https://gitee.com/bijingrui1997/quantitative_trading_notes
商品期貨套利 - 多品種網格對沖模型 註釋版 #### 代碼： // 商品期貨套利 - 多品種網格對沖模型 註釋版 function Hedge(q, e, positions, symbolA, symbolB, hedge
多平臺對沖穩定套利 V2.1 (註釋版) 對沖策略是風險較小，較爲穩健的一類策略，和俗稱“搬磚策略”有些類似，區別是搬磚需要轉移資金，提幣 ，充幣。在這個過程中容易出現價格波動引起虧損。對沖是通過在不同市場同時買賣交易，在交易
聚寬是個非常棒的平臺，回測用的數據洗的非常乾淨，沒有未來信息的問題。最近聽說他們發新產品了，祝賀! 如果經常用聚寬的話，會經常需要把聚寬研究環境中自己分析數據的結果下載下來，我做了個小工具，能批量自動下載聚寬上保存的文件。 用到了sele
新浪財經實時深度和成交數據： github：https://github.com/QuantGin/Quant_For_All import sys from mylog import mylog logger=mylog(sys.ar
騰訊財經深度數據： github：https://github.com/QuantGin/Quant_For_All import requests import sys import threading from mylog impo
爲什麼要翻譯這篇文章 本人利用DNN和RNN做了深度強化學習的策略，本質上是一個基於策略梯度的強化學習，翻看這個作者的論文發現，核心思路是一模一樣的，差別在於細節的處理，先說說和作者的相似之處： 用神經網絡來表示一個確定
前面介紹瞭如何獲取數據，本文將直接介紹一種經典的交易策略，實際上這套方法在市場中大部分情況時有效的，但是在市場沉浮中，每個人都很難嚴格執行，大部分人都是覺得自己已經掌握了，甚至還有自己的想法，然後靈活的動一些小腦筋，殊不知
前段時間美國金融市場劇烈動盪，公司的股票也是過山車，當然A股還是萬年王八，繼續保持“穩健”，本來安心做自動駕駛的心也被撩撥了，總是在暢想，最低一塊多時All in，該如何如何......... 與其飄忽不定，不
本文是量化交易零基礎入門教程中的一篇，點擊藍字鏈接可查看該系列詳情。 摘要 學習用 list 存儲多個股票 學習使用 for 循環 學習寫一個簡單的多股票策略 自測與自學 我們繼續以如下這個簡單的策略爲例進行學習在策略中操作多個股票。
本文是量化交易零基礎入門教程中的一篇，點擊藍字鏈接可查看該系列詳情。 摘要 聚寬數據 獲取指數成分股 獲取股票行情數據 獲取股票財務數據 自測與自學 聚寬數據 在聚寬數據這個頁面可以看到聚寬平臺集成好的各大類數據，如下圖，點擊可以查看詳情
這是一個面向零編程基礎的量化交易新手入門教程，力求讓高中生知識水平的人都能學會量化交易最基本的知識，快速邁過第一道門檻，從而具備進一步自主深入學習的能力。 特點 從零開始教編程。 靠譜的量化交易學習資源稀少，且具有不講編程、代碼較難、過多
本文是量化交易零基礎入門教程中的一篇，點擊藍字鏈接可查看該系列詳情。 摘要 python 是什麼 python 的基礎語法 變量與賦值 Python 保留字符 打印 print 全局變量 基本數據類型 - 數字與字符串 算術運算 查看數據
本文是量化交易零基礎入門教程中的一篇，點擊藍字鏈接可查看該系列詳情。 摘要 爲什麼需要量化交易？ 量化交易是做什麼？ 量化交易的價值何在？ 做量化交易需要什麼？ 聚寬是什麼？ 零基礎如何快速入門量化交易？ 自測與自學 量化交易比傳統交易強
本文是量化交易零基礎入門教程中的一篇，點擊藍字鏈接可查看該系列詳情。 摘要 評價策略回測的指標 建立模擬交易 未來函數 運行過慢 過擬合 策略失效 收益與風險的取捨 自測與自學 在學習瞭如何編寫策略後，我們將介紹下評價策略回測的指標，如何
SciPy庫提供了大量有用的函數和類，用來解決各種專業領域的問題。 本文翻譯自Jupyter nbviewer中的第三講。 首先，介紹了一些特殊函數，如貝塞爾函數，這對物理學問題的計算提供了方便；之後是各種數值積分問題，常微分方程求解問題
