第一部分 新手入门
- 一 量化投资视频学习课程
- 二 Python 手把手教学
- 量化分析师的Python日记【第1天:谁来给我讲讲Python?】
- 量化分析师的Python日记【第2天:再接着介绍一下Python呗】
- 量化分析师的Python日记【第3天:一大波金融Library来袭之numpy篇】
- 量化分析师的Python日记【第4天:一大波金融Library来袭之scipy篇】
- 量化分析师的Python日记【第5天:数据处理的瑞士军刀pandas】
- 量化分析师的Python日记【第6天:数据处理的瑞士军刀pandas下篇
- 量化分析师的Python日记【第7天:Q Quant 之初出江湖】
- 量化分析师的Python日记【第8天 Q Quant兵器谱之函数插值】
- 量化分析师的Python日记【第9天 Q Quant兵器谱之二叉树】
- 量化分析师的Python日记【第10天 Q Quant兵器谱 -之偏微分方程1】
- 量化分析师的Python日记【第11天 Q Quant兵器谱之偏微分方程2】
- 量化分析师的Python日记【第12天:量化入门进阶之葵花宝典:因子如何产生和回测】
- 量化分析师的Python日记【第13天 Q Quant兵器谱之偏微分方程3】
- 量化分析师的Python日记【第14天:如何在优矿上做Alpha对冲模型】
- 量化分析师的Python日记【第15天:如何在优矿上搞一个wealthfront出来】
第二部分 股票量化相关
- 一 基本面分析
- 1.1 alpha 多因子模型
- 1.2 基本面因子选股
- 1.3 财报阅读 • [米缸量化读财报] 资产负债表-投资相关资产
- 1.4 股东分析
- 1.5 宏观研究
- 二 套利
- 三 事件驱动
- 四 技术分析
- 4.1 布林带
- 4.2 均线系统
- 4.3 MACD
- 4.4 阿隆指标 • 技术指标阿隆( Aroon )全解析
- 4.5 CCI • CCI 顺势指标探索
- 4.6 RSI
- 4.7 DMI • DMI 指标体系的构建及简单应用
- 4.8 EMV • EMV 技术指标的构建及应用
- 4.9 KDJ • KDJ 策略
- 4.10 CMO
- 4.11 FPC • FPC 指标选股
- 4.12 Chaikin Volatility
- 4.13 委比 • 实时计算委比
- 4.14 封单量
- 4.15 成交量 • 决战之地, IF1507 !
- 4.16 K 线分析 • 寻找夜空中最亮的星
- 五 量化模型
- 5.1 动量模型
- Momentum策略
- 【小散学量化】-2-动量模型的简单实践
- 一个追涨的策略(修正版)
- 动量策略(momentum driven)
- 动量策略(momentum driven)——修正版
- 最经典的Momentum和Contrarian在中国市场的测试
- 最经典的Momentum和Contrarian在中国市场的测试-yanheven改进
- [策略]基于胜率的趋势交易策略
- 量化策略]Sharpe_Momentum (夏普率动量策略)
- 策略探讨(更新):价量结合+动量反转
- 反向动量策略(reverse momentum driven)
- 轻松跑赢大盘 - 主题Momentum策略
- Contrarian strategy
- 5.2 Joseph Piotroski 9 F-Score Value Investing Model
- 5.3 SVR
- 5.4 决策树、随机树
- 5.5 钟摆理论
- 5.6 海龟模型
- 5.7 5217 策略
- 5.8 SMIA
- 5.9 神经网络
- 5.10 PAMR
- 5.11 Fisher Transform
- 5.12 分型假说, Hurst 指数
- 5.13 变点理论
- 5.14 Z-score Model
- 5.15 机器学习
- 5.16 DualTrust 策略和布林强盗策略
- 5.17 卡尔曼滤波
- 5.18 LPPL anti-bubble model
- 5.1 动量模型
- 六 大数据模型
- 6.1 市场情绪分析
- 6.2 新闻热点
- 七 排名选股系统
- 7.1 小市值投资法
- 7.2 羊驼策略
- 7.3 低价策略
- 八 轮动模型
- 九 组合投资
- 十 波动率
- 10.1 波动率选股
- 10.2 波动率择时
- 10.3 Arch/Garch 模型
- 十一 算法交易
- 十二 中高频交易
- 十三 Alternative Strategy
第三部分 基金、利率互换、固定收益类
- 一 分级基金
- 二 基金分析
- 三 债券
- 四 利率互换
第四部分 衍生品相关
- 一 期权数据
- 二 期权系列
- 三 期权分析
- 四 期货分析
文章来源于网络收集而来,版权归原创者所有,如有侵权请及时联系!
用5日均线和10日均线进行判断 --- 改进版
1、 修改Adobe同学的代码
data=DataAPI.MktEqudGet(ticker="600030",beginDate="20131001") #选取600030股票
a = data.closePrice
B = []
n = len(a)
for i in range(10, n):
x5 = a[i-5:i].mean() #5日均线值
x10 = a[i-10:i].mean() #10日均线值
B.append(x5 > x10)
import matplotlib.pyplot as plt
o = data.openPrice
m = len(B)
w = 0 #利润
cash = 1000000 #操作金额1亿,但考虑买的份额为100的整数,取1百万
amount = 0
PL = [] #利润w的数组
for i in range(1, m):
k = i + 10
if B[i-1] == 0 and B[i] == 1 and not amount:
amount = cash // o[k] #买入份额
cash -= o[k] * amount
elif B[i-1] == 1 and B[i]==0 and amount:
cash += o[k] * amount #卖出的金额
amount = 0
# print cash, amount
PL.append(cash + o[k] * amount)
print("利润:{}".format(PL[-1]))
plt.plot(PL,color="green",label="Profit and Loss")
plt.xlabel("Date")
plt.ylabel("Price")
plt.show()
plt.plot(a[10:], color="red",label="Profit and Loss")
plt.show()
利润:1559132.78
2、 Uqer框架相同策略
import numpy as np
start = '2013-10-01' # 回测起始时间
end = '2015-10-13' # 回测结束时间
benchmark = 'SH50' # 策略参考标准
universe = ['600030.XSHG'] # 股票池 中信证券
capital_base = 100000 # 起始资金
commission = Commission(0.0,0.0)
window_short = 5 # 短均线周期
window_long = 10 # 长均线周期
def initialize(account): # 初始化虚拟账户状态
account.fund = universe[0]
def handle_data(account): # 每个交易日的买入卖出指令
cp_hist = account.get_attribute_history('closePrice', window_long)[account.fund]
short_mean = np.mean(cp_hist[-window_short:]) # 计算短均线值
long_mean = np.mean(cp_hist[-window_long:]) #计算长均线值
# 计算买入卖出信号
if short_mean - long_mean > 0:
if account.fund not in account.valid_secpos:
# 空仓时全仓买入,买入股数为100的整数倍
approximationAmount = int(account.cash / account.referencePrice[account.fund] / 100) * 100
order(account.fund, approximationAmount)
else:
# 卖出时,全仓清空
if account.fund in account.valid_secpos:
order_to(account.fund, 0)
如果你对这篇内容有疑问,欢迎到本站社区发帖提问 参与讨论,获取更多帮助,或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱,如果其他用户或者作者回复了您的评论,将不能在第一时间通知您!
发布评论