Python量化策略入门1-如何利用聚宽(JoinQuant)下载金融数据

最新推荐文章于 2025-04-16 05:27:32 发布
最新推荐文章于 2025-04-16 05:27:32 发布
阅读量1.2w 收藏 62
点赞数 7
分类专栏： Python量化入门教程 文章标签： python
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/wangxinyu0102/article/details/108174144
版权

@[TOC]量化策略入门1-如何利用聚宽(JoinQuant)下载金融数据

前言

量化策略入门系列文章是本人学习股票量化笔记，最终输出结果希望是一个可在本地运行的回测框架，包含数据获取，数据处理，策略回测等。

本文主要为了介绍如何利用聚宽(JoinQuant)的数据接口下载金融数据。主要针对量价数据(开盘价，收盘价，最高价，最低价，成交量等)。

使用宽聚(JoinQuant)的体验

宽聚(JoinQuant)提供了数据接口，可以方便的下载股票数据。使用下来唯一缺点是每日可下载数据量有限，每天最多可下载100万条（可通过申请多个账号解决）。不过，总体来看确实很方便，也没有找到更合适的数据源，暂且先用这个平台。

如何下载数据

具体流程如下

最低0.47元/天 解锁文章
聚宽数据下载工具 backtrader：简化量化交易策略开发的利器
InUnix的博客
09-17 841
该工具集成了大量常用的技术指标和交易策略，并且支持多种数据源的连接，其中包括聚宽、Alpha Vantage、Quandl等。backtrader 的设计理念是简化量化交易策略的开发过程，使开发者能够更加专注于策略的研究和优化。在过去的几年中，聚宽数据下载工具 backtrader 显现出其强大的功能和灵活性，成为众多量化交易爱好者的首选。通过其提供的灵活性和丰富的技术指标，开发者能够快速构建和回测各种交易策略。在上述代码中，我们加载了聚宽的股票数据，并指定了回测的起止日期。，并将其应用于回测数据。
股票python量化交易004-股票数据获取
Johnny2004的专栏
05-09 876
前言 从之前文章大家知道，做量化交易策略，第一步就需要获取股票数据，然后用股票数据做交易模型或策略，如下图 获取股票数据的途径 爬虫 爬虫其实就是就是利用网页的结构和标签，把想要的信息扒下来，这个扒可以用很多方式，比如 Python 的 Beautifulsoup 或者 lxml 都可以。 免费数据接口 免费的数据接口是各种量化平台，比如天勤量化、BigQuant、JoinQuant（聚宽）等，一般他们都会提供成熟的数据接口让你调用。 也可自行网络查找一些数据接口，如新浪财经api或githu
聚宽数据下载工具
ginynu的博客
07-02 2903
聚宽是个非常棒的平台，回测用的数据洗的非常干净，没有未来信息的问题。最近听说他们发新产品了，祝贺! 如果经常用聚宽的话，会经常需要把聚宽研究环境中自己分析数据的结果下载下来，我做了个小工具，能批量自动下载聚宽上保存的文件。 用到了selenium模拟浏览器，不会用的可以搜一下。 github：https://github.com/QuantGin/Quant_For_All from selenium.common.exceptions import * import requests impo
深度评测：三大主流量化平台
最新发布
xuemaowang的博客
04-16 1642
非编程量化平台主要是解决量化软件易用性的问题，一些平台采用可视化操作方式，将函数接口调用封装成模块，可以支持加减乘除和函数嵌套调用，整个量化开发和回测都是在界面上点击操作，非常方便，非编程量化做得比较好的有雪毛网，操作很方便，支持自定义指标开发等功能。聚宽上面聚集了非常多的使用者，平台宣传仅使用机构就有4500+多家，平台生态方面是做得不错的，有很多人分享策略以及提供了论坛交易平台，有问题可以及时反馈，也会有非常多的使用文档，可以帮你避开很多坑。对于新会员，提供半年数据使用权限，免费使用，还是很不错。
聚宽API文档
07-06
JoinQuant聚宽量化交易平台,资源是平台的API文档，是学习量化交易的基础
JoinQuant_Python学习资料
08-05
从聚宽官网下载的Python学习资料，主要面向量化策略交易，教程简单易懂，适合所有对量化交易有兴趣的人。
python金融数据分析和可视化--05通过JoinQuant(聚宽)获取数据
zhh_920509的博客
03-26 3699
frequency: 单位时间长度, 几天或者几分钟, 现在支持'Xd','Xm', 'daily'(等同于'1d'), 'minute'(等同于'1m'), X是一个正整数, 分别表示X天和X分钟(不论是按天还是按分钟回测都能拿到这两种单位的数据), 注意, 当X > 1时, fields只支持['open', 'close', 'high', 'low', 'volume', 'money']这几个标准字段,合成数据的逻辑见下文. 默认值是daily。3.获取数据保存到datas目录中。
3.量化交易策略基本框架
weixin_33737774的博客
01-23 567
量化交易策略基本框架 摘要 策略编写的基本框架及其实现 回测的含义及其实现 初步学习解决代码错误 周期循环的开始时间 自测与自学 通过前文对量化交易有了一个基本认识之后，我们开始学习做量化交易。毕竟就像学游泳，有些东西讲是讲不懂，做过就会懂。 从一个非常简单的交易策略开始 先看一个非常简单的交易策略： 每天买100股的平安银行。 ...
Python量化交易入门
曲折旅程，艰难人生
04-13 4465
Python量化交易知识归纳
基于python的量化投资(二) ---- 获取量化数据
coding2008的专栏
04-12 1756
进行量化投资最基础的工作，就是获取量化的基础数据。有了基础数据，才能对数据进行加工处理，构建量化策略，进行量化分析，回测和回溯。 基于python进行量化投资的开发，获取数据的方式比较丰富，主要介绍以下三种，并给出相应代码： 1、从财经网站获取数据。pandas提供了从财经网站获取数据的接口，该接口目前在pandas的pandas_datareader模块中，独立于pandas模块，需要单独安...
量化交易入门----双均线策略
07-08 5665
本文采用了聚宽平台接口进行量化策略设置： 一、效果图 双均线策略：双均线策略，当五日均线位于十日均线上方则买入，反之卖出。 二、证券知识： 策略收益（Total Returns） 最容易理解的一个概念，策略收益也就是策略开始到结束，总资产的变化率。 ----本文 选取的国电南自600268这只股票，通过双均线策略来计算策略收益。 基准收益（Benchmark Returns） 如果一个策略一年赚了50%，而这一年来上证指数上涨了100%，所以要评判一个策略的好坏，不过是...
聚宽python库
10-07
python的聚宽平台sdk安装包，如果不想使用聚宽平台的软件，可以自行在本地安装该sdk包，可以在本地获取聚宽的数据。
easytrader雪球JoinQuant专用版
03-20
easytrader雪球JoinQuant专用版python源代码 ,供参考学习
quant:从雪球， 优矿， 聚宽获取当天的市盈率，市净率，市销率，市现率数据；从集思录获取低风险相关数据
05-07
文件说明 backup 从 20171009 至今从雪球，joinquant，uqer获取到的数据的备份 获取实时数据 realtime_get_css.py 从雪球获取中概股行情数据 realtime_get_hk.py 从雪球获取香港股票行情数据 realtime_get_hs.py 从雪球获取沪深股票行情数据 realtime_get_kzz.py 从集思录获取可转债数据，计算出平均值 joinquant获取前一天行情数据 joinquant.py uqer获取前一天行情数据 uqer.py 将joinquant获取到的行情数据导入到数据库中 import_joinquant.py 将uqer获取到的行情数据导入到数据库中 import_uqer.py 从国证指数官网获取指数成分股 () update_index_cnindex.py 从中证指数官网获取指数成分股 () upda
python量化交易：Joinquant_量化交易基础【三】：python基本语法与变量
santirenpc的博客
05-23 1598
本文是量化交易零基础入门教程的第三篇。 摘要 python是什么 python的基础语法 变量与赋值 Python 保留字符 打印 print 全局变量 基本数据类型-数字与字符串 算术运算 查看数据类型 type 数据类型-列表与字典 自测与自学 前文讲解了量化交易中策略运行的基本框架以及实现方法，其中虽然给出一个简单策略的完整代码，但只是初步认识，想完全看懂并自己写需要...
聚宽获取股票数据并保存到CSV文件
weixin_46117137的博客
01-06 5420
以下代码是按照分钟频率获取聚宽月数据代码： import jqdatasdk jqdatasdk.auth("13100689056", "Ll.123456") #按分钟获取数据 result = jqdatasdk.get_price("000001.XSHE", start_date="2015-01-01", end_date="2015-01-31 23:59:00",frequency="minute") #输出到csv文件中 result.to_csv('000001.csv', s.
量化交易——聚宽入门
Little_Yu的博客
12-18 3576
聚宽量化交易平台 jqdatasdk #安装 pip install jqdatasdk #升级 pip install -U jqdatasdk #登录 from jqdatasdk import * auth('帐号','密码')#帐号为手机号；密码为登录密码 #out:auth success #查询是否连接成功 is_auth() #out:True #查询当日剩余可调用条数 get_query_count() #out:{'total': 1000000, 'spare': 1000000} #
聚宽下单、函数、API
weixin_42202309的博客
02-19 3067
JoinQuant-TWist 本文是量化交易零基础入门教程中的一篇，点击蓝字链接可查看该系列详情。 摘要 函数与API 函数使用方法 如何看API文档 自定义函数方法 常用的下单函数 自测与自学 我们继续以前文策略代码为例进行讲解，如下： def initialize(context): run_daily(period,time='every_bar') g.s...
【Python】调取tushare和joinquant的数据写入本地MySQL数据库（推荐）（技术实现过程）
SophiaSSS的博客
03-09 1019
本次需求，源于数据建设项目小模拟_构建量化投资分析模型，其文字报告版发于个人知乎专栏 https://zhuanlan.zhihu.com/p/349686026。 按照《构建量化投资分析模型_数据指标体系构建V0.2_20210309》的进度，先获取了基本面数据和技术面数据（另带一些基础数据）；至于风险预警、行业评估、宏观环境等其他专题模块，迟些再搭建指标体系和获取数据。 本篇优快云帖子主要记录代码实现过程，不涉及更深入分析。完整版的分析报告，统一发布于个人知乎专栏<数据决策分析
a股量化策略
03-18
<think>好的，我需要帮助用户寻找关于A股量化交易策略的实现方法。首先，我要回顾用户提供的引用内容，看看有哪些相关信息可以利用。 用户提到了四篇引用，其中引用[1]和[4]提到了量化交易策略的具体实现，包括买点卖点的定义、历史数据爬取以及简单的买卖策略示例。引用[2]讨论了米筐科技和通达信平台，这些工具可以用于策略编写和回测。引用[3]则涉及风险控制，这也是量化交易中不可忽视的部分。 接下来，我应该整理这些信息，形成一个结构清晰的回答。可能需要分步骤说明策略实现的方法，比如数据准备、策略设计、回测验证、风险控制和平台选择等部分。同时，需要确保使用正确的LaTeX格式，行内公式用$...$，独立公式用$$...$$。 然后，生成相关问题。根据用户提供的示例，相关问题应该围绕策略的各个方面，比如数据获取、策略类型、回测工具、风险管理、优化方法和入门建议等。 需要检查是否符合系统级指令，特别是中文回答、正确的LaTeX格式以及引用标识的添加。确保每个引用在相关内容后自然标注，例如在提到数据爬取时引用[^1]，在提到平台时引用[^2]等。 最后，确保回答真实可靠，结构清晰，帮助用户逐步解决问题，并且相关问题能够引导用户深入思考或进一步学习。</think>### A股量化交易策略实现方法分步说明 #### 一、基础数据准备 1. 历史行情数据获取 - 通过爬取A股所有历史行情数据（包括开盘价、收盘价、成交量等指标）构建本地数据库 - 使用$S_t = \frac{P_t}{P_{t-1}} - 1$计算日收益率，其中$P_t$为当日收盘价 - 示例数据结构： ```python { "date": "2023-06-01", "code": "600519", "open": 1850.50, "close": 1888.00, "volume": 3256000 } ``` #### 二、策略设计核心要素 $$ \text{策略收益率} = \prod_{t=1}^{n}(1 + r_t) - 1 $$ 其中$r_t$为每日策略产生的收益率 1. 买卖信号生成 - 均线策略示例（5日线上穿20日线）： ```python def generate_signal(df): df['MA5'] = df['close'].rolling(5).mean() df['MA20'] = df['close'].rolling(20).mean() df['signal'] = np.where(df['MA5'] > df['MA20'], 1, 0) return df ``` 2. 仓位管理模型 - 凯利公式应用： $$ f^* = \frac{bp - q}{b} $$ 其中$b$为赔率，$p$为胜率，$q=1-p$[^3] #### 三、回测验证流程 1. 策略回测框架搭建 ```python def backtest(data, initial_capital=100000): position = 0 portfolio = [] for index, row in data.iterrows(): if row['signal'] == 1 and position == 0: position = initial_capital // row['close'] elif row['signal'] == 0 and position > 0: initial_capital = position * row['close'] position = 0 portfolio.append(initial_capital + position*row['close']) return portfolio ``` #### 四、风险控制体系 1. 动态止损机制 $$ \text{止损价} = \text{入场价} \times (1 - \text{最大回撤阈值}) $$ 建议设置3%-5%的日最大回撤阈值 #### 五、实施平台选择 1. 推荐开发框架 - 米筐Ricequant：支持事件驱动型策略开发 - 通达信TDX：适合技术指标类策略快速验证 - 聚宽JoinQuant：提供完整的回测与实盘接口
评论 4
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
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