CVF
2021-06-15T03:30:06+00:00
主要使用python 会用pandas就可以上路了(基本上，嗯)
电脑版代码有缩进，手机版影响体验。
数据源
国内接口tushare、akshare、jqdata
这里我选择了jqdata，需要注册一发，扔一个[url=https://www.joinquant.com/help/api/help#name:JQData]接口文档[/url]
写个hello world
获取国外数据
白嫖就是慢主要是了解一下 pandas_datareader用法
大家比较关心速度，我JQDATA获取数据，策略扫描全部8722支股票也就一分钟的事情。如果你筛选了点股池再运行那就更丝滑了，只要不玩高频量化，速度是不用担心的事。
啥是量化，简单一点的场景就是 ，把“我感觉跌不动了/扶我起来还可以冲” 通过数字化考量这个场景的一系列条件得到一个结果“目前可能的位置是山上”
量化能干什么，除了交易数据，还有财务业务、新闻舆情、遥感卫星、人文地理的数据统统都能量化关联，为你数据分析提供服务，把这些线索拼凑出一个画面。
比如你看到的什么缠论、波浪理论、维科夫等等理论，只要有逻辑就可以把书上的内容变成你的交易系统。
做交易就像做饭，有了数据源就有了食材，怎么做就是厨子要考虑的策略了，回测就像大众点评看看过去做的是不是海星。本帖就像路边的苍蝇馆子，虽然不能让你吃上米其林但是六块一碗的蛋炒饭意思意思啦。
如果看不懂内容多搜一搜激发起好奇心我就赢了，不要觉得量化有多神秘，虽然要对市场保持敬畏，但是量化 就是一碗蛋炒饭的事情。
电脑版代码有缩进，手机版影响体验。
数据源
国内接口tushare、akshare、jqdata
这里我选择了jqdata，需要注册一发，扔一个[url=https://www.joinquant.com/help/api/help#name:JQData]接口文档[/url]
写个hello world
import jqdatasdk as jqd
import numpy as np;
jqd.auth('用户名','密码')
#羊驼-随机选择10个标的
list_a = jqd.get_all_securities(types=['stock'], date=None).index.values
code_list = list(np.random.choice(np.array(list_a),10))
code_list = list(np.array(list_a))
# 输出文件
ftxt = open("bar_code1.txt", 'a', encoding='utf-8')
for ba in code_list:
print('Kres|'+ba+'|'+str(0), file=ftxt)
ftxt.close()
import numpy as np;
jqd.auth('用户名','密码')
#羊驼-随机选择10个标的
list_a = jqd.get_all_securities(types=['stock'], date=None).index.values
code_list = list(np.random.choice(np.array(list_a),10))
code_list = list(np.array(list_a))
# 输出文件
ftxt = open("bar_code1.txt", 'a', encoding='utf-8')
for ba in code_list:
print('Kres|'+ba+'|'+str(0), file=ftxt)
ftxt.close()
获取国外数据
白嫖就是慢主要是了解一下 pandas_datareader用法
from pandas_datareader import data as pdr
from datetime import datetime
import pandas_datareader as web
import pandas as pd
import time
start = datetime(2019,1,1)
company = ['AMZN','AAPL']
##company = ['cnmain']
df = pdr.get_data_yahoo(company, start=start)['Adj Close']
df= df.pct_change()
x = df.rolling(250).corr(pairwise=True)
print(x)
from datetime import datetime
import pandas_datareader as web
import pandas as pd
import time
start = datetime(2019,1,1)
company = ['AMZN','AAPL']
##company = ['cnmain']
df = pdr.get_data_yahoo(company, start=start)['Adj Close']
df= df.pct_change()
x = df.rolling(250).corr(pairwise=True)
print(x)
大家比较关心速度，我JQDATA获取数据，策略扫描全部8722支股票也就一分钟的事情。如果你筛选了点股池再运行那就更丝滑了，只要不玩高频量化，速度是不用担心的事。
啥是量化，简单一点的场景就是 ，把“我感觉跌不动了/扶我起来还可以冲” 通过数字化考量这个场景的一系列条件得到一个结果“目前可能的位置是山上”
量化能干什么，除了交易数据，还有财务业务、新闻舆情、遥感卫星、人文地理的数据统统都能量化关联，为你数据分析提供服务，把这些线索拼凑出一个画面。
比如你看到的什么缠论、波浪理论、维科夫等等理论，只要有逻辑就可以把书上的内容变成你的交易系统。
做交易就像做饭，有了数据源就有了食材，怎么做就是厨子要考虑的策略了，回测就像大众点评看看过去做的是不是海星。本帖就像路边的苍蝇馆子，虽然不能让你吃上米其林但是六块一碗的蛋炒饭意思意思啦。
如果看不懂内容多搜一搜激发起好奇心我就赢了，不要觉得量化有多神秘，虽然要对市场保持敬畏，但是量化 就是一碗蛋炒饭的事情。