量化分析

各位宽友大家好，我是千千，哦不，千千的化身。千千是我家猫，对没错，招财猫。我的量化之路，从 地狱 到 天堂 ，多亏了它，这段不算太长的交易故事得从3年前说起。 一、挖矿 3年前，我刚毕业，本硕专业并非金融相关，生活圈子相对封闭，不缺钱，对赚钱什么的也毫无兴趣。和比特币结缘源于挖矿，因为我天生爱折腾，当时已是骨灰级硬件爱好者，巅峰时期手上同时有3个amd的cpu（首发抢到第一代锐龙1700x）、4个intel的cpu（最喜欢的是一代神u 4790k）、nvdia显卡若干张（各种泰坦、sli、xx80ti）、amd显卡若干张（组3A平台必备，最喜欢的是r9 nano和x295核弹）、各种机械键盘（当时从欧洲淘到海盗船k70银轴是国内第一把）、各种定制耳机若干个（助听器店灌耳模，发到美国定制的那种）、电吉他fender gibson ibanez各1把、marshall音箱等等，痴迷于各种电子产品满速运转的场景。当我偶然间百度到cpu可以挖矿那一刻，瞬间吸引了我的全部注意力，居然有东西可以让我手工DIY出来的顶配主机+定制水冷发挥作用了！！！ 于是乎，从cpu挖矿，我很快进展到显卡挖矿、矿机挖矿 （有免费电）。再后来，免费电不让用了，币价+电费双重因素让挖矿变得无利可图，为了解决这个问题，我百度了很久，直到我发现了———— 套期保值 ，量化之路从此踏上征途。 二、行走在悬崖峭壁

什么是相对强度 相对强弱是一种动量投资策略，它将股票，交易基金（ETF）或共同基金的表现与整体市场的表现进行比较。通过使用特定的计算，投资者可以确定与整体市场相比最强的表现者，为投资提供建议。相对强弱假设正在上涨的资产价格会一直上涨，或至少延申其上涨轨迹。 这点特性在无论在任何交易标的中都是大概率成立的，在数字货币中尤为如此，通过量化这些上涨因素的参数，回报率会有一个可靠且很大的提升。 具体的相对强度 相对强度创造了特定交易标的的表现与所选基准（例如市场指数）以及其他类似交易标的的表现的比较点。相对强度策略既有进入也有退出;投资者使用这种技术的目的是在相关交易标的开始出现疲软的情况下，尽快购买具有强势迹象的交易标的，同时出售其持有的弱势交易标的。此投资策略本身就具有相对优势，也可以应用于更复杂的策略，如配对交易。 利用相对强弱指导投资决策 投资者可以利用相对优势来确定所选潜在投资组中的最佳表现者。这使得每个交易标的的表现可以直接与另一个交易标的或选定的基准指数（如一篮子主流数字货币指数）进行比较。传统上，投资者使用相对强势来比较股票彼此或指数。投资者只能根据相关资产净值（NAV）除以股票数量，利用相对强弱来相互比较共同基金。这一点移植到数字货币上再合适不过了。 相对强度分析在具有强烈趋势或主题的市场中处于最佳状态，可以识别或指示何时是投资它们的最佳时机。但在出现没有特色的市场中

DMI指标 趋势交易者的主要目标是在趋势方向上买入或卖出资产。仅从资产价格中读取方向信号可能很困难并且经常会产生误导，因为价格通常在两个方向上波动并且在低波动率和高波动率之间变化特征。 定向运动指示器（也称为定向运动指标或DMI）是评估价格方向和强度的有用工具。它由J. Welles Wilder于1978年创建，他也创造了流行的相对强弱指数（RSI）。DMI对趋势交易策略特别有用，因为它区分强弱趋势，允许交易者只进入具有真实动量交易标的。DMI适用于所有时间范围，可应用于任何交易标的（股票，共同基金，交易所交易基金，期货，商品，数字货币和法定货币）。 虽然它的计算有些复杂，但DMI会告诉您何时做多或做空。在这里，我们将详细介绍如何分析DMI指标，并向您展示它可以揭示哪些信息，以帮助您获得更好的利润。 DMI趋势线 DMI是给定时期内范围扩展的移动平均值（默认值为14天）。正向移动指标（+DMI）衡量价格向上移动的强度;负向移动指标（-DMI）衡量价格向下移动的强度。这两条线反映了牛与熊的相应强度。 每个DMI由一条单独的线表示。首先，看看两条DMI线中哪条线位于顶部。一些短线交易者称这条顶部的线是主DMI线。主DMI更强，更有可能预测价格方向。为了让买家和卖家改变主导地位，两条线必须金叉或者死叉。 当底部的DMI穿过顶部的主DMI时发生交叉。交叉似乎是一个明显的多头/空头信号

一、实验文档准备 1、安装 tushare pip install tushare 2、启动ipython C:\Users\Administrator>ipython Python 3.7.0 (default, Jun 28 2018, 08:04:48) [MSC v.1912 64 bit (AMD64)] Type 'copyright', 'credits' or 'license' for more information IPython 7.0.1 -- An enhanced Interactive Python. Type '?' for help. 3、ts.get_k_data使用帮助 In [1]: import tushare as ts In [2]: ts.get_k_data? Signature: ts.get_k_data(code=None, start='', end='', ktype='D', autype='qfq', index=False, retry_count=3, pause=0.001) Docstring: 获取k线数据 --------- Parameters: code:string 股票代码 e.g. 600848 start:string 开始日期 format：YYYY-MM-DD 为空时取上市首日 end

量化研究的目的是实盘交易，从投资研究到实盘交易中间不但存在着监管问题，也体现了量化投研产业中的多重矛盾：第一、用户不信任券商托管策略，但是不得不通过券商通道；第二、量化服务提供商不希望用户转录保存数据，但是不得不开放数据；第三、量化研究人员开发编写策略，但是团队怕量化研究员带走策略；第四、用户会质疑投研平台上不会有真正有价值的策略分享。 第一个问题集中体现了券商和客户的矛盾，也侧面体现了监管需求带来的矛盾。目前监管方面没有对股票二级市场量化放开许可，个人不能通过自己系统直接对接实盘。量化投研平台与当前的券商合作，实现内嵌于券商行情和交易软件的下单功能，相当于在原有的系统基础上增加了量化分析和量化执行的功能，但很多客户不信任策略上传的方式。一方面，用户害怕券商可以获得用户的量化策略代码；另一方面，用户害怕券商获取策略信号，可能会反向学习用户策略。 第二个问题是在回测研究中用户一定要获得一部分数据，而用户一旦可以接触到数据就可能对数据进行转录保存，这是量化服务提供商不愿意看到的。首先，根据数据采购合同，部分数据对于复制、转录、保存和分发有具体要求，不可以在没有授权情况下任意使用。其次，量化服务提供商本身对于数据进行收集付出较大成本，同时对数据进行进一步清理，对应投入的人力精力使得其数据成本更高。而用户具有转录数据的激励机制。一是用户天然倾向于脱离量化平台使用自己熟悉的研究环境

当前主要的量化平台可以实现投资研究、策略回测、实盘模拟、实盘交易等功能。投资研究和策略回测并没有一个清晰的边界，前者一般仅对数据进行分析，而后者形成一个完整的策略并运行回测。大部分平台可以提供Ipython Notebook进行代码编写，同时平台集合了大量Python第三方库，可以免安装快速使用，节省了系统部署和数据库建设的繁琐工作。多数平台提供分钟级回测服务，数据部分也由平台集成。用户不需要自己进行数据获取的工作，同时平台根据多数据源数据对基础数据进行清洗，并整合多方其他因子库、补充财务等报表数据。 国内主流量化平台形成了聚宽、米筐、优矿三足鼎立的局面，同时其他一系列量化平台不断涌现，包括京东量化平台、百度量化平台、阿里量化平台、BigQuant、掘金、DigQuant、MindGo、WindQuant、myQuant、讯投、大宽和果仁平台等。业内交流中有机构给出的表述是国内有三到四十个大小不一的量化平台。其中像文华财经的myQuant系统，实际上是本地端系统，但是官方说明上也标注了“量化交易平台软件”，而讯投则完全是本地端产品。在技术方面，早期的QuantOpian开源了回测引擎项目zipline，为诸多的量化平台提供了很好的学习材料，同时各大量化平台的归因分析部分也都大量借鉴QuantOpian开源项目Alphalens的代码和设计界面。 国内主流互联网巨头BATJ（百度

一、 前言： 　　本人对期货其实不太懂，只是会写一点python，有一些错漏之处还请各位指正。 　　极星客户端默认自带了很多套利合约，比如JD2001-JD2005，还提供了K线图。对于自定义的套利，比如JD2001-JD2002，就只有闪电图。但是有时候我们又想分析下自定义套利的K线走势，做一些指标分析。利用极星9.5的量化功能可以很方便做到这一点。 二、思路 　　整个思路简单直接 　　1、 订阅行情： 需要哪些合约的行情用SetBarInterval函数先订阅好（量化窗口默认会显示订阅的第一个品种K线） 　　2、 读取各合约的开盘价、最新价、最高价、最低价 　　3、 A合约各种价减去B合约各种价就是套利合约AB的价格 　　　　AB套利的开盘价=A开盘价-B开盘价 　　　　AB最新价=A最新价-B最新价 　　　　AB最高价=A最高价-B最高价 　　　　AB最低价=A最低价-B最低价 　　　　（注意：这里的最高价和最低价肯定是不对的，这里简化一下而已，因为各项指标是以最新价来算的，所以就先这样吧） 　　 4）绘制K线图， 使用PlotBar绘制K线柱，使用PlotStickLine绘制K线上的线段，需要注意开盘价高于最新价表明价格下跌，要用绿色。开盘价低于最新价表明价格上涨，要用红色。不涨不跌我们用蓝色表示（因为没有白色可选） 　　实际过程中遇到的主要问题是： 　　1

一、介绍 1、量化交易比传统交易强多少？ 它能让你的交易效率提高百倍，量化交易之于传统交易方法，如同大型收割机之于锄头镰刀，机枪大炮之于刀剑棍棒。 2、量化交易是做什么？ 量化交易是指借助现代统计学和数学的方法，利用计算机技术来进行交易的证券投资方式。 便于理解的说，量化交易主要是做这样的事： 1.从一个灵感开始 比如你的灵感是这样的： 如果股价显著低于近几日的平均价，则买入 如果股价显著高于近几日的平均价，则卖出 2.把灵感细化成明确的可执行的交易策略 3.把策略转成程序 就是把明确后的策略通过编程转成程序，好让计算机能根据历史数据模拟执行该策略，以及能根据实际行情进行反应并模拟交易或真实交易。 4.检验策略效果：基本的检验策略方法有回测和模拟交易两种方法 回测是让计算机能根据一段时间的 历史数据 模拟执行该策略，根据结果评价并改进策略。继续之前的那个均价的策略例子的话就是这样的： 设定初始的虚拟资产比如500000元、一个时期比如20060101到20160101，把这一时期的各种数据如估计股价行情等发给计算机，计算机会利用这些数据模仿真实的市场，执行你刚才告诉它的策略程序。最后最后计算机会给你一份报告，根据这个报告你就会知道，在20060101的500000元，按照你的策略交易到20160101，会怎样？一般包括盈亏情况，下单情况，持仓变化，以及一些统计指标等

talib talib 的简称是Technical Analysis Library,主要功能是计算行情数据的技术分析指标 numpy 介绍：一个用python实现的科学计算包。包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。 scipy 介绍：SciPy是一款方便、易于使用、专为科学和工程设计的Python工具包。它包括统计、优化、线性代数、傅里叶变换、信号和图像处理、常微分方程求解等等。 pandas 介绍：Python Data Analysis Library 或 pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。 quantdsl 介绍： quantdsl包是Quant DSL语法在Python中的一个实现。Quant DSL 是财务定量分析领域专用语言，也是对衍生工具进行建模的功能编程语言。Quant DSL封装了金融和交易中使用的模型

金融量化分析 1.基本概念: 金融:对现有资源进行重新整合,实现价值和利润的等效流通 经融工具:在金融市场中可交易的金融资产都可以称作金融工具 主要包括有:股票,期货,黄金,外汇,基金.... 股票:股票是股份公司发给出资人的一种凭证,股票的持有者就是股份公司的股东 作用: 出资证明,证明股东身份,对公司经营发表意见 公司分红,交易获利 2. 股票的分类 A股:人民币普通股票,它是有我国境内的公司发行,供境内机构,组织或者个人(不含港澳台投资者)以人民币认购和交易的普通股股票(T+1 ,涨跌幅 10%) B股:人民币特种股票,它是有人民币标明面值,以外币认购和买卖,在境内(上海,深圳)证券交易所上市交易的(T+1 ,T+ 3) H股:Hongkong,注册在内地,上市在香港的外资股,T+0,涨跌幅不限制 N股:NewYork,美国纽约上市,T+0,涨跌幅不设限制 S股:Singepor,新加坡上市, 只有我们中国上市的股票,包括ABH 股才会有涨幅限制,才会有T+n 的限制 3. 影响股价的因素: 1.公司自身因素: 股票自身价值是决定股价最基本的因素,而这主要取决于发行公司的经营业绩,资信水平以及连带而来的股息红利派发情况,发展前景,股票预期收益水平等 2.行业因素:行业在国民经济中地位的变更,行业的发展前景和发展潜力,新兴行业引起的冲击等,以及上市公司在行业中所处的位置