更多频道内容在这里查看
爱奇艺用户将能永久保存播放记录
过滤短视频
暂无长视频（电视剧、纪录片、动漫、综艺、电影）播放记录，
按住视频可进行拖动
&正在加载...
收藏成功，可进入
查看所有收藏列表
把视频贴到Blog或BBS
当前浏览器仅支持手动复制代码
html代码：
通用代码：
扫一扫手机观看&分享
用爱奇艺APP扫一扫用手机继续观看&分享
使用微信扫一扫分享至好友/朋友圈
用爱奇艺APP或微信扫一扫，在手机上继续观看
当前播放时间：
一键下载至手机
限爱奇艺安卓6.0以上版本
使用微信扫一扫，扫描左侧二维码，下载爱奇艺移动APP
其他安装方式：手机浏览器输入短链接http://71.am/udn
下载安装包到本机：
设备搜寻中...
请确保您要连接的设备（仅限安卓）登录了同一爱奇艺账号 且安装并开启不低于V6.0以上版本的爱奇艺客户端
连接失败！
请确保您要连接的设备（仅限安卓）登录了同一爱奇艺账号 且安装并开启不低于V6.0以上版本的爱奇艺客户端
部安卓（Android）设备，请点击进行选择
请您在手机端下载爱奇艺移动APP（仅支持安卓客户端）
使用微信扫一扫，下载爱奇艺移动APP
其他安装方式：手机浏览器输入短链接http://71.am/udn
下载安装包到本机：
爱奇艺云推送
请您在手机端登录爱奇艺移动APP（仅支持安卓客户端）
使用微信扫一扫，下载爱奇艺移动APP
180秒后更新
打开爱奇艺移动APP，点击“我的-扫一扫”，扫描左侧二维码进行登录
没有安装爱奇艺视频最新客户端？
正在检测客户端...
您尚未安装客户端，正在为您下载...安装完成后点击按钮即可下载
， 可在设置中重新打开噢！
30秒后自动关闭
一分钟让你秒懂什么是量化交易">一分钟让你秒懂什么是量化交易
请选择打赏金额：
播放量12.7万
播放量数据：快去看看谁在和你一起看视频吧~
更多数据：
Copyright (C) 2017
All Rights Reserved
您使用浏览器不支持直接复制的功能，建议您使用Ctrl+C或右键全选进行地址复制
安装爱奇艺视频客户端，
马上开始为您下载本片
5秒后自动消失
&li data-elem="tabtitle" data-seq="{{seq}}"& &a href="javascript:void(0);"& &span>{{start}}-{{end}}&/span& &/a& &/li&
&li data-downloadSelect-elem="item" data-downloadSelect-selected="false" data-downloadSelect-tvid="{{tvid}}"& &a href="javascript:void(0);"&{{pd}}&/a&
选择您要下载的《
色情低俗内容
血腥暴力内容
广告或欺诈内容
侵犯了我的权力
还可以输入
您使用浏览器不支持直接复制的功能，建议您使用Ctrl+C或右键全选进行地址复制浅谈数字资产量化交易_巴比特_服务于区块链创新者
浅谈数字资产量化交易
最近比特币波动很大，很多人由QQ变奔驰，也有很多人宝马变永久。这个市场充满了收益，也充满了风险，让无数人欲罢不能，爱恨交加。
很多人交易都是这种状态：
心里十分紧张，坐在电脑前盯着屏幕；
双手分别放在键盘和鼠标上，时刻准备下单平仓。
奈何人工操作肯定会受情绪影响，而且手动操作很慢，从输入价格，到点击下单按钮，至少也要2秒钟。在这两秒钟内，价格可能早就变的让人怀疑人生了。
与此同时，有一些人是这样交易的：
拿出手机或者电脑，并不用打开交易网站，而是对着一些奇怪的东西看看记录，微微一笑；
关闭手机或者电脑，接着干自己的事情。
这些人并不会在交易上投入大量的精力和时间，但是也可以取得挺不错的收益。这些人，被称作量化交易者。
那么，什么是量化交易？
比较浮夸的说法：量化本身是一种投资风格，一种交易手段，一种技术优势。然而，有人在里面得到了巨额回报，有人在里面找到了精神信仰，有人对此高山仰止，有人对此嗤之以鼻。但不管是哪一类人，量化在他们心中都是有独特味道的存在： 讲原则，守规律，看似老实，又变化多端。 至于是否适用于风云变幻的金融市场，有人自认为智商够高能驾驭得了，有人认为天花板太明显比不上人的经验；不过没有人会否认，量化本身是一门学问。一门学问可能不至于迎合所有人的胃口，但碰上对口的人，他钻研可以带来精神满足，交易可以带来经济收益，够吃一辈子。
比较正经的说法：量化交易，是指以数学统计和数学建模为基础，利用计算机技术，从海量的历史和当前数据中，发掘出能够大概率带来超额收益的交易方式，避免人工交易过程中由于投资者情绪波动带来的非理性决策导致的负面影响。一个合格的量化交易模型，必须基于有明确的经济含义的趋势判断或者套利原理，进行进一步的系统化和程序化抽象，呈现出来的形式是一套逻辑完备的可执行的交易指令流程和逻辑控制方案。
说到这里，可能大部分人就望而却步了，又是数学又是计算机技术的，还要懂什么经济原理，这太难了。
别急，先放下这些专业知识不管，先说说讲讲量化交易有什么好处，事半功倍的事情，肯定有人喜欢。
简单来讲，量化交易主要有三个特征：
量化交易要求严格按照既定的逻辑进行投资决策，每个操作都是有数据和模型支持的，这样可以克服人工交易带来的情绪波动、主观臆断、恐惧和侥幸心理。比如一个每五分钟执行一次下单逻辑运算的策略，到第五分钟时，不应该出现模棱两可的情况。
在制定量化交易策略的时候，需要从全方位考虑交易品种、交易频率、投资周期、对冲机制、异常处理、资金容量、市场流动性、冲击成本等一系列策略系统元素，另外，需要从海量的历史数据和实时行情中捕捉到统计上大概率盈利的模型，这整个过程，是一个系统性的工程。
正是因为量化交易的系统性，人脑在处理这些系统元素的速度上，是比不上计算机的。信息技术的使用，使得量化策略的执行在速度上是大大优于手动交易的。比如一些微小的套利机会，计算机可以在毫秒之内捕捉到，并执行完套利逻辑，但是手动交易就无法做到这么快速及时了。
看到这，有人可能会心动了，的确是优势很多啊。有点想试试了吧？不过量化交易可以做什么品种的交易呢？
量化交易可以用在你经常可以听到的金融产品交易中。比如最常听到的股票、商品期货、外汇等金融产品，不过最近两年有一个品种越来越火，相信你肯定也听过他的名字-数字资产。
你可能又会说，数字资产是什么东西？
大家既然都是经常逛巴比特的，那么最起码肯定很熟悉比特币。
没错，最近几年随着比特币价格的剧烈波动和区块链概念的大火，以及越来越多的新闻报道，比特币已经越来越被大众熟知，现在可能菜市场的大妈都知道比特币是什么了。国内比较早以火币、OKCoin等为代表的数字资产交易平台也处在发展的上升期，积累了大量的用户。
除了比特币，还有莱特币、以太坊等不是那么被大众熟知的产品，这些都被归类为数字资产。数字资产由于其易分割性和易携带性，以及天然的T+0、7*24小时不间断交易等机制，特别适合作为量化交易的标的。据统计，在成熟的欧美证券市场中，量化交易已经占据总交易量的70%以上。而在数字资产领域，量化交易才刚刚起步，量化交易量目前只占据该市场交易量的20%左右，尚有大幅提升的空间。另外，几乎所有的交易平台都提供了API编程接口，供量化用户通过程序化手段来查询行情和下单，这也给数字资产量化提供了较为完备的基础。
提到编程，很多人可能又想要放弃了，说来说去，还是得有编程基础。看上去量化交易很麻烦，没有扎实的计算机编程功底，量化策略也不懂，学起来太费时间了。
别担心，写程序和学策略并不像你想的那么难，而且国内也有很多量化社区供爱好者讨论各种开发策略经验，比如WeQuant微宽网等平台，只要有心，到处都是资源。编程语言建议从Python学起，零基础也可以很快上手，可以看看廖雪峰的博客，看看一些社区的官方教程等。
量化交易主要还是靠自己的兴趣和自己平常的积累，以及一些工具的辅助。相信自己，只要稍微付出一点点，你也可以用更短时间，更少成本，在数字资产中获取更大收益。
版权声明：
作者保留权利。文章为作者独立观点，不代表巴比特立场。
发文时比特币价格
您需要登录后才可以回复
量化交易的大致原理并不复杂，但要实现起来就没那么简单了，这是专业机构的强项，普通投资者想要学会它，很难…
其实也没有那么难了，真的不要怕。可以进WeQuant群要个内测链接先试一下，真的没想象的那样复杂。浅谈量化交易（二）
最近十年来,量化投资成为了欧美资本市场发展的热点与焦点,一举成为了国际投资界兴起的一个新方法,发展势头迅猛,。量化投资和基本面分析、技术面分析并称为三大主流方法。由于量化投资交易策略的业绩稳定,其市场规模和份额不断扩大,得到国际上越来越多投资者的追捧。那到底什么是量化投资呢？所谓量化投资可以将其简单地概括为利用数量化统计分析工具构建相应的数据模型，并借助计算机科技处理从而实现投资思想和投资理念的一种策略。过程中几乎没有人为干预。量化投资从本质上来讲，是通过总结市场运行规律，由此建议相应的投资模型以期能较大概率获得投资成功。量化投资策略中涉及的模型是投资人根据市场特征利用一些量化分析工具构建的，需要经过不断的跟踪检验以及改善，且也需根据不同市场环境进行优化。
量化投资策略也是主动性投资策略的一种，即其认为市场是非有效或若有效的，从而试图战胜市场以获得超额收益。但量化投资策略又区别于传统的主动性投资策略。量化投资策略因为不受到人类思维的局限，因此覆盖的范围远大于传统主动性投资。此外，传统主动性投资容易受到投资人个人偏好、自身情绪的干扰，做出一些非理性的行为，进而影响最终的投资收益，而量化投资是依靠计算机实现投资策略，因此可以有效的避免个人因素扰动。
那么，有人可能会有疑问：量化投资对于基金公司/资产管理公司而言,有着有着哪些非常明显的价值呢？
首先是容易冲规模
一个有效的量化模型是可以在多个产品上进行快速复制,从而迅速做大规模。这个在巴克莱的指数增强系列产品上得到最明显的体现。截止2011年底,巴克莱量化基金,管理规模超过1.6万亿美金,超过富达基金,成为全球最大的资产管理公司。
其次是可以获得绝对收益
利用量化对冲方式,构建与市场涨跌无关的产品,赚取市场中性的策略,适合追求稳健收益的大机构客户,例如保险资金、银行理财等。这个产品的代表性公司就是目前全球最大的对冲基金BridgeWater,旗下的旗舰产品Pure&Alpha过去五年共赚取超过350亿美金。
第三是杜绝了内幕消息和老鼠仓
量化投资只利用公开数据,通过数学模型的运算,挖掘出隐藏在公开数据后面的信息,从而战胜市场,从方法论上就杜绝了内幕消息的可能。在交易过程中利用复杂的IT系统进行程序化交易,使得老鼠仓也无法成为可能。在国内金融市场监管日趋规范的情况下,量化投资这种方法必然会成为投资研究的主要方法。
说到这里，我想跟大家聊一位华尔街传奇性人物——詹姆斯·西蒙斯。今年78岁高寿的詹姆斯·西蒙斯（James&Simons）拥有种种骄人的成绩，他是23岁戴上博士帽的数学天才、26岁转战情报界的破译密码特工、30岁回归学界并在七年后获得几何学最高奖项的数学系主任。当然，他最为华尔街敬仰的还是缔造了量化投资的先驱——文艺复兴基金（Renaissance&Technologies&Corp.）。这位“量化投资之王”2010年已经离开了260亿美元规模的文艺复兴基金。在《福布斯》杂志今年的排行榜上，西蒙斯拥有140亿美元个人身家，成为个人资产排名第四的对冲基金经理、全球排名第76位的富豪。1988年以来，西蒙斯掌管的的大奖章对冲基金年均回报率高达34%，这个数字较索罗斯等投资大师同期的年均回报率要高出10个百分点，较同期标准普尔500指数的年均回报率则高出20多个百分点，而且稳定性更佳；从2002年底至2005年底，规模为50亿美元的大奖章基金已经为投资者支付了60多亿美元的回报。更难得的是这个回报率是在扣除了5％的资产管理费和44％的投资收益分成以后得出的。即使2008年面对全球金融危机的重挫，"大奖章基金"的回报也高达80%。这位创造了华尔街投资神话的传奇人物，其超越索罗斯、巴菲特等投资大师的秘密武器就是量化投资。这一系列骄人成绩的取得，也许就是为了彰显量化投资的魅力所在。接下来，我们说一下量化投资出现的主要原因
量化交易的出现离不开如下几个主要原因：现代金融理论的发展，计算机技术的普及和发展，以及交易成本的下降。而这些变化大部分都发生在最近30年内。
1、现代金融理论的发展
首先，我们说一下传统资产定价的理论。传统资产定价主要基于现金流贴现法。企业的整体价值等于其股票和债券的价值之和。股票的价值等于其未来所有现金流的折现值，债券的价值则等于利息与到期本金的折现价值。以股息贴现模型（DDM）为例，计算一个公司股价，我们需要预测该公司将来派发的一系列股息，然后估算每年的折现率，把未来股息贴现成现值，最后把净现值的全相加起来。这个方法听起来很简单，但实际操作起来相当复杂而且带有主观性。分析师预测一个季度的股息都经常搞错，准确预测将来所有股息更是难上加难。预测未来折现率也有同样的问题。然而，现代金融理论则另辟蹊径。1960年代，威廉·夏普、林特纳等提出的CAPM定价模型，对资本市场均衡状态下的资产风险与预期收益率的关系给出了精确定义。根据CAPM模型，一个股票的预期收益率取决于它和市场的相关性和无风险利率。投资者不用复杂的现金流预测就能估算股票的价值。马克维茨在50年代创造性地提出了用均值方差最优化的数学方法来选择最优投资组合。这个最优组合不再完全取决于一个股票的预期收益率，而且还和其风险，与其它股票的相关性，以及投资者对风险的喜好程度密切相关。夏普和马克维茨因此研究同获1990年诺贝尔经济学奖。
当然，这并不是说现代金融理论就一定强于传统理论。传统投资因为对个股分析更为透彻因此投资命中率更高。基于CAPM等数学模型赚钱的方式不同。量化交易往往在短期内作出大量的交易。每一个交易的亏赢率虽然小于传统投资模型，但数千次交易之后，只要盈利交易多于亏损交易，总体交易结果就是盈利的。
2、计算机技术的发展
1976年，史蒂夫·乔布斯和斯蒂夫·沃兹尼亚克创办苹果计算机公司，并推出其AppleI计算机。1982年，微计算机开始普及，大量进入学校和家庭。在过去的半个世纪里，计算机基本按照英特尔的创始人之一戈登·摩尔提出摩尔定律飞速发展：计算机硬件的处理速度和存储能力，每一到两年提升一倍。
计算机技术的发展极大地推动了社会各方各面的飞速进步。在政治筹款和竞选上，美国2008年的大选被称为是一场数据的较量。奥巴马的竞选团队使用了大数据对不同选民采取了不同的竞选和筹款宣传；在商业上，商家利用顾客的电子消费记录预测客户的需求。以沃尔玛为例，它每小时要处理100多万笔电子交易记录，可谓每分每秒都在源源不断地生产数据。在体育方面，数据分析也越来越成为教练挑选和训练队员的有力工具。量化交易不过是在这个大环境之下计算机技术对投资和交易的推动而已。
3、交易费用的下降
全球范围内交易费用的下降已经持续了一段时间，在金融市场竞争的推动下，又开始出现继续下降的趋势。
正是基于这一系列因素出现和推动，量化投资才实现了从无到有的长足发展。
那么，当前中国的量化投资发展现状，到底是一个怎么样的情况呢？
说到量化投资的发展,就要从市场有效性假说说起，技术分析、基本面分析和量化分析代表了有效市场的三个不同的层次。在无效市场,技术分析是充分有效的,这在中国资本市场最初的十年得到很好的体现;当市场进入弱有效市场后,可以依靠基本面分析获得超额收益,2000年到2010年这十年基本上属于这个时代;当市场进入半强有效市场后,也就是从2010年开始我们可以观察到大部分基本面分析的产品已经无法获得超额收益,此时国内市场已经进入半强有效市场。当然当市场进入强有效市场后,则无论哪种方法均无法战胜市场,那时候只能被动指数化投资。
　　传统的有效市场假说认为,在半强有效市场,只能依靠非公开信息(内幕消息或者私人消息)来获得超额收益。但是我们可以知道的是,除了非公开信息并不是只有内幕消息和私人消息,还有另外一个获得非公开信息的方法:就是利用数据挖掘的方法,从公开的数据中挖掘出非公开信息,也就是量化投资的方法。这也就是在美国等成熟市场(基本上进入半强式有效市场状态),量化投资为啥可以得到蓬勃发展的原因。
　　随着中国市场有效性的提高,中国开始进入半强式有效市场阶段,再加上监管层对内幕消息的监管越来越严厉,使得通过这种方法获得非公开信息的方式越来越难,因此量化投资就成为了一个最好的获得非公开信息的科学理论与技术。
　　很多人问:量化投资是不是仅仅是一个昙花一现的概念,还是一个可以长期有效的科学理论,我想通过上述对有效市场假说的分析,已经得到了明确的答案:量化投资是在半强式有效市场中的最佳分析理论,也几乎是唯一可行的分析理论。
反之，量化交易的发展对于中国资本市场的影响以及未来发展趋势是什么呢？
　量化投资作为“舶来品”，我上面讲到，自2010年随着股指期货和融资融券，量化投资在中国市场兴起与壮大，量化投资因其出色的风险控制管理能力以及能够多维度、及时、客观地捕捉多个市场、多个品种的交易机会，成为中国量化对冲时代的“新宠儿”。这主要表现在：量化投资不仅丰富了投资者的投资选择，也在促进市场有效性、提高市场流动性、降低市场波动性等方面产生了积极作用。
　　由于投资者风险收益的偏好不同，在不同宏观经济背景和市场环境下，投资人不同的资产配置选择亦不同，在大类置产配置方面，量化投资模型可以帮助投资者基于经济数据分析进行大类资产的择时配置，从而提高投资者的长期投资回报。具体到二级市场中，量化投资丰富的投资策略，如阿尔法策略、CTA策略、套利策略等，则为投资人提供了丰富多样的风险收益投资选择，从而提高了整个资本市场的效率。
众所周知，A股市场不是一个有效的市场，它的非有效性往往体现在机构投资者占比较低而散户投资者占比较高、对冲工具相对缺乏，因此价格发现机制不健全，牛短熊长，市场的波动较为剧烈。对于市场的非有效性，研究行为金融学获得诺贝尔奖的&Robert&Shiller曾有过一个重要的论断，他指出，市场定价是每个股票未来预期现金流的折现，如果未来预期现金流预测确定的话，今天的价格和明天的价格应该差别不大，但从行为金融学角度，市场情绪会左右投资者对股票价格的判断。在一个以专业投资者为主的成熟市场，专业投资者通过专业的方法研究股票，会对股价形成一致性预期，这个价格通常接近投资标的的真实价格。但在一个散户众多的市场，许多非理性行为则会使得股票价格高估或低估，这种主观情绪上的波动性也会提高市场的波动性。一方面，量化投资客观评价交易机会，利用计算机基本面模型发现个股的潜在价值，从市场的非理性定价中获取收益，克服了主观情绪的偏差，通过全面、系统性的扫描捕捉错误估值带来的投资机会，使得投资品种获得有效定价,&资本在不同上市公司之间的分配更为合理，从而提高了市场的有效性，降低了市场的波动率。另一方面，量化投资持仓分散，程序化交易在执行买卖报单时交易量往往被进一步拆分，从而降低了市场的冲击成本，这也有助于减少市场的波动性。
　　除此之外，量化投资更是为资本市场提供了重要的生命力—流动性。除了估值和盈利，流动性也是影响股价的重要因素，更是资产市场的核心生命力，量化投资可以起到资本市场润滑剂的功能。第一，量化投资有助于实现跨市场、跨品种的交易策略，程序化交易尤其是高频交易的交易频率通常较高，从而提高了资金的使用效率，有助于提高期货、现货等多个市场的流动性。第二，量化的做市策略（market&marketing）通常是在市场行情买卖价的中间进行报价，也向市场注入了一定的流动性。
在这里，我想说的是：
中国经济经过30年的高速发展,各行各业基本上已经定型,能够让年轻人成长的空间越来越小了。未来十年,量化投资这一领域绝对是少有的一个,可以诞生个人英雄的行业,无论是出生贵贱,无论是学历高低,无论是有无经验,只要你勤奋、努力。脚踏实地的研究模型,研究市场,开发出适合市场稳健盈利的量化交易系统,实现财务自由,并非遥不可及的梦想。
　　曾经，有位量化研究助理抱怨:“我们做量化研究的,一年都没有啥机会出去调研,免费旅游的机会都木有啊”。
　　这时候，有人这样对他说：“你只要好好研究量化模型,找到持续稳定盈利的策略,自然就会有大量的资金来找你合作,实现财务自由不困难。到时候你会开着游艇出海,去拉斯维加斯享受,去非洲草原猎象,又何必在乎眼前的这点免费旅游呢？”&想想，确实如此。
　　我们每一个人，可能都深有体会，在中国目前的很多领域,赚钱已经变成一个非常困难的事情,但是在量化投资这一领域,我坚信，这一切的一切都是可以实现的！
讲到最后，我想给大家说一个概念，那就是“证券量化交易”，证券量化交易概念从2009年开始萌芽，到2012年6月招商证券财富管理中心与Progress公司合作推出“算法交易”，标志着国内券商正式进军量化交易市场。时至今日，该市场仍处于发展初期阶段，大部分量化交易产品都是采取ETF套利和阿尔法套利等模型在证券二级市场和股指期货两个相关市场做对冲交易进行获利。
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。量化交易实践篇（2）—— Quantopian策略实现初体验 - 简书
量化交易实践篇（2）—— Quantopian策略实现初体验
这篇带大家按照官方入门指南来体验下Quantopian的魅力，文章中会涉及到一些平台中常用的API，大家可以先有个初步印象，用的时候再去查文档即可。文章最后会实现一个简单的均值回归的策略，好了,宽客动手不动口，开始我们的旅程！
Quantopian
交易算法框架
在Quantopian中，交易算法是一段Python脚本，其中包含了几个关键的函数
initialize()
程序启动时调用的函数，用于处理启动时需要的一次性逻辑，需要context（上下文对象）作为输入。
context是一个增强的Python字典，用于存储回测或交易中的一些状态与有效数据，它作为算法中的共享区域，在各个函数中均可访问其内容（使用context.键值的方式）。
handle_data()
按照自定义的周期，定时调用，一般在其中处理当前周期中需要处理的订单，context与data是函数的两个参数。
data是用于存放一些API方法的对象。
before_trading_start()
每交易日开盘前调用的函数，通常用于选定当天待交易的股票，入参与handle_data一样，也为context与data两个对象。
一个最基础的算法框架如下：
def initialize(context):
# 启动后需要处理的一次性逻辑
def handle_data(context, data):
# 定时执行，处理当前周期中待处理订单
def before_trading_start(context, data):
# 开盘前执行，选定当天待交易股票
整体框架基本可以模拟了我们平日里的交易操作，很容易理解。对于框架有初步了解后，我们再继续前进一小步，如何获购买一只股票呢？首先我们要获取到这只股票
获取证券信息
平台提供了sid()函数，这个函数会根据输入返回一只股票在平台中的唯一ID，且是始终不变的。
比如你想获取到苹果公司的股票，只需要在代码区域调用sid函数，并在入参里输入股票简称AAPL，编辑器就会智能地给出相应提示。
获取之后一般都会存放到context对象中，供之后的逻辑使用
def initialize(context):
context.aapl = sid(24)
def handle_data(context, data):
print context.aapl
下单平台提供了几种不同的函数，这个点后续再展开详述，这篇文章我们以order_target_percent()这个为例进行说明，order_target_percent函数需要两个参数，sid(证券ID)与target_percent（投资比例，分母为可用头寸）
可用头寸=现金账户+敞口头寸（open position）
敞口头寸应该为当日买卖差价
如果用可用头寸的50%去做多苹果，代码如下
order_target_percent(sid(24), 0.50)
而如果用可用头寸的50%去做空，代码如下
order_target_percent(sid(24), -0.50)
获取证券信息
在下单前，策略可能需要根据历史及当前该证券的信息进行分析，data对象提供了几个快捷的函数供使用。
data.current() 获取当前信息
需要两个参数，第一个参数为证券sid或一个证券sid列表，第二个参数为你需要的信息字段，目前支持的有价格(price)、开盘价(open)、收盘价(close)、最高价(high)、最低价(low)与交易量(volume)。
data.current(sid(24), 'price') #获取苹果的当前价格
data.current([sid(24), sid(46631)], 'price') 获取苹果与谷歌的当前股价
data.current([sid(24), sid(46631)], ['low', 'high'])获取苹果与谷歌截止当前的最高最低价
data.can_trade() 该证券能否交易
需要传入证券sid或证券sid列表
data.history() 获取历史信息
在current参数的基础上增加了回看窗口大小(lookback window length)及回看频率(lookback frequency)的参数
hist = data.history(sid(24), 'price', 10, '1d')#获取苹果过去十天的价格，频率为每天
mean_price = hist.mean()
#注：获取历史价格的时候，会先返回当前的价格，及前9天的日中收盘价，所以如果你希望获取前十天的均价，先取11天，然后丢弃掉最新的一条。
data.history(sid(8554), 'price', 11, '1d')[:-1].mean()
注: data.current()与data.history()返回的均为pandas的DataFrame结构，pandas这个python科学库后续会专门一系列说明
自定义调度
可以根据自己需要的周期，灵活地定义自己需要的定时处理逻辑函数，参数中包含自定义函数名、日期规则与实践规则，
#在每周第一天开盘后一小时，已目前可用的10%买入苹果股票。
def initialize(context):
context.aapl = sid(24)
schedule_function(func=open_positions,
data_rules=date_rules.week_start(),
time_rules=time_rules.market_open(hours=1)
def open_positions(context, data):
order_target_percent(context.aapl, 0.10)
查询当前持仓
Quantopian在context中内置了portfolio对象，持仓存储在context.portfolio.positions中，positions可以看做sid为键，Postion对象为值的一个字典。我们可以使用for...in语法进行循环处理：
#清盘所有持仓
for security in context.portfolio.positions:
order_target_percent(security, 0)
平台提供了record()方法帮助你将自己关注的变量绘制成时间序列图，可以方便的监控关心的变量。
def initialize(context):
context.aapl = sid(24)
schedule_function(record_vars, date_rules.every_day(), time_rules.market_close())
def record_vars(context, data):
long_count = 0
short_count = 0
for position in context.portfolio.positions.itervalues():
if position.amount & 0:
long_count += 1
if position.amount & 0:
short_count += 1
# 绘制图表
record(num_long=long_count, num_short=short_count)
重新编译算法后，可直观地展现每日收盘空头/多头的时间序列图。
滑点与佣金
滑点与佣金都属于交易成本的范畴，对于算法的实际表现影响很大
滑点表示由于下单（尤其是大单）对于股价潜在的影响，会导致实际成交比预期差的情况，平台中集成了多种滑点的策略，下面为默认的策略：
# 假设过去几分钟内交易量为1000时，限制每次只能下=25的单，系统会根据这个值进行拆单
set_slippage(slippage.VolumeShareSlippage(volume_limit=0.025, price_impact=0.1))
可以根据真实经纪商的情况设置佣金费率及最小费用。
set_commission(commission.PerShare(cost=0.0075, min_trade_cost=1))
因为订单基本都不是即刻成交的，而且当前未成交订单对于后续的策略执行也有很大的指导意义，所以订单管理的功能也是至关重要的。
get_open_orders()函数帮助我们获取当前已下但尚未成交的订单
open_orders = get_open_orders()
if context.xtl not in open_orders and data.can_trade(context.xtl):
order_target_percent(context.xtl, 1.0)
动手均值回归策略
好了，把之前所有的内容整合起来，我们很容易就能实现一个简单的均值回归策略。均值回归策略可以简单的理解为短期的均值会有一定波动，但随时间一定会逐步与长期均值趋同。
我们就来实现这样一个策略：
如果一个股票10天移动平均高于了其30天移动平均值，我们则认为股价一定会下跌，反之亦然。
def initialize(context):
#初始化证券池
context.security_list = [sid(5061), sid(7792), sid(1941), sid(24556), sid(1746)]
# 自定义调度：每周第一交易日开盘时重新计算并执行组合重新配置
schedule_function(rebalance,
date_rules.week_start(days_offset=0),
time_rules.market_open())
def compute_weights(context, data):
#计算10日与30日均值
hist = data.history(context.security_list, 'price', 30, '1d')
prices_10 = hist[-10:]
prices_30 = hist
sma_10 = prices_10.mean()
sma_30 = prices_30.mean()
# 加权计算
raw_weights = (sma_30 - sma_10) / sma_30
normalized_weights = raw_weights / raw_weights.abs().sum()
return normalized_weights
def rebalance(context, data):
# 重置权重
weights = compute_weights(context, data)
# 组合重新分配
for security in context.security_list:
if data.can_trade(security):
order_target_percent(security, weights[security])
这一篇到这里就结束了，是不是觉得很容易上手呢？建议大家去官方教程里克隆策略，自己上手跑一跑，对于量化交易会更有体会。
吉特 拉 起源 的主人
(=￣ω￣=)
Spring Cloud为开发人员提供了快速构建分布式系统中一些常见模式的工具（例如配置管理，服务发现，断路器，智能路由，微代理，控制总线）。分布式系统的协调导致了样板模式, 使用Spring Cloud开发人员可以快速地支持实现这些模式的服务和应用程序。他们将在任何分布式...
算法技术解构 1、Python基础知识 （1）IPythonIPython的开发者吸收了标准解释器的基本概念，在此基础上进行了大量的改进，创造出一个令人惊奇的工具。在它的主页上是这么说的：“这是一个增强的交互式Python shell。”具有tab补全，对象自省，强大的历史...
点此看前面内容 八、8FOF研究专题 它有五个子目录： 研究篇 选基篇 配置篇 风险篇 其他 8.1 研究篇 文件： 2016年公募类FOF集合年度报告-盛名之下，顺势而为.pdf FOF专题之二-详解生命周期基金.pdf FOF专题系列报告之一-FOF的起源与发展.pdf...
本文将介绍整个量化交易系统中的一些基本概念。本文服务于两类读者：第一类想在量化基金找到量化交易员工作的人，第二类是希望尝试和建立自己的零售算法交易业务的个人。 量化交易是量化金融中一个非常复杂的领域。为了通过面试或者构建自己的交易策略 ，你可能需要花费大量的时间来获得必要的...
国债期货常见量化交易策略原理 本章对五种常见低风险国债期货量化交易策略进行实证测算。包括日内、日间趋势策略，跨品种套利、期现套利策略。 日内趋势策略和日间趋势策略立足趋势理论进行短线投机，设置合理开仓止损条件；跨品种套利基于五年国债期货和十年期货的价差均值回归原理进行统计套...
Recently, I watch the talk show of &QiPa& talking, a television program about debating. All of the host and guests and competitors are al...
曾及何时，我们天真无邪。曾及何时，我们无忧无虑。曾及何时，我们是如此的深深的爱着那个我们的那个自己！！！ 我们哭了，我们笑着，我们抬头望星空看星星还亮着几颗。我们唱着时间的歌，才懂得了相互拥抱到底是为了什么！因为刚好遇见你留下足迹才美丽，风吹花落泪如雨，因为不想分离。因为刚...
穿越·山水·楠溪江 旅游手册上介绍说，登华山很险，那是古时候的事；各大户外网站介绍说，穿越楠溪江难度中等，那大概是不下雨时候的事。 暴雨在沉寂了一段漫长的干旱期后，在端午假期集中释放了起来，让原本预期就不轻松的楠溪江行程朝着最坏的状况疾驰而去。漫长泥泞又湿滑的山路，因暴雨而...
当蜻蜓一点，杏花雨帘，邂逅识面，孤枕难眠； 当春光一现，你我再见，沧海桑田，从此沉湎； 当指间一拈，繁花成片，弱水三千，独你坐殿； 当烛光一剪，红袖香添，蝶舞翩跹，步步生莲； 当容颜一变，蹀躞不前，相思谁怜，度日如年； 当沟壑一填，何言亏欠 ，痴心错恋 ，死生不见。
今天下午办完事回来路上买了一个菠萝，在提着它去给老板削皮的过程中居然发现菠萝的叶子可以一根根的抽出来！哈哈，当时看老板太忙不好意思让他帮我把菠萝头也打包带回来，现在想想还有些后悔啊。 嗯，但这个发现也是一件很值得开心的事啦！