- 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。 基本面 居民消费指数 人均国内生产总值(GDP) 净资产收益率(ROE) 技术面 股票收盘价 K线(日/周/月/年) 均线(5/10/20/60) 技术面分析更关注基于商品价格相关的数值和合成的指标。
77810编辑于 2024-08-21 - 来自专栏刘笑江的专栏
量化交易笔记
比如投资者获得了15%的回报，其基准获得了10%的回报，那么 \alpha 或者价值增值的部分就是5%。 URL BigQuant 量化指标 URL
1.4K20发布于 2018-10-09 - 来自专栏子晓AI量化
【量化交易】量化交易之止盈止损策略
例如，买入价100元，止损设5%（95元），止盈设10%（110元）。 优势：规则透明、操作简单。 局限：静态阈值易被市场波动频繁触发，可能错失春节后的趋势行情 适用场景：震荡市或低波动品种。 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。 5、机器学习自适应止损：AI驱动的智能决策 举例：通过LSTM（长短期记忆网络）模型预测价格波动，动态调整止损点。 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Python数据科学
Python 量化交易神书面世，赠送 5 本
前不久，收到清华大学出版社赠送的 《深入浅出Python量化交易实战》 一书，也答应了出版社要写一些读书笔记，今天就来交作业了。 下面是我参考书中内容做的一些简单尝试，仅供学习参考。 这本书对于使用Python玩量化的初学者们，还是很友好的，感兴趣可以考虑入手一本看看。 笔记① 用Python绘制出股价的5日均线和20日均线。 众所周知，5日均线是短线交易的生死线，而20日均线是中长线趋势的分水岭。因此，基于这两条均线，可以设计出一些简单的交易策略。 能够看到最早的数据到2021年的10月8日： 然后我开始添加5日和20日均线 price['ma5'] = price['Adj Close'].rolling(5).mean() price['ma20 笔记② 这里把书中用KNN模式做的交易策略，换成了逻辑回归模型，试试看策略的业绩会有怎样的变化。
1.1K20编辑于 2022-03-11 - 来自专栏算法之名
商品期货量化交易
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。 ，买入开多仓 exchange.SetDirection('buy') # 以买1-5的价格买入1手 id = exchange.Buy (ticker['Buy'] - 5, 1) account = exchange.GetAccount() Log("挂单后") ']) break else: LogStatus(_D(), "未连接CTP") 运行结果 这里需要说明的是由于我们挂单的价格为买1-5的价格
1K10编辑于 2024-09-04 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 - 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. # 获取从当前提取运行开始之前5天的行情数据 history_1 = history_bars(context.s1, 5, "1d", ["close", "open"]) # 调试输出 例如，填写’5y’，则代表从 entry_date 开始（包括 entry_date）回溯 5 年，返回数据时间以年为间隔。 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
3.2K30编辑于 2022-09-22 - 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。 能帮助你理解这一框架的是，其实人本身日常做交易就是符合“初始化+周期循环”框架的，初始化就是已存在人脑的交易思想与知识，周期循环就是每天或每分钟地查看行情、判断、下单等行为。 def period(context): 这里是用来写周期循环代码的地方,例子中就是买100股的平安银行 5、代码应该往哪里写 聚宽网址 1.来到聚宽网站后，通过导航栏-我的策略-策略列表， 像刚刚那样，用一段时间内的历史的真实行情数据，来验证一个确定的交易策略在这段时间表现如何，这个过程叫回测。
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 2024-06-23量化交易入门练手项目：适合新手的 5 个小课题
适合量化新手的练手项目，应该满足"逻辑简单、覆盖核心技能、能独立完成"三个条件。 为什么做它：这是量化的核心项目——第一次把"想法→信号→回测→评价"这条完整链路走通。做完这个，你就真正理解了量化策略是怎么回事。做完后可以进阶：换用其他指标生成信号，或加入止损逻辑。 结尾 量化入门最好的方式就是动手做项目。从数据获取、指标计算、策略回测、绩效分析到自动化抓取，这五个循序渐进的小课题，恰好覆盖了量化的完整技能链。 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、策略回测与自动化运行，帮你把练手项目升级成真正跑起来的系统。 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。
19310编辑于 2026-09-20可转债交易介绍与常用量化交易策略
本文将详细介绍可转债交易的注意事项，并探讨一些适用于可转债的高频量化交易策略。可转债交易注意事项了解可转债的基本概念在进行可转债交易之前，投资者首先需要了解其基本概念和特性。 高频量化交易策略高频量化交易策略是指利用先进的数学模型和计算机技术，在极短的时间内进行大量交易以获取微小利润的策略。 在可转债市场中，以下是一些可能适用的高频量化交易策略：市场做市策略市场做市策略是指通过提供买卖双边报价，从中赚取买卖价差（即价差）的策略。 同时，随着量化交易技术的发展，高频量化交易策略在可转债市场中的应用也越来越广泛，为投资者提供了新的交易机会。 无论是传统的投资方法还是现代的量化交易策略，投资者都应充分了解其原理和风险，并结合自身的投资目标和风险承受能力进行决策。在实际操作中，投资者还应不断学习和实践，以提高自身的投资技能和风险管理能力。
1.2K10编辑于 2024-06-10Python 量化交易如何连接交易接口
Python 量化交易连接交易接口，本质是让你的程序能够自动查询账户、获取行情、下单和撤单。 二、交易接口到底在做什么 先建立一个整体概念：所谓"连接交易接口"，就是让你的 Python 程序能够替你完成原本要手动在交易软件里做的操作。 五、第三步：封装核心交易功能 连接建立后，把常用的交易操作封装成清晰的函数，方便策略调用。 下单、撤单、查询 5 错误处理与安全 假设一切都可能出错 结尾 Python 连接交易接口，是打通自动交易"最后一公里"的关键。 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承载交易程序提供稳定运行和安全防护能力。 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。
17010编辑于 2026-09-20Python 量化交易中的向量化计算技巧
# 循环思维（慢）：一行行加 # for i in range(len(df)): df["ma_diff"][i] = df["ma5"][i] - df["ma20"][i] # 向量化（快）：整列相减 df["ma_diff"] = df["ma5"] - df["ma20"] pandas 的列（Series）支持直接做加减乘除，两列相减就是对应位置一次性全部相减。 别用循环里的 if，用 np.where： # 向量化条件判断：一次性给整列打标签 df["signal"] = np.where(df["ma5"] > df["ma20"], 1, 0) np.where 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
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