学习贴 量化小白成长记---基础学习篇

本文分享了量化交易的学习过程,包括编程基础(推荐《廖雪峰的Python教程》)、数学基础(推荐《概率论与数理统计》)、交易基础知识(如现货、保证金和合约交易)以及期权交易概念。同时推荐了几本量化交易相关书籍,并列举了有助于理解量化策略的文章和在线学习资源。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

量化的学习像是一个堆砌大楼的过程,编程的基础,数学基础和相关交易基础知识都是必不可少的,学习也是一个积累的过程。吐舌头

下面是一些总结想要分享给大家。大笑

 

 基础学习

 

编程基础学习:

学习任何知识都需要从基础抓起,因此大家可以选择性地选择一些教材和教程去学,打好基础。网络上面的东西太多,我这里仅仅推荐《廖学峰的Python的教程》给大家。

 

数学基础学习:

对于数学,个人认为查漏补去很重要,很多数学原理我们都是只领悟到表层含义,其实我们是需要更深层次的去研究;书籍推荐《概率论与数理统计》

 

交易基础学习:

现货交易:买卖操作,交易费率,冲击成本,空头市场,多头市场,盘口,深度,K线,涨跌停机制,限价机制,熔断机制,技术分析,集合竞价,撮合,下单撤单,止盈止损,风险管理……

 

保证金交易:初始保证金、维持保证金、杠杆倍数、强制平仓、强平价格、开多、开空、平多、平空、穿仓、借贷利息……

 

合约交易:无风险利率、Carry Cost、合约参数、基差、升水贴水、到期日、结算、交割、分摊、期现套利、期期套利、合约价值、已实现盈亏、未实现盈亏……

 

期权交易:看涨/看跌期权、平价公式、隐含波动率、波动率模型、Black-Scholes定价模型、二叉树定价模型……(摘自WeQuant知乎专栏)

 

另外关于量化交易的书籍推荐大家以下几本:

小白量化学习-自创指标设计 一、准备工作 1、首先把“HP_formula.py”文件复制到自己的工程目录中。 2、在新文件开始增加下面4条语句。 import numpy as np import pandas as pd from HP_formula import * import tushare as ts 二、对数据预处理 我们采用与tushare旧股票数据格式。 #首先要对数据预处理 df = ts.get_k_data('600080',ktype='D') mydf=df.copy() CLOSE=mydf['close'] LOW=mydf['low'] HIGH=mydf['high'] OPEN=mydf['open'] VOL=mydf['volume'] C=mydf['close'] L=mydf['low'] H=mydf['high'] O=mydf['open'] V=mydf['volume'] 三、仿通达信或大智慧公式 通达信公式转为python公式的过程。 1.‘:=’为赋值语句,用程序替换‘:=’为python的赋值命令‘='。 2.‘:’为公式的赋值带输出画线命令,再替换‘:’为‘=’,‘:’前为输出变量,顺序写到return 返回参数中。 3.全部命令转为英文大写。 4.删除绘图格式命令。 5.删除掉每行未分号; 。 6.参数可写到函数参数表中.例如: def KDJ(N=9, M1=3, M2=3): 例如通达信 KDJ指标公式描述如下。 参数表 N:=9, M1:=3, M2:=3 RSV:=(CLOSE-LLV(LOW,N))/(HHV(HIGH,N)-LLV(LOW,N))*100; K:SMA(RSV,M1,1); D:SMA(K,M2,1); J:3*K-2*D; # Python的KDJ公式 def KDJ(N=9, M1=3, M2=3): RSV = (CLOSE - LLV(LOW, N)) / (HHV(HIGH, N) - LLV(LOW, N)) * 100 K = SMA(RSV,M1,1) D = SMA(K,M2,1) J = 3*K-2*D return K, D, J #----------------------------------- #根据上面原理,我们把大智慧RSI指标改 # 为Python代码,如下。 def RSI(N1=6, N2=12, N3=24): """ RSI 相对强弱指标 """ LC = REF(CLOSE, 1) RSI1 = SMA(MAX(CLOSE - LC, 0), N1, 1) / SMA(ABS(CLOSE - LC), N1, 1) * 100 RSI2 = SMA(MAX(CLOSE - LC, 0), N2, 1) / SMA(ABS(CLOSE - LC), N2, 1) * 100 RSI3 = SMA(MAX(CLOSE - LC, 0), N3, 1) / SMA(ABS(CLOSE - LC), N3, 1) * 100 return RSI1, RSI2, RSI3 四、使用公式并绘图 #假定我们使用RSI指标 r1,r2,r3=RSI() mydf = mydf.join(pd.Series( r1,name='RSI1')) mydf = mydf.join(pd.Series( r2,name='RSI2')) mydf = mydf.join(pd.Series( r3,name='RSI3')) mydf['S80']=80 #增加上轨80轨迹线 mydf['X20']=20 #增加下轨20轨迹线 mydf=mydf.tail(100) #显示最后100条数据线 #下面是绘线语句 mydf.S80.plot.line() mydf.X20.plot.line() mydf.RSI1.plot.line(legend=True) mydf.RSI2.plot.line(legend=True) mydf.RSI2.plot.line(legend=True) 不懂就看我的博客 https://blog.youkuaiyun.com/hepu8/article/details/93378543
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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