LY的博客

在 IPython 环境下，内核可能会对日志进行重定向，从而引发问题。

指标可用于backtrader 平台中的两个位置：内部策略其他指标内部指标总是在策略中期间实例化使用/检查指标值（或其推导出的值）有一个重要的公理需要考虑：让我们去的差异和操作模式。工作原理如下：期间涉及lines对象的任何操作都会生成另一个lines对象中任何涉及lines对象的操作都会产生常规的Python类型，如floats和bools。期间的操作示例：变量保存对lines对象的引用，该对象在调用之前预先计算，可以使用标准数组表示法访问很明显，它包含了每个数据馈送的高和低之间的差异。这也适用于

我本身在做非全日制研究生的作业，于是我把研究过程用到的代码开源了，供更多的金融和经济专业的同学借鉴。事件研究法（EventStudy）用于评估某一事件的发生或信息的发布，是否会改变投资人的决策，进而影响股票价格或交易量的变化。事件研究法应用于金融领域，借助金融市场数据分析某一特定经济事件对该公司价值或市场产生的影响，即是否产生超常收益（AbnormalReturns）。其理论基础在于，如果市场是有效的，那么此事件的影响会迅速反映到资产的价格上。在本章节中，采用前文描述的事件分析法分析浑水做空中概股事件.

# 导入函数库from jqdata import *import jqdataimport jqlib.technical_analysis import pandas as pdimport talib as ta# 初始化函数，设定基准等等def initialize(context): # 设定沪深300作为基准 set_benchmark('000300.XSHG') # 开启动态复权模式(真实价格) set_option('use_real_p.

import pandas as pddef get_return_aip(code, s_date, e_date): #改写成每日定投 info = 'unit_net_value' # unit_net_value: 基金单位净值 df = get_extras(info, code, start_date=s_date, end_date=e_date) # 获取传入基金指定时间段内 单位净值列表 info = 'adj_net_value' # 场外基金的.

import numpy as npimport talibimport timeimport jqdataimport talibimport smtplibfrom email.mime.text import MIMETextfrom email.header import Header## 初始化函数，设定基准等等def initialize(context): ...

当证券（期货或者个股）RSI高于80或者低于20email自己作交易提醒环境为joinquant，语言为PYimport numpy as npimport talibimport timeimport jqdataimport talibimport smtplibfrom email.mime.text import MIMETextfrom email.header ...

使用TALIB计算macdext注意TALIB.MACD 和TALIBMACDEXT使用的平均线类型不一样，同花顺使用的是ext经测试与同花顺MACD指标基本相符合，没必要再造轮子def macd(close): macdDIFF, macdDEA, macd = talib.MACDEXT(df['close'], fastperiod=12, fastmatype=1, ...

 首先通过聚宽平台得到A股上市公司的基本面数据（使用了2018年三季度报），以下是两段代码# -*- coding: utf-8 -*-import numpy as npimport pandas as pddef getdata(statdate):    q = query(         valuation.code,  #代码            valuati...

import tushare as tsimport requestsimport timestart = time.time()#调用新浪apicontent=requests.get('http://hq.sinajs.cn/?format=json&list=sh600000').textlist = content.split(',')print (conten...

通过学习近两年的每个季度报的基本面财务数据，建立模型，买入并持有预测三个月后会涨5%以上的股票，直到下一批季度报数据采集：用到了大约10018行数据（已去除缺失值，不采用填充），其中采用了两个技术指标（趋势指标CYES,CYEL） circulating_market_cap operating_revenue net_profit roe \count ...

TARGET设置为当日股价/半年前股价，若大于1则为盈利，设为1.小于等于1，设为0。 以后可以考虑再减去无风险收益率或者沪深300收益率，以体现超额收益。数据来自于20180324的股价，20170901的股价，股票池为中证500和沪深300成分股（与数千只A股总量相比，它们的流动性、市值和规模具有显著特点，所以测试结果并不保证适用于其他股票，尤其是小市值不稳定的创业板块）部分财务数据取对数减少...

#获取20170831，20180323的沪深三百成分及中证500的成分股当日收盘价# coding=utf-8import pandas as pdimport tushare as tsimport sysfrom sqlalchemy import create_engineimport numpy as npreload(sys)sys.setdefaultencodin...

数据来自于tushare使用了sqlalchemy 包的引擎来保存数据与SQL# coding=utf-8import pandas as pdimport tushare as tsimport sysfrom sqlalchemy import create_enginereload(sys)sys.setdefaultencoding("utf-8")zz500=ts....

看了一篇雪球网上的文章，豁然开朗。  配对分析大体为，拿基本面、技术面相似的股票做配对交易，先单位根检验平稳，再协整分析，按回归模型为:Y=C+βX+ε，做回归。  引用一下：”本策略中我们在每个月月初重做这个回归的分析以更新系数，采用的数据是此前120日的数据。在测到相关的系数后，我们认为股票Y的理论价格上限与理论价格下限分别是：upper_bound=C+βX+2σX，lower_bo