量化分析篇 如何用Python计算策略仓位

python量化分析—对海龟交易法则的验证 掌握知识点: 1.data.cumsum()和data.cumprod()函数是累积和和累积积,data.prod()函数是计算连乘积; 2.pd.set_option(‘display.max_row’,500) 的用法 3.pd.rolling_max()和pd.expanding_max()函数用法 4.dataframe.fillna()函数用法,method=ffill为默认向后填 阅读详情

关注我的另一个号加星标(掘金Python与指标策略),不定期送书抽奖:

书接上回,我们上一章已经成功的拿到了策略的信号,并且对信号进行数据的处理,下面我们要计算仓位和资金曲线了,接下来的几章是量化的关键的关键,也是慢慢到了量化的精华的地方了,大家要仔细看。

下面非常详细的计算仓位的步骤:

上面我们已经生成了信号的数据表,我们看一下:

c5e6884e6e70f217dfdac5d72851a6fe.png

也就是1-10 当天收盘之后,我们的程序就发出了1 也就是 买入的信号,那么我们的仓位会在第二天满上,所以我们增加一个列叫pos列。

pos列正好跟signal列错位1行,我们用pandas非常容易搞定:

data['pos'] = data['Signal'].shift()

print(data[['股票名字','交易日期','收盘价','ma_fast','ma_slow','Signal','pos']])

45668e544f192a8a5b4a9ddfdebbaa19.png

同时我们发现pos的第一行是一个NaN值,非常不利后面的计算,我们也要处理一下,把NaN填充为0。

data['pos'].fillna(value=0, inplace=True)

看一下效果:

56b8ef795f79db17e428e4a7836b1cc7.png

2).找出开仓和平仓的交易日期

有了pos这一列之后,下面就好办很多,我们需要计算开仓和平仓的条件,找到开仓的条件

083ba2a2760f8dc0fdc015d998afc5a8.png

解释一下,其实就是0-1的情况,第一个条件是当天不为0(即为1),第二天条件是当天要和前一天持仓不一样,满足这两个条件就是我们开仓的日期,我们看一下效果:

ce56fa0a593af7e101948340b272a00e.png

同样我们对start_pos_time 进行前向填充

854f52daf28eacb6359e86f1a8631fc9.png

好,经过这几步,我成功的设置了开仓的时间,为我们下一步计算资金曲线做了准备。同理平仓的日期,我们也能很容易的找到

22596b169d418b21fd24caaf5eedc779.png

可以看到平仓的日期是2月22号,我们最后看一下前面的章节画的可视化图,就一目了然了。

b41884f19fff1e05ddeb7f2869bb2e8b.png

从图上可以看到,发出买入信号是在1月11号,卖出时2月22号,非常清晰!好,经过这几步,我成功的设置了开仓的时间,为我们下一篇计算资金曲线做了准备。

喜欢的可以关注我们,如果想了解更多我们量化小册的内容,欢迎订阅:原价199 早鸟价39(满100人涨10元)。订阅之后,48小时无理由退款,放心食用!

dfde010a1833f4a6a83bdabcaecb7a61.png

推荐阅读:
入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径

干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街!唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |碟中谍这么火,我用机器学习做个迷你推荐系统电影

趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏!

AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影

小工具: Pdf转Word,轻松搞定表格和水印! | 一键把html网页保存为pdf!|  再见PDF提取收费! | 用90行代码打造最强PDF转换器,word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器! |60行代码做了一个语音壁纸切换器天天看小姐姐!

基于Python的加密货币量化分析工具栈:从数据获取到策略回测的本地化实践 量化分析是金融科技领域的核心技术,它通过数学模型和计算机程序对市场数据进行系统性分析,旨在发现潜在规律并辅助决策。其核心原理在于将投资逻辑转化为可执行的算法,利用历史数据进行回测验证,从而评估策略的有效性。这项技术的价值在于为研究者和开发者提供了一个客观、可复现的分析框架,降低主观情绪干扰,广泛应用于策略研发、风险管理和市场研究等场景。本文聚焦于加密货币市场,详细介绍了如何利用Python生态中的`pandas`、`Backtrader`等开源库,构建一个涵盖数据获取、技术指标计算和策略回测的完整本地化分析 阅读详情

相关推荐

Python量化分析实战:从数据获取到策略回测的完整框架搭建

量化分析是金融科技领域的核心技术,它通过数学模型和计算机程序对市场数据进行系统性分析,旨在发现可重复的交易规律。其核心原理在于将主观的投资逻辑转化为客观、可验证的代码规则,利用历史数据对策略假设进行回溯检验。这一过程的技术价值在于提升了投资决策的客观性和效率,是构建稳健交易系统的基础。典型的应用场景包括市场趋势识别、因子挖掘和风险管理。本文聚焦于使用Python技术栈,通过`pandas`和`numpy`进行数据处理,结合`TA-Lib`等技术指标库,构建一个涵盖数据获取、特征工程、信号生成与历史回测的完整

weixin_33726313的博客 165

python 股票策略_每季度仓位写回测

1- 读仓位信息: (1)先简单存到dic中,时间是倒序,在构造time_list中reverse即可 (2) str,int转换 int(''.join(str1.split('-')) def read_date(file_name): df_all = pd.read_excel(file_name+'.xlsx',header=None) df_all = df_all.dropna(axis=0,how='all') df_all.columns = ['股票代码','

weixin_43938251的博客 1138

从40万到10亿的游资实战笔记:我是如何用Python量化分析市场情绪与热点轮动的

本文详细介绍了如何利用Python量化分析市场情绪与热点轮动,从40万到10亿的游资实战经验出发,构建了一套融合传统游资直觉与现代量化技术的系统。通过股吧评论情感分析、融资融券数据、龙虎榜数据等多维度数据源,将抽象的市场情绪转化为可计算的指标,并识别热点轮动时机,实现精准的市场状态判断和动态仓位管理。

weixin_28340315的博客 508

如何用Python实现miniQMT智能仓位管理?

在金融市场中,仓位管理是投资者控制风险和提高收益的重要手段。miniQMT(Quantitative Market Trading)是一种量化交易策略,它通过智能仓位管理来优化投资决策。本文将详细介绍如何使用Python实现miniQMT智能仓位管理。

wencaitouzi的博客 708

《遥感大模型生产级实战:从数据到决策的端到端AI工程》系列第一部分:AI遥感工程师的基础设施与工具链-文章 4:传统遥感分析与机器学习基线

本章将系统性地介绍经典遥感分析工作流,从数据预处理到多维度特征工程,再到如何利用经典的机器学习模型(如随机森林、支持向量机)进行监督与非监督学习。我们将通过一个完整的“智慧农业作物分类”项目实战,展示如何利用我们之前构建的数据湖和工具链,从原始数据到最终的分析结果,构建一个性能可靠、可解释性强的基线系统。更重要的是,我们将深入剖析这种传统方法的局限性,从而为后续章节引入遥感大模型的必要性提供强有力的论证。

panshengwu的博客 707

别再只会用555了!手把手教你用运放和RC电路搭一个50Hz正弦波信号源(附Multisim仿真文件)

本文详细介绍了如何使用运放LM358和RC电路搭建一个精准的50Hz正弦波信号源,涵盖文氏电桥核心原理、单电源供电解决方案、Multisim仿真及实物调试技巧。通过实战指南和优化建议,帮助电子爱好者快速掌握低频信号生成技术,适用于各种测试和校准场景。

weixin_34116482的博客 367

Python中国证券成分股波动率量化:ARIMA-随机森林预测、MPT投资组合优化、四维评价体系与动态仓位策略

擅长 MySQL、SPSS、Python 等工具,在学校竞赛项目的数据分析工作中,具备扎实的数据采集、数据分析与模型建立能力,能够运用 MySQL 进行数据管理、SPSS 开展统计分析、Python 实现数据处理与建模,为项目中从数据获取到分析建模的全流程工作提供支持,有效助力了研究中数据相关环节的推进与成果落地。上图中,红色点代表“需减仓”(RSI>70或波动率>4%),绿色点代表“需加仓”(RSI<30或波动率<2%),当前点(RSI=39.54,波动率=3%)为绿色,建议维持80%仓位。

拓端研究室TRL 1229

Carsim2019与Simulink (Matlab2018b)联合仿真成功(超详细)

Carsim与Simulink联合仿真成功

强强的博客 3万+

2、金融量化分析简介

学习目标 金融量化简介 数据分析简介 常用库简介 1、学习目标 ​ 谈到金融量化分析,可能大多数人想到的肯定就是海量的股票数据,交叉错乱的股票数据图表,让从未接触过金融的人无法入手,就会想这种东西我怎么可能学的会。但是在我们有着扎实的Python编程基础就完全不需要担心这些东西了,我们只需要通过编程的方式编写出对应的策略就能通过计算机帮我们进行自动化交易。 ​ 从本文的标题当中就可以看到,我们...

小猿取经 1901

从零构建知识图谱:本体工程与知识建模实战指南

本文是一份从零构建知识图谱的实战指南,重点阐述了知识建模与本体工程的核心地位。文章详细介绍了如何使用Protégé工具进行本体设计,包括定义领域、复用现有本体、构建类层次与属性约束,并讲解了如何利用D2RQ工具将关系数据库数据转换为RDF三元组,最终通过Apache Jena Fuseki搭建SPARQL端点进行知识查询与推理,让知识图谱真正“活”起来。

weixin_29057695的博客 572

避开这些坑!用Python ReportLab生成PDF时字体处理与中文排版的5个关键技巧

本文针对Python ReportLab库在PDF自动化生成中常见的中文排版难题,提供了五个关键技巧。内容涵盖字体注册的稳健策略、段落样式的精细控制、表格内中文的换行对齐、页面布局管理以及性能优化,旨在帮助开发者彻底解决中文乱码、排版错位等问题,生成专业美观的PDF文档。

weixin_29250403的博客 624

Python量化分析实战:从K线图绘制到交易策略回测

量化分析是一种通过数学模型和计算机程序对金融市场进行系统性研究的方法。其核心原理在于将投资逻辑转化为可验证的代码规则,从而减少情绪化决策的影响。在技术实现上,Python因其丰富的数据科学生态而成为主流工具,结合pandas进行数据处理、mplfinance进行专业K线图绘制,能够高效完成从数据获取到可视化的全流程。这种技术组合的价值在于为开发者提供了一个可本地化、可复现的分析框架,尤其适用于个人交易策略的可视化验证与技术指标学习。在实际应用场景中,开发者可以基于移动平均线(MA)、MACD等常见指标,将经

weixin_34121282的博客 358

分支界定法(branch and bound)与背包问题的代码实现

分支界定法(branch and bound)与背包问题的代码实现 LastEditTime: - 2021.2.3 不卖茶的吴龙茗茶 分支界定法是一种在整数规划中常用的算法,其主要思想为将大问题分割成小问题进行求解。分支界定法是围绕着一个二叉树进行的,以背包问题为例: 假设小明有一个背包,其总的容积为30,小明有三件东西可以带,三件东西的体积分别为:10,15,20。求问小明如何能够在背包中装下更大体积的物品? .

小吴同学的小屋 1885

金融量化分析

金融量化分析 学习目标 金融量化简介 数据分析简介 常用库简介 1、学习目标 谈到金融量化分析,可能大多数人想到的肯定就是海量的股票数据,交叉错乱的股票数据图表,让从未接触过金融的人无法入手,就会想这种东西我怎么可能学的会。但是在我们有着扎实的Python编程基础就完全不需要担心这些东西了,我们只需要通过编程的方式编写出对应的策略就能通过计算机帮我们进行自动化交易。 从本文的标题当中就可以看...

weixin_34376562的博客 592

从 SOAUTH2 到系统用户,SAP AS ABAP 里配置 OAuth 2.0 Client 的完整落地思路

SAP OAuth 2.0客户端配置的核心在于建立系统级信任关系。在AS ABAP中,每个OAuth 2.0客户端必须关联一个System类型的用户账号(通过SU01创建),并建议采用业务语义明确的命名规范(如ZBTP_PO_APPROVAL_APP)。关键配置包括:客户端认证方式(推荐SSL证书而非共享密钥)、Token生命周期(默认3600秒)、Scope访问范围,以及根据应用场景选择Authorization Code或SAML 2.0 Bearer等授权模式。项目实践中应避免混合配置不同授权类型,而

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 989

人工智能算法面试大总结-总目录

涉及秋招、春招、社招

啥都生的博客 2万+

python量化分析数据_Python数据分析_量化分析.pdf

法律声明 本课件包括:演示文稿,示例,代码,题库,视频和声音等,小象学院拥有完全知识产权的权利;只限于善意学习者在本课程使用,不得在课程范围外向任何第三方散播。任何其他人或机构不得盗版、复制、仿造其中的创意,我们将保留一切通过法律手段追究违反者的权利。 课程详情请咨询 微信公众号:小象 新浪微博:ChinaHadoop互联网新技术在线教育领航者第六讲LOGO金融数据分析(2)--量化分析-...

weixin_39791349的博客 425

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

交易中的仓位管理:怕就减、移动止盈与形态加仓策略解析

交易中的恐惧与贪婪往往源于缺乏系统化的决策规则。通过量化仓位管理,将主观情绪转化为可执行的条件,是提升交易稳定性的关键路径。从风险管理的基本原理出发,合理的减仓动作能够降低持仓心理压力,移动止盈机制则能在保护已得利润的同时,保留趋势延续的盈利空间。形态加仓强调等待突破或回踩确认后再扩大仓位,避免情绪化追涨。这套策略广泛应用于指数ETF、股指期货及长期关注的个股交易场景,尤其适合波动特征清晰、基本面熟悉标的的实战操作。本文围绕“怕就减、移动止盈、形态加仓”这一核心逻辑,拆解其背后的交易框架、执行步骤与常见误区

weixin_33023873的博客 333

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

NTscan扫描工具

ntscan是一个扫描器,可以扫描没有密码和弱密码的共享,先到配置文件中填写猜测的用户名和密码,扫描过程中右侧出现的是扫描日志。

Python实战项目 | 基于股票的金融数据量化分析

最后我们概述下量化交易的基本过程。当然实际上这个过程并没有以下流程图显示的那么简单,这里只是让大家有个整体的概念。首先是把历史行情、基本面信息、新闻资讯等数据进行初步清洗和处理,而后输入到量化模型中。量化模型包括了数学建模、编程设计等工具所形成的交易策略,通过分析这些数据最终产生出交易的信号,比如买什么股、什么时候买、买多少、什么时候卖等信息。

weixin_72959097的博客 1725

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

Python缠论量化分析框架:3步实现智能买卖点识别

你是否曾经在股票交易中感到迷茫,面对复杂的K线图不知道何时买入、何时卖出?传统的手工缠论分析不仅耗时费力,还容易出错。今天,我将为你介绍一个专业的Python缠论分析框架,让你轻松实现缠论量化分析,精准识别买卖点。 缠论作为技术分析领域的经典理论,以其严谨的数学逻辑和精准的买卖点识别能力而闻名。这个Python缠论分析框架将复杂的缠论理论转化为可编程、可验证的技术工具,帮助你在投资决策中获得数据

gitblog_01172的博客 215

python与金融量化_day33 Python与金融量化分析(三)

1 # 导入函数库2 import jqdata3 import numpy asnp45 # 初始化函数,设定基准等等6 def initialize(context):7 set_option('use_real_price', True)8 set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, cl...

weixin_42500963的博客 423

Hy金融建模:量化分析与算法交易的Lisp实现终极指南

Hy编程语言作为嵌入Python的Lisp方言,为金融建模和量化分析带来了全新的编程范式。本文将为您详细介绍如何使用Hy进行高效的数据分析、算法交易和风险建模,让您在量化投资领域获得竞争优势。🚀 ## 为什么选择Hy进行金融建模? Hy语言结合了Lisp的函数式编程优势和Python的丰富生态系统,为量化交易提供了独特的技术优势: - **宏系统支持**:通过强大的元编程能力,快速构建复杂

gitblog_00436的博客 1017

3步掌握Python期权量化分析的终极指南

在金融量化投资领域,期权分析工具的设计理念直接影响策略开发的效率与准确性。本文从开发者工具架构角度,深入解析Optopsy期权回测库的设计哲学与实现机制,帮助量化交易从业者构建高效的期权策略分析系统。 ## 期权数据分析引擎架构解析 ### 数据层抽象设计 Optopsy通过datafeeds.py模块实现了灵活的数据接入层,支持多种期权数据格式的无缝集成。该模块采用适配器模式,将不同来源的

gitblog_00703的博客 662

[量化投资-学习笔记011]Python+TDengine从零开始搭建量化分析平台-MACD金死叉策略回测

在上一章节中结束了如何根据 MACD 金死叉计算交易信号。本次将根据交易信号,模拟交易。更加历史数据对MACD金死叉交易策略进行回测,看一下收益如何。

DBA大董的博客 2万+
上一篇: 6个顶级Python可视化库
下一篇: 年薪30万已是白菜价!国内互联网大厂月薪一览,字节和拼多多遥遥领先?
菜鸟学Python
博客等级 码龄9年 8084粉丝 571原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值