[查看描述] 在 Quantopian 上纸面交易策略 - 金融 Python 12

本教程将继续探讨 Quantopian 平台上的算法开发，不再使用之前教程中基于 Scent Decks 的数据，因为这些数据可能并非所有人都能获取。我们将回归到构建自己的策略，但并不意味着完全放弃 Fetcher。

Fetcher 能够与一些网络服务合作，比如 Quandal.com，它提供了各种金融数据 API。我们可以利用这些 API 获取诸如基本数据之类的信息。虽然 Quantopian 提供了历史价格数据查询功能，但基本数据目前尚不支持历史查询。这是因为基本数据来自第三方提供商，他们可能出于某些原因不愿意提供历史数据。

然而，Quantopian 自行提供大量免费的基本数据，我们可以使用类似于历史数据查询的功能访问它们。因此，我们可能会在需要基本数据时使用 Fetcher。

接下来，我们将从之前教程的代码开始，进行下一步操作。Quantopian 不仅仅是一个回测平台，它还能帮助我们进行纸上交易，并在不投入资金的情况下进行实际的向前交易，从而减少过度拟合和偏差。

为了进行纸上交易，我们需要运行分钟级回测。这只需要点击下拉菜单选择 分钟 选项，然后运行策略即可。虽然分钟级回测会每分钟评估一次策略，但移动平均线仍然会保持以天为单位计算，因为 Quantopian 目前不支持分钟级移动平均线。

更新系列：https://pythonprogramming.net/quantopian-trading-strategies-introduction-python-programming-for-finance/这个系列在 Quantopian 2.0 之后已经过时。 在本教程中，我们将回到本系列第 8 部分中一个更古老、更基础的策略，以便讨论实时交易策略。 在本例中，我们将对策略进行模拟交易。 在进行模拟交易之前，我们必须先针对分钟级数据进行回测。 在进行此操作时，我们需要了解 Quantopian 系统的一些知识，以及策略、分钟级数据和模拟交易的含义。 模拟交易是指我们采用一种策略，并对其进行“前向测试”，以应对实际的市场事件。 我们使用假钱“交易”，但市场事件是独一无二且真实的。 模拟交易仍然不会受到交易延迟和滑点的困扰，但仍然可以帮助你找出诸如过度拟合历史数据等问题。 示例代码：http://pythonprogramming.nethttp://hkinsley.com