Advertisement

系统交易策略分析笔记本:源码

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
《系统交易策略分析笔记本:源码》是一本详尽解析金融交易系统的书籍,包含了从理论到实践的各项内容,帮助读者深入理解并应用交易策略。书中提供了丰富的源代码案例,便于学习和参考。 该资料库记录了有关期货交易策略的研究成果,并在学术领域发布系统性交易策略及相关杂项结果。其目的是复制并介绍论文中的内容,定期更新研究结果,并可能添加进一步的实验。 这些笔记本会自动推送到GitHub上。目前维护以下几种策略: 1. 时间序列动量(Moskowitz 2012) 2. 时间序列动量(Baltas 2020) 3. 外汇进位商品期限结构(Koijen 2018等) 4. 商品动量(Asness 2013等) 5. 商品偏度(Fernandez-Perez 2018等) 6. 曲线内商品策略(LaFrançaise Group 2015) 7. 跨资产偏度策略(Baltas 2019等) 8. 隔夜股权收益(Knuteson 2020等) 此外,还有一些笔记本涉及以下主题: - 多头期货合约的履约情况及活跃交易月份 - 普通布莱克-斯科尔斯模式下的希腊人参数计算 - 已实现波动性的衡量方法 参考文献包括Asness等人及其他相关研究。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 优质
    《系统交易策略分析笔记本:源码》是一本详尽解析金融交易系统的书籍,包含了从理论到实践的各项内容,帮助读者深入理解并应用交易策略。书中提供了丰富的源代码案例,便于学习和参考。 该资料库记录了有关期货交易策略的研究成果,并在学术领域发布系统性交易策略及相关杂项结果。其目的是复制并介绍论文中的内容,定期更新研究结果,并可能添加进一步的实验。 这些笔记本会自动推送到GitHub上。目前维护以下几种策略: 1. 时间序列动量(Moskowitz 2012) 2. 时间序列动量(Baltas 2020) 3. 外汇进位商品期限结构(Koijen 2018等) 4. 商品动量(Asness 2013等) 5. 商品偏度(Fernandez-Perez 2018等) 6. 曲线内商品策略(LaFrançaise Group 2015) 7. 跨资产偏度策略(Baltas 2019等) 8. 隔夜股权收益(Knuteson 2020等) 此外,还有一些笔记本涉及以下主题: - 多头期货合约的履约情况及活跃交易月份 - 普通布莱克-斯科尔斯模式下的希腊人参数计算 - 已实现波动性的衡量方法 参考文献包括Asness等人及其他相关研究。
  • TB.zip_口袋mu_v的TB_
    优质
    本资源为口袋mu_v开发的TB(Tick By Tick)高频交易策略源代码,适用于量化交易平台进行深度市场分析和自动交易执行。 交易策略及其相应的学习内容全部基于源码进行。
  • Python配对
    优质
    本源码提供了一种基于Python实现的配对交易自动化的量化交易策略,适合希望深入研究股票或期货市场中相关性对冲策略的程序员和金融分析师。 配对交易(Pairs Trading)是在八十年代中期由华尔街著名投行Morgan Stanley的数量交易员Nunzio Tartaglia成立的一个数量分析团队提出的一种市场中性投资策略,该团队成员主要是物理学家、数学家以及计算机科学家。Ganapathy Vidyamurthy在《Pairs Trading: Quantitative Methods and Analysis》一书中将配对交易定义为两种类型:一类是基于统计套利的配对交易,另一类是基于风险套利的配对交易。
  • 金融计量及量化-投资构建-含等资.rar
    优质
    本资料包深入剖析金融计量和量化交易策略,涵盖从理论到实践的投资交易策略解析与自动化系统构建,内附详尽源代码及相关实用资源。 本资源包括中国人民大学财政金融学院刘振亚教授的“金融计量与量化策略分析”及“量化投资交易策略分析与系统设计”两门课程的相关作业和笔记记录。金融量化分析主要采用先进的数学模型代替人为判断,利用计算机技术从大量历史数据中筛选出能够带来超额收益的各种高概率事件,并据此制定相应策略。具体步骤包括:灵光乍现、细化策略、将策略转化为程序代码、检验策略结果、回测及模拟交易等阶段,在完成这些前期工作后,最终可以进行实盘交易操作。
  • EA均线
    优质
    EA均线交易策略系统是一款基于移动平均线技术分析的自动化交易工具,专为寻求简化交易流程、提高市场时机把握能力的投资者设计。 这是一个简单的均线自动交易系统,可供学习参考。但请注意,该系统尚未经过实盘验证。
  • Python量化学习(16)——筛选股票
    优质
    本篇笔记详细记录了使用Python进行量化交易的过程,重点介绍了如何通过编程手段筛选出具有投资价值的股票策略,旨在帮助读者理解和实践基于数据驱动的投资决策方法。 完成指标计算后,我们可以编写程序遍历所有股票数据以筛选出符合条件的股票。在之前的笔记(14)中,我们观察到几组回测实验显示,选取5日线与60日线形成金叉买入、死叉卖出策略,在这些测试数据中能获得最高的资产收益。本段落将尝试选出前一天出现5日线金叉60日线的股票。实验的数据截止至2020年3月20日,即我们的策略需要选取截至该日期前两天K线图上形成5日均线与60日均线上穿交叉形态的股票。 相关代码如下所示: ```python # 判断金叉 def golden_crossover(df, fast, slow): # K线数量不足的情况(次新股) ``` 这里的函数`golden_crossover()`用于判断是否存在金叉,参数包括数据框df和两条均线的速度值fast与slow。当数据中的K线数量不足以形成有效的技术分析时,此部分代码会处理该情况。
  • 方法.pdf
    优质
    《交易系统的策略方法》一书深入探讨了金融市场上各类交易系统的设计与优化技巧,涵盖从基础理论到实战应用的全方位指导。 本资料系统地介绍了交易所需的几个要素,并在开发交易系统时提供了各种注意事项。
  • 海龟法则的量化
    优质
    本作品提供基于《海龟交易法则》原理开发的量化交易策略源代码,旨在帮助编程爱好者和交易者实现自动化交易系统,优化投资决策。 海龟交易法则是一种趋势交易策略。首先建立唐奇安通道(即确定上突破线和下突破线)。当价格突破上线时,则进行买入操作;如果价格跌破下线,则卖出或开空单。
  • 日内的回转
    优质
    本段代码提供日内交易中运用的回转交易策略,旨在优化股票或金融衍生品的短期买卖决策,适合程序化交易者使用。 日内回转交易是指投资者在同一交易日内对同一标的(如股票)进行多次买进和卖出操作的行为。其目的是维持持有的股票数量不变,并通过在日内K线图上的操作,增加可用余额并降低平均持股成本,从而实现盈利。
  • matlab_macd_strATEGY
    优质
    本段代码展示了如何在MATLAB环境中实现MACD(移动平均收敛发散)交易策略。通过计算MACD指标帮助投资者识别股票或金融产品的买卖时机,适用于量化交易研究与实践。 MACD交易策略代码包括四个子函数: 1. `top_sharpes`:选取夏普比率最高的五只股票。 2. `best_weights`:确定最优权重分配。 3. `my_macd`:计算每支股票的MACD指标值。 4. `backtest`:识别买卖信号并模拟交易,计算各股累计收益。 主函数流程如下: 1. 设定训练期为一年,测试期为半年; 2. 动态选股: - 使用四个子函数来计算第i个测试周期内的累积回报率; - 将该测试期内的数据合并到训练数据中; - 继续使用更新后的数据集进行下一轮(即第i+1轮)的累计收益计算,直到结束。 3. 最后将所有训练期和测试期间收集的所有累计收益信息汇总起来。 此策略通过不断迭代优化选股模型,并根据MACD指标生成交易信号以实现最大化投资回报。