pepCodeTrader的博客

1. 切忌裸奔！如果你想暴富，押注期权还不如去澳门； 2. 做任何策略都可以多多关注希腊字母； 3. 对冲也是又方向性的，可以偏购，也可以偏沽，通过Delta Money来尝试计算； 4. 单边市场需谨慎：

我们可以看两幅图，可以得出的结论是沪深300的波动率要比上证50的大，毕竟上证50都是些巨无霸国企央企，沪深300还是有一些优质的民企，但是数量越多，不确定性越大，也就导致了波动率越高。两个月前（2024年4月）迅投和CQF有一个互动的活动，进行了平台的一个网上路演，刚好我也去听了，感觉还是挺不错的。但是大家不要混淆一点是，隐波只是测算波动率，并不能代表方向，和MACD，STOCH指标啥的还是有区别的。，这里我们将它作为一个参数来进行遍历，最终给我们一个包涵ATM，OTM，ITM的整体的一个IV均值。

布莱克-舒尔斯模型（英语：Black-Scholes Model），简称BS模型，又称布莱克-舒尔斯-墨顿模型（Black–Scholes–Merton model），是一种为期权或权证等金融衍生工具定价的数学模型，由美国经济学家迈伦·舒尔斯（Myron Scholes）与费雪·布莱克（Fischer Black）首先提出，并由罗伯特·墨顿（Robert C. Merton）修改模型于有派发股利时亦可使用而更完善。由此模型可以推导出布莱克-舒尔斯公式，并由此公式估算出欧式期权的理论价格。

我经常举这个栗子给我的一些想了解期权的朋友：麦当劳现在有一个圣诞节超级稣哥套餐活动，在圣诞节当天限量版稣哥套餐卖100元一套，仅限12月25日当天才有，且先到先得。现在可以在7月1日以10元的价格购买稣哥套餐券，并且金拱门保证必定会以70元的价格卖给持劵人。如果我不买券，我可能会以100元的价格买到这个套餐；如果我买券，我将会以80块钱（70套餐+10元券）的成本享受到100元的套餐，里外里，省20元（或挣20元，或20%收益）。

我们知道期权交易是有时效性的，目前A股开放的可交易期权都是欧式期权，也就是说只有到了交割日才能行权。目前A股的期权的时效是当月、隔月、季度、半年，四个周期。按照今天2024年6月5日来看，沪深300ETF的期权的交割月是6月、7月、9月、和12月。如果到了7月，就是7月、8月、10月、和次年1月。两个月前（2024年4月）迅投和CQF有一个互动的活动，进行了平台的一个网上路演，刚好我也去听了，感觉还是挺不错的。如果只是单方面的研究的话，还是建议用稍微便宜些的平台，我主要是需要期权的实时数据进行分析和交易。

两个月前（2024年4月）迅投和CQF有一个互动的活动，进行了平台的一个网上路演，刚好我也去听了，感觉还是挺不错的。后来与“客服麻瓜”进行了对QMT的深入了解和使用，最后决定买了他们的服务。注册就可以进行试用，但是是有期限的。如果只是单方面的研究的话，还是建议用稍微便宜些的平台，我主要是需要期权的实时数据进行分析和交易。

两个月前（2024年4月）迅投和CQF有一个互动的活动，进行了平台的一个网上路演，刚好我也去听了，感觉还是挺不错的。后来与“客服麻瓜”进行了对QMT的深入了解和使用，最后决定买了他们的服务。注册就可以进行试用，但是是有期限的。如果只是单方面的研究的话，还是建议用稍微便宜些的平台，我主要是需要期权的实时数据进行分析和交易。这样我们就可以将我们所需要的金融数据下载到我们的电脑中进行读取调用了。下一个帖子我将给大家普及一下如何读取我们下载好的数据。

两个月前（2024年4月）迅投和CQF有一个互动的活动，进行了平台的一个网上路演，刚好我也去听了，感觉还是挺不错的。后来与“客服麻瓜”进行了对QMT的深入了解和使用，最后决定买了他们的服务。注册就可以进行试用，但是是有期限的。如果只是单方面的研究的话，还是建议用稍微便宜些的平台，我主要是需要期权的实时数据进行分析和交易。我会陆陆续续开始更新我的QMT日志，主要是期权相关的，欢迎大家来订阅！

在上一个装饰器工作时，跑了20秒后就停止了。如果运行的函数跑了60秒，后面的40秒我们是只能等到结束才知道一共运行了多少秒。在新的进阶版里，我们加入了多线程的功能来给进度条续命，以15秒为基础，15个跑完了续3个，知道结束为止。看着还行，但是有个问题，其实函数式15~18秒之间结束的，所以运行时间反映出来的是progresss_bar的时间，而不是函数的时间。希望大家注意哟，主要是多线程导致的。希望这篇blog对您有所帮助和启迪。

装饰器的英文是：Decorator。装修的英文是：Decoration。顾名思义就是我们要用装饰器在函数func()上搞点儿事儿，哈哈哈。这个就是一个套你的函数func()并且实现一些功能的函数。譬如我们今天要分享的计时器或进度条。

这是一年半长度得沪深300ETF的走势。我曾经在2023年10月份的时候觉得会反转，然后10月底前打脸；12月的时候我又觉得可能是见底了可能要反转了，然后再次被打脸；1月份开始我不抱有任何幻想了，今天2月2日，它再次证明它是对的。你自己写得玩意儿你自己都不信？

Windows上的解析器的确很方便，也省去了我们很多的麻烦。而且DEVs基本上也是在Linux进行编译和维护的，其实更多的理解为Linux是一手的，Windows是二手的，哈哈哈哈，个人理解哈。但是在深度学习这块，Linux版本的TensorFlow就展示出来优势了，因为Windows版的TensorFlow在2.10版后就不再支持GPU加速了，就问你恶不恶心？据说你需要Professional版本的PyCharm才能实现这个功能，具体情况请自行查阅，不做过多赘述了。

WSL2实现GPU加速，安装WSL2 Miniconda3 CUDA cuDNN TensorFlow Jupyter TA-Lib等金融量化相关库。

我这个CQF考得实在是一波三折，下面我来跟大家分享一下我这一年来的学习旅程和经验。CQF介于硕士博士中间的一个卡位，还是有一定的含金量的。这玩意儿没那么简单，除非你的数学很优秀，才会可能觉得简单。但是你还是需要投入大量的时间和经历的。

当我们运用到通过一些函数来对于数据Dataframe进行过滤筛选的时候，我们最好是把需要过滤筛选的列作为索引先，然后用df.loc来进行过滤筛选数据。这个方法你学废了么？

CQF的全称是：Certificate of Quantitative Finance是的Q是Quant的缩写，什么是Quant：大量的数学模型编写，高等数学+计算机代码。目前国际上有3个分量比较重的持证：CFA / FRM / CQF但是论考证的时间长度来讲，CQF的考证时间最短，所以难度可想而知。

金融，量化，选股，MACD，Pandas，Tushare，Ta-Lib，Python，技术指标分析和应用，挖掘数据更深层的内容，金融量化个人也是可以实现的。

机器学习和深度学习（ML & DL）是非常好的金融量化工具，预测只是一方面，我们还可以用模型去优化我们的因子，测试因子的有效程度，这都是可以实现的，就看大家怎么去用这个好工具。千万不要迷信这玩意儿，ML和DL模型更多的是用在金融以外的时间排序数据处理上，在金融领域上运用的并不是很理想，毕竟金融市场并不是什么一两个模型就能预判和左右的。导师是暨南大学非常优秀的金融学博士，在金融领域很有建树。在我的量化学习的道路上给予了非常大的帮助，包括但不限于理论/代码/书籍等方方面面的指导学习。

如果对你有帮助的话，请一键三连吧，每次重装Python的话肯定还得这么折腾，你说烦不烦呢！pyecharts可能是我最不喜欢的库，没有之一，太折腾了！！

金融，量化，选股，Pandas，Tushare，Python，技术指标分析和应用，挖掘数据更深层的内容，金融量化个人也是可以实现的。我们需要再结合一些其它的分析来巩固我们的投资选择，譬如一些技术指标，和大盘目前的处境。希望这篇分析对大家有所帮助。假使我们筛选出来的候选人就是这13支股票，但是我们不确定应该如何做出选择。那我们简单地尝试一下将目标锁定在收益和波动这两个指标上来进行我们下面的工作。

金融，量化，选股，MACD，Pandas，Tushare，Ta-Lib，Python，技术指标分析和应用，挖掘数据更深层的内容，金融量化个人也是可以实现的。

SSH, SFTP, MySQL, 统统都可以在PyCharm上实现运用！

金融，量化，选股，MACD，Pandas，Tushare，Ta-Lib，Python，技术指标分析和应用，挖掘数据更深层的内容，金融量化个人也是可以实现的。

金融，量化，选股，Pandas，Tushare，Python，技术指标分析和应用，挖掘数据更深层的内容，金融量化个人也是可以实现的。

手把手教你如何从Tushare库下载股票数据，并保存在硬盘当中。第二篇下载数据前言一、Tushare是什么？二、代码1.引入库2. 如何封装下载逻辑3.下载路径函数3.我们简单的组合起来总结前言我之前发过一片关于通过爬虫技术从网易金融上获取股票数据的文章，大家反响还是挺强烈的。但是吧，那个作品只能说是我早期学习爬虫和量化的一个缩影。我现在要和大家分享的是非常Dry的干货。基本上可以说是我个人的最终版的股票数据下载文本，甚至可以说是Tushare下载数据的一个基石。我将分为三个部分来讲述：数据过滤

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章 Python 机器学习入门之pandas的使用手把手教你如何从Tushare库下载股票数据，并保存在硬盘当中。系列文章目录前言一、pandas是什么？二、使用步骤1.引入库2.读入数据总结前言之前发过一片关于通过爬虫技术从网易金融上获取股票数据的文章，大家反响还是挺强烈的。但是吧，那个作品只能说是我早期的提示：以下是本篇文章正文内容，下面案例可供参考一、pandas是什么？示例：pandas

**首先呢，我不是做IT人士，我也不是学CS专业的。写的不好，可以优化的地方，请多多指教。**有兴趣学习Python的童鞋可以来看我的知乎帖子。首先呢，站得知道网址的存在形式与格式：“http://quotes.money.163.com/service/chddata.html?code=0688366&start=20190107&end=20200404”code = 0######代表着60的股票，举例0600110就是“诺德股份”的；______1######代表的是30和