![](https://img-blog.csdnimg.cn/20190918140145169.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
量化杂谈
文章平均质量分 72
随时记录
阿岛格
低门槛搭建Tradigview量化平台(知乎:阿岛格 http://adog.net.cn)
展开
-
用机器学习方法重构期货商品板块
以上是通过机器学习方法,暂且抛开产品特性、证券机构和交易所的划分,仅通过实时日行情数据的价格涨跌联动,通过机器学习算法进行聚类分析板块结构,通过流形学习技术进行降维可视化,用距离稀疏和远近来描述品种间价格涨跌联动的强弱,得到了与现实很接近、但又有独特视角的聚类表现及可视化结果,具有现实的应用意义。通过实时行情数据及平台实际应用,实现了基于AP算法实时动态地重构和分析——期货市场板块及各商品的聚合关系,并直观可视化地了解各个商品的价格联动变化情况。原创 2024-02-15 16:56:05 · 559 阅读 · 0 评论 -
每日自动备份你的数据
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原创 2022-03-10 21:47:23 · 1119 阅读 · 0 评论 -
基于python快速简便地实时计算金融技术指标
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原创 2022-02-10 21:37:17 · 2704 阅读 · 0 评论 -
用不了tradingview?那自己捣鼓一个属于自己的量化分析平台
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-演示关键步骤原创 2022-01-23 21:55:00 · 7997 阅读 · 0 评论 -
第三方API(pytdx)获取实时行情数据
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原创 2022-01-18 16:51:33 · 19001 阅读 · 0 评论 -
MongoDB 安装及配置
MongoDB 安装及配置(包括客户端Studio 3T、Robo3T)原创 2022-01-10 12:03:07 · 919 阅读 · 0 评论 -
用机器学习(聚类) 来理解期货品种的关联变化和板块结构
期货市场中,许多品种有较强的相关性,想了解各个品种变化趋势的协同性, 原来的常用方法是利用协相关矩阵来分析。下面用AI 机器学习的方法,探讨和分析期货市场的结构,以及各品种的协同变化。为下一步建立自己量化分析的实时板块结构,提供依据。具体办法是:1. 聚类方法使用无监督学习技术和聚类方法,将不同期货品种的变化行为,相类似的组合在一起。在scikit-learn中的各种聚类技术中,选择使用Affinity Propagation。它的优点是自动从数据中选择聚类的数量,不强制执行size大小相等的聚类。聚原创 2021-12-16 10:23:34 · 1876 阅读 · 0 评论 -
让AI多智能体学习合作、竞争和交流
1、多智能体强化学习为什么需要多智能体(multi-agent)学习?人工智能学习的梯度下降算法寻优方法,类似从山顶放置小球向下滚,希望寻找最快最好的路径,到达最低的谷底。传统的单个智能体每次只使用一个小球,学习训练并使用一条路径,重复多次。而多个智能体类似放置一群小球,同时分别学习训练并使用各自的多条路径,向下滚动过程中互相联系通信,相互告知自己的位置及状态,团队合作,引导共同到达最低的谷底。参见上图,多智能体(multi-agent)学习,相比单智能体:多智能体智能体保持各自独特性和总体原创 2021-12-16 10:19:43 · 1668 阅读 · 0 评论 -
关于金融交易的底层逻辑和个人机会
金融交易是赌场还是科学?交易市场中超额收益可能吗?金融服从于怎样的规律?怎样看待金融市场中的黑天鹅和小概率事件?技术分析派不懈努力靠什么盈利?当代人工智能、量化分析工具,或高频机器交易值得信赖吗?量化投资是对时尚科技的顶礼膜拜趋之若鹜?还是对脆弱人性极端不信任的自我救赎?非专业个人进行金融交易可能成功吗?本文为你浅解——关于金融交易的底层逻辑和个人的机会。一、交易市场是无法预测无法战胜吗?天下从事者,不可以无法仪,无法仪而其事能成者,无有也。 —— 墨子 《墨子·04章 法仪》从赌场到华尔街,从原创 2021-12-16 10:12:19 · 1855 阅读 · 0 评论 -
交易市场中超额收益可能吗?
人性的选择和自决都不是出于意志的理性,而是出于偶然的动机以及这种动机对感性外在世界的依赖。—— 黑格尔原创 2020-06-08 11:55:22 · 554 阅读 · 0 评论 -
公鸡打鸣与人工智能
公鸡打鸣可以预示太阳升起;太阳升起的原因却不是公鸡打鸣。——Adog原创 2020-06-10 07:45:08 · 281 阅读 · 0 评论