量化交易编程
文章平均质量分 73
jiawnxiejiawn
这个作者很懒,什么都没留下…
展开
-
python商品期货T+0开平多空高频实盘量化交易模型架构
2》backtrader:提供回测和交易的函数,Cerebro()可以创建一个backtrader引擎对象,DataFeed()提供数据源信息,Strategy()定义交易策略,Analyzer()对回测结果进行统计分析,用于检验交易策略的有效性。《2》plotly.graph_objs:提供交互式绘图的功能,Figure()函数可以创建一个交互式图表对象,方便生成各种图表,如散点图、折线图、柱状图等,iplot()函数可以将交互式图表对象呈现在Jupyter Notebook中。原创 2023-05-07 20:26:38 · 984 阅读 · 0 评论 -
python量化交易pandas中的用途
Pandas 提供了一些方法来支持数据可视化和交互式应用,例如 plot()、bar()、scatter()、hist()、boxplot()、heatmap()、dashboards 等。Pandas 提供了一些方法来支持数据可视化和报表生成,例如 plot()、hist()、boxplot()、scatter_matrix()、to_excel() 等。Pandas 提供了一些方法来支持数据转换和归一化,例如 apply()、map()、replace()、fillna()、dropna() 等。原创 2023-05-06 01:25:53 · 494 阅读 · 0 评论 -
数据获取与处理-构建一个完整的商品期货T+O开平多空仓期货实盘高频交易策略框架的数据获取与处理
代码中使用了 tushare 模块获取了所有上市期货合约的信息,并根据品种类型获取到了豆粕期货合约的信息。然后,使用 pro_bar() 函数获取豆粕连续合约的历史行情数据,并计算了移动平均线、MACD指标、RSI指标和KDJ指标。最后,输出处理后的历史行情数据。通过对历史行情数据进行处理,我们可以更加直观地了解期货价格的趋势和波动情况,为之后制定交易策略提供参考。原创 2023-05-05 16:14:05 · 126 阅读 · 0 评论 -
1-数据处理
在实际的量化交易过程中,我们通常需要对数据进行清洗和分析。2、按照其他时间间隔进行汇总:这里的代码将数据按照每天进行汇总,但你也可以根据具体需求选择其他时间间隔,比如每周、每月或每季度等。5、分析结果:对于得到的每日平均值数据,您可以进行进一步的分析,比如查看数据分布、寻找异常值或者探索变量之间的相关性等。这段代码在原有的基础上,增加了处理缺失值的步骤、按周汇总和标准化的操作,并且添加了数据可视化和分析的代码。当前代码只包含了时间戳和价格两列数据,如果您需要处理更多的数据,可以添加相应的数据列。原创 2023-05-05 15:43:02 · 38 阅读 · 0 评论