AI 量化

上篇谈到简单使用backtrader+pyfolio 做策略回测。这篇使用vn.py backtesting引擎，做策略回测，并将结果展示在自己的量化平台的web页面上。在vn.py 下载最新的开源软件包，按照提示一步步安装（这里我使用的是之前下载的 vnpy2.1.7.1，python3.7.7版本）。vnpy的run.py中：插入下面代码，确保 CTABacktesterAPP的开启：from vnpy.app.cta_backtester import CtaBacktest

记录最近用backtrader+pyfolio 做策略回测。安装 backtrader 和 pyfolio ：pip install backtraderpip install pyfolio 导入 backtrader 和 pyfolio ：import backtraderas btimport pyfolio as pf在代码中，先定义策略 class（以EMA cross策略为例）。EMACross：EMA（Exponential Moving Average）是指

前面介绍了，平台怎样实现交易跟踪和复盘分析以及模拟回测。本篇结合平台操作，介绍怎样开始新闻事件追踪和日志管理， 对新闻事件追踪和日志管理，来把握和分析中长期基本面；以及进行日常走势形态追踪分析；怎样基于talib及tradingview，进行量化策略分析及回测。一、基本面分析基本面分析是投资的基础之一，应用于所有资产类别。基本面分析，着眼于对商品进行基本面供需分析，追踪新闻消息及驱动因素，分析价格上涨或下跌的驱动原因，来预判未来的价格走势，并从中获利。如果一个商品的当前市场价格，与该

本章作为专栏--低门槛搭建个人量化平台的补充材料。根据前面文章，不仅可以在自已的量化平台上修改K线图形及各式设置，在图表上显示一些自定义数据或指标，而且还可以随心所欲增加自己感兴趣的个性化扩展定制内容，例如自定义预警功能。本篇简要介绍，平台怎样实现交易跟踪和复盘分析，以及模拟回测。一、交易追踪及复盘分析这节介绍将自己的实盘交易操作信息，同步记录并显示在K线图上。下面是通过 tradingView GET /marks 方法实现的，说明如下：Request:GET /marks?

本章作为专栏--低门槛搭建个人量化平台的补充材料。本文继续讲解平台是怎样实现自定义预警，平台与同花顺的预警信息，进行实时同步通信。下面通过一个实际案例，讲解平台如何将同花顺软件的预警信息出现在tradingview的图表中，及平台中自己所设定和绘制的画线预警，如何显示在同花顺预警界面中（这样可以通过电话/短信通知用户）。一、tradingview 原始信息存储和加载上期讲到tradingview 图表等各种信息的存储、加载（如历史画线分析、日志、警报、交易记录等），功能是在分享代码 save

本章作为专栏–低门槛搭建个人量化平台的补充材料。前面介绍了基于python环境和web服务框架，获取和处理了实时行情数据，并实时存储在自己的数据库中，也基于tradingview框架，建立了一个最基础的图表展现和分析平台。本文继续讲解平台是怎样实现，快速简便地实时计算和显示技术指标的方法。从简单应用到平台框架应用，不同场景下，基于python快速简便地实时计算和显示技术指标的方法，总结如下（鄙人之前走了不少弯路，以下几种场景实现及安装避坑方法，分别介绍给各位朋友，请借鉴或给与建议）。一、最先尝试——tr

为防止宕机灾难，我用python的schedule库定时做每日数据自动备份。参见共享代码中 db_backup.py.import scheduleimport timeimport xconfig as Cimport util.xtool as xtoolimport util.tradeDate as TDimport util.dbcom as dbcomimport dataMan.dbMan as dbManrunTime = "23:30:00"print('backup

本章作为专栏–低门槛搭建个人量化平台的补充材料。前面介绍了基于python环境和web服务框架，获取和处理了实时行情数据，并实时存储在自己的数据库中。本文将用金融工具或框架，建立一个最基础的图表展现和分析平台。一、最先尝试在基础框架搭建之前，我最先的尝试，是先自己尝试画一个K线图。最基础的方法是用 python matplotlib库方法画K线图。其中candlestick_ohlc方法标准化数据画出蜡烛图K线。（参考【1】）如图：但是不够美观，功能不够丰富，不推荐。另外可以考虑用echart在

本章作为知乎专栏–低门槛搭建个人量化平台的补充材料。前面介绍了怎样搭建python环境和web服务框架，并建立了自己的数据库，本文介绍如何获取和处理实时行情数据。量化平台必须捕捉瞬息万变的市场信息，进行实时量化分析。因此数据的实时性、准确性和易用性是量化平台的根本，量化平台，必须建立自己独立、安全、快速、可靠的、包含实时/历史行情数据的数据仓库，并进行行情数据的管理，包括历史tick数据，实时/历史tick数据，实时/历史bar数据， 数据的存储，读取、清洗、合并、预处理等。几点有帮助的说明如下：1、

本章作为专栏–低门槛搭建个人量化平台的预备工作，介绍怎样安装python环境，及其搭建自己的web服务。1、pythonwindow下使用python 3.7版本：https://www.python.org/downloads/windows/Python 3.7.7rc1 - March 4, 2020ubuntu 16.04 已经默认安装python 3.5版本也可以。python3.5 版本下，如果使用pip3 有问题，可以用下面安装pip3：wget https://bootstra

本章作为专栏–低门槛搭建个人量化平台的预备工作，介绍怎样搭建自己的数据库，包括MySQL、mongoDB在window及linux下的安装、及客户端的安装使用。Mysql 数据库MySQL关是一种关系数据库管理系统，所使用的 SQL 语言是用于访问数据库的最常用标准化语言，其特点为体积小、速度快、总体拥有成本低，尤其是开放源码这一特点，在 Web应用方面 MySQL 是最好的。window/ubuntu 环境： 建议使用 XAMPP（1) window环境https://www.apachef

希望随时间和种类变化，用不同粗细的立体线来表现。线段粗细不仅随着品种的不同而不同，而且随着每个时间段，都有不同变化。但找遍各种可视化引擎，都没有适合的解决方案。各种尝试和努力，最后选用 plotly 的3d-mesh方案, 效果不错。

从简单应用到平台框架应用，不同场景下，基于python快速简便地实时计算金融技术指标的方法，总结如下（鄙人之前走了不少弯路，以下五种场景实现及避坑方法，分别介绍给各位朋友，请借鉴）：一、tradingview的方法库如果你要基于tradingview框架做量化系统和策略，那就非常直接简单容易了。我敢说，几乎所有你想到的、和没有想到的技术指标，都已经集成在tradingview的方法库和框架中了。最重要的是，在你开发的量化平台中，直接使用 tradingview的方法库，而且可以自定义和开发新的自己的技术

在个人量化平台搭建中，上篇（ 阿岛格：2022年股市法定交易日期 ）介绍了自动生成获取新一年的交易日期数列的简单python方法，本文介绍自动生成期权行权到期日的方法。到期日是指期权合约到期的日子。期权行权的意思就是期权的权利方（买方）按照期权合约约定的时间、价格（执行价）和方式来行使权利。在期权中，美式期权与欧式期权的行权日是有区别的，50ETF期权是欧式期权，可以选择在到期日是否行权。而美式期权，在美式期权中期权买方可以在到期日以及到期日之前的任何一个工作日要求进行行权。在期权交易到期日，投资者一

现在很多国内用户用不了tradingview，原因很多，不赘述。其中一个原因是数据源使用了国外数据源。实际上，只要建立自己的实时行情数据库进行实时更新，加上自己做一个简单web服务，同时将所有日志、品种信息、警报等等，全部换成本地web服务、或国内web云服务，就不存在问题了。我做了一个本地实现版的，现在一直在实际使用操作（期货/期权/股票等等都可以一样使用）。该版本是以python搭建web构架，以 Tradingview 为核心金融量化分析平台。效果见视频。低门槛搭建你的个人量化平台-演示关键步骤

介绍使用免费开源Pytdx接口方式获取实时行情数据，并实时存入数据库中

MongoDB 安装及配置(包括客户端Studio 3T、Robo3T）

这里介绍使用使用JQData的jqdatasdk获取实时行情数据，并实时存入数据库中（mongodb和myslq）。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。使用JQData，可快速查看和计算金融数据，无障碍解决本地、Web、金融终端调用数据的需求。JQData适用Windows、Mac、Linux多种操作系统，支持python2、python3和以及任意编程语言。详细参见聚宽官方网站。1、引入库import pandas as pdimport