这段文字介绍了2015年10月发布的“Pipeline API”,它提供了一种更强大的方法来选择实时参考的500家公司。传统上,选择公司的方法比较粗糙,通常基于市值或基本面分析,缺乏逻辑性。Pipeline API 允许用户通过更复杂的逻辑筛选出最多500家公司。
文章解释了Pipeline API 的关键概念:
- 数据集 (Dataset): 数据集本身不包含数据,需要使用“因子 (Factor)”来获取数据,并使用“过滤器 (Filter)”筛选数据。
- 因子 (Factor): 返回数值型输出,用于计算和分析。
- 过滤器 (Filter): 返回布尔型输出,用于筛选数据。
文章还介绍了Pipeline API 的两种主要功能:
- 内置因子 (Built-in Factors): 提供多种预定义的因子,例如最新值、回撤、相对强弱指数、简单移动平均线、成交量加权平均价格、加权平均值、收益率等。
- 自定义因子 (Custom Factors): 允许用户创建自己的因子,以满足特定需求。
最后,文章以一个示例算法为例,展示了如何使用Pipeline API 进行实际操作。
更新后的系列:https://pythonprogramming.net/quantopian-trading-strategies-introduction-python-programming-for-finance/此系列已因 Quantopian 2.0 而过时。 在本 Quantopian 教程中,我们将介绍 Pipeline API。 如果您还记得之前的内容,我们经常受到限制,通常只能在我们的股票宇宙中使用 255 个股票。 Pipeline API 允许您一次选择 8000 多个证券,这打开了通往许多新机会的大门。 Pipeline API 可以一次引用 8000 多个证券,但您仍然只能实时引用 500 个。 因此,您很可能将 Pipeline API 与 update_universe 一起使用。 为了将 8000 个证券缩减到足够小的数量,以便与您的宇宙一起使用,您将使用因子和过滤器,很多时候一起使用。 因子用于返回数字,而过滤器返回布尔值。 例如,您可以先使用因子将 50 日和 200 日移动平均线应用于公司。 然后,您可以使用过滤器来返回所有 50 日移动平均线高于 200 日移动平均线的公司。 示例代码和文本版本:https://pythonprogramming.net/quantopian-pipeline-api-tutorial/https://pythonprogramming.net