- 博客(19)
- 资源 (2)
- 收藏
- 关注
RSS订阅原创 python金融数据分析和可视化--06_03用mplfinance金融数据可视化(下）
这肯定是上面的所有功能中最容易实现的一个。mplfinance提供了两个相关的函数：make_mpf_style 以及make_marketcolors。# 设置mplfinance的蜡烛颜色，up为阳线颜色，down为阴线颜色down='g',# 设置图表的背景色在make_marketcolors函数中，几个不同的参数主要用于设置K线的颜色，up 和down都很明显，用于分别指定上涨K线和下跌K线的颜色。
2023-04-01 16:16:20
1404
原创 python金融数据分析和可视化--06_02用mplfinance金融数据可视化(中）
仍然是上面的代码案例，只需在plot中增加两个参数panel_ratios和num_panels，panel_ratios是用了设置子图和主图的比例，参数的顺序是按图序号来设置的，例如：panel_ratios（1，0.3，0.8） 即0号图比例是1，1号图比例是0.3，2号图是0.8，只是注意：是按面板的序号而并非第一个就是主图比例，因为0号面板默认是主图但不一定必然是主图！这里以按0轴上下分色为例修改代码，其他风格以此类推。途中可以看到，子图的k线图在最下面，按照排序最上为主图0，下面依次为1，2，…
2023-04-01 16:15:10
1066
原创 深入浅出Python量化交易实战--第5章 因子基本原理和用法
关于PCA的原理，本书不打算展开详细介绍，只要大家 明白，这个算法就是通过方差来确定样本各个特征的重要性，并且给它 们分配不同的权重（重要性越高的特征，分配的权重也越高），并根据 权重，将高维数据降到低维的过程。除了关心股票的整体市值之外，我们还想了解企业的现金流与股价 的对比情况，也就是“市现率”这个指标的情况。不论能不能 赚到钱，至少要保证资金的安全——因此选择“沪深300”成分股作为选 股的“股票池”，并结合量化选股因子，找到其中财务状况最好、发展前 景最好的企业的股票，作为未来的投资标的。
2023-03-27 08:32:32
1614
原创 python金融数据分析和可视化--06_01用mplfinance金融数据可视化(上）
mplfinance是专用于金融数据的可视化分析模块，是基于matplotlib的实用模块程序。基于前面的介绍，可以确定使用前必须确保已经安装了matplotlib和pandas。mplfinance使用是简直太方便，绘制个均线什么的一个关键字参数解决，剔除停盘时间段的空白不用你想它已经自动做了，还有时间坐标都是自动完成的，比如显示的是当天k线就只显示时间，跨天就自动带上日期，跨年就自动带上年份，哇，mplfinance在使用上不要太方便、太人性化！github地址这里需要强调的是参数data的类
2023-03-27 08:10:01
1984
原创 深入浅出Python量化交易实战--第4章-借助量化交易平台
在这个过程中，小瓦 学会了如何获取股票的概况和财务指标数据，也初步了解了如何利用基 本的财务指标进行简单的选股，而且能够查询股东信息和股东的增减持 情况，以及某个时期内股票的资金流入／流出情况。既然要进行进一步的实验，我们就需要找到更多的数据（仅仅使用 tushare获取的数据不够），而让小瓦自己开发一个爬虫程 序去各大网站“爬”数据，学习成本又太高，还要花费大量的时间，那小 瓦还不如直接用别人已经整理好的数据呢。读者朋友 如果希望查询不同字段，则可以参考平台的数据字典，了解查询的具 体方法。
2023-03-26 09:11:31
1046
原创 python金融数据分析和可视化--05通过JoinQuant(聚宽)获取数据
frequency: 单位时间长度, 几天或者几分钟, 现在支持'Xd','Xm', 'daily'(等同于'1d'), 'minute'(等同于'1m'), X是一个正整数, 分别表示X天和X分钟(不论是按天还是按分钟回测都能拿到这两种单位的数据), 注意, 当X > 1时, fields只支持['open', 'close', 'high', 'low', 'volume', 'money']这几个标准字段,合成数据的逻辑见下文. 默认值是daily。3.获取数据保存到datas目录中。
2023-03-26 08:27:26
2383
原创 python金融数据分析和可视化--04利用Baostock获取股票数据
证券宝是一个免费、开源的证券数据平台（无需注册）。提供大量准确、完整的证券历史行情数据、上市公司财务数据等。通过python API获取证券数据信息，满足量化交易投资者、数量金融爱好者、计量经济从业者数据需求。返回的数据格式：pandas DataFrame类型，以便于用pandas/NumPy/Matplotlib进行数据分析和可视化。支持语言：目前版本BaoStock.com目前只支持Python3.5及以上(暂不支持python 2.x)。
2023-03-25 11:28:42
3333
1
原创 python金融数据分析和可视化--03利用Akshare获取股票数据
AKShare 是基于 Python 的财经数据接口库，目的是实现对股票、期货、期权、基金、外汇、债券、指数、加密货币等金融产品的基本面数据、实时和历史行情数据、衍生数据从数据采集、数据清洗到数据落地的一套工具，主要用于学术研究目的。AKShare 的特点是获取的是相对权威的财经数据网站公布的原始数据，通过利用原始数据进行各数据源之间的交叉验证，进而再加工，从而得出科学的结论。
2023-03-24 19:54:26
7041
1
原创 深入浅出Python量化交易实战--第3章-机器学习在交易中的简单应用（下）
虽然这里使用的KNN 分类模型的准确率并不高，但是使用该模型进行涨跌预测后，进行交易 的收益还是高于该股票的基准收益的。在本章中，小瓦提出一个非常不错的想法——使用机器学习算法来 预测股票的涨跌，并据此创建交易策略来执行订单，因此我们和小瓦一 起学习了机器学习的基本概念，并以KNN算法为例，展示了机器学习工 具的使用方法。接下来，我们就使用上一步中定义的函数来处理下载好的股票数 据，生成训练集与验证集，并训练一个简单的模型，以执行我们的交易 策略。现在就使用KNN算法来 进行模型的训练，并查看模型的性能。
2023-03-24 19:34:37
808
原创 python金融数据分析和可视化--02_04将股票数据存到sqlite数据库中
create_engine()返回的是Engine的一个实例，代表了操作数据库的核心接口，处理数据库和数据库的API。初次调用create_engine()并不会真正连接数据库，只有在真正执行一条命令的时候才会尝试建立连接，目的是节省资源。通过SQLAlchemy中的create_engine()函数连接数据库。
2023-03-24 19:19:45
398
原创 python金融数据分析和可视化--02_03将股票数据存到mysql数据库中
engine = create_engine("数据库类型+数据库驱动://数据库用户名:数据库密码@IP地址:端口号/数据库?编码...", 其它参数)初次调用create_engine()并不会真正连接数据库，只有在真正执行一条命令的时候才会尝试建立连接，目的是节省资源。create_engine()返回的是Engine的一个实例，代表了操作数据库的核心接口，处理数据库和数据库的API。其中echo用来设置SQLAlchemy日志，设置为True时，可以看见所有数据库的操作记录。
2023-03-24 19:10:38
357
原创 python金融数据分析和可视化--02_02获取Tushare股票数据本地存储
数据说明：交易日每天15点～16点之间入库。本接口是未复权行情，停牌期间不提供数据。描述：获取股票行情数据，或通过通用行情接口获取数据，包含了前后复权数据。描述：获取基础信息数据，包括股票代码、名称、上市日期、退市日期等。接口：stock_basic。
2023-03-24 08:39:30
328
1
原创 深入浅出Python量化交易实战--第3章-机器学习在交易中的简单应用（上）
在第2章中，我们和小瓦一起用简单的回测来对交易策略进行了 评估，并且学习了两种基于市场动量的经典交易策略。现在小瓦提出 一个新的问题：如果我们掌握了足够多的数据，不就可以用机器学习 技术来预测股价的涨跌和涨幅了吗？事实上，这是一个非常好的主 意。机器学习技术就是使用样本数据训练模型，并且让模型对新样本 做出预测的技术。本章我们就和小瓦一起来探索一下机器学习在交易 中的基本应用。本章的主要内容如下。
2023-03-24 08:30:16
1107
原创 python金融数据分析和可视化--02_01利用Tushare获取股票数据
tushare是一个免费,开源的python财经数据接口包.主要实现对股票等金融数据从数据采集、清洗加工到数据存储的过程，能够为金融分析人员提供快速、整洁、和多样的便于分析的数据，为他们在数据获取方面极大地减轻工作量，使他们更加专注于策略和模型的研究与实现上。考虑到Pythonpandas包在金融量化分析中体现出的优势，TuShare返回的绝大部分的数据格式都是pandasDataFrame类型，非常便于用pandas/NumPy/Matplotlib进行数据分析和可视化。
2023-03-23 18:35:13
1153
原创 python金融数据分析和可视化--01概述
本教程没有从Python基础语法讲起，也没有讲pandas、numpy、mysql、django等基础，直接将读者带入数据的获取、整理、保存、可视化。但不用担心看不懂，用到知识都会在用到的地方详细说明。主要以国内A股市场为例，借助tushare、akshare、baostock数据平台和聚宽量化交易平台，讲述了数据的获取、整理、保存、可视化。本教程适合对Python语言有一定了解，且对python量化感兴趣的读者阅读。
2023-03-23 18:08:14
217
原创 深入浅出Python量化交易实战--第2章 回测与经典策略（下）
在本章中，为了帮助小瓦评估她的“低买高卖”策略，我们简单设计 了一个回测程序，通过小瓦总资产的变化来评价策略的业绩表现；当然， 这两种策略都是基于市场动量的变化而设计的，核心思想如下：如果股 价上涨并超过某个点位，说明其上升的动量变强，这时应该买入；本例进行了简化处理。说起经典的交易策略，就不得不提到“海龟策略”——一个20世纪80 年代提出的，以海龟交易法则为核心的交易策略。当股价第一次突破唐奇安通道上沿时，程序进行了买入，但随后的几天中， 股价再次突破了上沿，但由于此时已经有1手持仓，故没有再次买入。
2023-03-23 17:30:51
1105
原创 深入浅出Python量化交易实战--第2章 回测与经典策略（中）
从输出数据中可以看到，在2022年11月8日这一天，该股票的5日 均价约为12.048元，而20日均价约为12.0910元，5日均价小于10日均价，故 此程序给出的交易信号是0；同样，在11月9日这一天，5日均价约为 12.058元，而20日均价约为12.0600元，交易信号不变，仍然是0，所以这一 天不进行任何交易；但到了11月10日，5日均价上涨至约12.148元，大于 10日均价（12.0555元），与前一天相比，交易信号的 变化为1，所以下单买入一手股票。在这个策略中，需要用到的指标便是均线。
2023-03-23 08:07:58
1002
原创 深入浅出Python量化交易实战--第2章 回测与经典策略（上）
例如，小瓦有1万元，她拿其中的5000元买了股 票，其余5000元买了保本的理财产品，那么买股票的5000元钱就面临着 股价下跌的风险。要想验证小瓦的策略是 否可以赚到钱，我们就用代码来模拟她的交易过程——使用“低买高 卖”策略生成交易信号，并根据交易信号来下单，再计算小瓦的总资产 是增加了还是减少了。还是以小瓦为例，假设她买保本理财产品的收益是4%，而投资股 票的预期收益是100%，同时，投资股票的超额收益标准差是20%，则小 瓦进行股票投资的夏普指数是。运行代码，如果程序没有报错，就说明导入成功。
2023-03-21 18:20:23
891
1
原创 深入浅出Python量化交易实战--第1章 从零开始
本书源于一个真实的故事，故事的主角是一位名叫小瓦的姑娘。小瓦出生在一个普通的家庭，父母都是老实淳朴的普通人，靠着并不 丰厚的收入把小瓦养育成人。18岁那年，小瓦考上了一所不好不坏的 大学，所学专业是一个就业前景算不上理想的专业。再加上她本身也 谈不上出色，说她是一个现实版的“灰姑娘”也不为过。综上所述，小 瓦应该是一个有点危机感的孩子，实际上她也确实有改变现状的想 法。因此，我们的任务就是帮助小瓦实现她的愿望。当然，千里之 行，始于足下。在本章中，我们先要了解一些基础知识。
2023-03-21 10:50:50
2362
1
fanuc_系统全机能数控车床操作、编程教材
2013-01-23
发那科FANUC数控CNC系统初级教程
2013-01-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人