- 博客(31)
- 收藏
- 关注
RSS订阅转载 vnpy通过jqdatasdk初始化实时数据
功能描述vnpy在1.9.2版本当中，完成了通过jqdatasdk初始化实时数据的功能。这样就可以通过jqdatasdk解决在盘中开启策略，缺少当日盘中数据的问题。VT_setting.jsonVT_setting.json中包含vnpy初始化所使用的配置信息。我们在这部分增加三个配置信息，data_server，jqUsername，jqPassword。分别用来标志初始化所用的数据服务类...
2019-06-07 18:58:23
471
转载 jqdatasdk用pyechart画图生成网页并保存到本地
比如我想做个海通证券的收盘价走势图，然后保存成网页。输入代码,去你保存的目录会发现html这个文件(比如’c:\数据\海通证券.html’)，点击打开就会看到，可以下载图片和数据from jqdatasdk import *import jqdatasdkimport numpy as npjqdatasdk.auth(“user”, “password”)from pyecharts...
2019-06-07 18:16:53
582
转载 JQData + matplotlib 实现回测日志的交易细节可视化
前言：做量化交易的朋友都知道回测的重要性，回测结果是衡量一个量化交易策略是否靠谱的重要依据。回测平台会按历史行情数据模拟成交，并将回测结果汇总成报告。在很多时候，仅有一份回测的最终结果是不够的。比如说当我们发现结果不符合策略的设计预期时，就需要对部分或全部股票的买卖操作进行检查确认。通常我们要翻阅回测平台给出的回测日志，找到有待检查确认的买卖交易，根据其品种、时间周期和交易时间翻查当时的历史行...
2019-06-07 18:09:10
194
转载 jqdata实现《量化投资技术分析实战》中ama均线的计算
策略回测图（图一）量化投资训练营对比回测图片（图二）研究详细 内容请查看链接：https://www.joinquant.com/view/community/detail/fa974b83dc86485f25df33d0544d39ed
2019-06-07 11:11:44
985
转载 JQData | 基于python的股票收益的偏度研究
资产定价模型CAPM中假设投资标的收益率是正态分布，即大部分关注其均值—方差。但市场中的标的收益率不一定符合，也会出现尖峰厚尾、不对称性等现象。非对称的一个重要研究即是偏度（偏态）。表征概率分布密度曲线相对于平均值不对称程度的特征数。直观看来就是密度函数曲线尾部的相对长度。上图即是非对称的，一即是左偏，众数>中位数>平均数，数据位于均值左边的比位于右边的少，直观表现为左边的尾部相对...
2019-06-07 11:10:25
306
转载 使用日期数据校验tick数据有效性
在分析数据过程中，数据有效性非常重要，所谓garbage in garbage out，数据正确性得不到保证，结果的可信度就要打折扣。聚宽提供了很多数据api方便调用，其中tick数据包含了低粒度（秒级）数据成交的快照，具有较大的微观数据分析价值，但tick数据量大，由于各种原因（服务器，网络等）导致数据出现问题的几率偏大，但通常日级的数据可信度较高，所以我们可以用日级数据来检验下tick数据的有...
2019-06-07 11:09:56
330
1
转载 从量化视角看，未来盈利对股票的影响（附代码）
本文主要有两个观点：1、A股是基本面的良好反馈2、对长期利润的准确预测可以获得高额回报A股投资者，段子手偏多，伪财经偏多，都是韭菜生长的大量肥料。因为伪财经偏多，所以在韭菜学习后难免将自己的亏损归咎于A股并不反应基本面为理由。然而，实际上，A股一直对基本面有良好定价。与其怪罪证监会主席，不如反求诸己。本文利用量化从历史检验的方法，带领大家看看从2006年开始至2017年6月的基本面分析对...
2019-06-07 11:09:34
228
转载 用聚宽数据排一排商誉雷（附结果）
商誉，简单来说就是收购时溢价支付的那部分资金。例如，一份资产价值2000W，由于某些原因，上市公司花5000W买下来，就会产生3000W商誉。至于上市公司为什么会溢价买一份资产，情况就比较复杂了。例如看好这份资产给企业带来的效益，甚至是利益输送……单纯从资产价值的角度说，商誉就是上市公司购买资产时充当冤大头的部分（用5000W买公允价值2000W的资产，3000W当了冤大头）。简单粗暴地说...
2019-06-07 11:09:03
277
转载 A股市场14年来行业特征和价值一窥 (深度好文)
写在前面：本文的历史价格，事件，时间等未必准确。本文的图表数据仅用于静安笔记个人研究。静安笔记不对您的任何投资行为负责。每篇文章即使大致正确也只能涵盖一个角度或领域，不代表符合您的投资利益。欢迎完整转载；单独使用本文图表数据请事先征得本人同意，并注明出处。继续使用聚宽数据JQData【1】，通过Python及其工具包编程对A股市场2005年来上市公司按行业进行汇总，勾勒出以下行业市值变动面积图...
2019-06-07 11:08:30
657
转载 金融数据找不到？那是你没见识到joinquant的利器——JQData
金融数据找不到？那是你没见识到joinquant的利器——JQData——记一次用JQData补充本地缺失期货1分钟行情数据缘起我们的策略体系涵盖范围比较多，有股票、期货为交易标的的各类策略，单就期货部分而言，高频的数据用的比较少，Tick级的数据也是后来才开始落地储备。近期因为某些需求，需要整理2010年以来的期货全品种全合约的1分钟数据，此前从朋友那里刷脸拿来一批高质量1分钟数据，数据...
2019-06-07 11:07:56
1033
转载 获取jqdatasdk数据到本地并保存为csv文件
成功连接上jqdatasdk后最想做的一件事就是先把数据都下载下来，尤其是在聚宽对每日获取数据设限的条件下。本人使用的编程环境是Mac，目前还没有比Excel更适合本人的可视化工具，所以选择了保存为csv文件。不过还是真心希望小伙伴有比较好的sql可视化工具可以推荐给我[比心]。以下是代码部分：首先是一个引用文件，里面保存了一些共用的代码部分# escape_list中的都是没有数据的股票或指...
2019-06-06 12:10:13
930
转载 jqdata 期货分钟数据下载指南 -- windows下 python3.6
1.在python等环境安装好的情况下，下载安装jqdatasdk，提供下载到本地安装方式：到https://github.com/JoinQuant/jqdatasdk下载文件到本地2.cmd到解压文件夹下运行 python setup.py install3.到python环境中写代码（本人使用pycharn python IDE)代码参考如下： import jqdatasd...
2019-06-06 12:09:28
1834
1
转载 在自定义的类里对jqdatasdk的api进行批量二次封装的方法
简介jqdatasdk是聚宽的一个模块，主要用于从本地获取聚宽的金融数据，方便在本地进行量化研究，或者对接本地使用的交易系统。如果要便捷的使用jqdatasdk的话，你可能会希望定义一个自定义的类，然后对jqdatasdk的API进行二次封装，从而实现较高自由度的调用，或者实现一些比较复杂的功能。这里介绍一下如何借鉴python装饰器的技术来实现批量二次封装jqdatasdk的API。其实这...
2019-06-06 12:09:07
120
转载 聚宽数据JQData中的股票复权方法
进行股票量化回测，面临的第一个坑就是数据坑——首先你得有数据，才能进行下一步工作。在股票数据坑中，有一个很大的坑叫做股票的复权价格。如果一个股票公告说进行分红、配股或者送转，那么这只股票就被赋予了权利，这时股票是含权的，我们说的除权、复权里的权就是权利的意思。当一个含权的股票在权利被具体实施后，就要进行除权。例如含有10转10权利的股票，在实施送转前股价是100￥，总共1亿股本；实施10转...
2019-06-06 12:08:46
350
转载 基于聚宽数据JQData的沪深300股指期货贴水现象简析
沪深300股指期货是以沪深300指数作为标的，于2010年4月16日在中金所推出的一个股指期货品种。期货的基本功能就是为投资者提供套保风险对冲和现货市场的价格发现，而对于股指期货来说，其风险对冲功能主要体现在市场中性alpha策略的系统性风险的对冲上，一般是通过持有股票的投资组合多头，并做空股指期货，来对冲大盘的系统性风险以达到锁定alpha收益的目的，因此，股指期货是实现市场中性alpha策略的...
2019-06-06 12:08:09
593
转载 在个股回测中，如何才能避开新股的一字涨停？
大家在做回测的时候，通常需要过滤新股的一字涨停阶段，毕竟这个时间点是没办法买入的。话不多说，代码如下：ef is_newstock_limit_up(code):"""是否是新股一字涨停股"""# 获取股票信息security = jqdatasdk.get_security_info(code)start_date = security.start_date# 从交易日开始遍历该...
2019-06-06 12:07:34
150
转载 本地获取jqdata的日资金量数据保存为sql数据库
使用了dataframe自动生成sql的方法，避免了繁琐的拼接sqlimport osimport sysimport jsonimport jqdatasdk as jqimport pandas as pdimport mssqljq.auth(“xxxxxxxxxxx”,“xxxxxx”)ms = mssql.MSSQL(host=“127.0.0.1”,user=“new”...
2019-06-06 12:06:28
201
转载 聚宽数据（JQData）本地化解决方案：基于MongoDB
MongoDB是由C++语言编写的一个基于分布式文件存储的开源NoSQL数据库系统，它提供了可扩展的高性能数据存储解决方案。由于MongoDB是一个面向文档存储的数据库，所以操作起来比较简单和容易。MongoDB支持丰富的查询表达式，高性能的插入与查询操作，并在负载调节方面提供了较好的支持。MongoDB的这些特性很好地适应了量化策略开发项目对证券数据存储的需求。本文利用聚宽平台的本地化API获...
2019-06-06 12:05:47
287
转载 通过JQData批量导出指定时间段的估值及财务数据，并保存为csv文件
作为基本面投资者，企业的估值指标（pe、pb、ps）及财务数据非常重要，而如何快速导出特定时间段的这些数据？下面的代码不仅可以快速导出JQ所有的估值指标及最新财务数据（需要哪些指标可以直接在代码中添加），而且还有股票筛选功能，代码简单，功能灵活。from jqdatasdk import *import sqlalchemyimport pandas as pdfrom datetime...
2019-06-06 12:04:49
185
转载 将在本地获取jqdata的数据保存为sql数据库,并读取数据的方法
如何将本地获取jqdata的数据保存为sql数据库文件呢？简单粗暴直接上代码，使用的是python自带的sqlite3数据库，比较轻便！在这import jqdatasdk as jq from sqlalchemy import create_engine #sqlalchemy是Python自带的与数据库联结的包，导入创建数据库联结的函数import sqlite3 #导入pyt...
2019-06-06 12:04:17
409
转载 如何将jqdata的财务报表数据保存到本地csv和npy
首先在C盘新建文件夹—数据，然后获取财务数据。我们已上证50为案例，获取50只股票最近一个季度的财务数据，然后保存到本地，格式csvfrom jqdatasdk import *import jqdatasdkimport numpy as npjqdatasdk.auth(“user”, “password”)stocks = getindex_stocks(‘000016.XSHG’...
2019-06-06 12:02:05
146
转载 深度学习和缠论应用，JQData应用
首先转发几条深度学习的链接：基于Keras深度学习LSTM模型 预测黄金主力收盘价TensorFlow 学习之循环神经网络（RNN)前言这篇文章基于深度学习模型基础，在聚宽上通过用JQData来实现金融数据的分析。 本文主要针对股票数据， 不过理论上可以用在其他方面。至于缠论部分， 仁者见仁， 智者见智。背景量化交易在当年股灾后背了黑锅， 不过大势所趋， 今后放开仅仅是时间问题。 现今...
2019-06-05 22:12:34
121
转载 强化学习入门：基于Q-learning算法的日内择时策略初窥
本篇文章所使用的数据，来源于JQData本地量化金融数据库。下面我将粗略的介绍一个强化学习在证券市场中应用的简单实例。关于强化学习的算法理论及发展历史，我们不做过多的解释。我们可以很容易在互联网上找到强化学习的理论知识，虽然可能都是一些只言片语，但对于初学者来说基本也就够用了。到目前为止，还没有出现广受业内好评的中文教材，更多的参考资料还是英文版的。例如，Richard S.Sutton和And...
2019-06-05 22:08:21
147
转载 JQData | 股市估值分析，带你穿越资本市场迷雾
时间 休市前一分钟 休市前五分钟 下午开盘前一分钟 下午收盘前一分钟 下午收盘前五分钟上涨概率 0.55 0.66 0.63 0.8 0.7平均幅度(%) 0.0124 0.0038 0.0276 0.0269 0.0161
2019-06-05 21:52:44
98
转载 基于JQData的有效前沿及投资组合优化
基于JQData的有效前沿组合及投资组合优化（1）现代资产组合理论（MTP）是关于在特定风险水平下投资者（风险厌恶）如何构建组合来最大化期望收益的理论，这一理论最基本的原则是投资者可以构建投资组合的有效集合，即有效前沿，有效前沿可以在特定风险水平下使期望收益最大化；（2）资产的风险一般使用资产回报的波动方差来表示，在回报和风险相权衡的时候，根据资本资产定价模型(CAPM）一般使用夏普率来评估风...
2019-06-05 21:35:30
233
转载 JQData应用 | A股行业投资指南——好的投资，首先是选好行业
一．好的投资，首先是选好行业红杉资本曾经有一条著名的投资经验，大意是：好的投资，首先是选好赛道，其次是赛道上的选手。对于每天活跃于资本市场上的投资者而言，赛道所指的正是你正在投资、或者将要投资的那家公司它所在的行业，更直接的说，你投资于什么行业，投资于这个行业的哪家公司，决定了你最终能获得什么样的收益表现。那么，红杉资本的这条投资经验是否适用于A股市场，并给我们带来可观的投资收益呢？本文试图通...
2019-06-05 20:45:18
81
转载 不限语言·极速调取 | JQData HTTP 接口正式上线
JQData聚宽量化数据接口JQData自上线以来，覆盖了银行、证券、保险、基金等各大金融机构以及高校师生和广大个人量化投资者们。历经一年多百亿级实盘交易量考验，完全具备商用数据的稳定性和准确性。为了保证数据质量，聚宽每年从各大交易所、统计局等权威官方渠道获取原始数据授权，再由专业的数据团队清洗入库，加工出适用于量化场景的数据和因子体系，拥有自有数据版权，做到“专业可依赖“。新的一年，JQDa...
2019-06-05 20:36:26
97
转载 JQData | 高校版使用教程，30秒安装完成，自带Python环境
本地量化金融数据JQData，是聚宽数据团队专门为金融机构、学术团体和量化研究者们提供的本地量化金融数据服务。自有版权，支持国内多家头部券商实盘交易。历经15万量化研究者与数百家机构使用验证。JQData目前已支持国内30 高校，本次更新，特别推出JQData高校版，专为高校老师和学生打造。无需安装Python环境，让用户更轻便地实现本地调用/数据研究。终端三行代码：以更优质的免费本地金融...
2019-06-05 20:22:50
871
转载 JQData安装的问题（只解决安装的问题）
1. JQData简介（1）JQData是聚宽数据团队专门为有志于从事量化投资的金融机构、研究人员以及个人量化爱好者提供的本地量化金融数据。用户只需在本地Python环境下安装JQData数据包，输入三行代码，即可调用由聚宽数据团队专业生产的全套量化金融数据，让你轻松告别平台限制，灵活安全地完成本地化的量化研究与投资决策。（2）支持系统：Linux、Mac、Windows（3）支持Pytho...
2019-06-05 19:55:23
2914
转载 JQData安装 | 最贴心教程，安装JQData全靠这篇指南
Hi, 各位亲爱的小伙伴们！近来听说有部分小伙伴在安装JQData时遇到了点小麻烦，导致最后没有安装成功，为了帮助小伙伴们快速成功安装JQData，小编今天来为大家排一下“雷”，希望能帮到你们哟 (･ω･) 友情提示，文末评论区有彩蛋~首先，JQData是基于python的一个数据包，所以安装JQData的第一步是安装Python（没有接触过python或者python基础不好的小伙伴，可以...
2019-06-05 18:44:39
1078
1
转载 JQData应用 | 基于估值波动周期的择时策略
一、前言在变化莫测的A股市场上，永远流传着三个终极问题：我该买什么？什么时候买？什么时候卖？多少人以为自己知道答案，直到股灾降临，灰飞烟灭。在经历了一轮又一轮牛市和熊市的洗礼后，我们终于透过估值数据发现了市场周期的秘密。这里我们分享一个总收益在100%以上、股灾期间回撤3%的择时策略，希望能对你回答上面的问题有所帮助。二、市场估值的周期性波动特征在说明这个策略之前，我们首先需要了解一下全市...
2019-06-05 18:14:06
100
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人