扫地僧开源量化框架（backtrader、Qlib等）学习官网

最新推荐文章于 2025-06-01 09:07:38 发布
最新推荐文章于 2025-06-01 09:07:38 发布
阅读量2.2k 收藏 1
点赞数
CC 4.0 BY-SA版权
分类专栏： 扫地僧backtrader量化回测与实盘
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qtbgo/article/details/113102321

扫地僧开源量化框架（backtrader、Qlib等）学习官网上线了，欢迎浏览，网址在这里。

Backtrader官方中文文档:第十章Broker经纪人
汇渊科技
06-07 1393
官方broker章节：https://www.backtrader.com/docu/broker/
Backtrader 量化平台研究
QuantHero的博客
06-25 1619
Backtrader 中国期货回测 Backtrader 简介 先说几句题外话，Backtrader 到底谁在用？一下内容转自backtrader官方网站中References部分：https://www.backtrader.com/home/references/who-is-using-it/ Who is using it 我简单说几点： 2家 Eurostoxx50 银行 6家量化私募 不过这些都是很早以前的数据，还有一些做能源交易的对冲基金。 reddit里面有个algo trading 板块
机器学习模型与backtrader框架整合
weixin_38175458的博客
11-26 1584
排序算子，就是在候选池或者已选择的标的池里，按某一个因子顺序选择前K个，比如动量从大到小选前2支，或者按机器模型预估的分数值，选前面K支。这个算法类似qlib里的TopK，qlib的更复杂一些，它是针对全市场选股，为了保证流动性，会强调淘汰排名靠后的后5支，但原理是类似的。然后对数据进行预测，生成pred_score列。我们前面已经完成了数据标注，特征工程，数据集划分，模型准备，训练与评估等等。2、取当前日期的bar，对order_by字段进行排序（默认是升级，可以指定为降序）。否则使用整体资产候选池子。
Qlib项目中的PIT数据库详解：金融时序数据的关键技术
最新发布
gitblog_01108的博客
06-01 299
Qlib项目中的PIT数据库详解：金融时序数据的关键技术 qlib Qlib 是一个面向人工智能的量化投资平台，其目标是通过在量化投资中运用AI技术来发掘潜力、赋能研究并创造价值，从探索投资策略到实现产品化部署。该平台支持多种机器学习建模范式，包括有监督学习、市场动态建模以及强化学习等。 ...
整合：qlib的AI导向的框架与backtrader的事件驱动与实盘
weixin_38175458的博客
11-10 1863
当然，策略不是静态的，一劳永逸的东西，它是一个体系，需要可迭代会随市场自我进化，并不存在永恒的圣杯，这是金融与物理最大的差别。物理定律就在那里，你发现或者不发现，它都不会变，它就等着你去发现。我观察分析了一下，星球会员群里主要是两类用户，一类是工程师，算法专家等，熟悉python，对金融量化感兴趣；大家的需求有几个方面：首先是量化的知识体系，如何体系化的入门到精通，需要一个更加结构化的知识体系。从大的技术路线上来看，AI量化肯定是对的方向，这个不需要怀疑，只是所处的阶段，有多少能够落地这个需要时间来论证。
量化交易平台之二：Backtrader
dhp811的专栏
03-12 1115
Backtrader是一个用Python编写的灵活的回测框架，用于开发和测试交易策略。它支持多种数据源和交易API，并提供丰富的分析功能，使得开发者可以在此框架上进行详尽的策略测试和优化。
Backtrader官方中文文档
12-01 7466
Backtrader官方中文文档
量化交易入门（十七）回测框架Backtrader
Coder加油站的专栏
03-25 2063
总的来说,这段代码定义了一个简单的均线交叉策略,使用 Backtrader 库进行了回测。这为进一步开发和优化交易策略提供了一个良好的起点。Backtrader是一个Python的事件驱动型回测框架,它允许交易者轻松地定义交易策略,并在历史数据上进行回测和优化。Backtrader的设计遵循面向对象的原则,提供了灵活、可扩展、易用的API。这个示例定义了一个简单的双均线交叉策略,当短期均线上穿长期均线时买入,下穿时卖出。Cerebro 是 Backtrader 的核心回测引擎,用于执行策略并分析结果。
扫地僧AI量化平台Qlib给力教程系列一：核心篇
qtbgo的博客
10-13 1342
我们针对最新版的Qlib开发了全新的视频课程：“扫地僧AI量化平台Qlib给力教程系列一：核心篇“，已经登陆腾讯课堂，有助于彻底解答上述疑问，去知乎搜索“扫地僧AI量化平台Qlib给力教程系列一 ”获取。qlib内置了几十种机器学习模型，学会后非常有助于您面试实习找工作，对想将机器学习应用于量化研究的实践人员也大有裨益。自从去年微软发表Qlib以来，Qlib经历重大升级修订，许多以往的技术介绍文章已经过时。
微软人工智能AI量化投资平台Qlib技术教程
07-01
6 如何查询因子库数据7 实验工作流裁剪8 提供源码可以将Qlib的机器学习和另一个更加成熟的基于python的开源量化回测框架backtrader一起使用。关于backtrader技术教程，可搜索扫地僧backtrader给力教程
扫地僧Backtrader股票量化回测核心篇
04-27
扫地僧Backtrader股票量化回测核心篇 + 源码
backtrader参考手册.pdf
01-26
一个功能丰富的Python测试和交易框架。backtrader能够让策略研究员专注于编写可重用的交易策略、指标和分析器，而不是花时间构建基础设施。
微软 AI 量化投资平台 Qlib 体验1
08-03
Qlib 的基础功能包括：以港股日频量价因子 LightGBM 选股策略为例，Qlib 官方推荐的学习素材有 GitHub 文档和在线文档，包含 A 股日频量价因子 AI 选股策略案例。我们可以参考官方代码，设计新的应用场景，以港股日...
qlib与市面上的量化回测框架有何区别？
qtbgo的博客
01-21 1590
qlib自带一个简单的回测功能，回测功能很简单，相对backtrader等回测功能全面的回测平台弱多了。但你可以将qlib预测结果文件放到backtrader等回测平台，在backtrader中据此做回测逻辑。qlib最重要的功能是可以根据多因子，利用各种机器学习算法预测股票未来收益率，给出的最重要的结果也是这个预测结果文件。拿到这个结果文件，你可以放到任何回测平台里做回测逻辑。经常有同学问，qlib相对backtrader，veighna，聚宽回测平台，wondertrader等有何优缺点？
BackTrader 中文文档（一）
龙哥盟
04-15 3863
原文：www.backtrader.com/docu/欢迎来到backtrader文档！该平台有两个主要目标：易用性回到 1注意基于*《功夫小子》*的规则（Mr. Miyagi制定的）而松散地制定。运行该平台的基础知识：创建一个策略决定潜在的可调参数实例化策略中需要的指标写下进入/退出市场的逻辑提示准备一些指标作为多头空头信号然后创建一个Cerebro引擎首先：注入策略（或基于信号的策略）然后：加载并注入数据源（一旦创建，请使用然后执行该平台高度可配置。
Qlib+backtrader：2014.1.1-2023.9.20最新回测结果，可以实盘吗？
qtbgo的博客
01-18 1077
今年以来，在研究了qlib和backtrader的基础上，把二者结合起来进行了一个策略研究。简单说就是用qlib在200只股票的股票池中进行滚动训练与预测（walk forward），总体数据范围是2005到2023年，以20日间隔滚动训练和预测，最终得到2014.1.1-2023.9.20共10年测试期的收益率预测结果。将预测结果代入backtrader进行回测，得到如下回测结果。
量化回测框架Backtrader【1】-环境安装(windows)
半盒阿尔卑斯的博客
04-30 4204
目录 零，序言 一，安装Python（anaconda） 二，安装backtrader 三，测试 零，序言 学习量化交易就要先找个合适的回测平台或框架可以测试自己的策略，网上倒是搜到了不少知名的量化平台，普遍都是要钱的，当然有免费的服务，但执行速度就不提了，大家都懂，另外策略在别人的平台上运行也有泄露的风险。本来想干脆自己开发个回测框架算了，但转念一想，伟大的github上应该有开源的，本着不重复造轮子的精神（其实是懒），搜了一下还真找到几个开源框架，看了下评价，貌似backtrader是.
BackTrader快速入门
天山老妖
10-28 2713
品种多：股票、期货、期权、外汇、数字货币；周期全：Ticks级、秒级、分钟级、日度、周度、月度、年度；速度快：pandas矢量运算、多策略并行运算；组件多：内置Ta-lib技术指标库、PyFlio分析模块、plot绘图模块、参数自动优化等；扩展灵活：可以随意搭配组件扩展开发，支持pyflio、empyrica分析模块库、alphalens多因子分析模块库等；可以集成TensorFlow、PyTorch和Keras等机器学习、神经网络分析模块。社区活跃、帮助文档齐全。
评论
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

打赏作者

扫地僧量化

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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