日的收盘价。卖出条件中，止盈率设置为10%，止损率设置为5%。回测初始资金100000元，单笔操作

python
backtrader
量化交易
数据
d3
原创 2022-01-17 15:40:51 1985 阅读 1点赞

Python量化交易学习笔记（21）——A股股票列表更新

在zwPython2020中，股票数据下载更新时，所读取的股票列表文件的目录位置为“zwPython\TQDat\TQDown2020v1\data\tq_wrk_code.csv”。该文件的更新时间为2018年12月，打开后我们可以看到共列出股票3567只。我们如果用这个文件来

python
backtrader
量化交易
数据
初始化
原创 2022-01-17 15:40:31 1775 阅读 1点赞

Python量化交易学习笔记（23）——backtrader的Strategy类

本文基于backtrader的官方文档，对Strategy类的内容进行梳理。在backtrader中，Strategy类是用户制定回测策略的核心。我们可以用Strategy的各个方法来表示它的整个生命周期：孕育期——出生——儿童期——成年期——繁殖期——死亡。孕育期：init当实例化Strategy时，__init__方法将被调用。技术指标和一些其他的属性需要在这时候创建。例如：de...

python
backtrader
量化交易
微信
实例化
原创 2022-01-17 15:40:15 670 阅读 1点赞
  • 1
  • 2
  • 3

Copyright © 2005-2024 51CTO.COM 版权所有 京ICP证060544号

关于我们
官方博客 全部文章 热门标签 班级博客
了解我们 网站地图 意见反馈
友情链接
鸿蒙开发者社区 51CTO学堂
51CTO 软考资讯