獲取資料:程序員理財課 Python量化交易系統實戰html
python量化交易----以python語言實現,經過學習量化交易的經常使用框架,並掌握量化交易策略的理論以及流程,以模擬交易的方式帶領你進入量化交易的魔法世界。python
量化交易概念、框架以及策略、實施,各個步驟逐步講解,層層深刻。程序員
課程亮點:框架
用最快的速度帶你瞭解並掌握量化交易的原理和技術機器學習
課程內容:ide
python量化交易,經過量化交易的概念、框架、策略和打分法、迴歸法等基礎知識的學習,並以模擬交易的方式實現,學習並掌握該技術函數
一,啓動前30天最高價,最低價得出的振幅;最高價,平均價,得出的振幅。學習
30天最高價,最低價振幅=(30天最高價-30天內最低價)/30天內最低價測試
30天最高價,平均價振幅=(30天最高價-30天內平均價)/30天內平均價設計
2019年啓動前30天最高價,最低價得出的振幅;最高價,平均價,得出的振幅以下圖:
結論:從上面三張圖,咱們也能夠看到,妖股啓動前30天,走勢基本以盤整爲主。
二,啓動前30天最大成交量,最低成交量得出的振幅;最大成交量,平均成交量,得出的振幅。
2019年啓動前30天最大成交量,最低成交量得出的振幅;最大成交量,平均成交量,得出的振幅以下圖:
股票數據分析和通常數據分析同樣,用到數據清洗分析,機器學習深度學習,天然語言處理等技術,當咱們從其它數據分析轉向股票數據分析時,主要關注兩者的不一樣點:
(1) 量化交易
量化交易是經過對歷史數據、實時數據的分析選擇最佳的交易品種(擇股)和交易時機(擇時)。通常利用統計和分析方法構建股票組合,指望組合可以得到超越基準收益。在設計交易的策略的過程當中,須要加大盈利的可能性,同時控制風險,即便不能保證每一次預測都準確,但在交易次數和交易量足夠多的狀況下,儘可能使贏面更大。
(2) 獲取數據
股票數據包括基本面,消息面,技術面數據,數據量大,維度高,本篇咱們先關注以數值類型爲主的股票數據。
(3) 指標計算
股票指標每每是決策的重要依據,建模使用的重要特徵,有的也是判斷策略好壞的標準。Python有不少成熟、穩定的三方庫提供指標計算功能,開發者無需自已動手實現,只須要關注功能和用法便可。
(4) 回溯測試
同一策略在不一樣時間、不一樣地域、不一樣週期結果也不相同,回溯測試是用歷史數據測試投資策略,量化交易平臺通常都提供回溯測試環境。
本篇主要介紹獲取數據的方法,以後幾篇會繼續介紹指標計算庫和函數,以及經常使用的回溯分析框架。
須要獲取的數據有基本面數據、實時數據、歷史數據、各個角度的股票分類數據等等,有國內的、國外的,收費的,免費的。本文主要介紹免費接口。
歷史數據的數據量大,下載時間長。也是用於數據分析、訓練模型最關鍵的數據。歷史數據的下載和存儲是獲取數據的重點,下面介紹幾種經常使用方法。
(1)tushare模塊
tushare主要用於下載A股數據,也是國內主流的Python股票數據三方庫。它重新浪財經、騰訊財經、上交所和深交所獲取數據,處理以後,供用戶下載,好比:它提供前/後復權數據,簡化了數據處理工做,而且有詳細的中文說明文檔。
可能因爲使用的人太多,下載歷史數據量動輒上G,後來須要註冊用戶才能下載全部時段歷史數據,而且按用戶級別對流量作了限制。在不註冊的狀況下只能下載最近兩年的數據。限制主要針對下載歷史數據和一些新上線的功能,不影響獲取股票基本信息、當前數據等基本功能。