量化交易入门,看这篇就够了

一位量化交易程序员手把手教你入门
市面上教量化交易的资料五花八门,我们希望能用最少的篇幅,最少的文字,在最短时间内让大家可以尝试量化交易。

量化交易不是什么新鲜名词了,自从计算机出现在金融交易领域之后,就有越来越多的交易员从传统的人工交易转到计算机自动交易。
那些从事量化交易的交易员,本身也是很优秀的制图师,他们需要分析大量的市场数据,得到不同的指标之后作为判断依据。从这个方式出发诞生了很多理论,像波浪理论,动量理论。
量化交易其实就是通过计算机代替人力分析大量的市场数据。对于千亿甚至万亿的金融市场来说,这些数据都是海量的,靠人力想去捕捉数据变化不现实。

量化交易分几个部分,

· 交易工具

· 量化策略

· 策略回测

这篇重点讲交易工具和交易环境配置,后面会继续讲如何自定义量化交易程序。

常见的量化交易工具

目前国内常见的量化交易工具有几个

· 掘金量化

· 国泰君安量化

· MindGo

外汇

· MT4/5

目前A股的量化工具只给机构开放,对于个人来说申请使用他们的量化工具的资金要求比较高。

我们选MT4作为量化交易的入门学习工具,它使用类似C语言的MQL语言,学习成本低,容易上手。

工具准备
下载MT4

MT4下载地址

MT5下载地址

MT4和MT5除了版本区别外,MT5提供了更强大的回测功能,对于进阶开发来说是必要的。

安装好MT4之后可以看到MT4的界面,
在这里插入图片描述

坐标红框的导航栏,EA分栏下面的就是量化交易程序。

红框上方的交易品种USDCHF和GBPUSD等,是外汇市场的货币对。

执行量化交易

· 从交易品种拖一个货币对到右边空白的地方,会打开这个货币对的K线图。

· 点击上方的自动交易按钮变成绿色

· 从导航栏的EA里拖 MACD Sample到K线图,打开程序配置

在这里插入图片描述

红框里是MACD Sample的配置选项,如果要允许它自动执行交易,需要勾选红色箭头的单选框。

确定后,会看到在K线图的右上角,有个笑脸。

在这里插入图片描述

这样就完成了一个量化程序的挂载。

如果不是笑脸而是哭脸,要不就是上方的自动交易没有变成绿色,要不就是MACD Sample挂载的时候没有勾选允许自动交易。

还没结束

上面的MACD Sample是MT4自带的样例程序,它不执行任何的交易

如果想进行交易的话,还需要自己开发一个EA。

下一篇会讲如何写一个能交易的EA,然后把它挂到货币对上,让它自动完成行情判断,然后执行下单和平仓操作。

如果在操作过程中有遇到任何问题,欢迎贴在评论区。

  • 9
    点赞
  • 61
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Python量化交易入门可以从以下几个方面着手: 1. 学习Python基础知识:包括变量、数据类型、运算符、条件语句、循环语句等。这些是编写量化交易程序的基础。 2. 学习量化交易基础知识:了解量化交易的基本概念、常用的量化交易策略和指标等。可以通过阅读相关书籍或在线教程来学习。 3. 学习数据处理库:Python中有很多用于数据处理的库,如NumPy、Pandas等。这些库可以帮助你处理和分析金融数据。 4. 学习可视化库:Python中有很多用于数据可视化的库,如Matplotlib、Seaborn等。这些库可以帮助你将分析结果以图表的形式展示出来。 5. 学习量化交易库:Python中有一些专门用于量化交易的库,如PyAlgoTrade、Zipline等。这些库提供了一些常用的量化交易功能,如回测、交易执行等。 6. 实践项目:通过实践项目来巩固所学知识。可以选择一些简单的量化交易策略进行回测和优化,或者使用爬虫库获取金融数据进行分析。 以下是一个简单的示例,演示如何使用Python进行简单的量化交易回测: ```python import pandas as pd import numpy as np # 读取股票数据 data = pd.read_csv('stock_data.csv') # 计算收益率 data['returns'] = np.log(data['close'] / data['close'].shift(1)) # 计算移动平均线 data['ma'] = data['close'].rolling(window=10).mean() # 生成交易信号 data['signal'] = np.where(data['close'] > data['ma'], 1, -1) # 计算持仓 data['position'] = data['signal'].shift() # 计算策略收益率 data['strategy_returns'] = data['position'] * data['returns'] # 计算累计收益率 data['cumulative_returns'] = (1 + data['strategy_returns']).cumprod() # 绘制累计收益曲线 data['cumulative_returns'].plot() ```
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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