叶子的博客

框架：Backtrader数据：Tushare来源：151个交易策略 《151 Trading Strategies》3.1 Strategy: Price-momentum关键参数(1) 收益率(2) T周期内累计收益(3) T周期内平均收益率(4) 风险调整收益(5) 收益波动方差...

量化分析基本框架示例框架：Backtrader数据：Tushare安装方式：金融量化分析基础环境搭建示例代码：import pandas as pd from datetime import datetimeimport backtrader as btimport tushare as ts import matplotlib.pyplot as pltts.set_token('Tushare账户token')#获取方式请参考安装方式链接pro = ts.pro_a

金融量化分析基础环境搭建第一步：Python安装anaconda官网下载下载地址https://www.anaconda.com/distribution/注意选用该电脑相应的系统和64/32位。已安装Python使用环境的请跳过此步骤。第二步：Backtrader安装Backtrader功能十分完善，有完整的使用文档，安装相对简单（直接pip安装即可）。优点是运行速度快，内置了talib股票分析技术指标库；支持多品种、多策略、多周期的回测和交易；扩展灵活，可以集成TensorFlow

def jincha(context, bar_dict, his):    #站上5日线    def zs5(context, bar_dict, his):        ma_n = pd.rolling_mean(his, 5)        temp = his - ma_n       #temp_s包含了前一天站上五日线得股票代码

#过滤次新股、是否涨跌停、是否停牌等条件def filcon(context,bar_dict,tar_list): def zdt_trade(stock, context, bar_dict): yesterday = history(2,'1d', 'close')[stock].values[-1] zt = round(1.10 * ye

# 按平均持仓市值调仓def for_balance(context,bar_dict):   #mvalues = context.portfolio.market_value   #avalues = context.portfolio.portfolio_value   #per = mvalues / avalues   hlist = []   for stock

Python股票历史数据预处理（一）在进行量化投资交易编程时，我们需要股票历史数据作为分析依据，下面介绍如何通过Python获取股票历史数据并且将结果存为DataFrame格式。处理后的股票历史数据下载链接为：http://download.youkuaiyun.com/detail/suiyingy/9688505。具体步骤如下：(1) 建立股票池，这里按照股本大小来作为选择依据。(

Python股票历史数据预处理（二）       从网上下载的股票历史数据往往不能直接使用，需要转换为自己所需要的格式。下面以Python代码编程为工具，将csv文件中存储的股票历史数据提取出来并处理。处理的数据结果为是30天涨跌幅子数据库，下载地址为：http://download.youkuaiyun.com/detail/suiyingy/9688605。主要步骤有（Python csv

Python股票历史涨跌幅数据获取       股票涨跌幅数据是量化投资学习的基本数据资料之一，下面以Python代码编程为工具，获得所需要的历史数据。主要步骤有：（1） #按照市值从小到大的顺序活得N支股票的代码；（2） #分别对这一百只股票进行100支股票操作；（3） #获取从2016.05.01到2016.11.17的涨跌幅数据；（4） #选取记录大于40个的数据，去除次