python量化分析
Sero_Qu
这个作者很懒,什么都没留下…
展开
-
python量化分析—对海龟交易法则的验证
掌握知识点: 1.data.cumsum()和data.cumprod()函数是累积和和累积积,data.prod()函数是计算连乘积; 2.pd.set_option(‘display.max_row’,500) 的用法 3.pd.rolling_max()和pd.expanding_max()函数用法 4.dataframe.fillna()函数用法,method=ffill为默认向后填原创 2016-10-23 13:22:05 · 6354 阅读 · 0 评论 -
选股策略二:用pandas pd.merge()进行类海龟法则选股
用pd.merge()方法将今天股票数据和过去N1天股票数据合并在一张dataframe中,将今天数据和过去数据比较进行选股 选股策略:今天股票的收盘价和换手率均超过3%,但前N1=10天股价收盘价的方差最小的(收盘价基本水平运动,突然放量涨起来的股票)(类海龟法则) 注:海龟法则:1.收盘价高于过去N1天最高价买入;2.收盘价低于过去N2天最低价卖出;第一步:pd.concat的应用,将数据加原创 2016-10-23 20:26:09 · 3794 阅读 · 0 评论 -
【策略回归】——对海龟法则的验证
一个完整的交易系统需要决策:1.市场:买卖什么? 选股开盘价>=MA_21 & 涨跌幅>0% & 换手率>3% &流通市值<=60亿 & 前20天的std()ascending排序 选前202.头寸规模:买卖多少? 怎么分配各只股票的仓位,是个需要研究的难题,目前有类似马克维茨的仓位分配法等,需要验证;3.入市:什么时候买卖? 建仓:在选股基础上,分两天三个批次分批建仓,第一个突破点(价格高于昨原创 2016-10-26 23:05:35 · 1216 阅读 · 1 评论 -
【策略回归】 对均线法则的验证
本文目的是为了验证采用什么样的均线策略会比较有效; 采用策略:当开盘价>=MA_5日线并且涨跌幅>0时第二天以开盘价买入; 当开盘价import pandas as pd #pd.set_option('display.max_rows',10000) data=pd.read_csv('overview-data-sh/index/sh000001_new.csv原创 2016-10-28 19:54:24 · 1528 阅读 · 1 评论 -
Python异常处理 -跳过异常继续执行
当循环中出现异常时,如何跳过循环中的异常继续执行,下面是一种可行的方法:import pandas as pddates=range(20161010,20161114)pieces=[]for date in dates: try: data=pd.read_csv('A_stock/overview-push-%d/stock overview.csv' %date原创 2016-11-14 20:29:05 · 33737 阅读 · 5 评论 -
Python量化分析—指数基金定投及Matplotlib作图: 实现双Y轴和中文显示
pandas指数基金定投策略1.pd.read_csv中的index_col表示将交易日期这一列指定为index索引,parse_dates表示将某一column(通常包含时间数据信息)解析为时间列,以便将输入的字符串转换为可变的的时间序列;做时间序列数据分析通常要指定parse_dates,否则在选取时间范围时可能识别错误。 2.cumprod()函数和cumsum()函数使用 3.了解pd.原创 2016-11-21 22:50:44 · 3692 阅读 · 0 评论