linux 文件夹复权,GitHub - 416104443/QUANTAXIS: QUANTAXIS 量化金融框架 Quantitative Financial Framework 中小型策略团队解...

最新推荐文章于 2022-06-30 16:30:40 发布
最新推荐文章于 2022-06-30 16:30:40 发布
阅读量423 收藏
点赞数
文章标签： linux 文件夹复权

QUANTAXIS 量化金融策略框架

68747470733a2f2f696d672e736869656c64732e696f2f6769746875622f77617463686572732f79757469616e7375742f7175616e74617869732e7376673f7374796c653d736f6369616c266c6162656c3d576174636865727326

68747470733a2f2f696d672e736869656c64732e696f2f6769746875622f73746172732f79757469616e7375742f7175616e74617869732e7376673f7374796c653d736f6369616c266c6162656c3d5374617226

68747470733a2f2f696d672e736869656c64732e696f2f6769746875622f666f726b732f79757469616e7375742f7175616e74617869732e7376673f7374796c653d736f6369616c266c6162656c3d466f726b26

[点击右上角Star和Watch来跟踪项目进展! 点击Fork来创建属于你的QUANTAXIS!]

687474703a2f2f6f736e68616b6d61792e626b742e636c6f7564646e2e636f6d2f4d61696e5f312e676966

687474703a2f2f69312e7069696d672e636f6d2f313934392f363263353130646237393135383337612e706e67

68747470733a2f2f696d672e736869656c64732e696f2f62616467652f56657273696f6e2d253230302e352e362d6f72616e67652e737667

68747470733a2f2f7472617669732d63692e6f72672f79757469616e7375742f5155414e54415849532e7376673f6272616e63683d6d6173746572

68747470733a2f2f62616467652e776166666c652e696f2f79757469616e7375742f5155414e54415849532e7376673f6c6162656c3d7265616479267469746c653d5265616479

68747470733a2f2f696d672e736869656c64732e696f2f62616467652f746563682d737461636b2d3036393066612e7376673f7374796c653d666c6174

68747470733a2f2f696d672e736869656c64732e696f2f62616467652f5141532d253230302e302e382d62726f776e2e737667

68747470733a2f2f696d672e736869656c64732e696f2f62616467652f507970692d253230302e352e362d626c75652e737667

68747470733a2f2f696d672e736869656c64732e696f2f62616467652f707974686f6e2d253230332e362f332e352f332e342f77696e2f7562756e74752d6461726b677265792e737667

68747470733a2f2f696d672e736869656c64732e696f2f62616467652f4e706d2d253230302e342e302d79656c6c6f772e737667

68747470733a2f2f696d672e736869656c64732e696f2f62616467652f506f776572656425323062792d25323025323079757469616e7375742d7265642e737667

68747470733a2f2f696d672e736869656c64732e696f2f62616467652f4c6963656e73652d2532304d49542d627269676874677265656e2e737667

欢迎加群讨论: 群链接

QUANTAXIS量化金融策略框架,是一个面向中小型策略团队的量化分析解决方案. 我们通过高度解耦的模块化以及标准化协议,可以快速的实现面向场景的定制化解决方案.QUANTAXIS是一个渐进式的开放式框架,你可以根据自己的需要,引入自己的数据,分析方案,可视化过程等,也可以通过RESTful接口,快速实现多人局域网/广域网内的协作.

======

已经实现：

日线(自1990年)回测 [定点复权] (T+1)

分钟线 [1min/5min/15min/30min/60min]回测 (T+1)

股指期货日线(T+0)/指数日线/ETF日线

股指期货分钟线(T+0) / 指数分钟线/ETF分钟线 [1min/5min/15min/30min/60min]

基于tushare/pytdx/各种爬虫的数据源

实时交易数据

基于Vue.js的前端网站

自定义的数据结构

指标计算

板块数据(0.5.1新增)

预计实现:

文档更新

基本面数据

框架结构

687474703a2f2f69312e7069696d672e636f6d2f3536373537312f646333633831316135616663623466622e706e67

部署问题:

Windows/Linux(ubuntu) 已测试通过

python3.6(开发环境) python2 回测框架不兼容(attention! 之后会逐步用更多高级语法) [*] 如果需要交易,请下载32位的python3.6

nodejs 需要安装>7的版本,来支持es6语法

mongodb是必须要装的

强烈推荐mongodb的可视化库 robomongo 百度即可下载

一个简易demo(需要先安装并启动mongodb,python版本需要大于3)

git

windows

百度搜索:git 下载--exe安装

linux

自带 无需安装

MongoDB

Windows

下载地址 MongoDB 64位 3.4.7:下载链接

可以使用迅雷下载加速

下载完毕以后双击MSI文件安装,一般会安装到C:\Program Files\MongoDB\Server\3.4\bin

MongoDB需要一个data目录一个logo目录,一般我们会在D:中新建一个data目录

# 打开Powershell(Win键+R 在运行中输入Powershell)

cd D:

md data

# 然后在data目录下 新建一个data目录用于存放mongo的数据,log目录用于存放log

cd data

md data

md log

# 到Mongo的程序文件夹下,使用命令

cd C:\Program Files\MongoDB\Server\3.4\bin

# 用mongod 命令安装

.\mongod.exe --dbpath D:\data\data --logpath D:\data\log\mongo.log --httpinterface --rest --serviceName 'MongoDB' --install

# 启动mongodb服务

net start MongoDB

linux

Ubuntu

# 添加源

sudo apt-key adv --keyserver hkp://keyserver.ubuntu.com:80 --recv 0C49F3730359A14518585931BC711F9BA15703C6

# Ubuntu 12.04

echo "deb [ arch=amd64 ] http://repo.mongodb.org/apt/ubuntu precise/mongodb-org/3.4 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-3.4.list

# Ubuntu 14.04

echo "deb [ arch=amd64 ] http://repo.mongodb.org/apt/ubuntu trusty/mongodb-org/3.4 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-3.4.list

# Ubuntu 16.04

echo "deb [ arch=amd64,arm64 ] http://repo.mongodb.org/apt/ubuntu xenial/mongodb-org/3.4 multiverse" | sudo tee /etc/apt/sources.list.d/mongodb-org-3.4.list

# 更新源

sudo apt-get update

# 安装MongoDB

sudo apt-get install -y mongodb-org

# 开启MongoDB服务

sudo service mongod start

Nodejs

windows

直接下载exe 按要求安装即可 最新版本 8.2.1

Linux

Ubuntu

sudo apt-get install npm

sudo npm install n -g

sudo n latest

sudo npm install npm -g #更新npm

sudo npm install forever -g #安装一个全局的forever 用于之后启动

linux/mac下的nodejs有一个版本管理包 叫n 需要全局安装 -g

所以无论装了什么版本的nodejs 只需要npm install n -g 就行

python

Linux

#install python3.6 in linux

sudo add-apt-repository ppa:jonathonf/python-3.6

sudo apt-get update

sudo apt-get install python3.6

wget https://bootstrap.pypa.io/get-pip.py

sudo -H python3.6 get-pip.py

Windows

建议直接安装Anaconda包,记住在安装时 选择添加path不然后面会很麻烦

python的一些需要编译的包的安装

安装TA-Lib

Ubuntu

sudo apt-get update

sudo apt-get install python3.6-dev

# 装talib前要先装numpy

sudo python3.6 -m pip install numpy -i https://pypi.doubanio.com/simple

wget http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-src.tar.gz

tar -xzvf ta-lib-0.4.0-src.tar.gz

cd ta-lib

./configure --prefix=/usr

make

sudo make install

cd ..

sudo python3.6 -m pip install TA-Lib

# 安装剩余的依赖项

sudo python3.6 -m pip install -r requirements.txt -i https://pypi.doubanio.com/simple

sudo python3.6 -m pip install tushare<0.9

Windows

# 访问http://www.lfd.uci.edu/~gohlke/pythonlibs/  下载对应的whl安装包

# pip install xxxxx(文件名).whl

安装QUANTAXIS

git clone https://github.com/yutiansut/quantaxis

cd quantaxis .

pip install -r requirements.txt -i https://pypi.doubanio.com/simple

pip install tushare<0.9

(sudo) pip install -e . # 一定要用这种方法,python setup.py install方法无法解压 安装在本目录下的开发模式

安装QUANATXIS_WebKit

cd QUANTAXIS_Webkit

(sudo) npm install forever -g

# 先去后台项目的文件夹安装

cd backend

(sudo) npm install

# 再去前端的文件夹安装

cd ..

cd web

(sudo) npm install

启动QUANTAXIS CLI 并进行数据的初始化存储

在命令行输入 quantaxis 进去quantaxis CLI

quantaxis> save all

随意新建一个目录:(不要跟QUANTAXIS文件夹在一个目录)

在命令行输入 quantaxis 进去quantaxis CLI

输入examples 在当前目录下生成一个示例策略

运行这个示例策略:

python backtest.py

一般而言 日线4个组合的回测(一年)在14-17秒左右 5min级别4个组合的回测(一年)在3-4分钟左右

启动QUANTAXIS_Webkit来查看回测的结果

启动网络插件(nodejs 版本号需要大于6,最好是7)

cd QUANTAXIS_Webkit

# 先启动后台服务器  在3000端口

cd backend

(sudo) forever start bin/www

cd ..

# 再启动前端服务器  在8080端口

cd web

(sudo) npm run dev 或者 forever start build/dev-server.js

会自动启动localhost:8080网页端口,用账户名admin,密码admin登录

(注明: admin注册是在python的QUANTAXIS save all时候执行的)

另外 如果save all已经执行,依然登录不进去 点击插件状态 查看3000端口是否打开

登录后点击左上角 在模拟回测的选择界面的用户名搜索框输入回测的时候的用户名(默认是admin),回车

选择和你回测策略中名称一致的结果即可进入可视化界面

更新QUANTAXIS

由于目前项目还在开发中,所以需要使用Git来更新项目:

点击右上角的Star和watch来持续跟踪项目进展~

常规更新:

cd QUANTAXIS

git pull

如果本地有进行更改,遇到更新失败:

(注意: 最好不要在本地修改该项目文件,如果需要做一些自定义功能,可以进fork[在项目的右上角])

git reset --hard origin/master

git pull

项目捐赠

写代码不易...写文档最难过...请作者喝杯咖啡呗?

687474703a2f2f6f736e68616b6d61792e626b742e636c6f7564646e2e636f6d2f2545352542452541452545342542462541312545352539422542452545372538392538375f32303137303932333133323031382e6a7067

(PS: 支付的时候 请带上你的名字/昵称呀 会维护一个赞助列表~ )

关于QUANTAXIS基金

第一天挂上项目捐赠就有童靴赞助支持蟹蟹蟹蟹

准备把项目捐赠的钱 以及我自己会补一部分进来 维护一个基金会 主要是奖励文档编写和bug提交的童鞋们~

一些基础的api介绍

QUANTAXIS 是一个渐进式的框架,也就是说 你可以很简单的只使用回测部分,也可以逐步深入开发,从数据源获取/数据库替代,到回测的引擎的修改,自定义交易模式,事件修改等等.

在0.5.0以前,api都不是很稳定,所以文档这块比较欠缺,暂时先给一些常用的api说明:

QUANTAXIS.QABacktest 的 api

from QUANTAXIS import QA_Backtest as QB

#常量:

QB.backtest_type #回测类型 day/1min/5min/15min/30min/60min/index_day/index_1min/index_5min/index_15min/index_30min/index_60min/

QB.account.message #当前账户消息

QB.account.cash #当前可用资金

QB.account.hold # 当前账户持仓

QB.account.history #当前账户的历史交易记录

QB.account.assets #当前账户总资产

QB.account.detail #当前账户的交易对账单

QB.account.init_assest #账户的最初资金

QB.strategy_gap #前推日期

QB.strategy_name #策略名称

QB.strategy_stock_list #回测初始化的时候 输入的一个回测标的

QB.strategy_start_date #回测的开始时间

QB.strategy_end_date #回测的结束时间

QB.today #在策略里面代表策略执行时的日期

QB.now #在策略里面代表策略执行时的时间

QB.benchmark_code #策略业绩评价的对照行情

QB.backtest_print_log = True # 是否在屏幕上输出结果

QB.setting.QA_setting_user_name = str('admin') #回测账户

QB.setting.QA_setting_user_password = str('admin') #回测密码

#函数:

#获取市场(基于gap)行情:

QB.QA_backtest_get_market_data(QB,code,QB.today/QB.now)

- 可选项: gap_

- 可选项: type_ 'lt','lte' 默认是lt

#获取单个bar

QB.QA_backtest_get_market_data_bar(QB,code,QB.today/QB.now)

#拿到开高收低量

Open,High,Low,Close,Volume=QB.QA_backtest_get_OHLCV(QB,QB.QA_backtest_get_market_data(QB,item,QB.today))

#获取市场自定义时间段行情:

QA.QA_fetch_stock_day(code,start,end,model)

#一键平仓:

QB.QA_backtest_sell_all(QB)

#报单:

QB.QA_backtest_send_order(QB, code,amount,towards,order: dict)

"""

order有三种方式:

1.限价成交 order['bid_model']=0或者l,L

注意: 限价成交需要给出价格:

order['price']=xxxx

2.市价成交 order['bid_model']=1或者m,M,market,Market [其实是以bar的开盘价成交]

3.严格成交模式 order['bid_model']=2或者s,S

及 买入按bar的最高价成交 卖出按bar的最低价成交

3.收盘价成交模式 order['bid_model']=3或者c,C

"""

#查询当前一只股票的持仓量

QB.QA_backtest_hold_amount(QB,code)

#查询当前一只股票的可卖数量

QB.QA_backtest_sell_available(QB,code)

#查询当前一只股票的持仓平均成本

QB.QA_backtest_hold_price(QB,code)

QUANTAXIS的核心数据结构

QA_DataStruct

属性用@property装饰器装饰,进行懒运算 提高效率

DataStruct具有的功能:

数据容器

数据变换 [分拆/合并/倒序] split/merge/reverse

数据透视 pivot

数据筛选 select_time/select_time_with_gap/select_code/get_bar

数据复权 to_qfq/to_hfq

数据显示 show

格式变换 to_json/to_pandas/to_list/to_numpy

数据库式查询 query

画图 plot

计算指标 add_func

QA_DataStruct_Stock_block

(属性)该类下的所有板块名称 block_name

查询某一只股票所在的所有板块 get_code(code)

查询某一个板块下的所有股票 get_block(block)

展示当前类下的所有数据 show

我们可以通过

import QUANTAXIS as QA

# QA.QA_fetch_stock_day_adv

# QA.QA_fetch_stock_min_adv

# QA.QA_fetch_index_day_adv

# QA.QA_fetch_index_min_adv

day线的参数是code, start, end

min线的参数是code, start, end, type_='1min'

其中 code 可以是一个股票,也可以是一列股票(list)

取一个股票的数据

QA.QA_fetch_stock_day_adv('000001','2017-01-01','2017-10-01')

In [5]: QA.QA_fetch_stock_day_adv('000001','2017-01-01','2017-10-01')

Out[5]: QA_DataStruct_Stock_day with 1 securities

取多个股票的数据

QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-01-01','2017-10-01')

In [6]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-01-01','2017-10-01')

Out[6]: QA_DataStruct_Stock_day with 2 securities

显示结构体的数据 .data

In [10]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').data

Out[10]:

code open high low close volume date

date code

2017-09-20 000001 000001 11.14 11.37 11.05 11.29 787154.0 2017-09-20

2017-09-21 000001 000001 11.26 11.51 11.20 11.46 692407.0 2017-09-21

2017-09-22 000001 000001 11.43 11.52 11.31 11.44 593927.0 2017-09-22

2017-09-25 000001 000001 11.44 11.45 11.18 11.29 532391.0 2017-09-25

2017-09-26 000001 000001 11.26 11.30 10.96 11.05 967460.0 2017-09-26

2017-09-27 000001 000001 11.01 11.08 10.90 10.93 727188.0 2017-09-27

2017-09-28 000001 000001 10.98 10.98 10.82 10.88 517220.0 2017-09-28

2017-09-29 000001 000001 10.92 11.16 10.86 11.11 682280.0 2017-09-29

2017-09-20 000002 000002 28.50 29.55 28.00 28.73 613095.0 2017-09-20

2017-09-21 000002 000002 28.50 29.06 27.75 28.40 536324.0 2017-09-21

2017-09-22 000002 000002 28.39 28.67 27.52 27.81 423093.0 2017-09-22

2017-09-25 000002 000002 27.20 27.20 26.10 26.12 722702.0 2017-09-25

2017-09-26 000002 000002 26.12 27.22 26.10 26.76 593044.0 2017-09-26

2017-09-27 000002 000002 27.00 27.28 26.52 26.84 367534.0 2017-09-27

2017-09-28 000002 000002 27.00 27.15 26.40 26.41 262347.0 2017-09-28

2017-09-29 000002 000002 26.56 26.80 26.00 26.25 345752.0 2017-09-29

显示结构体的开/高/收/低 .open/.high/.close/.low

In [5]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').high

Out[5]:

date code

2017-09-20 000001 11.37

2017-09-21 000001 11.51

2017-09-22 000001 11.52

2017-09-25 000001 11.45

2017-09-26 000001 11.30

2017-09-27 000001 11.08

2017-09-28 000001 10.98

2017-09-29 000001 11.16

2017-09-20 000002 29.55

2017-09-21 000002 29.06

2017-09-22 000002 28.67

2017-09-25 000002 27.20

2017-09-26 000002 27.22

2017-09-27 000002 27.28

2017-09-28 000002 27.15

2017-09-29 000002 26.80

Name: high, dtype: float64

数据结构复权to_qfq()/to_hfq()

返回的是一个DataStruct,用.data展示返回的数据的结构

其中DataStruct.if_fq的属性会改变

In [4]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').to_qfq().data

Out[4]:

code open high low close volume date \

date code

2017-09-20 000001 000001 11.14 11.37 11.05 11.29 787154.0 2017-09-20

2017-09-21 000001 000001 11.26 11.51 11.20 11.46 692407.0 2017-09-21

2017-09-22 000001 000001 11.43 11.52 11.31 11.44 593927.0 2017-09-22

2017-09-25 000001 000001 11.44 11.45 11.18 11.29 532391.0 2017-09-25

2017-09-26 000001 000001 11.26 11.30 10.96 11.05 967460.0 2017-09-26

2017-09-27 000001 000001 11.01 11.08 10.90 10.93 727188.0 2017-09-27

2017-09-28 000001 000001 10.98 10.98 10.82 10.88 517220.0 2017-09-28

2017-09-29 000001 000001 10.92 11.16 10.86 11.11 682280.0 2017-09-29

2017-09-20 000002 000002 28.50 29.55 28.00 28.73 613095.0 2017-09-20

2017-09-21 000002 000002 28.50 29.06 27.75 28.40 536324.0 2017-09-21

2017-09-22 000002 000002 28.39 28.67 27.52 27.81 423093.0 2017-09-22

2017-09-25 000002 000002 27.20 27.20 26.10 26.12 722702.0 2017-09-25

2017-09-26 000002 000002 26.12 27.22 26.10 26.76 593044.0 2017-09-26

2017-09-27 000002 000002 27.00 27.28 26.52 26.84 367534.0 2017-09-27

2017-09-28 000002 000002 27.00 27.15 26.40 26.41 262347.0 2017-09-28

2017-09-29 000002 000002 26.56 26.80 26.00 26.25 345752.0 2017-09-29

preclose adj

date code

2017-09-20 000001 NaN 1.0

2017-09-21 000001 11.29 1.0

2017-09-22 000001 11.46 1.0

2017-09-25 000001 11.44 1.0

2017-09-26 000001 11.29 1.0

2017-09-27 000001 11.05 1.0

2017-09-28 000001 10.93 1.0

2017-09-29 000001 10.88 1.0

2017-09-20 000002 NaN 1.0

2017-09-21 000002 28.73 1.0

2017-09-22 000002 28.40 1.0

2017-09-25 000002 27.81 1.0

2017-09-26 000002 26.12 1.0

2017-09-27 000002 26.76 1.0

2017-09-28 000002 26.84 1.0

2017-09-29 000002 26.41 1.0

数据透视 .pivot()

In [6]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').pivot('open')

Out[6]:

code 000001 000002

date

2017-09-20 11.14 28.50

2017-09-21 11.26 28.50

2017-09-22 11.43 28.39

2017-09-25 11.44 27.20

2017-09-26 11.26 26.12

2017-09-27 11.01 27.00

2017-09-28 10.98 27.00

2017-09-29 10.92 26.56

数据的时间筛选.select_time(start,end)

In [10]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').select_time('2017-09-20','2017-09-25')

Out[10]: QA_DataStruct_Stock_day with 2 securities

In [11]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').select_time('2017-09-20','2017-09-25').data

Out[11]:

code open high low close volume date

date code

2017-09-20 000001 000001 11.14 11.37 11.05 11.29 787154.0 2017-09-20

2017-09-21 000001 000001 11.26 11.51 11.20 11.46 692407.0 2017-09-21

2017-09-22 000001 000001 11.43 11.52 11.31 11.44 593927.0 2017-09-22

2017-09-25 000001 000001 11.44 11.45 11.18 11.29 532391.0 2017-09-25

2017-09-20 000002 000002 28.50 29.55 28.00 28.73 613095.0 2017-09-20

2017-09-21 000002 000002 28.50 29.06 27.75 28.40 536324.0 2017-09-21

2017-09-22 000002 000002 28.39 28.67 27.52 27.81 423093.0 2017-09-22

2017-09-25 000002 000002 27.20 27.20 26.10 26.12 722702.0 2017-09-25

数据按时间往前/往后推 select_time_with_gap(time,gap,methods)

time是你选择的时间

gap是长度 (int)

methods有 '<=','lte','','gt','>=','gte'的选项

In [14]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').select_time_with_gap('2017-09-20',2,'gt')

Out[14]: QA_DataStruct_Stock_day with 2 securities

In [15]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').select_time_with_gap('2017-09-20',2,'gt').data

Out[15]:

code open high low close volume date

date code

2017-09-21 000001 000001 11.26 11.51 11.20 11.46 692407.0 2017-09-21

2017-09-22 000001 000001 11.43 11.52 11.31 11.44 593927.0 2017-09-22

2017-09-21 000002 000002 28.50 29.06 27.75 28.40 536324.0 2017-09-21

2017-09-22 000002 000002 28.39 28.67 27.52 27.81 423093.0 2017-09-22

选取结构组里面某一只股票select_code(code)

In [16]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').select_code('000001')

Out[16]: QA_DataStruct_Stock_day with 1 securities

In [17]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').select_code('000001').data

Out[17]:

code open high low close volume date

date code

2017-09-20 000001 000001 11.14 11.37 11.05 11.29 787154.0 2017-09-20

2017-09-21 000001 000001 11.26 11.51 11.20 11.46 692407.0 2017-09-21

2017-09-22 000001 000001 11.43 11.52 11.31 11.44 593927.0 2017-09-22

2017-09-25 000001 000001 11.44 11.45 11.18 11.29 532391.0 2017-09-25

2017-09-26 000001 000001 11.26 11.30 10.96 11.05 967460.0 2017-09-26

2017-09-27 000001 000001 11.01 11.08 10.90 10.93 727188.0 2017-09-27

2017-09-28 000001 000001 10.98 10.98 10.82 10.88 517220.0 2017-09-28

2017-09-29 000001 000001 10.92 11.16 10.86 11.11 682280.0 2017-09-29

取某一只股票的某一个时间的bar(code,time,if_trade)

第三个选项 默认是True

第三选项的意义在于,如果出现了停牌,参数如果是True 那么就会返回空值 而如果是False,就会返回停牌前最后一个交易日的值

In [18]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').get_bar('000001','2017-09-20',True)

Out[18]: QA_DataStruct_Stock_day with 1 securities

In [19]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').get_bar('000001','2017-09-20',True).data

Out[19]:

code open high low close volume date

date code

2017-09-20 000001 000001 11.14 11.37 11.05 11.29 787154.0 2017-09-20

画图 plot(code)

如果是()空值 就会把全部的股票都画出来

In [20]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').plot()

QUANTAXIS>> The Pic has been saved to your path: .\QA_stock_day_codepackage_bfq.html

In [21]: QA.QA_fetch_stock_day_adv(['000001','000002'],'2017-09-20','2017-10-01').plot('000001')

QUANTAXIS>> The Pic has been saved to your path: .\QA_stock_day_000001_bfq.html

687474703a2f2f6f736e68616b6d61792e626b742e636c6f7564646e2e636f6d2f515125453625383825414125453525394225424532303137313030343132353333362e706e67

QUANTAXIS的指标系统

QUANTAXIS的核心数据结构有一个方法叫add_func(func,*args,**kwargs),作为一个指标入口,会返回一个和DataStruct中股票数量一致长度的list

QUANTAXIS有两种类型的指标:

基础指标(输入为Series的指标)

应用级指标(可应用于DataStruct的指标)

其中,基础指标是为了应用级指标做准备的,及对应于Series的分析和dataframe的分析的关系

基础类指标 [基本和同花顺/通达信一致]

import QUANTAXIS as QA

QA.MA(Series, N)

QA.EMA(Series, N)

QA.DIFF(Series, N=1)

QA.HHV(Series, N)

QA.LLV(Series, N)

QA.SUM(Series, N)

QA.ABS(Series)

QA.MAX(A, B)

QA.MIN(A, B)

QA.CROSS(A, B)

QA.COUNT(COND, N)

QA.IF(COND, V1, V2)

QA.REF(Series, N)

QA.STD(Series, N)

QA.AVEDEV(Series, N)

QA.BBIBOLL(Series, N1, N2, N3, N4, N, M)

应用级指标 add_func(func)

import QUANTAXIS as QA

QA.QA_indicator_OSC(DataFrame, N, M)

QA.QA_indicator_BBI(DataFrame, N1, N2, N3, N4)

QA.QA_indicator_PBX(DataFrame, N1, N2, N3, N4, N5, N6)

QA.QA_indicator_BOLL(DataFrame, N)

QA.QA_indicator_ROC(DataFrame, N, M)

QA.QA_indicator_MTM(DataFrame, N, M)

QA.QA_indicator_KDJ(DataFrame, N=9, M1=3, M2=3)

QA.QA_indicator_MFI(DataFrame, N)

QA.QA_indicator_ATR(DataFrame, N)

QA.QA_indicator_SKDJ(DataFrame, N, M)

QA.QA_indicator_WR(DataFrame, N, N1)

QA.QA_indicator_BIAS(DataFrame, N1, N2, N3)

QA.QA_indicator_RSI(DataFrame, N1, N2, N3)

QA.QA_indicator_ADTM(DataFrame, N, M)

QA.QA_indicator_DDI(DataFrame, N, N1, M, M1)

QA.QA_indicator_CCI(DataFrame, N=14)

自己写一个指标:

比如 绝路航标

import QUANTAXIS as QA

def JLHB(data, m=7, n=5):

"""

通达信定义

VAR1:=(CLOSE-LLV(LOW,60))/(HHV(HIGH,60)-LLV(LOW,60))*80;

B:SMA(VAR1,N,1);

VAR2:SMA(B,M,1);

绝路航标:IF(CROSS(B,VAR2) AND B<40,50,0);

"""

var1 = (data['close'] - QA.LLV(data['low'], 60)) / \

(QA.HHV(data['high'], 60) - QA.LLV(data['low'], 60)) * 80

B = QA.MA(var1, m)

var2 = QA.MA(B, n)

if QA.CROSS(B,var2) and B[-1]<40:

return 1

else:

return 0

# 得到指标

QA.QA_fetch_stock_day_adv('000001','2017-01-01','2017-01-31').to_qfq().add_func(JLHB)

QUANTAXIS的行情分析/研究用

主要是针对行情的各种统计学特征/指标等分析,支持QA_DataStruct_系列的add_func()功能

接收DataFrame形式的行情以及QUANTAXIS.QADATA格式的行情

目前有:

(属性)

一阶差分

样本方差

方差

标准差

样本标准差

平均数

调和平均数

众数

振幅(极差)

偏度

峰度

百分比变化

平均绝对偏差

import QUANTAXIS as QA

data=QA.QA_fetch_stock_day_adv('600066','2013-12-01','2017-10-01') #[可选to_qfq(),to_hfq()]

s=QA.QA_Analysis_stock(data)

# s 的属性是( < QA_Analysis_Stock > )

s.open # 开盘价序列

s.close # 收盘价序列

s.high # 最高价序列

s.low # 最低价序列

s.vol # 量

s.volume # 同vol

s.date # 日期

s.datetime

s.index # 索引

s.price # 平均价(O+H+L+C)/4

s.mean # price的平均数

s.max # price的最大值

s.min # price的最小值

s.mad # price的平均绝对偏差

s.mode # price的众数(没啥用)

s.price_diff # price的一阶差分

s.variance # price的方差

s.pvariance # price的样本方差

s.stdev # price的标准差

s.pstdev # price的样本标准差

s.mean_harmonic # price的调和平均数

s.amplitude #price的振幅[极差]

s.skewnewss # price的峰度 (4阶中心距)

s.kurtosis # price的偏度 (3阶中心距)

s.pct_change # price的百分比变化序列

s.add_func(QA.QA_indicator_CCI) # 指标计算, 和DataStruct用法一致

QUANTAXIS的api

import QUANTAXIS as QA

"""

QA.QA_fetch_get_ 系列:

从网上获取数据

"""

QA.QA_util_log_info('日线数据')

QA.QA_util_log_info('不复权')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_day('00001','2017-01-01','2017-01-31')

QA.QA_util_log_info('前复权')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_day('00001','2017-01-01','2017-01-31','01')

QA.QA_util_log_info('后复权')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_day('00001','2017-01-01','2017-01-31','02')

QA.QA_util_log_info('定点前复权')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_day('00001','2017-01-01','2017-01-31','03')

QA.QA_util_log_info('定点后复权')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_day('00001','2017-01-01','2017-01-31','04')

QA.QA_util_log_info('分钟线')

QA.QA_util_log_info('1min')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_min('000001','2017-07-01','2017-08-01','1min')

QA.QA_util_log_info('5min')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_min('000001','2017-07-01','2017-08-01','5min')

QA.QA_util_log_info('15min')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_min('000001','2017-07-01','2017-08-01','15min')

QA.QA_util_log_info('除权除息')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_xdxr('00001')

QA.QA_util_log_info('股票列表')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_list('stock')

QA.QA_util_log_info('指数列表')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_list('index')

QA.QA_util_log_info('全部列表')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_list('all')

QA.QA_util_log_info('指数日线')

data=QA.QAFetch.QATdx.QA_fetch_get_index_day('000001','2017-01-01','2017-09-01')

QA.QA_util_log_info('指数分钟线')

QA.QA_util_log_info('1min')

data=QA.QAFetch.QATdx.QA_fetch_get_index_min('000001','2017-07-01','2017-08-01','1min')

QA.QA_util_log_info('5min')

data=QA.QAFetch.QATdx.QA_fetch_get_index_min('000001','2017-07-01','2017-08-01','5min')

QA.QA_util_log_info('15min')

data=QA.QAFetch.QATdx.QA_fetch_get_index_min('000001','2017-07-01','2017-08-01','15min')

QA.QA_util_log_info('最后一次交易价格')

QA.QA_util_log_info('参数为列表')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_latest(['000001','000002'])

QA.QA_util_log_info('参数为一只股票')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_latest('000001')

QA.QA_util_log_info('实时价格')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_realtime(['000001','000002'])

QA.QA_util_log_info('分笔成交')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_transaction('000001','2001-01-01','2001-01-15')

QA.QA_util_log_info('板块数据')

data=QA.QAFetch.QATdx.QA_fetch_get_stock_block()

"""

QA.QA_fetch_ 系列

从本地数据库获取数据

"""

# 股票

QA_fetch_stock_day_adv(code,start,end)

QA_fetch_stock_min_adv(code,start,end,type_='1min') # type_可以选1min/5min/15min/30min/60min

# 指数/ETF

QA_fetch_index_day_adv(code,start,end)

QA_fetch_index_min_adv(code,start,end,type_='1min') # type_可以选1min/5min/15min/30min/60min

# 板块

QA_fetch_stock_block_adv(code)

回测Webkit插件概览

687474703a2f2f69322e6d75696d672e636f6d2f3536373537312f373336626134616464613966616338352e706e67

687474703a2f2f69322e6d75696d672e636f6d2f3538383932362f333435653932346134356361653665352e706e67

687474703a2f2f69312e7069696d672e636f6d2f313934392f376236653266633334373232306637622e706e67

687474703a2f2f69312e7069696d672e636f6d2f3536373537312f303962643035633336393866326433382e706e67

687474703a2f2f69312e7069696d672e636f6d2f3536373537312f303533616333653338353066386636302e706e67

687474703a2f2f6f736e68616b6d61792e626b742e636c6f7564646e2e636f6d2f7175616e74617869732532306d61726b646f776e2e676966

QUANTAXIS 标准化协议和未来协议

QUANTAXIS-Stardand-Protocol 版本号0.0.8

翼焉子
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
linux目录误设置权限恢复,Linux系统chmod误操作目录权限恢复方法
weixin_39933026的博客
04-28 447
部门刚上线了一个新系统，发现一个BUG，于是开发直接上机器调试，他认为是文件目录权限不够的问题，于是想用chmod -R 777 先给这个程序目录全部权限试试。结果，那家伙手一抖命令敲成了：chmod 777 -R /*而且想都不想就回车了，然后弹出一堆 /proc/*** 没权限更改目录权限的错误提示，我一看就冷了一大截。。。里面让他ctrl +C 终止命令。不出所想，系统文件权限已经大部分都变...
Linux 整个系统权限玩坏了怎么办？
qq_24794401的博客
06-14 577
前言作者以前就遇到过Linux整个系统文件权限都被设置为777。并且系统没有权限备份，当时服务器也不是云主机，所以没有快照备份。遇到这种情况怎么办？下面分享下作者个人恢复方法。万能的百度...
失误造成权限被刷-恢复Linux系统权限
privateobject的博客
06-30 765
在安装服务的程序时候，chmod刷新权限的时候，造成整个系统权限被刷。ssh工具多个会话都掉线，万幸还有一个会话没失效。因为身边没有相同系统版本服务器，就用oracle vm virtualBox安装一个centos 7 的系统，然后备份了系统权限。在问题系统中将核心文件权限刷回来后，没有问题了。 如果Linux整个系统文件权限都被设置为777，请不要重启系统，因为很多同学认为万能的重启能解决98%的问题。重启后权限就能恢复。但这次请不要重启系统，如果重启系统，系统直接损坏。...
linux 目录权限及归属,Linux中如何设置目录或文件的归属及权限
weixin_39907133的博客
04-28 454
我们首先来查看一下目录的权限及归属，各个字段表示的含义：权限字符在文件中的含义为：读取、写入、执行权限也可以用数字来表示，具体如下：命令chmod用来更改目录或文件的权限，基本的命令格式如下：chmod [ugoa] [+=-] [r w x] 文件或目录或者chmod nnn 文件或目录其中ugoa表示该权限设置所针对的用户类别。u代表文件属主；g代表文件属组；o代表其他任何用...
linux下给文件夹或者目录赋权
weixin_30471561的博客
09-07 1244
#给指定目录赋权chmod －R 777 文件夹名#linux下给目录下所有子目录和文件赋权chmod -R 777 *#给所有文件指定用户和用户组chown - R wang.users /his把目录/his及其下的所有文件和子目录的属主改成wang，属组改成users。 转载于:https://www.cnblogs.com/gaf617/p/4788974.html...
解决 github项目clone报错 Failed connect to github.com:443; Connection
01-09
系统环境：CentOS Linux release 7.6.1810 (Core)  起因：npm构建时报错 npm ERR! Error while executing: npm ERR! /usr/bin/git ls-remote -h -t https://github.com/nhn/raphael.git npm ERR! npm ERR! fatal: ...
karmadactl-linux-amd64.tgz https://github.com/karmada-io/karmada
最新发布
12-29
karmadactl-linux-amd64.tgz https://github.com/karmada-io/karmada/releases/download/v1.8.1/karmadactl-linux-amd64.tgz
ember-eui：https：//elastic.github.ioeui的Ember组件
02-04
注意：我们目前正在使用来自ember-svg-jar的叉子，用于hbs策略"ember-svg-jar": "github:betocantu93/ember-svg-jar#ember-eui-hbs" // ember-cli-build.js var app = new EmberApp ( defaults , { ... svgJar :...
qemu：https：//github.comqemuqemu
02-20
QEMU能够在软件中模拟完整的计算机，而无需任何硬件虚拟化支持。 通过使用动态翻译，它可以获得非常好的性能。 QEMU还可以与Xen和KVM虚拟机管理程序集成，以提供仿真硬件，同时允许虚拟机管理程序管理CPU。 借助...
Live2D-DCG.github.io
07-24
离线使用： 安装 NodeJs - 安装 Yarn - 打开命令行，将目录更改为 Live2D-DCG 文件夹。 然后，输入“yarn start””，它开始说启动http-server .... 转到您的网络浏览器并输入
同花顺模拟炒股软件
02-20
同花顺模拟炒股软件，实时查看大盘信息，还可以模拟操作炒股！
linux 复制文件目录
徐同保的专栏
11-17 536
在cp指令前面加反斜杠可以不弹出是否覆盖的询问而直接覆盖 *代表复制build文件夹里的内容 -r：递归复制，用于复制目录 -f 是强制覆盖 \cp -rf /server/demo/unzip/build/* /server/demo/test/tan/origin/master/ 目标目录不存在会报错，需要提前创建目录： mkdir -p /server/demo/test/tan/origin/master/666/777 ...
linux怎么给一个文件赋权限,linux对文件赋权限的命令chmod的详细说明
weixin_35353583的博客
05-01 8818
指令名称 : chmod使用权限 : 所有使用者使用方式 : chmod [-cfvR] [--help] [--version] mode file...说明 : Linux/Unix 的档案调用权限分为三级 : 档案拥有者、群组、其他。利用 chmod 可以藉以控制档案如何被他人所调用。参数 :mode : 权限设定字串，格式如下 : [ugoa...][[+-=][rwxX]...][,.....
Linux-文件及文件夹赋权
Piepis的博客
08-27 2万+
示例说明 ll 命令查看文件当前权限 第一个栏位，表示文件的属性。Linux的文件基本上分为三个属性：可读（r），可写（w），可执行（x）rwx(Owner)r-x(Group)r-x(Other) 第二个栏位，表示文件个数。如果是文件的话，那这个数目自然是1了，如果是目录的话，那它的数目就是该目录中的文件个数了。 第三个栏位，表示该文件或目录的拥有者。若使用者目前处于自己的Home,那这一栏大概都是它的账号名称。 第四个栏位，表示所属的组（group）。每一个使用者都可以拥有一个以上的组
linux权限详解
热门推荐
fanzhenhua的专栏
01-17 8万+
一个用户、一个组 我们来看一看 Linux 权限和所有权模型。我们已经看到每个文件属于一个用户和一个组。这正是 Linux 中权限模型的核心。您可以在 ls -l 清单中查看用户和组： $ ls -l /bin/bash -rwxr-xr-x    1 root     wheel      430540 Dec 23 18:27 /bin/bash在这个特殊的示例中，/bin/bas
简述复权的计算
四纪启悟 · 数据科学
08-13 2万+
一、概念 1、除权 上市证券发生权益分派、分红、送股、公积金转增股本、配股等情况,交易所会在股权(债权)登记日次一交易日对该证券作除权除息处理，除权除息的基本思想就是股东财富不变原则,即分红事项不应影响股东财富总额。如没有发生除权，即时行情中前收价是前一交易日收盘价；如当日是除权日， 则为除权价。  2、复权 除权后会在K线上留下缺口， 复权就是对股价和成交量进行权息修
Linux 备份及恢复 Linux 文件权限
小工匠
01-16 1万+
概述一个系统管理员菜鸟不小心输入”chmod -R 777 /”从而导致了巨大的悲剧，使得整个系统遭到了严重的破坏。在日常管理中，我们有许多工具可以用来备份文件权限，如cp、rsync、etckeeper等。如果你使用了这个备份工具，那么你的确不需要担心改变的文件权限问题。但如果只是想暂时备份文件权限(而不是文件本身)，例如：为了阻止一些目录的内容被覆盖暂时移除该目录下所有文件写的权限；或是正在排除
linux 赋权文件,linux文件赋权
weixin_42306503的博客
05-11 873
造成这种问题的原因很多,最常见的是在Unix/Linux/MacOS系统中, 该目录在 文件系统 中没有权限, 可以使用命令 chmod -R 777 目录名 为该目录赋权限其次可能是Apache的配置禁止了访问权限, 需要配置如下Options Indexes FollowSymLinksAllowOverride AllOrder allow,denyAllow from allRequire...
【公告】变更！采用动态复权作为回测复权机制
JDquant的博客
03-15 2392
相信最近一些小伙伴可能发现一些问题就是同一个策略回测的结果……好像跟之前不太一样了回测效果貌似没有之前好了是记错了吗？是代码被改了吗？都不是！是我们回测的复权机制改了！什么是复权复权就是对股价和成交量进行权息修复，股票的实际价值没有变，只是数量与价格变化了而已。如：原来20元的股票，十送十之后为10元，但实际还是相当于20元。从K线图上看这个价位看似很低，但很可能就是一个历史高位。复权的作用是为了...
go: finding module for package github.com/gin-gonic/gin go: found github.com/gin-gonic/gin in github.com/gin-gonic/gin v1.9.
09-25
- 对于mac/linux系统，执行以下命令： ``` export GOPROXY=https://goproxy.io export GO111MODULE=on ``` - 对于windows系统，执行以下命令（注意需要加上引号）： ``` go env -w GOPROXY=...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
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。

余额充值