中国的 Python 量化交易工具链有哪些?
回复内容:
最近发起了一个开源项目,A股版的pyalgotrade,在原版的基础上,增加了A股的历史行情和实时行情,可以用来做回测和实盘模拟。这个项目会定期更新,正在测试CTP接口和交易监控等功能。希望借助开源的力量,能打破机构投资者在工具上的优势,让中小投资者也能分享程序化的红利。https://github.com/Yam-cn/pyalgotrade-cn
------------------------------------------------2016.03.17----------------------------------------------------
更新一下pyalgotrade-cn的项目进度:
1. 首先,大家反映学习资料比较少的,问题,我现在已经做一个系列的视频教程。
[pyalgotrade-cn基础]
2. 中文文档翻译已经基本完成,感谢群里的茄子同学~
3. 股票实时行情接入已经完成了,现在可以进行模拟交易。
我在群里发起了一个投票,了解一下现在这个平台的使用情况。之后会根据这个投票结果来决定视频课程的安排,和平台的更新进度。
------------------------------------------------2016.01.28----------------------------------------------------
看到大家对这个项目的兴趣,十分感动~~~今天一定要多熬几个小时在这个项目上
集中回答一下一些问题:
1. 是否可以进行多标的的回测。
这个是可以的,strategy和eventprofiler都是支持多股票的。
2. 什么时候开放交易接口。
CTP接口计划在下一个版本放出,再加上一些测试和调整,计划在今年一季度可以跑稳CTP。
股票接口这个择机放出吧,技术上问题不大,现在主流的券商都可以兼容,不过你懂得,现在开放股票接口并不是一个好时候。。
3. 是否有文档
现在有英文版的文档,中文版的文档正在制作中,最近在这个项目上花的时间比较多,所以文档进度就差一点,我会在春节假期补上新增模块的文档,原版的文档翻译工作,也会慢慢做起来。
PS: 有些朋友反映github访问不了,可以加群300349971,群共享里面也有。
PPS: 如果有希望承担一部分文档翻译,代码测试工作的朋友,可以直接私信我,或者在群里M我。 在数据获取方面强烈推荐使用TuShare,简单易用,速度很快,而且只写一行代码就能将数据存储在本地了,支持csv、excel、hdf5和关系型数据库和NoSQL。
TuShare -财经数据接口包 http://Myquant.cn我觉得不错,足够开放性,我个人非常看好。申请了几次也不给审批,不知道是怎么回事? 补充一个:tinysoft
Python通过pywin32调用天软COM,主要是调用天软的数据,利用天软在数据整合上面的优势快速获得数据,并且有大量积累的金融方法函数!
dll方式的调用正在丰富中。 Ricequant - Beta Ricequant量化策略平台,米筐科技。支持Python和Java编写和测试策略。有良好的API设计,从一线数据商采购的数据提供给用户使用,现在有A股市场逾十年的市场数据和财务数据,美股数据等。Ricequant 马上推出的模拟实盘和实时微信推送策略选股择时的功能。
现在上面的量化社区也比较活跃了。 btw,社区很重要!社区很重要!社区很重要!还请大牛们多给量化爱好者们灌些肥水。
Tushare 我也要给大大的赞! 解决了大部分市场数据的获取的问题。 恒生电子新推出了一个叫量化赢家的量化终端,听说可以做量化选股、程序化交易还有对冲交易之类的,以前是C++的策略平台,现在好像对接Python了,可以去他们的论坛找他们要Python接口。
量化赢家策略语言Python教程
-----------------------------------------------------
2015.7.10更新
量化赢家的PY版本已经正式推出了,不过暂时只支持种子用户试用,对使用Python开发策略的量化交易者可以关注一下。
量化赢家策略开发版使用手册(python)-恒生量化社区
如何成为量化赢家种子用户 个人用过tushare,接口简单,而且免费,适合拿来练练手。 还有这个:
PyAlgoTrade - Algorithmic Trading
我自己也在基于python开发自用的量化平台 我一直用的是JoinQuant:聚宽,人人皆为宽客
回测在策略里;
统计分析在研究里;
全程在线操作,比好的是没有明显的内的限制。
网站好像还成立不久,所以数据方面有些局限,在上面主要还是做国内股票。
不过进步还挺快的。 试用过下面这个:
4. 通联数据的量化平台是一个Python环境的研究,回测,交易平台,除了可以使用题主提到的pandas,scipy,numpy等第三方库之外,还可以使用通联提供的量化分析库(可以看做是quantlib的中国加强版),以及行情数据(有通联自己的数据,如果购买了聚源等第三方的数据,也可使用)。
今年年中应该会对外开放注册了。
已经开放注册了.
https://uqer.io

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











이 튜토리얼은 Python을 사용하여 Zipf의 법칙의 통계 개념을 처리하는 방법을 보여주고 법을 처리 할 때 Python의 읽기 및 대형 텍스트 파일을 정렬하는 효율성을 보여줍니다. ZIPF 분포라는 용어가 무엇을 의미하는지 궁금 할 것입니다. 이 용어를 이해하려면 먼저 Zipf의 법칙을 정의해야합니다. 걱정하지 마세요. 지침을 단순화하려고 노력할 것입니다. Zipf의 법칙 Zipf의 법칙은 단순히 : 큰 자연어 코퍼스에서 가장 자주 발생하는 단어는 두 번째 빈번한 단어, 세 번째 빈번한 단어보다 세 번, 네 번째 빈번한 단어 등 4 배나 자주 발생합니다. 예를 살펴 보겠습니다. 미국 영어로 브라운 코퍼스를 보면 가장 빈번한 단어는 "TH입니다.

이 기사에서는 HTML을 구문 분석하기 위해 파이썬 라이브러리 인 아름다운 수프를 사용하는 방법을 설명합니다. 데이터 추출, 다양한 HTML 구조 및 오류 처리 및 대안 (SEL과 같은 Find (), find_all (), select () 및 get_text ()와 같은 일반적인 방법을 자세히 설명합니다.

시끄러운 이미지를 다루는 것은 특히 휴대폰 또는 저해상도 카메라 사진에서 일반적인 문제입니다. 이 튜토리얼은 OpenCV를 사용 하여이 문제를 해결하기 위해 Python의 이미지 필터링 기술을 탐구합니다. 이미지 필터링 : 강력한 도구 이미지 필터

이 기사는 딥 러닝을 위해 텐서 플로와 Pytorch를 비교합니다. 데이터 준비, 모델 구축, 교육, 평가 및 배포와 관련된 단계에 대해 자세히 설명합니다. 프레임 워크, 특히 계산 포도와 관련하여 주요 차이점

데이터 과학 및 처리가 가장 좋아하는 Python은 고성능 컴퓨팅을위한 풍부한 생태계를 제공합니다. 그러나 Python의 병렬 프로그래밍은 독특한 과제를 제시합니다. 이 튜토리얼은 이러한 과제를 탐구하며 전 세계 해석에 중점을 둡니다.

이 튜토리얼은 Python 3에서 사용자 정의 파이프 라인 데이터 구조를 작성하여 클래스 및 작업자 과부하를 활용하여 향상된 기능을 보여줍니다. 파이프 라인의 유연성은 일련의 기능을 데이터 세트, GE에 적용하는 능력에 있습니다.

파이썬 객체의 직렬화 및 사막화는 사소한 프로그램의 주요 측면입니다. 무언가를 Python 파일에 저장하면 구성 파일을 읽거나 HTTP 요청에 응답하는 경우 객체 직렬화 및 사태화를 수행합니다. 어떤 의미에서, 직렬화와 사제화는 세계에서 가장 지루한 것들입니다. 이 모든 형식과 프로토콜에 대해 누가 걱정합니까? 일부 파이썬 객체를 지속하거나 스트리밍하여 나중에 완전히 검색하려고합니다. 이것은 세상을 개념적 차원에서 볼 수있는 좋은 방법입니다. 그러나 실제 수준에서 선택한 직렬화 체계, 형식 또는 프로토콜은 속도, 보안, 유지 보수 상태 및 프로그램의 기타 측면을 결정할 수 있습니다.

Python의 통계 모듈은 강력한 데이터 통계 분석 기능을 제공하여 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해할 수 있도록 도와줍니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오. 이 튜토리얼은 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 평균 () 함수의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. 무작위로 가져옵니다 수입 통계 Fracti에서
