Python学习,量化交易的应该怎么学

黄玉玮 2019-12-21 23:34:00

推荐回答

掘金量化社区就有很多宽客互动交流学习,再说掘金有很多针对新手入门的指引,可以让您从0到1一步步成为一个合格的quant。
车建侯2019-12-22 00:10:30

提示您:回答为网友贡献,仅供参考。

其他回答

  • 不用这么复杂,现在文华赢智软件的麦语言很适合初学者,都是一些封包函数,很容易入门。有什么问题可随时跟我们联系,使用文华软件有几年时间,还是有些经验。量化云网站为您服务。
    梅里金2019-12-22 00:38:10
  • Python做模型可以,但是具体的执行不行,太慢。
    齐方梅2019-12-22 00:21:45
  • 对于想从事数据行业的人和数据工作者来说,是学习R还是python,哪个工具更实用一直被大家争论。python和R是统计学中两种最流行的的编程语言,R的功能性主要是统计学家在开发时考虑的,以使Python可用于数据分析。也看看matplotlib,使图形和scikit-learn机器学习。不同于R,Python有没有明确的非常好的IDE。我们建议你看看Spyder以及IPython网站,看看哪一个最适合你。R和Python:数据科学行业的表现如果你看一下最近的民意调查,在数据分析的编程语言方面,R是明显的赢家。有越来越多的人从研发转向Python。此外,有越来越多的公司使用这两种语言来进行组合。如果你打算从事数据行业,你用好学会这两种语言。招聘趋势显示这两个技能的需求日益增加,而工资远高于平均水平。R:优点和缺点优点可视化能力强可视化通常让我们更有效地理解数字本身。R和可视化是绝配。一些必看的可视化软件包是ggplot2,ggvis,googleVis和rCharts。完善的生态系统R具有活跃的社区和一个丰富的生态系统。R包在CRAN,Bioconductor的和Github上。您可以通过Rdocumentation搜索所有的R包。用于数据科学R由统计学家开发,他们可以通过R代码和包交流想法和概念,你不一定需要有计算机背景。此外企业界也越来越接受R。缺点R比较缓慢R使统计人员的更轻松,但你电脑的运行速度可能很慢。虽然R的体验是缓慢的,但是有多个包来提高的r性能:pqR,renjin,FastR,Riposte等等。R不容易深入学习R学习起来并不容易,特别是如果你要从GUI来进行统计分析。如果你不熟悉它,即使发现包可能会非常耗时。Python:优点和缺点优点IPythonNotebookIPythonNotebook使我们更容易使用Python进行数据工作,你可以轻松地与同事共享Notebook,而无需他们安装任何东西。这大大减少了组织代码,输出和注释文件的开销。可以花更多的时间做实际的工作。通用语言Python是一种通用的语言,容易和直观。在学习上会比较容易,它可以加快你写一个程序的速度。此外,Python测试框架是一个内置的,这样可以保证你的代码是可重复使用和可靠的。一个多用途的语言Python把不同背景的人集合在一起。作为一种常见的、容易理解,大部分程序员都懂的,可以很容易地和统计学家沟通,你可以使用一个简单的工具就把你每一个工作伙伴都整合起来。缺点可视化可视化是选择数据分析软件的一个重要的标准。虽然Python有一些不错的可视化库,如Seaborn,Bokeh和Pygal。但相比于R,呈现的结果并不总是那么顺眼。Python是挑战者Python对于R来说是一个挑战者,它不提供必不可少的R包。虽然它在追赶,但是还不够。最终你该学习什么呢:由你决定!作为一个数据工作者,你需要在工作中选择最适合需要的语言。在学习之前问清楚这些问题可以帮助你:你想解决什么问题?什么是学习语言的净成本?是什么在你的领域中常用的工具?什么是其他可用工具以及如何做这些涉及到的常用工具。
    龚帆元2019-12-22 00:00:57
  • 下面教你八步写个量化交易策略——单股票均线策略1确定策略内容与框架若昨日收盘价高出过去20日平均价今天开盘买入股票若昨日收盘价低于过去20日平均价今天开盘卖出股票只操作一只股票,很简单对吧,但怎么用代码说给计算机听呢?想想人是怎么操作的,应该包括这样两个部分既然是单股票策略,事先决定好交易哪一个股票。每天看看昨日收盘价是否高出过去20日平均价,是的话开盘就买入,不是开盘就卖出。每天都这么做,循环下去。对应代码也是这两个部分def initializecontext:    用来写最开始要做什么的地方def handle_datacontext,data:    用来写每天循环要做什么的地方2初始化我们要写设置要交易的股票的代码,比如兔宝宝右上部红色模拟交易按钮,新建模拟交易如下图。写好交易名称,设置初始资金,数据频率,此处是每天,设置好后点提交。8开启微信通知,接收交易信号点击聚宽导航栏我的交易,可以看到创建的模拟交易,如下图。点击右边的微信通知开关,将OFF调到ON,按照指示扫描二维码,绑定微信,就能微信接收交易信号了。官方电话官方网站向TA提问。
    黄真宝2019-12-21 23:41:56

相关问答

开门见山,下面推荐10本投资入门的经典书籍,总有一本适合你。1.经济学原理曼昆的「经济学原理」作为三大经典入门书籍之一,浅显易了、博大精深、富有人文热情,是学习投资怎么都绕不开的一本书。为什么有的人聪明绝顶,却一生穷困潦倒?很多时候,学校只给了专业知识,却没有告诉人们如何理财。而经济学,作为投资理财的基础课程,对人的一生都是有用的。2.伟大的博弈一部讲述以华尔街为代表的美国资本市场发展历史的著作。要了解投资市场,就要了解华尔街的历史。贪婪,投机,野蛮生长,这是人的本性,也是资本市场的原生态,你只有了解了它们,才会变得更加理性。3.选择做富人一个人是贫穷还是富裕,不是靠运气,也不是机遇,而靠的是选择:一种生活方式和价值体系的选择。中国第一部以故事化手法展现的理财专著!4.财富自由之路很多人对李笑来的偏见,是源于对他的不理解。很多人对财富和投资的偏见,是认知差异的结果。这是一本不可多得的书,不少人在李笑来的影响下,往财务自由的路上奋进,而更多的人则是在对李笑来的偏见中,止步不前。5.邓普顿教你逆向投资主角约翰•邓普顿,被誉为本世纪伟大的选股人,他开创了全球投资的先河,在长达50年的股市上叱咤风云,表现出色。本书以前所未有的视角,揭开了邓普顿的投资之谜。这本书让我明白了一个道理,要远离喧嚣与浮躁,离市场远一点,离内心近一点。6.巴菲特的护城河说起投资,绕过巴菲特是不存在的。不多做介绍,简单实用,干货十足。7.股市真规则如果只用一本经典来指导自己的股票投资,那就只有它了!站在巴菲特和晨星公司的肩膀上投资。它是一本基本面分析的绝佳著作,言简意赅,有理有据,让人不得不服。8.投资异类这是一本介绍天使投资的书,书中关于投资的理念和策略都非常受用,可以说是干货满满。9.彼得林奇的成功投资大师和专家的区别是,大师总是把复杂的事情说简单,而专家总是把简单的事情搞复杂。彼得林奇就是这样一个大师级的存在,他的书平白实用,深刻扼要,阅读体验非常愉悦。10.股票大作手回忆录这是一本精彩的人物传记,列为传世经典之作都不为过。即使作者所写的经历相距当前已经过了一个世纪,但文中显露出来的智慧和光芒,仍然不会过时。无论处于什么样的时代,人性总是不变的。
1、俗话说的好,常识是文案策划的必修课。得有常识,这些常识来自天文、地理、文学、历史、美学、市场营销、广告学、消费心理、哲学、经济学、社会学,作为文案策划,你必须什么都得懂一点,通晓得越多,对你而言只会有百益而无一害。这是一门没有“教科书”的学科,一开始,你要认真一点对待,你要做好打持久战的准备,目光看得远一点,一点一点去累积,有规划地去完成你的学习目标,日积月累,时间会证明,你的努力不会白废,这项工作,回报你的,将是余韵悠长的人生回味。尽管这项工作不会让你富甲一方,但你所得到的财富,无法用金钱去衡量。这些必修课,最好的办法是通过看书,再看书获得。2、做文案策划的人,有些东西你可以不懂,但是你得通晓“正当下”的感觉。你可以不懂弹吉他,不懂风花雪月,不懂表演,不懂花言巧语,谄媚逢迎,不懂理财,不懂虚度光阴,不懂吟诗作画,不懂耕作,不懂描红,不懂玩物,不懂何为风情,何为暧昧,不懂兴风作浪,不懂江湖规矩……你尽可假装自己是那个什么都懂的人,悄悄置身其中,领略那种感觉。所以说,做这项工作,你也不必惧怕,随性一点,轻松一点,你会发现,不需要什么都懂,依然可以做好这份工作。3、对于一些基础知识、基本功啥的,以文案为例,诸如什么是标题,什么是副标题,什么是内文,什么是广告语,什么叫策略,什么叫消费者利益点,什么叫细分市场,什么叫品牌调性,什么叫硬广告,什么是软广告,这些还是通过学习得来比较靠谱。4、在这个信息大爆炸的时代,能在信息海洋中搜索到自己想要的讯息也是一门大学问。毕竟,在文案策划之前,你得有很多的准备,小说、诗集、时尚杂志、网站收藏……每个人的信息库因人而异,只要找到适合自己的信息库,或许就能在短时间内给你带来灵感和火花,为你的工作增色不少。5、最后一点,文案策划嘛,当然是要创意,要会写了。你应知道怎么写,创意并不是只可意会,不可言传的,你可以尝试着将它生动地描述出来,走在路上,灵光乍现,你也得写下来,坐在案头,为一个标题,你必须懂得何时下笔。你写下的未必都是有用的,但有些灵感,正是在写的过程中,你才碰到的。写可以帮助你疏理思路,创造奇迹。
Python是非常适合做quant类工作的语言,本身就是科学计算方面的统治级语言,现在加入了IPython,pandas等重量级神器,为Quant类工作量身定做,而且仍在飞速发展中,以后会越来越重要。关于其他语言,首先介绍一下我自己最喜欢的一个比较小众的组合,Mathematica+Java/Scala。Mathematica的优点在于:本身提供函数式的编程语言,表达能力非常强大,比如Map/Reduce是标配,很多时候不需要去做烦人的for循环或下标控制,排版经常可以直接照数学公式原样输入,即直观又不容易写错;代码和输出混排的排版方式使得建模时的演算和推理过程非常流畅,甚至还可以直接生成动画,对于找直观理解非常有帮助。他们也可以快速学习掌握一种像C++,Java这样的语言,实现很多必要的功能。但是一方面这些语言陡峭的学习曲线和繁琐的开发步骤会给他们真正要做的工作增加不必要的负担,另一方面一旦涉及到性能敏感的情景,他们对计算机体系结构缺乏理解的缺点就容易暴露,比如说很可能他们没有计算复杂度,内存碎片,cachemiss,甚至多线程等概念,导致写出的程序存在相当大的隐患。即使是计算机功底扎实,如果每天的工作需要在C++,Python,R/Matlab,甚至一众脚本语言之前来回切换,思维负担也会非常重,人的精力是有限的,很难同时兼顾数学建模和底层代码调试这种差距巨大的工作。长期发展下去最可能的结果就是要么远离建模,专心做生产环境开发,要么远离生产环境,专心建模。这种局面显然不论对个人还是团队都是有很大弊端的。如果深入思考这个问题,相信不难得出结论,对于Quant来说,C++这种相当面向机器的语言肯定不是最佳选择。的确在历史上,它比更面向机器的C已经友好了很多,但是在计算机技术飞速发展的今天,如果还需要Quant大量使用C++做建模类的工作显然是很遗憾的事情。设想一下你拿到一份股票数据,不论你是想分析价格走势,成交量分布,还是波动性,第一件要做的事一定是画出图来看看,有一个直观认识。如果你的工具是C++,肯定有很多时间花在编译,调试,再编译的过程上,好容易能解析文件了,接下来怎么算移动平均?怎么算波动性?全都要自己写代码。再然后怎么画图?这整个工作流简直惨不忍睹,这些问题浪费掉你大部分精力,而他们全部和你真正感兴趣的工作毫无关系。所以如果你是一个数理金融等背景的新人打算开始Quant生涯,在决定是否要投资到这项重量级技术上时需要慎重,即便它目前的市场定价可能仍在峰值。相比之下我认为Python会是更理想的选择,即能很好的完成建模工作,也可以训练一定的编程技巧,使你在必要时也能胜任一些简单的C++工作。最后同意@袁浩瀚,不要拘泥于语言,不论学习那一种,对其他的语言还是要抱有开放的心态。另外世界变化很快,你会发现单一的语言分类方式其实是没有意义的,每一门语言在发展过程中都会逐渐吸收其他语言的特性,比如Python本身就既有C/C++/Java那样命令式的特点,也有函数式的特点,像pandas甚至还提供类似SQL的使用方式,在其他语言或系统里也都或多或少包含了不同的特点,可以在学习过程里慢慢体会。