算法交易
文章平均质量分 78
yukai08008
这个作者很懒,什么都没留下…
展开
-
Python 算法交易实验89 QTV200日常推进-模式思考
过去几天大A的表现还是比较戏剧化的。原创 2024-09-28 23:10:53 · 482 阅读 · 0 评论 -
Python 算法交易实验88 QTV200日常推进-关于继续前进的思考
自顶向下,自底向上过去的很多行为是自底向上的,现在则是自顶向下。过去的经验告诉我,final solution 会在这个过程中产生。两种方向的探索,会在中间的某一个部分融合,达到一个兼顾、平衡的体系。Go!Go!Go!原创 2024-09-08 00:03:04 · 1397 阅读 · 1 评论 -
建模杂谈系列253 序列突变点的判定
1 这种模型可以推断看不见的事实2 matplotlib用好了也可以画出很好看的图注意:理论上,pymc是可以借用显卡计算的。只不过之前它的后端比较奇葩,现在可能失传了。然后我不太清楚的是现在怎么和显卡挂上,单靠cpu只能做一些小规模的计算。原创 2024-09-02 22:03:28 · 491 阅读 · 0 评论 -
Python 算法交易实验86 QTV200日常推进-获取A股日交易额并统计
上一篇说到,交易量可能可以作为策略规则的支持度分析,但是(我现在还不想付费买数据)现成的接口似乎并没有这样的统计。获取某一只股票的日交易数据是相对简单的,市场上也就不到5000只的股票,总数据量应该也不会超过18M(5000*3000)。所以可以获取全市场的日数据,然后自己汇总。原创 2024-09-01 17:40:25 · 1588 阅读 · 0 评论 -
Python 算法交易实验85 QTV200日常推进-钳制指标与交易量
继续保持思考与尝试最近挺有意思的,碰到很多技术上的问题,其解决方案都类似“阴阳两仪”的概念。"阴阳两仪"是中国古代哲学中的一个重要概念,源自《易经》(又称《周易》)。它是对宇宙间最基本对立统一规律的概括,用以描述事物存在的两种基本状态或属性。阴阳最初是指日光的向背,向日为阳,背日为阴。后来,阴阳的概念被广泛应用于自然界和社会生活的各个方面,成为解释自然现象和社会现象的一种基本理论。阴阳两仪认为,宇宙间的一切事物都是由阴阳两种对立而又相互依存、相互转化的力量构成的。原创 2024-08-31 22:55:18 · 1354 阅读 · 0 评论 -
Python 算法交易实验84 QTV200日常推进-强化学习
不积跬步, 无以至千里写这篇文章主要还是保持一个持续思考的习惯,持续聚焦。原创 2024-08-22 00:06:53 · 813 阅读 · 0 评论 -
Python 算法交易实验83 QTV200日常推进-自限性思考
SMA的实验做完了,我特定把近3年和近1年的表现拉出来。比较让我惊讶的是,近3年几乎没有盈利的策略机会,这和qtv100过去一年的经历类似。所以有就一个不得不面对的问题,如何让策略在不同的市场状态下茁壮成长或生存?原创 2024-08-19 00:14:17 · 317 阅读 · 0 评论 -
Python 算法交易实验82 QTV200日常推进-重新实验SMA/EMA结果分析
尽量把目标聚焦到这里虽然我很想一次性把qtv搞好,不过现实通常会有很大的制约。总之,把注意力不断集中到qtv,直到完全胜利。原创 2024-08-18 18:50:36 · 653 阅读 · 0 评论 -
Python 算法交易实验81 QTV200日常推进-重新实验SMA/EMA/RSI
在kafka的过程中,对性能比较关注,实测下来发现json序列化的开销实在是很大。在消息的传输过程中,为了通用性,我对数据都进行了json传输,时间占比在整体80%以上。特别是从结果队列里取数,一条一条的。还挺理想的,8个核 ~ 20 worker,在睡一觉之后,大约完成了 10%的任务。另外注意到租用机的数据读取时间是2秒,比我的主机慢了一倍。我启动了周期任务,10秒一次,最多允许20个任务实例,且超时任务最后会合并(为1次)。有意思的是,我问了下deepseek,如果没有骗我的话,aps默认是线程池。原创 2024-08-17 11:12:39 · 1061 阅读 · 0 评论 -
Python 算法交易实验80 QTV200日常推进-目标估算
业务目标在先,月利3%是第一个目标。虽然日常有在常规推进,但目标是什么?现在做的是什么?与目标的关联是什么?业务上讲,如果月利能够达到3%(几何平均),上下波动不超过1%,就算达标了(2%~4%)。考虑到金融领域有不可测风险,所以资金还会分摊到3个月。例如,假如总投资资金是30万,那么每个月的最大投资金额是10万。这样即使遇到大跳水,问题也不大。目标达到的话,10万本金每月的盈利是3000, 按复利计,24个月就会double,我觉得已经足够理想。假设投资90万,则可以按30万计算复利效果。原创 2024-08-10 23:14:03 · 589 阅读 · 0 评论 -
Python 算法交易实验79 QTV200日常推进-经典策略3 RSI、SMA实验结果回顾分析
先稍微回看一下实验的结果,然后再计划一下接下来的推进。原创 2024-08-09 23:25:34 · 347 阅读 · 0 评论 -
Python 算法交易实验78 QTV200日常推进-经典策略2 RSI
例行的推进,保持一个习惯。上次对SMA和EMA进行了一次暴力搜索,跑了两天,进度正常。跑数用了两个worker在处理,所以比较慢。主要是平时事太多,这两个worker肯定比我回过神要快,哈哈。如果是正儿八经跑的话,我觉得给100个worker跑是没问题的,其实速度不是事。我想了想,所谓对经典策略的变体,目前在我这也就是时隙单位变为分钟,以及我搜索了更大的参数空间,从而选定了一组或几组合适的空间。另外就是这些策略会作为强化学习框架的元素,最后的结果不仅取决于算法,还取决于强化学习框架。原创 2024-08-08 23:54:22 · 378 阅读 · 0 评论 -
Python 算法交易实验77 QTV200日常推进-经典策略
最初(去年7月)快快上了一版,到现在差不多正好一年。总体上当时做的还是蛮粗糙的,没有考虑模式,只是简单的用判别模型做了一道。过去的一年,显然不是特别好的一年。我知道的大部分还是以亏损居多。这版策略竟然没有亏钱,还算勉强及格。而且我在买卖和手续费上是比较苛刻的,所以实际上肯定会比这个数字好一些。最近的20个订单还赚了一些。总体上,这种盈亏比接近1的策略是没啥意思的。2或者3可能才是比较能让人提神的东西。改进的思路其实还蛮多的,只是没有什么具体的切入口,然后,突然想到这篇:书里给过一些建议。原创 2024-08-05 00:24:23 · 642 阅读 · 0 评论 -
Python 算法交易实验75 QTV200后续想法梳理
在第一步获取数据源,然后进入Mongo(第一个数据节点)开始,QTV200的数据流体系就开始动了。后续用多少时间完成不太好确定,短则数周,长则数月。毕竟有过第一版实验的基础,应该还是可以做到的。下面就是天马行空,简单的想想,梳理一下,后续会更清楚写。原创 2024-06-30 14:54:43 · 814 阅读 · 0 评论 -
Python 算法交易实验74 QTV200第二步(改): 数据清洗并写入Mongo
之前第二步是打算进入Clickhouse的,实测下来有一些bug可以看到有一些分钟数据重复了。原创 2024-06-29 18:59:41 · 784 阅读 · 0 评论 -
Python 算法交易实验73 QTV200第二步: 数据清洗并写入ClickHouse
先检查一下昨天启动的worker是否正常工作,然后做一些简单的清洗,存入clickhouse。原创 2024-06-27 23:05:38 · 592 阅读 · 0 评论 -
Python 算法交易实验72 QTV200第一步: 获取原始数据并存入队列
最近的数据流往前进了一步,我觉得基本可以开始同步的推进QTV200了。规划了整体的数据流,现在开始第一步。原创 2024-06-23 22:44:58 · 966 阅读 · 0 评论 -
Python 算法交易实验71 QTV200数据流设计
结构作为工程的基础,应该在最初的时候进行合理设计。这一次版本迭代,我希望最终实现的效果,除了在财务方法可以达到预期,在工程方面应该可以支持长期的维护、演进。原创 2024-06-10 09:23:24 · 932 阅读 · 0 评论 -
Python 算法交易实验70 简单回顾
感觉停滞了一段时间,本来qtv200应该在去年12月就迭代好了。从总体上,我对于qtv的想象是没有太大变化的,如果模糊的形容,qtv应该是运行在一个强化学习框架之下,会根据实际情况自动调整策略;qtv的模型是在是一个非常大的空间内,不断进行自动建模和优化的,类似遗传算法那;qtv的手工模式提供非常友好的前端、通知等交互方式;qtv会有一个规则引擎,执行自动交易;qtv可以接受无限扩展算力,高速的执行海量运算,其中有一种应该是采用显卡进行大规模LR并行建模;qtv会采用贝叶斯体系的算法;原创 2024-06-01 20:57:13 · 1174 阅读 · 0 评论 -
Python 算法交易实验68 回测对象重构
从有这个想法,到勉强完工,整个过程还是持续了很长时间。最后觉得还是要尽快完成一版,所以才想写本篇文章。在这个版本中,不去考虑回撤、或者平均模型分的问题。原创 2024-03-15 19:15:58 · 943 阅读 · 0 评论 -
Python 算法交易实验67 第一次迭代总结
在这里对第一次迭代(2023.7~ 2024.1)进行一些回顾和总结:总结:思路可行,在春暖花开的时候,迭代完一版,应该可以取得不错的结果。原创 2024-01-21 23:16:08 · 949 阅读 · 0 评论 -
Python 算法交易实验65 算法交易二三事
对算法交易的一些内容做一些回顾和反思吧。老规矩,先chat一下道理说的都对,如果要补充就推荐再看一本书,我觉得这样就比较完整了。原创 2023-07-30 21:53:06 · 348 阅读 · 0 评论 -
Python 算法交易实验63 关于回测
量化的模型和策略方面我觉得还是不难的,而且每个人都可以有自己的思路,所以反而没啥好说。我觉得建立回测服务是比较重要的,因为很多想法行不行的通,最好直接跑一个服务来测试。1 以测试为导向,不仅是量化的要点,也是其他AI项目的第一规则2 强调框架性,通过框架设计才能保证稳定、灵活,同时框架一定会带来管理和性能上的损耗,要平衡好。3 通过微服务体系构建分布式的服务。以上三点是通用的。原创 2023-06-13 23:48:44 · 564 阅读 · 0 评论 -
Python 算法交易实验60 ADBS: MyQuantBaseStep1Signals
我发现从并不能直接到,主要是因为后者需要依靠一阶的斜率计算。这部分本来也可以放在做,但是ADBS又做了一次升级,所以干脆独立一个ADBS,与同级,都会向QuantData取数。之后还要解决基于同样数据,但是增添新的计算逻辑(并行)的结构。原创 2023-04-05 12:24:45 · 392 阅读 · 0 评论 -
Python 算法交易实验60 ADBS:QuantData到MyQuantBase-续2(故障处理)
正反向层级字典不是Python的某个特殊类别,是我在实践中为了解决某些问题搞的小发明,总归要给个名称比较好记。在处理(层级化)的路径或者H5元素时,其内容表达一般都是层级化的,写起来比较费事。我用正向层级字典来处理路径的问题,用反向层级字典来构建H5元素。整个过程其实就是一个简单的树形结构进行递归的操作。例如迅速匹配某个层级字典,可以想象从某个根节点(根文件夹)出发,按照规律逐层递进直到终点的...原创 2023-03-26 12:29:58 · 306 阅读 · 0 评论 -
Python 算法交易实验57 ADBS:QuantData到MyQuantBase
QuantData开始运行了,效果还是挺好的,每分钟都有了实时数据之后,应用就不远了。原创 2023-03-18 14:39:32 · 558 阅读 · 0 评论 -
Python 算法交易实验56 ADBS:QuantData-灌入离线数据
上一回说到,通过ADBS构建了一个分钟级的实时数据源。这次打算将RQ的静态数据也灌入这个ADBS。原创 2023-03-12 23:44:55 · 104 阅读 · 0 评论 -
Python 算法交易实验55 ADBS:QuantData
1 本次打通了实时的分钟级取数2 对ADBS的规范进行了一些强化:例如入数据的变量要确定,不可缺失。同时对透传的Worker进行了一些适配性更改。3 考虑到有一些字段是要作为过滤器的,而经过Redis队列,很多变量似乎都变字符了。所以在两个ToMongo的App(01,03)增加了转浮点的部分。(在以后的ADBS升级中可以考虑将这些固化到配置文件中)原创 2023-03-12 11:52:58 · 319 阅读 · 0 评论 -
Python 算法交易实验53 Step2.1 Signals 信号生成
上次提到了基于传统的趋势法构建一组基础信号的方法,并做了简单的交易测算。本次计划对方法和测算做一下Review,同时明确接下来基于ADBS(Step2)进行承接时需要计算的数据。原创 2023-03-11 00:30:10 · 520 阅读 · 0 评论 -
Python 算法交易实验54 分钟级数据获取
算法上线后还是需要实时调取数据来进行常态话运行的。这次我觉得我还是不介绍的太细比较好,因为之前介绍过聚宽的分钟级数据,觉得还是比较方便的,我觉得一年几百块也能接受。后来想续的时候突然他们的报价啥的就变的很诡异,反正是不打算用了。按道理来说,各大网站都有公布股票价格的实时信息,有啥理由会拿不到数据呢?之前无非是想花点小钱省事,后来发现还是要立足于免费数据。毕竟都是公开的,我也不搞高频,根本没必要花钱买数据。原创 2023-03-08 23:51:49 · 559 阅读 · 1 评论 -
Python 算法交易实验52 读后感《量化交易:如何建立自己的算法交易事业》
1 我还是适合搞量化的(从几个要素上分析)2 量化应该也是可以成功的3 技术上用python明显是更好的选择(2010年那会还没有这个)4 规则引擎搞自动化交易是最好的选择,我也可以实现这部分5 我认为无杠杆交易是对的6 夏普率、最大回撤和最大回撤周期这三个指标还是值得计算的7 技术方面我觉得我的工具箱足够丰富和强大8 基于现有的策略进行修改这个诀窍我觉得是对的9 我还可以使用模型对效果进一步增强。原创 2023-03-06 00:04:33 · 365 阅读 · 0 评论 -
Python 算法交易实验51 Step2 Signals 信号生成
基于趋势法,可以获得一组稳定的信号源,并获得期望的效果。接下来对信号方法进行描述,抽象,然后将其部署在ADBS上1 总结信号源的方法(从推理上验证方法的可靠性)2 为Step2创建新的ADBS3 将计算部署到ADBS上。原创 2023-03-05 13:01:04 · 654 阅读 · 2 评论 -
Python 算法交易实验50 Step1 DataETL - WorkerRun
其实这块是对于ADBS运维的一个补充,目的是尽量使用分布式、多核的优势加速计算。在默认的ADBS中,是以串行的方式分别运行sniffer、app、worker、stat等模块的。正常来说,由于worker每个批次处理一万条数据,这个效率也够了;在量化计算中,因为需要在每个周期进行回顾计算,所以每条数据实际上变成了任务。从计算的角度上,最快的当然还是读成一个dataframe,用pandas rolling一下;但是考虑到长期运行和通用性的问题,还是以服务的方式运行比较好。原创 2023-03-01 20:48:34 · 259 阅读 · 0 评论 -
Python 算法交易实验49 Step1 DataETL
万丈高楼平地起按照前面的规划,开始有序推进我的【15% 资金加速器】计划。这一步是通过某个源,获取分钟级数据,然后送到第一个ADBS。Sniffer : 读取数据并发送到入队列。一开始我会把文件以离线形式上传到某个folder,所以sniffer读文件源,后续我会找到接口源。嗯,先吐槽一下云服务商,去年的云主机价格贵了好多。腾讯1M的竟然500多一年,还算是几个大厂里面涨的少的。我觉得5M的500一年我还能接受,所以感觉是5倍的不值。原创 2023-03-01 01:05:47 · 300 阅读 · 0 评论 -
Python 算法交易实验48 表字段设计
虽然说的是表,实际上用的是Mongo集合ADBS通过简单的设置就可以不断扩展。原创 2023-02-22 21:38:16 · 409 阅读 · 0 评论 -
Python 算法交易实验47 交易研究推进计划梳理
今天刚看了本书,一本比较中规中矩讲量化交易的书,然后想了想,我觉得还是有启发的。所以梳理一下接下来要做的事。原创 2023-02-20 14:29:25 · 321 阅读 · 0 评论 -
Python 算法交易实验45 再探量化
去年大部分精力都在构建底层架构和工具了,一直都没有时间搞量化。目前底层的数据库服务(ADB)和清洗(衍生 AETL) 工具已经好了,我想尽快的把量化启动起来。原创 2023-02-14 20:15:50 · 394 阅读 · 0 评论 -
建模杂谈系列171 APIFunc继续实践-数据处理体系2
言归正传,现在继续谈APIFunc实践的事。总体上这几天还是有不少进展的,整体项目完整跑完。F-Score大概94,还是不错的,在不太动脑的情况下实现了一次逻辑复现。从产品的角度上,待完成的功能越来越清晰。最先要解决的是编辑与监控。这次开发过程中最耗时的是对着图一个个的粘贴,然后改代码,大量的手工复制代码,这在未来是不可接受的,所以要改。另外一个主题是监控,了解流的状态,了解静态数据点的状态,以及了解问题数据的状态。原创 2022-11-02 17:59:25 · 155 阅读 · 0 评论 -
Python 算法交易实验44 实验笔记2
回顾了一些以前的经验,重新梳理了,做了实验。总体感觉上是有戏的,不过目前还没有到最关键的一环。下面是在沪深300上,10年数据的简单测试,交易39次,胜率69%。乍一看还行,但是想想沪深300这些年基本也是翻倍的,这个简陋的模型也就差不多追平基准。有意思的是,模型在2015年那次大跌几乎没有什么损失,倒是2018年损失比较惨,止损了3~4次。这个实验里,年化收益不到10%,太低了。我的第一个目标是20%,对沪深300超额10%左右,这样才有意义。...原创 2022-08-14 20:36:25 · 299 阅读 · 0 评论 -
Python 算法交易实验43 实验笔记
这次的实验主要是发现了一个特征的信息值过于强大了,另外就是好久没碰这块了,重新预热一下。明确一下接下来的目标:对300ETF,超额收益>=10%已经打通了集群计算的模式获取了300的分钟级数据(十年约60万分钟交易数据)构建了任务调度方法(80%)和SCLC工具(30%)基础架构(数据库与任务系统)告一段落,开始重新聚焦在模型和算法1 使用SCLC(SRule)重构建模方法,快速搭建模型及调参2 构造交易对象,这样也就可以进行回测3 持续进行实验,保持思考。...原创 2022-08-07 15:38:00 · 230 阅读 · 0 评论