安徐正静顺其自然-CSDN博客

原创 2021-05-27【复盘记录】

AAA、DDD顶底、GGG上穿粉色线，下穿白色线、KKK绿线连续几波在上，红线连续几波再下，持续走低，后续反转是否能识别。NNN的买卖点。卖点在上穿灰线？

2021-05-27 13:47:31 322

众赢 1、众赢波段专家--副 T1:=5; T2:=4; P:=((2)*(CLOSE) + HIGH + LOW + OPEN)/(5); BB:=MA(P,3); CC:=(SUM(IF((P > REF(P,1)),(P)*(VOL),0),4))/(SUM(IF((P < REF(P,1)),(P)*(VOL),0),4)); DD:=REF(100 - (100)/(1 + CC),1); A1:=HHV(P,15); A2:=

2021-05-26 11:39:41 5129

转载【转】Pandas 中如何遍历数据集（for 循环和 apply 函数对比）

以一个小数据集为例：数据集示例我们想要实现的需求是：将 df 中价格小于 10 的水果价格翻倍。1. for 循环做到这个项目的同学都有一定的 Python 编程基础，想到遍历，可能最先想到的就是使用 for 循环：df1 = df.copy() #为了不混淆效果，每个方法创建一个副本def func_for(df): for index in df.index: if df.loc[index, '价格'] <10: df

2021-05-18 10:07:21 1054 1

转载【转】Python 量化投资实战教程(1) — Backtrader 教程

都说 Python 量化投资非常好用，但是很多人都不知道该怎么做，甚至觉得是非常高深的知识，其实并非如此，任何人都可以在只有一点Python的基础上回测一个简单的策略。Backtrader是一个基于Python的自动化回溯测试框架，作者是德国人 Daniel Rodriguez，是一个易懂、易上手的量化投资框架。今天我们就来试试用Backtrader进行简单的量化策略回溯。当然，第一篇文章将会使用最简单的投资策略给大家起个头。通过学习这一篇文章，你将能学会以下这个简单的量化策略：买...

2021-05-16 21:32:38 1360

转载【转】Python 量化投资实战教程(3) —A股回测MACD策略

上一回，我们基于简单的MACD策略回测了华正新材这只股票的收益率，发现效果非常好，收益达到了26.9%，但这个策略放到其他股票上会不会有这么高的收益呢？我们今天就来试试看这个策略在不考虑基本面，只考虑技术面的情况下，在A股上的平均表现。为了回测该策略在A股上的平均表现，我们从A股随机选取了1000只股票，使用MACD策略回测其2010年1月1日至今，使用MACD策略进行投资的表现。其中，以一万元作为本金，佣金为万分之五，每次交易100股。最终发现，使用该策略最终亏损的股票有626只...

2021-05-16 21:29:13 574

转载【转】python获取计算股票技术指标DIF/DEA/MACD

学习3-8115阅读4点赞0评论python有几个股票数据获取接口，如tushare，但其只能获取到一般指标，且是积分制，即如果要获取更多的指标和接口，则需要做任务提高积分；pytdx可以获取到基本指标，且速度较快，性能比较稳定；talib可以获取到股票高级技术量化指标，但经过测试，其获取到的数据与各大第三方股票软件数据不一致，如通达信、同花顺、东方财富.先了解一下DIF、DEA、MACD指标的计算方式：dif/dea/macd计算公式经过调查，之所以有差距，是因为tali...

2021-05-16 21:22:25 3449

转载【转】Python实现量化选股

什么是选股？选股(stock selection)是一种主动性投资策略，先按照某种规则或算法分析单只股票的前景，然后构建一个投资组合，长期持有。一般情况下要求组合的股票具有低相关性，这样才能对冲系统性风险，否则在大盘走弱的时候投资组合也会面临巨大的下跌风险。运用什么模型？关于如何选股，学术界提出过很多不同的模型，最经典的莫过于马科维茨投资组合理论。这里我们使用MM趋势模型(Mark Minervini’s Trend Template)，这是国外一位传奇投资大师提出的技术面选股方法，核心思想是通

2021-05-03 12:26:53 1870

转载【转】详解Python中模块(Module)和包(package)的概念和用法

本文主要探讨模块和包两个概念，了解这两个概念，有助于我们更好地使用python进行模块化编程，通过模块化编程，我们能把大的工程拆分成小的子任务和子模块，在比较大的项目中，进行模块化编程的好处有以下几点：简化编程，不必把重点放在整个项目上了；可维护性好，即使出了问题也便于排查；复用性好，直接使用编写好的模块去实现功能，当需要重复实现时，再次调用即可，不必再重新编写了；范围性好，这个的意思就是每个模块都有单独的命名空间，避免发生一些例如变量命名上的冲突在编程中多多使用函数，模块和包能...

2021-04-10 23:00:17 541 2

原创索引-笔记

2021-03-31 16:06:13 83

转载【转】Python 量化投资实战教程(3) —A股回测MACD策略

上一回，我们基于简单的MACD策略回测了华正新材这只股票的收益率，发现效果非常好，收益达到了26.9%，但这个策略放到其他股票上会不会有这么高的收益呢？我们今天就来试试看这个策略在不考虑基本面，只考虑技术面的情况下，在A股上的平均表现。为了回测该策略在A股上的平均表现，我们从A股随机选取了1000只股票，使用MACD策略回测其2010年1月1日至今，使用MACD策略进行投资的表现。其中，以一万元作为本金，佣金为万分之五，每次交易100股。最终发现，使用该策略最终亏损的股票有626只，盈利的有372只

2021-03-29 23:01:27 674

转载【转】Python 量化投资实战教程(2) —MACD策略

上次，我们简单地用Python 和 backtrader 使用最简单的买入卖出策略进行了一次量化投资分析：这一次，让我们把策略变得复杂一点，使用MACD策略的信号线交叉交易法：本系列教程源代码Github仓库：https://github.com/Ckend/pythondict-quant1.原理为了解释MACD的原理，我们需要先了解指数移动平均线(下称EMA), 指数移动平均线是移动平均线的一种，能够根据数据点的新旧程度分配不同的权重，其更重视近期价格，减轻对往期价格的权重 ...

2021-03-29 22:58:59 1645

转载【转】Backtrader 教程 — 量化投资原来这么简单(1)

都说Python可以用于量化投资，但是很多人都不知道该怎么做，甚至觉得是非常高深的知识，其实并非如此，任何人都可以在只有一点Python的基础上回测一个简单的策略。Backtrader是一个基于Python的自动化回溯测试框架，作者是德国人 Daniel Rodriguez，是一个易懂、易上手的量化投资框架。今天我们就来试试用Backtrader进行简单的量化策略回溯。当然，第一篇文章将会使用最简单的投资策略给大家起个头。通过学习这一篇文章，你将能学会以下这个简单的量化策略：买入：五日价格移动平

2021-03-29 22:54:51 748

原创【Pandas】时间序列

第 11 章时间序列时间序列（time series）数据是一种重要的结构化数据形式，应用于多个领域，包括金融学、经济学、生态学、神经科学、物理学等。在多个时间点观察或测量到的任何事物都可以形成一段时间序列。很多时间序列是固定频率的，也就是说，数据点是根据某种规律定期出现的（比如每 15 秒、每 5 分钟、每月出现一次）。时间序列也可以是不定期的，没有固定的时间单位或单位之间的偏移量。时间序列数据的意义取决于具体的应用场景，主要有以下几种：时间戳（timestamp），特定的时刻。固定时期（p

2021-03-26 14:25:38 480

转载【转】股票K线数据重采样resample（）与数据除权处理

3 案例：股票K线数据重采样DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None,kind=None,)频率转换和时间序列重采样，对象必须具有类似日期时间的索引（DatetimeIndex，PeriodIndex或TimedeltaIndex）日K周K对比：那么日线、周线、月线等怎么切换标准？？注：周K线是指以周一的开盘价，周五的收盘价，全周最高价和全周最低价来画的K线图大..

2021-03-25 21:02:33 1019

转载【转】股票时间序列数据处理与移动平均线

K线的计算周期可将其分为日K线，周K线，月K线，年K线很多网站提供了日线、周K线、月K线等周期数据，但是最原始的只有日K线的数据。我们需要自己去生成计算不同频率的数据2 案例：股票K线数据重采样DataFrame.resample(rule, how=None, axis=0, fill_method=None, closed=None,kind=None,)频率转换和时间序列重采样，对象必须具有类似日期时间的索引（DatetimeIndex，PeriodIndex或TimedeltaIndex

2021-03-25 20:40:40 2184

转载【转】python学习资料汇总（持续补充……）

此文是量化投资协会成员之前在人大经济论坛上总结的，现在分享给大家。一、Python与量化金融在量化投资领域，获取数据、整理数据、模型计算、数据图形化均可以用python实现；而且Python强大的库功能使其非常适合做quant类工作的语言，进而逐渐成为科学计算方面的统治级语言；IPython，pandas等重量级神器更是为Quant类工作量身定做；以后python在量化投资中的地位会越来越重要。二、Python基础教程计算机编程导论—Python程序设计http://bbs.pin...

2021-03-23 22:53:46 216

转载【转】数据可视化工具总结汇总

提要： plotly R ggplot2 无需编程语言的工具（7个）基于JavaScript实现的工具（8个）基于其他语言的工具（5个）地图数据可视化工具（8个）金融（股票）数据可视化工具（2个）时间轴数据可视化工具（2个）函数与公式数据可视化工具（2个）其他（3个） 1. plotly：更多gallery链接：plotly2. R ggplot2：...

2021-03-23 22:49:48 196

转载【转】五种Pandas循环方法效率对比

PS：有人提到一个问题很好，如果每次循环都采用比较复杂的操作似乎用向量化很难实现，我的建议是尽可能拆分成向量化操作，如果不行建议用numpy硬写然后用numba包加速。正文：如果你使用过Python及Pandas，那么你很有可能已经使用了for循环去进行某些数据分析操作。不幸的是，绝大部分Python新手使用的下标循环语句实际上是非常之慢的，即便在小数据集上也会消耗大量的运行时间。本专栏之前的一些文章已经涉及了这方面的讨论，在这篇文章中文兄进一步特意对五种不同的For Loop方法进行横向对比，..

2021-03-23 22:40:12 832

转载【转】如何在Python里提升时间序列滚动排序函数（TS_RANK）的效率？

1. 何为TS_RANK？TS_RANK(X, n)函数，是指在一个时间序列X上，循环计算每个固定窗口的最后一个值在这个窗口内的排序值。说的通俗一点，就是在每一个时刻看所关注的时间序列X当前取值在过去一段时间内的排序如何。特意讨论该函数是因为其在挖掘信号时的使用频率还是很高的。举个例子，如果我有时间序列[1,2,3,4,5,6], 固定窗口为3，那么前两个下标由于向前回溯数据长度不足将不做运算，对于[1,2,3]，由于3是最大的，所以序值为3。同理，继续循环推进，对于[2,3,4], [3,4,..

2021-03-23 22:35:13 883

原创 python各种报错汇总（随机更新……）

异常即是一个事件，该事件会在程序执行过程中发生，影响了程序的正常执行。一般情况下，在Python无法正常处理程序时就会发生一个异常。异常是Python对象，表示一个错误。异常名称描述 ArithmeticError 所有数值计算错误的基类，常见于试图访问一个不存在的对象 AssertionError 断言语句失败断言语句不符合条件下时会抛出此异常 AttributeError 对象没有这个属性，特性引用和赋值失败时会引发属性错误如果是调用的标准模块或者第三方模块，

2021-02-19 19:05:48 633 1

转载【转】plt.plot的颜色

转载请注明出处：http://www.cnblogs.com/darkknightzh/p/6117528.html参考网址：http://stackoverflow.com/questions/22408237/named-colors-in-matplotlibhttp://stackoverflow.com/questions/8409095/matplotlib-set-markers-for-individual-points-on-a-line代码：plt.s.

2021-02-19 01:16:06 38980

转载【转】Pandas常用速查手册中文版（二）

Pandas最常用的数据对象是数据框（DataFrame）和Series。数据框与R中的DataFrame格式类似，都是一个二维数组。Series则是一个一维数组，类似于列表。数据框是Pandas中最常用的数据组织方式和对象。series是一种一维数据结构，每一个元素都带有一个索引，与一维数组的含义相似，其中索引可以为数字或字符串。series结构名称：dataframe是一种二维数据结构，数据以表格形式（与excel类似）存储，有对应的行和列。dataframe结构名称：1、pa.

2021-01-31 00:33:17 196

转载【转】Pandas常用速查手册中文版

在这个速查手册中，我们使用如下缩写：df：任意的Pandas DataFrame对象s：任意的Pandas Series对象同时我们需要做如下的引入：import pandas as pdimport numpy as np导入数据pd.read_csv(filename)：从CSV文件导入数据 pd.read_table(filename)：从限定分隔符的文本文件导入数据 pd.read_excel(filename)：从Excel文件导入数据 pd.read...

2021-01-30 21:46:04 209

转载【转】Python pandas库159个常用方法使用说明

Pandas库专为数据分析而设计，它是使Python成为强大而高效的数据分析环境的重要因素。一、Pandas数据结构1、import pandas as pdimport numpy as npimport matplotlib.pyplot as plt2、S1=pd.Series([‘a’,’b’,’c’]) series是一组数据与一组索引（行索引）组成的数据结构3、S1=pd.Series([‘a’,’b’,’c’],index=(1,3,4)) 指定索引4、S...

2021-01-30 20:55:47 162

转载【转】Pandas数据处理(六) — apply() 方法介绍

本文介绍一下关于 Pandas 中 apply() 函数的几个常见用法，apply() 函数的自由度较高，可以直接对 Series 或者 DataFrame 中元素进行逐元素遍历操作，方便且高效，具有类似于 Numpy 的特性。apply() 使用时，通常放入一个 lambda 函数表达式、或一个函数作为操作运算，官方上给出的 apply() 用法：DataFrame.apply(self, func, axis=0, raw=False, result_type=None, args=...

2021-01-11 03:19:57 649

转载【转】Pandas 数据处理(五) — DataTime 时间格式处理

Datatime 是 Python 中一种时间数据类型，对于不同时间格式之间的转换是比较方便的，而在 Pandas 中也同样支持 DataTime 数据机制，可以借助它实现许多有用的功能，例如1，函数to_datetime() 将数据列表中的 Series 列转化为 datetime 类型，#Convert the type to datetimeapple.Date = pd.to_datetime(apple.Date)apple['Date'].head()#0 2...

2021-01-11 03:18:40 1217

转载【转】Numpy数组常用方法简介

Numpy用python实现的科学计算，包括：1、一个强大的N维数组对象Array；2、比较成熟的函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。1、import Numpy as np2、ar=np.array([2,3,4]) #生成一般数组3、ar=np.array([[1,2,3],[2,3,4]])#生成多维数组4、ar=np.arange(start,s...

2021-01-11 03:03:28 246

转载【转】Python pandas库159个常用方法使用说明

Pandas库专为数据分析而设计，它是使Python成为强大而高效的数据分析环境的重要因素。一、Pandas数据结构1、import pandas as pdimport numpy as npimport matplotlib.pyplot as plt2、S1=pd.Series([‘a’,’b’,’c’]) series是一组数据与一组索引（行索引）组成的数据结构3、S1=pd.Series([‘a’,’b’,’c’],index=(1,3,4)) 指定索引4、S...

2021-01-11 03:01:22 177

转载【转】12个用于Python数据操作的Pandas技巧（附代码）

Python 近年来成为数据科学领域最受欢迎的语言之一，其中一个重要原因就是 Python 具有大量方便易用的程序包和工具。而在这些库里面，Pandas 是数据科学操作中最实用的工具之一。本文就分享 12 个用于 Python 数据操作的 Pandas 方法，此外还补充了一些能提高你工作效率的技巧和建议。数据集：本文使用 Analytics Vidhya 数据科学大赛中一个“贷款预测”问题中所用的数据集。https://datahack.analyticsvidhya.com/con...

2021-01-11 00:42:31 170

转载【转】Pandas数据处理(四) — 聚类分组处理(Grouping)

分组(Group)的理解处理数据时，在一个数据列表中会以某一列的元素作为参考基点，统计该列中每个不重复元素对应其他列的相关数据，这里可能我描述的比较复杂，可以通过下面两张表格数据处理前后帮助理解：源数据为5列，分别为 age、gender、occupation、zip_code;下面我需要对 occupation (职业)这一列进行分组分析、统计一下每类职业对应 gender、age 的最大、最小、平均值，处理结果如下：以上就是聚类分组的简单介绍，P...

2021-01-10 01:25:33 1379 2

转载【转】Pands(三) — Merge 方法详细介绍！

merge() 函数用于合并两个 DataFrame 对象或 Series，数据处理时经常会用到这个函数，官网给出该函数的定义如下：pandas.merge(left, right, how: str = 'inner', on=None, left_on=None, right_on=None, left_index: bool = False, right_index: bool = False, sort: bool = False, suffixes='_x', '_y', copy...

2021-01-10 01:24:03 820 2

空空如也

空空如也