皮皮网

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。