- 综合排序
- 最热优先
- 最新优先
- 来自专栏小明的博客
量化交易
量化投资没有确切的定义，它泛指通过数学分析、挖掘价格波动规律，或者通过对相关宏观经济、财务数据、量价关系、资金交易等数据进行建模，寻找数据之间的关系，以获得稳定利润为目标，持续计算生成定量化的投资信号 如何得到一条稳步上升的资金曲线 强壮稳定的投资逻辑:基于对交易市场的了解和市场的特性的认识提出各种假设，构建投资逻辑。 多资产多策略配置: 对冲风险更高收益 技术信息理论的三大假设 市场行为包容消化一切信息 市场运行以趋势方式演变 历史会重演（我们可以通过历史数据来推断未来走势 绩效评估指标 绩效指标也被称为风险指标，它们也是量化投资的基石
2.9K20编辑于 2022-09-06 - 来自专栏算法之名
量化交易
针对可交易的投资商品，理性地运用逻辑分析和回归统计判断市场趋势称为量化交易。 量化策略 量化策略就是赚钱"因子"，可以分为基本面和技术面。
77810编辑于 2024-08-21 - 来自专栏刘笑江的专栏
量化交易笔记
URL BigQuant 量化指标 URL
1.4K20发布于 2018-10-09 - 来自专栏算法之名
量化交易(二)
接量化交易 回测框架 这里我们使用PyAlgoTrade框架. pip install pyalgotrade pip install pyalgotrade_tushare 定义数据与策略 from 模拟交易与回测 from pyalgotrade import strategy from pyalgotrade_tushare import tools, barfeed from pyalgotrade.technical
47010编辑于 2024-09-01 - 来自专栏子晓AI量化
【量化交易】量化交易之止盈止损策略
比如今年3、4月份 我当初刚学炒股用这种比较多 2. 时间止损：对抗“时间成本”的利器 原理：若持仓时间超过预设周期（如1周）且未达预期收益，则强制平仓。 数学逻辑： 举例：交易者常设定“尾盘清仓”规则，规避隔夜跳空风险。 对于部分中线持仓股我个人喜欢这样用， 比如持仓到周五，规避周末的不确定性。 3. 公式： （K为风险系数，通常取2-3） 举例：某股票平时的ATR相对稳定， 那么比较适合一些同学对某些钟爱的个股来回做T， 类似网格交易。 多维度结合止盈止损 经典组合： 趋势+波动：以20日均线判断趋势方向，ATR设定止损幅度； 量价共振：当价格突破前高且成交量放大时，启动阶梯止盈策略 最后说一句，纪律性是盈利的核心 止盈止损不仅是技术问题，更是交易哲学的体现 量化交易通过程序化执行，将“截断亏损，让利润奔跑”的理念转化为可复制的策略。正如华尔街名言所述：“市场会奖励理性，但会惩罚每一个心存侥幸的人。”掌握科学的止盈止损方法，正是迈向稳定盈利的第一步。
2.3K10编辑于 2026-04-23 - 来自专栏毛利学Python
量化交易 平台介绍
平台介绍 概述 RiceQuant 是一个云端的框架, 可以帮助我们随时, 随地的开发袭击的交易策略, 验证资金的投资思路. 策略页面的样子: 各个区块的功能: 如何完成一个策略 选择策略的运行信息: 选择运行区间和初始资金- 选择回测频率- 选择股票池 编写策略的逻辑: 获取股票行情, 基本面数据- 选择哪些股票, 以及交易时间 做股票量化选择日回测即可 策略主体运行流程分析 在 init 方法中实现策略初始化逻辑 策略的股票池: 在那些股票中进行交易判断 (例如: HS300) 在 before_trading 方法中进行一些每日看盘之前的操作 在 handle_bar 方法中实现策略具体逻辑, 包括交易型号的产生, 订单的创建. handle_ bar 内的逻辑会在每次 bar 数据更新的时候被触发.
1.7K10编辑于 2022-09-22 量化交易：日内网格交易策略
本文将详细介绍日内网格交易策略的原理，并结合Python代码示例，展示如何在掘金平台上实现这一策略。 策略原理日内网格交易策略的核心思想是在一天的交易时间内，通过设置多个买卖点（即网格），在价格达到这些点时自动执行交易。这种策略的优势在于能够充分利用市场的波动性，通过频繁的买卖操作来获取收益。 这种策略适用于波动性较大的市场环境，因为只有当价格波动足够大时，网格交易才能捕捉到足够的交易机会。 在平台运行Python代码在掘金平台上实现日内网格交易策略，主要分为三个核心步骤：选股、择时和策略交易。 以下是这三个步骤的Python代码实现：选股选股是策略的第一步，需要选择适合网格交易的股票或可转债。
1.6K10编辑于 2024-06-23- 来自专栏一英里广度一英寸深度的学习
量化交易 python 练习
慕课网 量化交易 https://www.imooc.com/learn/1054 作者项目地址 https://github.com/birdskyws/Quantitative-transaction
2K10发布于 2018-10-11 - 来自专栏算法之名
商品期货量化交易
CTP为期货公司前置机，_D()当前时间戳 LogStatus(_D(), '已连接CTP') else: LogStatus(_D(), '未连接CTP') 订单交易 rb888') Log('订阅的合约详情', futures) ticker = exchange.GetTicker() # 交易方向 rb888') Log('订阅的合约详情', futures) ticker = exchange.GetTicker() # 交易方向 如果后续市场走势与你的预期不同，价格出现上涨或者你认为价格不会再继续下跌时，为了结束这笔空头交易，就需要进行买入平空仓操作。每个期货合约都有具体的到期日。 但如果临近到期日仍未平仓，交易所可能会根据规定采取强制平仓等措施。
1K10编辑于 2024-09-04 - 来自专栏Python七号
Python 实战之量化交易
什么是量化交易？ 量化交易的涵盖范围很大，程序化交易，算法交易，高频交易，自动化交易平台等等都可以算作量化交易。 使用程序来做量化交易，底层就是将买卖请求发送至交易所实现交易，券商或者交易所，通常也会提供 API 接口给投资者。 Python 量化交易 算法交易一个基本需求，就是高效处理数据，数据处理是 Python 的强项，特别是 Numpy+Pandas 的组合，让算法交易开发者的效率直线上升。 可以借助一些专有的库： Zipline 策略回测 Pyfolio 投资组合分析 另外，有一些现有的便利交易平台可以执行自定义的 Python 策略，无需搭建量化交易框架。
5.4K12发布于 2020-11-25 - 来自专栏第二层思考
量化交易是银弹呢？
题图来自：pexels 什么是量化交易？ 你可以在几分钟之内完成之前几年的交易回测，然后根据结果来调整各种参数，最后得到一个完美的量化模型。 再冠以大数据、人工智能、机器学习这样的时髦技术，量化交易对于理工科背景，特别是会写程序的工程师来说，就具有特别的诱惑力。 量化交易最容易遇到的问题就是未来函数，你会站在未来的角度看待之前的投资，比如你知道 2000 年科技股泡沫，07 年次贷危机，你在写策略的时候，潜意识里面就会避开，以便获得更高的收益率和夏普比率。 所以在我看来，除了高频交易外，程序最多就是辅助性的工具，帮助人类更快的进行信息筛查。如果你自己亲自投资都赚不到钱，量化交易也不可能帮你赚到钱。
1.1K20发布于 2020-02-24 - 来自专栏sofu456
使用python进行量化交易
20210101', end_date='20210131') # 打印数据 print(df.head()) 账户接入 券商的api接口通常不会公开，你需要直接与券商进行沟通和合作 国内提供交易接口的券商 ) cerebro.optstrategy(MyStrategy, sma_period=range(10, 30), rsi_period=range(10, 30)) cerebro.run() 量化交易平台 QMT、Ptrade、很多券商都有自己的量化交易服务
1.8K00编辑于 2024-05-25 - 来自专栏毛利学Python
量化交易 数据获取接口
想做量化, 数据是基本! 本篇我们会介绍如何获取数据. ‘Q1’ - 一季报，‘Q2’ - 半年报，‘Q3’ - 三季报，‘Q4’ - 年报 |expect_df|boolean|默认返回原有的 Panel 数据结构。 scheduler.run_monthly(function, tradingday=t) 注意: tradingday 中的负数表示倒数- tradingday 表示交易日. 如某周只有四个交易日, 则此周的tradingday=4 与 tradingday=-1 表示同一天 运行顺序 如果我们设定了一个按月运行: scheduler.run_monthly(get_data 假设是 2021年 3 月份, 3 月 1 号是第一个交易日: 3 月 1 号: before_trading -> get_data -> handle_bar- 3 月的其他日期: before_trading
3.2K30编辑于 2022-09-22 QMT量化：3种交易触发算法，你到底该用哪种？
今天继续安更新计划给大家更新量化的研究，给大家参考学习使用，更新计划1策略算法原理2qmt使用教程3策略算法原理4量化研报5ptrad使用教程6因子分析7策略算法原理大qmt触发交易的方式有3中常见的我一般使用 runtime模块比较方便，方便代码的编写，扩展，3种方式不是绝对的，一般都是交叉使用大QMT系统提供两大类（事件驱动与定时任务），共三种具体的运行机制来触发交易逻辑。 核心特点：响应速度极快，交易逻辑的执行与特定品种的行情变动严格同步。它不依赖于主图，可以独立监控特定的股票池。在回调函数中产生的交易信号可以立即下单。 stock,period=‘1d‘,callback=quote_callback)defhandlebar(ContextInfo):#handlebar函数仍需保留，但主体可为空或处理其他逻辑pass3. ，主做量化研究，算法策略的开发，多年开发经验，不懂的问我就可以
19610编辑于 2026-09-28- 来自专栏IT技术订阅
量化交易策略基本框架
一、搭建一个简单的交易策略 1、策略 先看一个非常简单的交易策略： 为了让这个策略能让计算机执行，首先，要使策略符合“初始化+周期循环”框架，像这样： 2、什么是“初始化+周期循环”框架？ 为了将投资灵感高效地转化成计算机可执行的量化策略，必须基于一种模式来写，框架就是指这种模式。而此框架包含两个部分即初始化与周期循环： 初始化即指策略最开始运行前要做的事。比如，准备好要交易的股票。 3、如何把策略变成计算机可执行的程序? 通过编程将策略写成计算机可识别的代码，具体说，我们这里是用python这门编程语言。 , 100) 3.以写法二为例把剩下的代码补上后，完整代码为 # 导入函数库 from jqdata import * # 初始化函数，设定基准等等 def initialize(context): 图中红线是基准收益（默认是沪深300指数，代表整个市场增长水平） 3、接下来，点击运行回测，运行结束后就可以看到更为详细的结果，包括下单记录、持仓记录等。
1.7K20编辑于 2022-05-10 量化交易：Dual Thrust策略
Dual Thrust策略起源于20世纪80年代，由美国著名交易员和金融作家Larry Williams首次提出。这一策略的核心思想是通过捕捉市场中的短期波动来实现盈利。 Range是指当前收盘价与前一个交易日的最高价和最低价之间的最大距离，而ATR则是过去一段时间内Range的平均值。通过这两个参数，投资者可以确定买入和卖出的触发点，从而实现盈利。 选择一个特定的合约作为交易标的，例如螺纹钢（SHFE.RB）。在策略初始化时，订阅该合约，并设置相关参数。<
89310编辑于 2024-06-23Python 量化交易入门：为什么量化都用 Python
量化交易之所以普遍使用 Python，主要有五个原因：语法简单对新手友好、数据处理生态极其成熟（pandas、numpy 等）、量化专用库和开源框架丰富、社区活跃资料齐全、以及从数据抓取到策略回测再到实盘部署可以全流程用一门语言打通 高频交易领域，机构确实会用 C++ 这类追求极致速度的语言。但对绝大多数个人量化交易者来说，你做的是中低频，拼的是策略和逻辑，不是毫秒级的速度。在这个场景下，Python 的综合优势几乎无可替代。 结尾 量化交易普遍用 Python，是因为它把"好学、数据强、工具全、社区旺、全流程打通"这些优势集于一身，恰好命中了量化的核心需求。它或许不是最快的，但在个人量化的场景下，综合性价比无出其右。 腾讯云近期上线了量化交易专题活动，可以看看云服务器如何低成本承载 Python 量化程序的数据抓取、回测与自动化交易，帮你把整条链路顺畅地跑起来。 风险提示：本文仅为量化交易科普与技术分享，不构成任何投资建议。金融市场存在风险，任何交易策略都可能产生亏损，请结合自身情况谨慎决策。
21310编辑于 2026-09-20Python 量化交易中的向量化计算技巧
本文用对比示例讲清楚什么是向量化、为什么它更快、以及量化中最实用的几个向量化写法。 一、一个让新手头疼的性能问题 很多人刚学量化时，习惯用 for 循环处理数据——一行一行地遍历，判断信号、计算收益。 四、技巧二：用 np.where 实现条件判断 生成交易信号时经常要做条件判断——"如果快线在慢线上方就持有，否则空仓"。 （避免未来函数） df["position"] = df["signal"].shift(1) # diff：计算相邻差值，比如找出交易发生点 df["trade"] = df["position"] 腾讯云近期上线了量化交易专题活动，可以了解云服务器如何为策略回测、数据处理与自动化交易提供算力支撑。 风险提示：本文仅为量化交易科普与技术分享，不构成任何投资建议。文中代码仅为教学示例。 金融市场存在风险，任何交易策略都可能产生亏损，请结合自身情况谨慎决策。
18610编辑于 2026-09-20量化交易和手动交易有什么区别？
这个区别带来一个很实际的差异：手动交易的水平高度依赖交易者个人，人在状态好坏直接影响结果；而量化交易一旦规则定下来，执行质量就相对稳定，不会因为你今天没睡好而走样。 这里就带出一个手动交易者不太需要操心、但量化交易者绕不开的问题——运行环境。程序要自动执行，就得有台机器一直开着、联着网、跑着程序。 还有一点得提醒：量化并不能让你免于亏损。它改变的是"你怎么做交易"，而不是"市场有没有风险"。策略会失效，行情会变脸，量化交易者一样会亏钱。别把方式的选择，误当成了收益的保证。 如果你倾向量化这条路，稳定的运行环境是必须提前准备好的一块拼图。腾讯云近期上线了量化交易专题活动，可以了解云服务器如何承载数据抓取、策略回测与自动化交易，帮你把量化系统平稳地搭起来、跑起来。 风险提示：本文仅为量化交易科普与技术分享，不构成任何投资建议。金融市场存在风险，任何交易方式都可能产生亏损，请结合自身情况谨慎决策。
19210编辑于 2026-09-18- 来自专栏嘘、小点声
股市技术面操作的量化交易--量化交易2-投资方法
蓝筹股投资法 选股：同时满足类似以下的优质股条件： 股本大于市场均值，为成分股，大于10家基金公司持有，5年内3年净利润大于0，过去三年不间断派息，过去三年股息成长0.5倍，股息率大于4%。 例如，投资者认为未来第三种资产会比第一种资产收益率高2%，就可以表示为： -1×μ_1+0×μ_2+1×μ_3+⋯+0×μ_N=2% 投资者认为未来第二种资产收益率应该为5%，那么可以表示为： 0×μ_ 1+1×μ_2+0×μ_3+⋯+0×μ_N=5% 用P来表示该观点线性方程组的系数矩阵，观点方程组可表示为：Pμ = q。 在实践中应用该模型，简要来说主要有如下步骤： (1) 计算得到先验的期望收益； (2) 个人观点模型化，观点可以涉及单个资产，也可以有多个资产，最后按照一定的规则将所有观点构建成矩阵P、Q和Ω； (3)
1.3K20发布于 2020-11-24
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号