Learn Quant

Appearance

量化 ​

择时 + 选股

聚宽 https://www.joinquant.com/

量化交易代码 https://github.com/Jack-Cherish/quantitative

量化平台 ​

抓数据，写策略，在线交易，如果自己一个人来做，成本太高，不利于初期的学习。

我调研了一些量化分析平台，可以帮助我们聚焦到学习量化交易的策略学习上。

我觉得可以用来入门的平台有：

  • 聚宽
  • vnpy

量化交易的平台有很多，比如掘金、米筐、优矿等。

但适合入门的，可以直接看这聚宽和 vnpy。

聚宽的社区比较活跃，有不少技术教程，适合新手入门。

https://www.joinquant.com/study

这里的知识点，就有不少可以学习，同时还有很多大佬分享自己的策略。

vnpy推荐的原因在于它是开源的，可以系统学习如何构建一个量化交易系统。

https://github.com/vnpy/vnpy

如果想自己实现一个量化交易的框架，可以从这里参考很多代码。

数据源 ​

数据源推荐：tushare

Tushare 支持的数据很全面，相比 wind 个人版量化接口，tushare 更友好。因此推荐 tushare。下载地址：TuShare -财经数据接口包

量化策略 ​

赚钱“因子”：

对于量化策略能赚钱的因子其实是分为两大类：

这个对于炒股的人来说应该非常熟了，基本面分析也就是倾向于“价值”投资，而技术面分析则就是偏技术派，是完全不同的两个风格，为了更进一步对这俩类有一个清晰的对比，给出如下几个指标：

  • 股票收盘价
  • K 线（日/周/月/年）
  • 均线（5/10/20/60 日）
  • 居然消费指数
  • 人均国内生产总值（GDP）
  • 净资产收益率（ROE）

将它们进行归类，也比较容易，如下：

基本面：

  • 居然消费指数
  • 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 日）

这么一对比就可以很容易的发现：技术面分析它更关注基本商品“价格”相关的数值和合成的指示，而基本面分析更关注企业的本身和宏观经济大的市场环境的变化【比如大盘不好，外围环境不好，你想通过炒股挣钱是不是很难？比如今年年初股市的暴跌，就是因为市场的外在环境变化了，对于基本面分析比较敏感的人肯定此时会抛售股票来保证资金安全】

交易和回测 ​

  • BigQuant 人工智能量化交易平台，拥有丰富的金融数据，可直接使用 90% 的主流机器学习/ 深度学习 Python 包。
  • TA-Lib TA-Lib 的简称是 Technical Analysis Library，主要功能是计算价格的技术分析指标。是技术分析者和量化人员在策略开发中常用的量化分析包。
  • easytrader 提供券银河/银河客户端/广发/湘财证券/雪球的基金、股票自动程序化交易以及自动打新，支持跟踪 joinquant /ricequant 模拟交易 和 实盘雪球组合，量化交易组件。作者如果我说是 90 后，你敢信？
  • vnpy vn.py - 基于 python 的开源交易平台开发框架，在 github 上是一个比较火的项目，目前对接的交易接口特别丰富，无论是股票接口还是期货接口。
  • 实盘易 实盘易（ShiPanE）Python SDK，通达信自动化交易 API 及量化平台。
  • easyquotation 实时获取新浪 / Leverfun 的免费股票以及 level2 十档行情 / 集思路的分级基金行情，很小，但非常实用。
  • pyalgotrade-cn Pyalgotrade-cn 在原版的基础上加入了 A 股历史行情回测，并整合了 tushare 提供实时行情。以便大家对自己的策略进行回测和模拟测试。这个项目提供了比特币的交易接口。
  • pyktrader 基于 pyctp 接口，并采用 vnpy 的 eventEngine，使用 tkinter 作为 GUI 的 python 交易平台
  • trade trade 是金融应用的一个包。它主要是用于分析主题投资和事件驱动策略。主题代表可以交易的任何东西，而事件则代表影响一个或多个主题的任何内容，如证券交易所政策或股票分割。它是针对与金融市场有关的任何一种主题和事件进行开发的投资工具包。
  • zipline 一个事件驱动股票策略量化回测框架，由 Quantopian 开源，目前国内的很多 Python 编程语言的在线量化回测平台都是以 zipline 为模板开发应用的。
  • QuantSoftware Toolkit QSToolKit（QSTK）是一个基于 Python 的开源软件框架，旨在支持组合构建和管理。为金融学生、计算机学生和具有编程经验的量化分析师建立 QSToolKit。支持建模分析、回测分析和实盘交易。
  • quantitative quantitative 是一个事件驱动和多功能的反向测试库。用户可以用定量测试他们的交易模型。由于仍在开发中，谨慎使用。
  • analyzer 用于实时金融数据收集、分析和开发交易策略的一个金融分析包。
  • bt bt 是用于测试定量交易策略的 Python 的灵活的 backtesting 框架。bt 建立在 ffn 之上，封装了很多机器学习、信号处理和统计函数。bt 的目的是建好轮子，让量化人员把重点放在策略开发上。
  • rqalpha 一款量化回测平台。
  • quantconnect 国外一款在线的量化回测平台。
  • backtrader 一个功能丰富的 Python 测试和交易框架。backtrader 能够让策略研究员专注于编写可重用的交易策略、指标和分析器，而不是花时间构建基础设施。理念类似 bt.
  • pythalesians 网上对这个量化分析包的介绍资料并不多。
  • pybacktest 在 Python 结合 Pandas 包的矢量化测试框架，旨在帮助宽客回测更容易、紧凑、简单、快速。
  • pyalgotrade PyAlgoTrade 是一个事件驱动的算法交易 Python 库。尽管设计初衷是回溯测试，但现在已经可以实盘交易，并且包含比特币的交易。pyalgotrade-cn 是国内版针对中国市场的开源量化包。
  • tradingWithPython 从名字就可以看出，这是一个使用 Python 来进行交易的一个量化分析包，使用它可以完成一系列金融量化教程的学习。
  • algobroker 这是一个算法交易执行引擎。
  • pysentosa pysentosa 是一个针对 sentosa 自动化交易系统的 Python 接口，作者 Wu Fuheng
  • finmarketpy finmarketpy 是一个基于 Python 的库，帮助你能够使用简单易用的 API 分析金融数据以及回测交易策略。
  • volatility-trading 基于 Euan Sinclair 的波动率交易的波动率估计器
  • quant 在这里收集了一些量化金融和算法交易的资料，大多数基于 Quantopian、Zipline、Pandas 的 ipython notebook。

柱状图 ​

https://blog.csdn.net/weixin_43787229/article/details/116402882https://blog.csdn.net/weixin_43787229/article/details/117169577

MACD 金叉+当日换手率大于等于 7%： https://blog.csdn.net/weixin_43787229/article/details/104977146

ROE： https://blog.csdn.net/weixin_43787229/article/details/105187847