用Python怎么做量化投資

本文將會(huì)講解量化投資過程中的基本流程，量化投資無非這幾個(gè)流程，數(shù)據(jù)輸入------策略書寫------回測(cè)輸出

創(chuàng)新互聯(lián)公司-專業(yè)網(wǎng)站定制、快速模板網(wǎng)站建設(shè)、高性價(jià)比海寧網(wǎng)站開發(fā)、企業(yè)建站全套包干低至880元,成熟完善的模板庫(kù),直接使用。一站式海寧網(wǎng)站制作公司更省心,省錢,快速模板網(wǎng)站建設(shè)找我們，業(yè)務(wù)覆蓋海寧地區(qū)。費(fèi)用合理售后完善，10余年實(shí)體公司更值得信賴。

其中策略書寫部分還涉及到編程語(yǔ)言的選擇，如果不想苦惱數(shù)據(jù)輸入和回測(cè)輸出的話，還要選擇回測(cè)平臺(tái)。

一、數(shù)據(jù)

首先，必須是數(shù)據(jù)，數(shù)據(jù)是量化投資的基礎(chǔ)

如何得到數(shù)據(jù)？

Wind：數(shù)據(jù)來源的最全的還是Wind，但是要付費(fèi)，學(xué)生可以有免費(fèi)試用的機(jī)會(huì)，之后還會(huì)和大家分享一下怎樣才Wind里摘取數(shù)據(jù)，Wind有很多軟件的借口，Excel，Matlab，Python，C++。

預(yù)測(cè)者網(wǎng)：不經(jīng)意間發(fā)現(xiàn)，一個(gè)免費(fèi)提供股票數(shù)據(jù)網(wǎng)站 預(yù)測(cè)者網(wǎng)，下載的是CSV格式

TB交易開拓者：Tradeblazer，感謝@孫存浩提供數(shù)據(jù)源

TuShare：TuShare -財(cái)經(jīng)數(shù)據(jù)接口包，基于Python的財(cái)經(jīng)數(shù)據(jù)包，利用Python進(jìn)行摘取

如何存儲(chǔ)數(shù)據(jù)？

Mysql

如何預(yù)處理數(shù)據(jù)？

空值處理：利用DataFrame的fill.na()函數(shù)，將空值（Nan）替換成列的平均數(shù)、中位數(shù)或者眾數(shù)

數(shù)據(jù)標(biāo)準(zhǔn)化

數(shù)據(jù)如何分類？

行情數(shù)據(jù)

財(cái)務(wù)數(shù)據(jù)

宏觀數(shù)據(jù)

二、計(jì)算語(yǔ)言軟件

已經(jīng)有很多人在網(wǎng)上詢問過該選擇什么語(yǔ)言？筆者一開始用的是matlab，但最終選擇了python

python：庫(kù)很多，只有你找不到的，沒有你想不到，和量化這塊結(jié)合比較緊密的有：

NumpyScipy：科學(xué)計(jì)算庫(kù)，矩陣計(jì)算

Pandas：金融數(shù)據(jù)分析神器，原AQR資本員工寫的一個(gè)庫(kù)，處理時(shí)間序列的標(biāo)配

Matplotlib：畫圖庫(kù)

scikit-learn：機(jī)器學(xué)習(xí)庫(kù)

statsmodels：統(tǒng)計(jì)分析模塊

TuShare：免費(fèi)、開源的python財(cái)經(jīng)數(shù)據(jù)接口包

Zipline：回測(cè)系統(tǒng)

TaLib：技術(shù)指標(biāo)庫(kù)

matlab：主要是矩陣運(yùn)算、科學(xué)運(yùn)算這一塊很強(qiáng)大，主要有優(yōu)點(diǎn)是WorkSpace變量可視化

python的Numpy+Scipy兩個(gè)庫(kù)完全可以替代Matlab的矩陣運(yùn)算

Matplotlib完克Matlab的畫圖功能

python還有很多其他的功能

pycharm（python的一款I(lǐng)DE）有很棒的調(diào)試功能，能代替Matlab的WorkSpace變量可視化

推薦的python學(xué)習(xí)文檔和書籍

關(guān)于python的基礎(chǔ)，建議廖雪峰Python 2.7教程，適合于沒有程序基礎(chǔ)的人來先看，涉及到python的基本數(shù)據(jù)類型、循環(huán)語(yǔ)句、條件語(yǔ)句、函數(shù)、類與對(duì)象、文件讀寫等很重要的基礎(chǔ)知識(shí)。

涉及到數(shù)據(jù)運(yùn)算的話，其實(shí)基礎(chǔ)教程沒什么應(yīng)用，python各類包都幫你寫好了，最好的學(xué)習(xí)資料還是它的官方文檔，文檔中的不僅有API，還會(huì)有寫實(shí)例教程

pandas文檔

statsmodels文檔

scipy和numpy文檔

matplotlib文檔

TuShare文檔

第二，推薦《利用Python進(jìn)行數(shù)據(jù)分析》，pandas的開發(fā)初衷就是用來處理金融數(shù)據(jù)的

三、回測(cè)框架和網(wǎng)站

兩個(gè)開源的回測(cè)框架

PyAlgoTrade - Algorithmic Trading

Zipline, a Pythonic Algorithmic Trading Library

Python量化教程：不得不學(xué)的K線圖「代碼復(fù)制可用」

不管是對(duì)量化分析師還是普通的投資者來說，K線圖（蠟燭圖）都是一種很經(jīng)典、很重要的工具。在K線圖中，它會(huì)繪制每天的最高價(jià)、最低價(jià)、開盤價(jià)和收盤價(jià)，這對(duì)于我們理解股票的趨勢(shì)以及每天的多空對(duì)比很有幫助。

一般來說，我們會(huì)從各大券商平臺(tái)獲取K線圖，但是這種情況下獲得的K線圖往往不能靈活調(diào)整，也不能適應(yīng)復(fù)雜多變的生產(chǎn)需求。因此我們有必要學(xué)習(xí)一下如何使用Python繪制K線圖。

需要說明的是，這里mpl_finance是原來的matplotlib.finance，但是現(xiàn)在獨(dú)立出來了（而且好像沒什么人維護(hù)更新了），我們將會(huì)使用它提供的方法來繪制K線圖；tushare是用來在線獲取股票數(shù)據(jù)的庫(kù)；matplotlib.ticker中有個(gè)FuncFormatter()方法可以幫助我們調(diào)整坐標(biāo)軸；matplotlib.pylab.date2num可以幫助我們將日期數(shù)據(jù)進(jìn)行必要的轉(zhuǎn)化。

我們以上證綜指18年9月份以來的行情為例。

我們先使用mpl_finance繪制一下，看看是否一切正常。

可以看到，所有的節(jié)假日包括周末，在這里都會(huì)顯示為空白，這對(duì)于我們圖形的連續(xù)性非常不友好，因此我們要解決掉他們。

可以看到，空白問題完美解決，這里我們解釋一下。由于matplotlib會(huì)將日期數(shù)據(jù)理解為 連續(xù)數(shù)據(jù) ，而連續(xù)數(shù)據(jù)之間的間距是有意義的，所以非交易日即使沒有數(shù)據(jù)，在坐標(biāo)軸上還是會(huì)體現(xiàn)出來。連續(xù)多少個(gè)非交易日，在坐標(biāo)軸上就對(duì)應(yīng)了多少個(gè)小格子，但這些小格子上方并沒有相應(yīng)的蠟燭圖。

明白了它的原理，我們就可以對(duì)癥下藥了。我們可以給橫坐標(biāo)（日期）傳入連續(xù)的、固定間距的數(shù)據(jù)，先保證K線圖的繪制是連續(xù)的；然后生成一個(gè)保存有正確日期數(shù)據(jù)的列表，接下來，我們根據(jù)坐標(biāo)軸上的數(shù)據(jù)去取對(duì)應(yīng)的正確的日期，并替換為坐標(biāo)軸上的標(biāo)簽即可。

上邊f(xié)ormat_date函數(shù)就是這個(gè)作用。由于前邊我們給dates列生成了從0開始的序列連續(xù)數(shù)據(jù)，因此我們可以直接把它當(dāng)作索引，從真正的日期列表里去取對(duì)應(yīng)的數(shù)據(jù)。在這里我們要使用matplotlib.ticker.FuncFormattter()方法，它允許我們指定一個(gè)格式化坐標(biāo)軸標(biāo)簽的函數(shù)，在這個(gè)函數(shù)里，我們需要接受坐標(biāo)軸的值以及位置，并返回自定義的標(biāo)簽。

你學(xué)會(huì)了嗎？

當(dāng)然，一個(gè)完整的K線圖到這里并沒有結(jié)束，后邊我們會(huì)考慮加入均線、成交量等元素，感興趣的同學(xué)歡迎關(guān)注哦！

python 離散型數(shù)據(jù)怎么量化

python 離散型數(shù)據(jù)量化的方法可以采用變量轉(zhuǎn)換方法來解決，分類數(shù)據(jù)和連續(xù)數(shù)據(jù)需要參與模型計(jì)算，并且通常會(huì)轉(zhuǎn)換為數(shù)值數(shù)據(jù)。

當(dāng)然，某些算法允許這些數(shù)據(jù)直接參與計(jì)算，例如分類算法中的決策樹和關(guān)聯(lián)規(guī)則。將非數(shù)字?jǐn)?shù)據(jù)轉(zhuǎn)換為數(shù)字?jǐn)?shù)據(jù)的最佳方法是將所有類別或有序變量的范圍從一列多值形式轉(zhuǎn)換為僅包含真值的多列?？梢詫rue值傳遞給True，F(xiàn)alse或0、1。這種符號(hào)轉(zhuǎn)換方法有時(shí)稱為真值轉(zhuǎn)換。

具體代碼是：

import pandas as pddata = [.

['yellow', 'S', 10.1, 'class1'].

['red', 'M', 13.5, 'class1'].

['red', 'M', 15.1, 'class2'].

['blue', 'XL', 15.3, 'class2'.

df = pd.DataFrame(.

data,columns=['color', 'size', 'prize', 'class'].

python 離散型數(shù)據(jù)用連續(xù)數(shù)據(jù)處理的方法是：

1、等寬法：若數(shù)據(jù)區(qū)間為0~20，設(shè)置箱子個(gè)數(shù)為4個(gè)，則等寬法會(huì)將數(shù)據(jù)裝入4個(gè)箱子：[0,5],(5,10],(10,15],(15,20]，并且可以設(shè)置每個(gè)箱子的名字，如1、2、3、4。

等寬法缺點(diǎn)是分箱結(jié)果會(huì)受到最值影響。并且需要人為指定箱子個(gè)數(shù)，比較依賴于經(jīng)驗(yàn)。分箱結(jié)果會(huì)直接影響后續(xù)分類、聚類的結(jié)果。

2、等頻法：等頻法是指將一組數(shù)據(jù)分解成n個(gè)部分后，每個(gè)部分的記錄數(shù)量是一樣多的。等頻法常用pandas庫(kù)中的qcut()函數(shù)進(jìn)行處理。