Python_量化交易实战_量化交易基础

一.量化交易分类

• 量化交易（Quantitative Trading）
  • 量化交易则通常是指使用数学、统计甚至机器学习的方法，去找寻合适的买卖时机。
  • 所以，在这个维度的定义之下，算法交易、高频交易还有统计套利（Statistical Arbitrage）都可以算作量化交易。
• 程序化交易（Program Trading）
  • 它通常用计算机程序代替交易员，来具体执行金融产品的买卖。
  • 量化交易的下层通常是程序交易。
• 算法交易（Algo-Trading）
  • 而算法交易通常用于高频交易中。
  • 它指的是，通过算法快速判定买卖的时间点，快速买卖多个产品。
• 高频交易（High Frequency Trading）
• 和自动化交易平台（Automated Trading System）

二.电子盘交易

通常的电子盘交易（比如股票，数字货币），是通过券商或者软件，直接把买卖请求发送给交易所；而算法交易的底层，就是让程序来自动实现这类操作。券商或者交易所，通常也会提供 API 接口给投资者。比如，盈透证券（Interactive Broker）的接口，就可以支持股票、期权的行情数据获取和交易；而 Gemini、OKCoin 等交易所，也提供了对应的接口进行数字货币行情获取和交易。

获取最近的比特币（BTC）对美元（USD）的价格和最近的成交量。

########## GEMINI行情接口 ##########
## https://api.gemini.com/v1/pubticker/:symbol

import json
import requests

gemini_ticker = 'https://api.gemini.com/v1/pubticker/{}'
symbol = 'btcusd'
btc_data = requests.get(gemini_ticker.format(symbol)).json()
print(json.dumps(btc_data, indent=4))

'''
{
    "bid": "50206.61",
    "ask": "50215.34",
    "volume": {
        "BTC": "986.9718101738",
        "USD": "48761547.749993690476",
        "timestamp": 1629701700000
    },
    "last": "50216.30"
}
'''

交易系统结构

• 行情模块的主要功能是，尝试获取市场的行情数据，通常也负责获取交易账户的状态。
• 策略模块的主要功能是，订阅市场的数据，根据设定的算法发出买、卖指令给执行模块。
• 执行模块的主要功能是，接受并把策略模块发过来的买、卖指令封装并转发到交易所；同时，监督并确保策略买卖的完整执行。
  

三.Python 在算法交易中流行的原因

数据分析能力

第一个原因，是 Python 的数据分析能力。算法交易领域的一个基本需求，就是高效数据处理能力，而数据处理则是 Python 的强项。特别是 NumPy+Pandas 的组合，简直让算法交易开发者的生活质量直线上升。

大量专有库

除了强大的数据处理能力之外，Python 还有许许多多已经开发成熟的算法交易库可供使用。比如，你可以使用 Zipline 进行策略回测，或者用 Pyfolio 进行投资组合分析。而许多交易所也都提供了基于 Python 的 API 客户端。

便利的交易平台

第三个原因，是因为便利的交易平台。有一些算法交易平台可以执行自定义 Python 策略，无需搭建量化交易框架。算法交易平台，实际上等效于帮用户完成了行情模块和执行模块。用户只需要在其中定义策略模块，即可进行算法交易和回测。比如，Quantopian，就提供了基于 Zipline 的标准回测环境。用户可以选择 Python 作为开发语言，并且和社区的网友分享自己的策略。此外，国内也有诸如 BigQuant、果仁网等类似平台，提供不同市场和金融产品的交易。

广泛的行业应用

最后一个原因，则是 Python 本身广泛的行业应用了。目前，越来越多投资机构的交易部门，都开始使用 Python，因此也对优秀的 Python 开发者产生了更多的需求。自然，这也让学习 Python，成为了更有意义的“投资”。