可以各种技术可以组合起来.它们被建模为DataSeries.例如,在收盘价之上获得RSI以上的计算SMA,是非常简单的: from pyalgotrade import strategy from pyalgotrade.barfeed import yahoofeed from pyalgotrade.technical import ma from pyalgotrade.technical import rsi class MyStrategy(strategy.BacktestingSt

==========================================================================安装anaconda 3 64位版本cd /optmkdir softwarecd software若wget 不存在,yum install wgetwget https://repo.anaconda.com/archive/Anaconda3-2018.12-Linux-x86_64.shchmod 777 Anaconda3-2018.12-

参见: <zw量化交易·实盘操作·系列培训班> http://blog.sina.com.cn/s/blog_7100d4220102w0q5.html

[文件说明] $mx1,是单日数据:$mx9,是日数据和 入选率:2%, 准确度:40% 盈利率:120%左右 目前在测试稳定性 5月1日-6月14日,实盘数据 $mx9,15061409x150614,$100,151%,44.79%(43/96),#,x,44%,43,96,$,152%,100,29184,@x2,$319,277.22%(499/180),k9,47.62%(10/21) 单关盈利率v:150%,准确率:44.79%(43/96) 2x1盈利率v:277.22%(499/

入门代码解析: from pyalgotrade import strategyfrom pyalgotrade.barfeed import yahoofeed #继承自BacktestingStrategy里面有feed,这就是策略类class MyStrategy(strategy.BacktestingStrategy):def __init__(self, feed, instrument):#在有父类的时候赋值的方法把feed用进初始化super(MyStrategy, self).

PyAlgoTrade使得绘制策略执行变得非常简单 from pyalgotrade import strategy from pyalgotrade.technical import ma from pyalgotrade.technical import cross class SMACrossOver(strategy.BacktestingStrategy): def __init__(self, feed, instrument, smaPeriod): super(SMACrossO

满足优化器组件.这个想法很简单: 有一个服务器负责: 提供数据来运行策略. 提供运行策略的参数. 记录每个工作线程的策略结果. 有多名工作人员负责: 使用服务器提供的数据和参数运行策略. 为了说明这一点,我们将使用一种称为相对强弱指标RSI2的策略,它需要以下参数: SMA期间用于趋势识别.我们称这个entrySMA为150到250. 退出点的SMA周期较小.我们称这个exitSMA为5到15之间. 进入短期/长仓的RSI期间.我们称之为rsiPeriod,范围介于2到10之间. 长期进仓的RS

我们继续采取简单的策略,这次模拟实际交易.这个想法很简单: 如果调整后的收盘价高于SMA(15),我们将进入多头仓位(我们下单买入市价). 如果调整后的收盘价低于SMA(15),我们退出多头头寸(我们出售) from pyalgotrade import strategy from pyalgotrade.barfeed import yahoofeed from pyalgotrade.technical import ma class MyStrategy(strategy.Backtest

让我们从一个简单的策略开始,就是在打印收盘价格的过程中: from pyalgotrade import strategy from pyalgotrade.barfeed import yahoofeed class MyStrategy(strategy.BacktestingStrategy): def __init__(self, feed, instrument): super(MyStrategy, self).__init__(feed) self.__instrument = i

本节介绍如何使用收盘价的SMA价格的策略 from pyalgotrade import strategy from pyalgotrade.barfeed import yahoofeed from pyalgotrade.technical import ma class MyStrategy(strategy.BacktestingStrategy): def __init__(self, feed, instrument): super(MyStrategy, self).__init_

本教程的目标是快速介绍PyAlgoTrade.PyAlgoTrade的目标是帮助您实现股票交易策略.假设您有一个交易策略的想法,并且您希望使用历史数据进行评估,并查看其行为方式,那么PyAlgoTrade应该允许您以最小的努力来做到这一点. 本教程是在UNIX环境中开发的,但将其适应Windows环境的步骤应该很简单. PyAlgoTrade有6个主要组件: 策略(Strategies) 数据集(Feeds) 券商(Brokers) DataSeries 技术指标​ 优化 策略 这些是您定义的实

量化分析:把Tushare数据源,规整成PyalgoTrade所需格式 分析A股历史数据,首先需要确定数据来源.如果只想做日k线.周k线的技术分析,可以用PyalgoTrade直接从yahoo.google等下载数据,用不着Tushare.但是,如果想做分钟k线的技术分析,或者想了解基本面和消息面的数据,就用得着Tushare了. PyalgoTrade使用的基本数据格式有两种,一是Yahoo格式,二是NinjaTrader格式. Yahoo格式的数据分段为: 日线数据:Date,Open,Hi

转自知乎:https://zhuanlan.zhihu.com/p/21971854 在Python量化领域,PyAlgoTrade和zipline并列两大策略回测框架的先驱,其中PyAlgoTrade主要针对CTA策略(单一合约交易),而zipline主要针对统计套利策略(投资组合交易). 在知乎和QQ群里也被很多人问了挺多次vn.py和PyAlgoTrade有什么区别,感觉零散的解释效果不咋地,还是决定“一表剩千言”. 值得说明的是,vn.py是一个完整的量化交易程序开发框架,包括从交易接口

Written by Khang Nguyen Vo, khangvo88@gmail.com, for the RobustTechHouse blog. Khang is a graduate from the Masters of Quantitative and Computational Finance Program, John Von Neumann Institute 2014. He is passionate about research in machine learnin

年初学习量化投资,一开始想自己从头写,还是受了C/C++的影响.结果困在了计算回测数据那里,结果老也不对,就暂时放下了.最近试了一下python的各个量化投资框架,发现一个能用的——pyalgotrade,重新开始吧.这是一个事件驱动型量化交易框架. 使用pyalgotrade的一大问题是数据获取,其支持从yahoo,谷歌等途径获得数据,但要获取A股数据比较麻烦.还是用tushare获取数据比较方便.但pyalgotrade并不直接支持tushare数据格式.网上有人介绍了将tushare数据转

零起点PYTHON足彩大数据与机器学习实盘分析 第1章 足彩与数据分析 1 1.1 “阿尔法狗”与足彩 1 1.2 案例1-1:可怕的英国足球 3 1.3 关于足彩的几个误区 7 1.4 足彩·大事件 8 1.5 大数据图灵(足彩)原则 10 1.6 主要在线彩票资源 11 1.7 主要在线足彩数据源 15 1.8 足彩基础知识 17 1.9 学习路线图 18 第2章 开发环境 19 2.1 数据分析首选Python 19 ================================== =

为了保证实盘交易程序能够正常稳定地运行,同时保护您在使用时账户资金的安全,我们设计了一些规则和机制.了解这些机制有助于您更快上手实盘交易. 启动前检查机制 在实盘交易程序启动前,系统会执行一次检查,出现以下异常时实盘不可启动: 若当前实盘所对应的API key或策略已被删除,则当前实盘不能启动: 同一个API key对应的实盘交易程序同时最多只能有一个在运行,若当前实盘所配置的API key已被其他运行中实盘占用,则该实盘不能启动: 为保证账户资金安全,只有运行过回测的策略才能运行实盘,您可以参

https://uqer.io/contest/ http://www.cnblogs.com/dunitian/p/4939369.html 优连

1.少写一个return,疯狂开平2900次,以爆仓结束 2.在上生产环境前,不小心误删除了一个“!”(我至今也不清楚为什么会误删了,晕),导致平仓逻辑一直不满足,不止损,让我损失惨重! 3.卖单变买单 4.有个回调里的参数修改少了小数点,然后以光速来回 hit bid-ask 5.重要代码在模拟环境上先跑个半年再上线 6.大多都是写的没风控模块的bug ,我是正好相反,之前是一个长期cta交易策略,把风控配置文件直接拷贝到新服务器里,然后忘记改了,以至于一个短频交易的策略被风控卡主不能发平仓单

 注:点击框架名称通往Github talib talib的简称是Technical Analysis Library,主要功能是计算行情数据的技术分析指标 numpy 介绍:一个用python实现的科学计算包.包括:1.一个强大的N维数组对象Array:2.比较成熟的(广播)函数库:3.用于整合C/C++和Fortran代码的工具包:4.实用的线性代数.傅里叶变换和随机数生成函数.numpy和稀疏矩阵运算包scipy配合使用更加方便. scipy 介绍:SciPy是一款方便.易于使用.专为科学