1.量化交易领域有哪些经典策略
2.量化交易-vnpy_efinance-VeighNa框架数据服务接口
3.C#/.NET量化交易3搭建定时任务,量化论坛量化论坛自动获取历史股票数据和当前数据
4.文华财经T8更新版量化交易策略模型源码
5.一大波国外高清量化网址正在袭来...
6.Python美股量化交易填坑记录——19.基于zig函数的交易交易交易信号
量化交易领域有哪些经典策略
量化交易种比较受宽客们所熟知的量化经典策略有:alpha对冲(股票+期货)
集合竞价选股(股票)
多因子选股(股票)
网格交易(期货)
指数增强(股票)
跨品种套利(期货)
跨期套利(期货)
日内回转交易(股票)
做市商交易(期货)
海龟交易法(期货)
行业轮动(股票)
机器学习(股票)
以上这些经典的量化交易策略源码都可以到掘金量化交易平台查阅。
量化交易-vnpy_efinance-VeighNa框架数据服务接口
我们之前对vnpy_ctastrategy相关回测源码进行了解析:
回首凡尘不做仙:VNPY源码分析1-vnpy_ctastrategy-运行回测
回首凡尘不做仙:VNPY源码分析2-vnpy_ctastrategy-撮合成交
回首凡尘不做仙:VNPY源码分析3-vnpy_ctastrategy-计算策略统计指标
相关历史数据可以通过各类数据服务的源码源码适配器接口(datafeed)下载,目前vn.py支持以下接口:
然而,官网上述接口需要注册或付费才能获取数据。量化论坛量化论坛
为了帮助初学者更好地理解和学习量化交易以及vn.py框架,交易交易雅惠资本 源码我开发了基于efinance数据接口的源码源码vn.py的datafeed。
开源地址为:github.com/hgy/vnpy...
编译安装:
下载源代码后,官网解压并在cmd中运行:
dist目录下vnpy_efinance-x.x.x-py3-none-any.whl包
使用:
安装完成后,量化论坛量化论坛在vn.py框架的交易交易trader目录中的setting.py中进行配置:
注意:此处只需配置datafeed.name,username和password无需配置。源码源码
配置完成后,官网可以通过以下示例进行调用:
同时,量化论坛量化论坛这里分享一个efinance数据下载及入库方法:
然而,交易交易efinance在获取分钟级别数据方面并不友好。源码源码对于需要获取分钟级别数据的初学者来说,我们可以使用天勤免费版的数据接口:
回首凡尘不做仙:量化交易-数据获取-vnpy_tqsdk免费版
C#/.NET量化交易3搭建定时任务,自动获取历史股票数据和当前数据
C#/.NET量化交易的第三部分主要涉及搭建定时任务,实现自动获取历史股票数据和实时数据的功能。首先,引入quartz库,它既用于定时任务的执行,也支持任务的监控。我们创建了一个基础通信配置类,便于与前端监控系统交流信息。
为自动化实时股价获取,整站无图源码设计了一个定时任务,它会在预设的时间点自动执行。此外,我们还设计了一个任务,用于定时获取历史股票数据,这对于分析股票走势和策略制定至关重要。为了保持程序后台持续运行,我们创建了一个Hosted服务,使其在程序启动后自动启动定时任务。
在程序启动时,监控界面会显示两个定时任务的执行计划,比如一个是年6月日9点分秒执行,另一个是9点分秒。我们通过模拟执行,验证了实时股票价格获取的正确性,然后手动触发历史数据获取任务,获取了股票近一个月的个交易日数据,便于进一步分析和策略制定。
以下是关键的定时任务代码片段,整个流程完成后,你可以通过我的公众号Dotnet Dancer获取完整的量化源码,回复量化开源即可获取开源项目链接。
文华财经T8更新版量化交易策略模型源码
文华财经T8更新版量化交易策略模型源码:
此量化交易策略模型源码采用了一系列技术指标和条件,旨在通过自动化方式提升交易决策的效率和准确性。代码中定义了关键变量以支持多头和空头策略的正7的源码实施。
在多头策略方面,代码通过设置多个条件来识别买入时机。若“SKLOW”超过“S”(一个计算得到的价格阈值)且“SKVOL”(成交量)大于零,且当前收盘价高于“REF(H+1*MINPRICE,BARSSK)”(过去某时段最高价),则发出买入指令(BP)。
同样地,空头策略也设置了相应的买入条件。当“BKHIGH”(一个计算得到的高点)超过“B”(基础价格)且“BKVOL”(成交量)大于零,同时满足一定条件,代码会触发卖出指令(SP)。
此外,源码中还包含了自动过滤规则(AUTOFILTER),以及设置特定价格类型(SETSIGPRICETYPE)和价格取值规则(SETOTHERPRICE),以进一步优化交易决策流程。
一大波国外高清量化网址正在袭来...
随着春节的结束,工作和学习的节奏回归正轨,我开始整理各类量化资源,为读者们提供更新内容。在海外资料的探索中,我发现了一些优质的量化资料,包括理论和源码,适合初学者入门。考虑到国内朋友们的需求,我想把这些国外的好资源介绍给大家,希望你们能从中汲取精华,tale博客系统源码提升自己。
对于国内逐渐兴起的量化交易,虽然起源于国外,但了解和学习的渠道在哪里呢?这里有一份推荐清单:《Best Quant Blogs and Websites》。这个网址是 feedly.com/i/top/quant-...
这个列表收录了个备受国外关注的量化网站和博客,如Quantocracy、Quantpedia和Quantstart等,都是经常被提及的资源。由于是国外站点,访问可能受限,但别担心,我已经将所有相关网址保存,只需回复公Z号『量化君也』的暗号即可获取。
除了上述资源,还有其他文章供你参考,如《Best Quant websites | An unconventional guide》和《TOP Useful Blogs and Websites for Quants》。国外的量化资源丰富多样,国内的朋友可以通过这些站点学习到更多专业知识。
以QuantInsti为例,这个网站可以直接访问,无需登录,它的量化文章分类清晰,是入门学习的好去处。网站的Blogs标签下,你可以找到涵盖自动化交易、漫画原生app源码机器学习等个版块的深入教程,包括《Algorithmic Trading Strategies》、《Stock Market Data Analysis》等文章。
其中,机器学习版块尤其出色,不仅有理论讲解,还提供实践案例和Python代码,非常适合学习者。如果你想尝试使用神经网络、决策树等算法进行量化交易,这里也有相关的文章推荐,如《Neural Network In Python》和《Decision Tree For Trading Using Python》等。
总的来说,国外的量化资源丰富且实用,借助翻译工具,即使英语基础一般,也能无障碍学习。希望这些信息能帮助到你,欢迎关注『量化君也』公Z号,那里有更多的量化策略和知识分享。我是@quantkoala,期待与你一起交流和进步!
Python美股量化交易填坑记录——.基于zig函数的交易信号
在群里,有位美股高手邱哥分享了一个富途脚本的交易信号,大家反响良好。我尝试将其移植到TradingView的pine脚本中,遇到一个挑战,那就是zig函数的使用。富途库中的zig函数定义为:当价格变动幅度超过N%时,根据K值的不同,表示开盘价、最高价、最低价或收盘价。一开始,这个概念让我困惑,但在TradingView搜索后,我发现了一个名为“Zig Zag”的内置指标,结合邱哥的脚本,我理解了它输出的是沿着直线模拟的y值,即zig值。
之字转向策略的核心在于识别股价的“顶”和“底”,通过连接这些点,形成趋势线,有助于过滤掉噪音,抓住趋势。zig函数是通过5%的股价变化幅度来定义笔的结束和开始。上升笔中,股价上涨,笔的顶点上升,若盘整后价格下跌超过5%,则上升笔结束,开始下降笔。然而,要小心的是,下降笔的起始并非从幅度超过5%的bar开始,而是从笔顶点之后的bar,这可能导致滞后,被称为“追认”现象。
为解决滞后问题,zig函数引入了“临时顶”和“临时底”的概念。临时底在下降笔且有止跌迹象时成立,而临时顶则在上升笔且有止涨迹象时形成。回测结果显示,使用临时顶底作为入场和离场信号,如在SPY 1小时图上,今年1月1日至7月日的回测中,不设止损时,胜率和净利润分别为.%和2.%。增加入场次数后,胜率和净利润都有所提升。
由于涉及版权,这里不再公开源代码,只是提供指标使用权。请在使用邱哥的贡献时,保持感激之情。最后,由于TradingView策略的回测限制,我将其转换为indicator,虽然无法直接回测,但不影响图表上的所有标记。
量化交易日内策略看过来!!!(附源码)
日内交易(Day Trade)是一种交易策略,涉及短时间持仓,不保留过夜持仓。这种模式旨在捕捉入市后能迅速脱离成本的交易机会,若无法立即获利,则准备迅速离场。相比长期持仓,日内交易能降低市场波动风险。
在中国市场,日内交易的可行性存在特定条件。由于股票市场实行"T+1"交易制度,进行“T+0”操作需持有底仓,进行高抛低吸。具有丰富日内交易经验且胜率高的选手,通常在持有期间对日内交易保持高兴趣,交易频率较高。此前提隐含一个条件:仅当当天不准备卖出,才能进行“T”操作,否则可能会因微小价差得不偿失。
日内交易因其快速了结和价差较小的特点,盈利的关键在于交易来回的价差超过交易成本。按照普遍的券商佣金标准(万三),一个完整交易周期的摩擦成本略低于0.2%,低佣金使得日内交易的盈利相对容易。通过合理预期单次盈利和选择合适介入时间点,长期日内交易者能获得可观的正收益。
提供各类量化实盘&策略的免费咨询,包括编程技术解答,以及QMT策略终端、量化策略交易系统的支持。对于有兴趣了解更多有效量化策略的伙伴,可以通过留言、评论或私信联系,同时提供市场最低佣金(万一)的开户选项。
日内回转交易策略包括两个主要步骤:订阅数据和获取数据。在定义init函数中设置订阅数据,并调用subscribe函数。接着,获取已经订阅的数据进行操作,通过context.data函数调用。
在on_bar函数中,判断当前bar是否为当天交易的最后一根,以决定是否平仓。bar信息直接传递给函数。回测报告显示,选取年1月至年7月作为周期,保利地产作为标的股票,回转策略显示出在日内交易中的表现。
策略涉及股票的日内回转交易。首先在前一个交易日配置底仓,利用底仓实现“T+0”交易。交易涉及买入、卖出操作,每次交易买卖数量为股,记录在turnaround变量中。策略还利用MACD指标(异移动平均线)进行交易信号的计算,当MACD小于0时买入,反之卖出。策略代码和回测结果均显示了策略的性能,包括累计收益率、年化收益率、最大回撤和胜率。