Shepherdppz的博客

网上有很多金融数据（价格行情数据、基本面数据等）工具可用，但是，不是速度慢、就是限流量，或者收费高。有什么工具可以定期大批量将数据拉取过来，清洗干净，保存到本地，并集中统一管理呢？如果还能顺便做交易策略回测、优化并实盘交易更好？本文介绍如何用qteasy解决上面所有的痛点。

我们今天使用qteasy来回测一个双均线择时交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。为了继续本章的内容，您需要安装qteasy【教程1】，并下载历史数据到本地【教程2、），详情可以参考更多教程【教程3】。建议您先按照前面教程的内容了解qteasy的使用方法，然后再参考这里的例子创建自己的交易策略。

我们今天使用qteasy来回测一个双均线择时交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。为了继续本章的内容，您需要安装qteasy【教程1】，并下载历史数据到本地【教程2、），详情可以参考更多教程【教程3】。建议您先按照前面教程的内容了解qteasy的使用方法，然后再参考这里的例子创建自己的交易策略。

我们今天使用qteasy来回测一个双均线择时交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。为了继续本章的内容，您需要安装qteasy【教程1】，并下载历史数据到本地【教程2、），详情可以参考更多教程【教程3】。建议您先按照前面教程的内容了解qteasy的使用方法，然后再参考这里的例子创建自己的交易策略。pars=pars,

我们今天使用qteasy来回测一个多因子选股交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。为了继续本章的内容，您需要安装qteasy【教程1】，并下载历史数据到本地【教程2、），详情可以参考更多教程【教程3】。建议您先按照前面教程的内容了解qteasy的使用方法，然后再参考这里的例子创建自己的交易策略。本策略需要先定义一个加权收益率计算函数，然后在策略中调用这个函数完成计算。

我们今天使用qteasy来回测一个集合竞价选股交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。为了继续本章的内容，您需要安装qteasy【教程1】，并下载历史数据到本地【教程2、），详情可以参考更多教程【教程3】。建议您先按照前面教程的内容了解qteasy的使用方法，然后再参考这里的例子创建自己的交易策略。使用。

我们今天使用qteasy来回测一个双均线择时交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。

我们使用`qteasy`来回测一个alpha选股交易策略，`qteasy`是一个功能全面且易用的量化交易策略框架，使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。

qteasy量化交易框架教程的第七节，介绍了一个比较复杂的多因子选股交易策略，这是一个自定义量化交易策略，回测结果显示该策略表现较好

qteasy自定义交易策略教程续篇，继续使用两个例子介绍了FactorSorter和GeneralStg两种自定义量化交易策略，给出了详细代码解析，分析了详细工作流程

从X86架构切换到M1芯片的Mac后在python中导入TA-Lib包错Import Error: symbol not found in flat namespace '_TA_ACOS', 这里有全套解决方案

qteasy使用教程第四节，介绍了如何使用混合器blender，将多个相对比较简单的交易策略混合成一个较为复杂的交易策略。

pandas写入数据库时出现 "nan can't be used with mysql" 错误的解决方法。不同pandas版本处理方式不同，导致产生了坑，看这里避免踩坑！

python量化交易——TA-lib常用技术分析函数的python实现版，基于pandas实现

QTEASY是为量化交易人员开发的一套量化交易策略开发工具包，功能包括金融数据的下载、清洗、存储和调用、交易策略的创建、回测、评价及优化、交易策略的实盘运行。这是qteasy的使用教程第一章，介绍了如何安装并初始化

本文介绍了Soft-BBAND技术指标，并且使用了qteasy在403支股票上进行了5年的历史交易回测，测试该指标的历史择时表现，并与其他33个技术指标进行了横向对比。比较其择时性能以及适应度，回测表明，该指标表现很差！

本文介绍了BBAND技术指标，并且使用了qteasy在403支股票上进行了5年的历史交易回测，测试该指标的历史择时表现，并与其他33个技术指标进行了横向对比。比较其择时性能以及适应度，回测表明，该指标表现

本文介绍了D-SMA技术指标，并且使用了qteasy在403支股票上进行了5年的历史交易回测，测试该指标的历史择时表现，并与其他33个技术指标进行了横向对比。比较其择时性能以及适应度，回测表明，该指标表现不理想！

本文介绍了DI技术指标，并且使用了qteasy在403支股票上进行了5年的历史交易回测，测试该指标的历史择时表现，并与其他33个技术指标进行了横向对比。比较其择时性能以及适应度，回测表明，该指标表现不错！

本文介绍了STOCH技术指标，并且使用了qteasy在403支股票上进行了5年的历史交易回测，测试该指标的历史择时表现，并与其他33个技术指标进行了横向对比。比较其择时性能以及适应度，回测表明，该指标表现

本文介绍了STOCHF技术指标，并且使用了qteasy在403支股票上进行了5年的历史交易回测，测试该指标的历史择时表现，并与其他33个技术指标进行了横向对比。比较其择时性能以及适应度，回测表明，该指标表现不理想！

本文介绍了PPO技术指标，并且使用qteasy在403支股票上使用历史数据回测了该技术指标的择时表现，并于其他33个技术指标进行了横向对比，比较其性能即适应度，该指标表现不理想！

本文介绍了MACDEXT技术指标，并且使用qteasy在403支股票上使用历史数据回测了该技术指标的择时表现，并于其他33个技术指标进行了横向对比，比较其性能即适应度，该指标表现很好！

本文介绍了MOM技术指标，并且使用qteasy在403支股票上使用历史数据回测了该技术指标的择时表现，并于其他33个技术指标进行了横向对比，比较其性能即适应度，该指标表现不错！

本文介绍了RSI技术指标，并且使用qteasy在403支股票上使用历史数据回测了该技术指标的择时表现，并于其他33个技术指标进行了横向对比，比较其性能即适应度

介绍了三重指数平滑平均线T3的定义和用法，介绍了qteasy内置的几种利用T3指标的交易策略，并使用标准方法在433支股票上进行了回测，与其他33种技术指标进行了横向对比。

简单介绍了TRIX指标的原理和应用方法，使用标准化测试模型在433支股票上测试了TRIX指标的择时效果，与其他33种技术指标进行了横向对比

简要介绍了DMA技术指标的定义和使用方法，利用qteasy内置的DMA交易策略，在433支股票上进行了回测，与其他的技术指标进行横向对比，得出指标的有效性和适用性

简要介绍了MACD技术指标的定义，然后利用qteasy对一个基于MACD指标的择时交易策略，在433支股票上进行了标准化回测分析，给出横向评价结果

在400多支股票上回测CMO技术指标择时交易策略并与其他技术指标进行横向对比

需要大量使用金融历史数据做量化交易的同学们看过来！使用qteasy量化交易工具包，只需要做简单的配置，就可以用几行代码将网上的大量金融数据统统下载到本地，建立一个本地数据仓库。股票、基金、指数、上市公司信息、财务报表、宏观经济。。。一应俱全！

介绍了股票量化交易技术指标CCI的用法和定义，使用qteasy对CCI指标在433只股票上进行了回测，以便横向对比CCI指标与其他指标在择时方面的效果

33种技术择时指标大比拼，介绍AROON指标，使用QTEASY回测结果并进行评价

介绍APO择时指标，并且使用一套统一的评价方法评测该指标的赚钱效应，并与其他32个技术指标进行横向比较

介绍ADX择时指标，并且使用一套统一的评价方法评测该指标的赚钱效应，并与其他32个技术指标进行横向比较

择时是一个投资者避不开的话题，那么，通过技术指标能否赚钱？TA-Lib中的指标是否真的有效？让我们通过超过400支股票的历史回测数据来说话，看看技术指标是否有效，哪些有效？

详细地讲解如何使用matplotlib生成一张专业的量化投资回测结果数据可视化仪表盘，完整而又主次分明地展示投资回测结果的所有关键信息。

量化投资：投资组合的评价和可视化、alpha阿尔法beta贝塔volatility波动率sharp夏普率等常用评价指标的含义、计算公式以及代码详解alpha阿尔法系数beta贝塔系数volatility波动率sharp夏普率MaxDrawdown最大回撤投资结果评价可视化..................

使用qteasy创建并优化一个大小盘轮动选股投资策略，通过2011年到2020年十年间的回测，实现比沪深300高20倍的回报，年化收益26%

Python学习笔记改进shunting-yard调度场算法，解析含有函数式的数学表达式改进的Shunting-yard算法后缀表达式的计算改进shunting-yard调度场算法，解析含有函数式的数学表达式在最近的量化系统开发过程中，我遇到了一个问题，需要解析用户输入的数学/逻辑表达式，并计算这个表达式的结果。解析数学表达式的经典方法是所谓的调度场算法(Shunting-yard algorithm)，将数学表达式由人类易读的“中缀表达式”重写为“后缀表达式”（逆波兰表达式），从而让计算机容易计算其结