- 博客(106)
- 资源 (4)
- 问答 (4)
- 收藏
- 关注
RSS订阅
原创 Quant星球-量化连载
在量化投资中，通常采用一列收益指标来评价投资策略的收益，常用的收益指标：总收益、年化收益率、胜率、盈亏次数比等。，泰坦尼克号（RMS Titanic），又译作铁达尼号，是英国白星航运公司下辖的一艘奥林匹克级游轮，排水量46000吨，是当时世界上体积最庞大、内部设施最豪华的客运轮船，有“永不沉没”的美誉。本篇主要梳理金融交易中常用到的数据，包括：宏观数据、行情数据、资金数据等等。该部分主要介绍量化交易系统的组成：数据获取、数据处理、策略开发、策略回测、风险管理、实盘交易、系统监控等。
2024-10-17 18:59:15
982
原创 01LinePlot
线图（Line Plot）是数据可视化中最常用且直观的图表类型之一，广泛应用于时间序列分析、趋势展示以及变量关系探索等场景。本文将围绕线图的特点、使用场景、图表解读、图形变体以及核心函数参数解读展开讨论，并通过具体代码示例帮助读者深入理解如何高效利用线图进行数据分析。运行上述代码后，将看到一张包含两条线的图表，分别表示瑞典和日本的人均GDP与预期寿命的关系。线图可用于探索两个变量之间的关系，尤其是在非线性关系中，能够直观地观察到变化规律。当需要比较多个变量的趋势时，线图可以通过不同的颜色或样式区分各变量。
2025-03-25 13:35:24
902
原创 三重滤网交易系统（基于Backtrader实现）
三重滤网交易系统由亚历山大·埃尔德博士（Alexander Elder）于1985年设计，是一种结合多时间框架和多种技术指标的交易策略。三重滤网系统的理念是，在不同时间结构之下，运用追踪趋势指标与震荡指标对相关金融工具进行分析。
2025-03-02 09:53:41
876
原创 文献精汇|121 模型：用于高收益交易的 LSTM 驱动的协整策略
的目标——旨在将深度学习的预测能力与金融计量经济学的基本原则相结合。以下是使121模型与众不同的基本思想和方法，以及它如何使用机器学习来驾驭金融市场的复杂性并根据微妙的价格变动生成信号。121模型的两个概念是协整和长短期记忆（LSTM）神经网络。换句话说，121模型依靠协整来检测一组具有长期均衡关系的资产对，然后应用LSTM来预测与该均衡的短期偏差。正是这种双重方法使该模型能够利用暂时的价格差异，从而获得令人印象深刻的121%的年化回报。
2025-01-18 23:12:28
1253
原创 基于Backtrader实现16技术指标策略
在本文中，我们将重点介绍Backtrader— 一个用于回溯测试、策略可视化和实时交易的流行 Python 框架。我们的目标是使用构成 Backtrader 技术分析 基础的技术指标来比较各种交易技术。前提很简单——如果一个策略过去表现不佳，那么将来就不太可能产生积极的结果。大多数流行的指标已经在 Backtrader 平台中编程。事实上，Backtrader 的灵活性和强大的 Cerebro 引擎使使用历史数据回溯测试交易策略变得容易。
2025-01-15 16:32:58
810
原创 [文献精汇]使用 LSTM Networks 的均值回归交易策略
介绍](如何将均值回归理论与 LSTM 神经网络相结合，以创建一个交易策略。将讨论数据预处理、模型训练、策略实施和性能评估，从而避免数据泄露并使用有效的风险管理。
2025-01-13 12:35:29
983
原创 [文献精汇]M2 作为市场趋势的预测指标
M2是广义货币供应量的简称，它包括流通中的现金（M0）、活期存款（M1），以及定期存款、储蓄存款和其他形式的存款。M0流通中的现金，即在银行体系外的现金。M1M0 + 企业活期存款。M2M1 + 定期存款 + 居民储蓄存款 + 其他存款。M2 反映了一个国家或地区内所有可以用于消费和投资的货币总量，不仅反映现实的购买力，还反映潜在的购买力。M2SL 和标准普尔 500 指数显示出非常强的相关性，表明 M2 可能对股市产生重大影响。
2025-01-11 09:18:54
250
原创 [文献精汇]使用PyCaret预测 Apple 股价
开发一个机器学习模型来尝试通过线性回归分析来预测 Apple 股票的价格会很有趣。PyCaret 的库，这是一个开源的 Python 低代码机器学习库，可以自动化机器学习工作流程，非常适合像我这样的机器学习初学者。
2025-01-07 21:00:00
377
原创 高级 Python 技术：掌握波动率指标以更好地进行市场分析
CHV 指标不直接预测价格方向，而是专注于波动性的变化，帮助交易者识别潜在的市场突破或趋势反转。Relative Volatility Index (RVI) 是一种强大的技术分析工具，能够帮助交易者识别市场波动性和趋势强度。尽管其计算复杂且存在一定滞后性，但结合其他指标使用时，RVI 可以提供更全面的市场洞察，帮助交易者做出更明智的决策。它通过计算一定周期内的最高价和最低价，形成一个价格通道，帮助交易者判断市场的支撑位、阻力位以及趋势方向。上升的 RVI 表明走强的趋势，而下降的 RVI 表明势头减弱。
2025-01-05 05:55:10
921
原创 在 Python 中使用 ADX 进行算法交易
在阅读本文前，可查阅以往文章:技术指标有几个分支，其中趋势指标使用最广泛。这些工具可帮助交易者确定市场趋势的方向和强度，使他们能够相应地调整交易。如果趋势指标得到有效应用，它们通常会产生积极的结果。在本文中，将仔细研究最突出的趋势指标之一——平均方向指数 （ADX）。首先，将对 ADX 有一个基本的了解，包括其用途和计算。之后，将从头开始开发指标，并在 Python 中基于它实施交易策略。
2025-01-01 07:28:11
869
原创 2024年，尽我所能，敬我不能
2024年，尽我所能，敬我不能，敬平凡，敬放下，敬坚持，敬付出，敬生命以痛吻我！时光换新历一切来得及，愿此成为自己的道路上，永远保持那份信念~
2024-12-31 12:09:06
273
原创 Python 中的 VWAP 算法策略
使用 Python 中的 VWAP 和移动平均线策略进行比特币算法交易回测。我们将深入探讨算法交易的 VWAP（成交量加权平均价格）和移动平均线 （MA） 指标的详细比较。VWAP 和移动平均线是交易者中流行的工具，每种工具都提供独特的见解。移动平均线提供了简单的价格平均值，而 VWAP 通过结合交易量提供了更微妙的视角。这种区别对于确定证券是被高估还是被低估至关重要。我们将讨论为什么 VWAP 经常受到交易者的青睐，以及它如何作为动态支撑位和阻力位。
2024-12-29 19:05:58
971
原创 多因子模型连载
它通过将多个不同的因子（如市值、动量、价值、质量等）结合起来，构建一个综合的模型来评估股票的表现。多因子模型不仅能够捕捉单个因子的影响，还能分析不同因子之间的相互作用，从而提供更全面的风险和收益解释。它主要用于量化投资领域，帮助分析师和研究人员评估因子在历史数据中的表现，并生成详细的统计报告和可视化图表。多因子模型的核心思想是假设股票的预期收益可以由多个系统性风险因子解释。每个因子代表市场中的某种风险或回报来源，投资者可以通过暴露于这些因子来获得相应的风险溢价。生态系统的一部分，通常与。
2024-12-27 19:33:21
1039
原创 【量化策略】波动指数-用Python检测范围和趋势市场
在彻底涵盖了理论和实施之后，我们对波动指数、其计算和实际应用有了深入的了解。虽然它看起来是一个简单的指标，但它在交易中非常有价值，因为它可以帮助避免不必要的损失。但是，由于其滞后性，在使用它进行交易决策时要谨慎行事至关重要。波动指数不应作为确定进入和退出点的唯一基础，而应用作更大交易策略中的补充过滤器。策略优化：波动指数的有效性不仅仅是较高和较低的阈值。必须有一个经过充分优化的交易策略来有效利用该指标。在将策略应用于实际交易之前，请务必改进您的策略。
2024-12-27 11:46:43
839
原创 机器学习连载
（Machine learning）是人工智能的子集，是实现人工智能的一种途径，但并不是唯一的途径。它是一门专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的学科。
2024-12-25 15:50:13
465
原创 多因子模型+Alphalens+实例
多因子模型（Multiple-Factor Model, MFM）正是基于 APT 模型的思想发展出来的完整的风险模型。Alphalens的输入是因子的历史取值和对应的资产价格（或回报），然后比较因子的预测和资产的实际表现，最后给出。Alphalens是一个python库，用来分析一个因子预测未来收益的能力，可以验证并突出展示。多因子模型本质上是将对于 只股票的收益-风险预测转变成对于 个因子的收益—风险预测。多因子模型的优势在于它可以提供更为完整的。的取值和资产的价格（或回报）。与未来收益之间的相关性。
2024-12-25 15:40:09
403
原创 量化交易连载-事件驱动回测框架+网格交易
是开发量化交易策略的基础。有两种基本的思路来实现这个回测框架：（1）基于向量的：用一个稀疏的向量来记录是否有买入卖出的信号生成。（2）基于事件的：读入新的数据产生心跳，策略产生买入卖出信号，来触发一系列新的事件，产生交易行为。是一种投资策略，其原理是在价格波动的不同水平上建立买入和卖出订单，从而在市场波动中实现利润。具体来说，网格交易通常会在价格波动的不同水平上设置一系列买入和卖出订单，形成一个“网格”。当价格上涨时，卖出订单会在不同的价格水平上触发，从而实现部分利润，同时新的买入订单也会被设置。
2024-12-25 06:30:00
958
原创 使用Python优化RSI策略
从使用我们设置的参数（rsi_period=14，超买水平 = 70，超卖水平 = 30）的回测结果中，我们可以看到结果一点也不好，从 10,000 美元涨到了 10,167 美元。因此，我们需要进行优化以找到最佳参数。从结果中，我们可以看到，从 10,000 美元开始，它增长到 59,341.05 美元，跌幅不超过 25%。该策略是模拟的，用户从余额（例如 10,000 美元）开始，并根据 RSI 信号进行交易。下一步是找到关键 RSI 参数的最佳值，例如 RSI 周期、超买和超卖水平，以及止损百分比。
2024-12-24 19:23:35
813
原创 Backtrader-06-Commission
Backtrader 中默认配置了 2 种费用：“股票百分比费用”和“期货固定费用”。通过继承CommInfoBase自定义交易费用子类，再定义相关税费参数，重写_getcommission方法，最后通过broker.addcommissioninfo方法。继承CommInfoBase期货固定费用params = (股票百分比费用params = (重写_getcommission'''通过addcommissioninfo调用# 自定义期货百分比费用params = (
2024-12-24 06:30:00
702
原创 Renko
什么是 Renko 图表？Renko 图表（Renko Chart）是一种技术分析工具，最初源自日本，意为“砖块”（brick）。与传统的基于时间的图表（如线形图、柱状图或蜡烛图）不同，Renko 图表是基于价格变动来绘制的，而不是基于时间。每个“砖块”代表一个固定的价格变动幅度，只有当价格达到设定的阈值时，才会形成新的砖块。Renko 图表的独特之处在于它过滤了市场中的噪声，专注于价格的趋势和方向，因此在趋势跟踪和突破策略中非常有用。
2024-12-21 10:51:09
753
原创 使用 Python 的波动率和交易量指标的高级动量交易策略
一个简单的动量指标可以计算为给定时期内股票价格的变化率 （ROC）。这有助于发出潜在的买入或卖出操作信号。
2024-12-20 12:35:36
961
Spring + Hibernate4 无法将数据写入数据【请教】
2013-11-06
请教：Spring + Hibernate 无法将数据写入数据库?
2013-11-06
请教 SpringMVC 中 @Autowired 注入报错？
2013-10-23
使用treeViewer.setInput的问题？谢谢各位...
2009-04-13
TA创建的收藏夹 TA关注的收藏夹
TA关注的人