vn.py开源量化框架把我整蒙了，开始填坑。

最新推荐文章于 2022-11-25 11:28:22 发布

原野的冯

最新推荐文章于 2022-11-25 11:28:22 发布

阅读量4.7k

点赞数

分类专栏：量化 python 文章标签：经验分享

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.csdn.net/m0_51416705/article/details/121476888

版权

量化同时被 2 个专栏收录

15 篇文章

订阅专栏

6 篇文章

订阅专栏

本以为vn.py和vnpy是一家的，它们长得是真像，下载vn.py已经二个多月，今天才搞明白。还是陈总格局大，开放源代码。在GitHub看到源码下载，太繁琐，直接把我劝退，还好vn.py官方有傻瓜下载，vn.py官网一顿操作，慕名已久的量化交易程序下载完成。啃着官方文档，一步一步配置参数。开始不懂规矩，simnow仿真交易在非交易时间段不能用。效果图

博客等级

码龄5年

34
原创

30
点赞

109
收藏

36
粉丝

关注

私信

热门文章

分类专栏

python 6篇
量化 15篇
AI 量化 3篇
panda 1篇
韭菜 1篇
Java 2篇
linux 软件 5篇
ubuntu 入门 4篇
web 1篇
c 语言小白入门 1篇

最新评论

pycharm在画图时，汉字显示成方框。
Dr_AzEn: 完美解决，谢谢大佬
chat GPT已注册，还有40卢比
原野的冯: import pandas as pd import numpy as np from scipy.cluster.vq import whiten### data = pd.read_csv("C:/data.csv") data.head() X = data.drop(['labels'],axis=1) Y = data.loc[:,'labels'] pd.value_counts(Y) # 可视化数据 from matplotlib import pyplot as plt fig1 = plt.figure() label0 = plt.scatter(X.loc[:,'V1'][Y==0],X.loc[:,'V2'][Y==0]) label1 = plt.scatter(X.loc[:,'V1'][Y==1],X.loc[:,'V2'][Y==1]) label2 = plt.scatter(X.loc[:,'V1'][Y==2],X.loc[:,'V2'][Y==2]) plt.title("un-labeld data") plt.xlabel("V1") plt.ylabel("V2") plt.legend((label0,label1,label2),('label0','label1','label2')) plt.show() from sklearn.cluster import KMeans KM=KMeans(n_clusters=3,random_state=0) KM.fit(X) centers = KM.cluster_centers_ # centers fig2 = plt.figure() label0 = plt.scatter(X.loc[:,'V1'][Y==0],X.loc[:,'V2'][Y==0]) label1 = plt.scatter(X.loc[:,'V1'][Y==1],X.loc[:,'V2'][Y==1]) label2 = plt.scatter(X.loc[:,'V1'][Y==2],X.loc[:,'V2'][Y==2]) plt.title("un-labeld data") plt.xlabel("V1") plt.ylabel("V2") plt.legend((label0,label1,label2),('label0','label1','label2')) plt.scatter(centers[:,0],centers[:,1]) plt.show() y_predict = KM.predict(X) pd.value_counts(y_predict) from sklearn.metrics import accuracy_score accuracy = accuracy_score(Y, y_predict) #print("accuracy_original: ", accuracy) # 进行数据一次校正 y_corrected_1 = [] for i in y_predict: if i==0: y_corrected_1.append(1) elif i==1: y_corrected_1.append(0) else: y_corrected_1.append(2) accuracy_original = accuracy_score(Y,y_corrected_1) print("accuracy_original:",accuracy_original) fig3 = plt.subplot(121) label0 = plt.scatter(X.loc[:,'V1'][Y==0],X.loc[:,'V2'][Y==0]) label1 = plt.scatter(X.loc[:,'V1'][Y==1],X.loc[:,'V2'][Y==1]) label2 = plt.scatter(X.loc[:,'V1'][Y==2],X.loc[:,'V2'][Y==2]) plt.title("un-labeld data") plt.xlabel("V1") plt.ylabel("V2") plt.legend((label0,label1,label2),('label0','label1','label2')) fig4 = plt.subplot(122) label0 = plt.scatt
vn.py开源量化框架把我整蒙了，开始填坑。
资深quant: 陈晓优的代码版来历不明，是上班公司的代码，如果无著作权转让，那陈晓优就不是原始作者。而且每一个FORK都是对别的Pyqt开源协议的侵权

大家在看

最新文章

目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

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。