Advertisement

Python-Quanttrading是量化交易策略的Python库。

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

简介：
Python定量交易策略涵盖一系列技术指标和方法，具体包括移动平均线（MACD）、配对交易（Pair Trading）、平滑异质线（Heikin-Ashi），伦敦突破（London Breakout），以及Awesome指标、双动力指标（Dual Thrust）、抛物线SAR指标、布林带（Bollinger Bands）、相对强弱指数（RSI），以及模式识别技术（Pattern Recognition）。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Python量化交易策略库-QuanttradingPython
    优质
    QuanttradingPython是一款专为Python用户打造的开源量化交易平台，提供丰富的算法交易策略和金融数据接口，帮助投资者轻松实现自动化交易。 Python定量交易策略包括MACD、配对交易（Pair Trading）、Heikin-Ashi图、伦敦突破（London Breakout）、Awesome指标、双重波动（Dual Thrust）、抛物线转向点（Parabolic SAR）、布林带（Bollinger Bands）、相对强弱指数（RSI）以及形态识别。
  • Python量化交易：简易均线策略
    优质
    《Python量化交易：简易均线策略》是一本介绍如何运用Python编程语言在金融市场上实施基于移动平均线技术分析策略的实用教程。本书适合对量化投资感兴趣的初学者阅读和实践，旨在帮助读者掌握编写自动化交易系统的技能，并通过实例演示了如何利用简单的均线交叉来识别买入卖出信号。 本代码是一个用Python编写的简单均线系统，适合想进行量化但不知从何入手的初学者使用。代码非常简洁，总共只有30来行。编写此代码的目的在于给从未做过量化的入门人员提供一个思路引导。文件包含两个部分：一个是源代码，另一个是Excel格式的数据文件，在同一目录下直接运行即可。本人使用的是Anaconda环境，并已测试过该版本（内含Python 3.6）可以正常运行。
  • 4、Python量化交易之双均线策略记录
    优质
    本文章详细记录了使用Python进行量化交易时，应用双均线策略的过程和心得。通过实际案例分析，深入探讨该策略在市场中的运用及优化方法。 Python量化交易-双均线策略笔记
  • Python量化交易策略与回测系统的实现.zip
    优质
    本资源深入讲解并实现了使用Python进行量化交易策略开发及回测的方法，涵盖从数据获取、策略编写到结果分析的全过程。适合对股票和期货市场感兴趣的编程爱好者和技术分析师学习参考。 Python量化交易策略及回测系统是一个95分以上的高分项目，可以下载并直接使用，无需任何修改。该系统适用于希望快速开始进行量化交易研究的用户。
  • Python下的海龟交易策略
    优质
    Python下的海龟交易策略是一本介绍如何使用Python编程语言实现著名海龟交易法则的教程。书中通过详细的代码示例和解释帮助读者掌握量化交易技巧。 使用Python语言编写的经典海龟交易策略包括因子计算、开平仓等功能。
  • Python量化交易学习笔记（16）——筛选股票策略
    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。
  • Python版的经典动量与反转交易策略
    优质
    本简介介绍了一个基于Python实现的经典动量与反转交易策略。该策略结合了技术分析中的两大核心理念，即价格趋势和周期性波动，旨在通过编程方式自动执行投资决策，帮助投资者捕捉市场机会或规避风险。 量化交易策略中的动量与反转交易可以通过Python编程实现，并允许用户自定义参数设置。这种策略可以在米筐、聚宽等平台上进行实践并执行量化交易。研究显示，动量与反转策略在长期实践中仍然具有显著的效果。
  • Python配对交易策略源码
    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。
  • 量化交易采用DeepSeek+Python技术实现自动化交易策略研究与开发
    优质
    本文深入研究了DeepSeek与Python在量化交易中的融合应用及其引发的变化。文章首先阐述了Python在量化交易中的优势特点：丰富的金融库生态系统、全面的交易API支持以及高效的策略开发能力。接着重点介绍了DeepSeek技术对量化交易所作出的三大创新贡献：通过自然语言处理技术将非结构化数据转化为可量化的信号指标；实现了特征工程的自动化流程；并成功运用强化学习框架优化了交易策略的有效性。随后详细解析了构建基于DeepSeek的量化交易平台的具体架构设计：包括数据采集、特征提取、信号生成等核心环节，并结合实际案例展示了其操作流程。此外文章还深入探讨了一些前沿应用场景：如跨市场套利策略的设计、动态风险控制机制的构建以及生成式策略开发方法的应用前景。最后文章从技术角度分析了当前智能量化交易平台可能面临的问题：包括过拟合风险、算法复杂度导致的技术债务以及监管政策带来的合规挑战，并对未来的发展趋势进行了展望：强调人机协同将成为未来智能投资的重要发展方向之一。文章最后给出了解读建议：要求读者具备一定的编程基础和金融知识背景，在阅读过程中应重点关注具体的应用案例和技术细节，并结合实际操作进行深入理解和实践。
  • 日内交易的量化策略示例
    优质
    本文章提供了多个基于数据驱动的日间交易量化策略实例。通过运用先进的统计分析和机器学习技术，我们深入探索了如何优化投资组合绩效，并详尽阐述每一个步骤与考量因素。适合希望深入了解日内交易量化方法的专业人士阅读。 Ptrade量化交易平台的量化交易策略示例基于Python编写，提供了一个简单的日内交易策略供研究学习使用。请注意这些策略仅供学习参考，并不适用于实盘交易。对于刚入门且希望了解量化的初学者来说，这可以作为一份不错的参考资料。