Python与Matlab哪一个对量化投资和分...-问答

投资投资平台问答详情

Python与Matlab哪一个对量化投资和分析更有帮助

黄焕洽 2019-12-21 23:29:00

推荐回答

这真的非常难说。总的来看美国大部分用python，国内可能用matlab的比较多。我个人是比较喜欢python多一点，但是很多时候搞量化分析偷懒就会用matlab和R，因为很多东西都是现成的。

齐敦禹2019-12-22 00:00:26

提示您：回答为网友贡献，仅供参考。

为您推荐: 理财投资贷款股票基金信托外汇保险信用卡贵金属债券

其他回答

虽然不愿意承认，但是用python好。

龙庄伟2019-12-22 00:37:59
两个都学啊。matlab是一个经典的软件。既然你python用到很熟悉也难免会用到。spyder应该更容易，更简单，上手快。象这样的选择题通常不用选择，都是两个都学。技多不压身。

黄百芬2019-12-22 00:21:25
现在分析全线转R/python，未来有可能上Julia。别问为什么不用matlab了。R/python组合好处在于开源，数据workflow相当容易搭建起来，另外背靠学术界，有相当多的新统计工具可以试。说R速度慢根本不是问题，机器好一点就行了。超大型的数据甚至可以跑R/hadoop。MATLAB的完全就不能比。另外说在“工程上MATLAB有而R/python没有”我觉得是十分奇怪的。就比如，目前新工具而言比如deeplearning来说。python上有Theano/pylearn2/对接caffe，MATLAB的deeplearning我目前只知道一个Toolbox。旧的工具R/python上也不缺。另外我看有答案把MATLAB能直接发送交易信号作为MATLAB卖点。我觉得贵司策略和交易是不是定位不太清晰。为了保证可靠的性能和策略管理的便利性，我想除了个人投资者没有人会选择开着MATLAB下单。

贾鹤龄2019-12-22 00:10:04
python是语言，matlab是工具，这俩不该放在一起比对做投资分析显然是matlab的优势，其他数学工具也没有matlab好，用它没错。

辛国林2019-12-21 23:41:22

相关问答

数据分析基础量化经营量化投资在哪里买的到

什么是量化投资？最近十年来,量化投资成为了欧美资本市场发展的热点与焦点,一举成为了国际投资界兴起的一个新方法,发展势头迅猛,。量化投资和基本面分析、技术面分析并称为三大主流方法。由于量化投资交易策略的业绩稳定,其市场规模和份额不断扩大,得到国际上越来越多投资者的追捧。过去20年收益率最高的基金,是文艺复兴科技公司的大奖章,其客户平均年收益率高达35%;而过去四年高盛旗下的量化基金规模翻了一倍,超过1000亿美金。由此可见,量化投资已经成为机构投资者的重要利器。量化投资对于基金公司/资产管理公司而言,有着非常明显的价值:首先是容易冲规模。一个有效的量化模型是可以在多个产品上进行快速复制,从而迅速做大规模。这个在巴克莱的指数增强系列产品上得到最明显的体现。截止2019年底,巴克莱量化基金,管理规模超过1.6万亿美金,超过富达基金,成为全球最大的资产管理公司。其次是可以获得绝对收益。利用量化对冲方式,构建与市场涨跌无关的产品,赚取市场中性的策略,适合追求稳健收益的大机构客户,例如保险资金、银行理财等。这个产品的代表性公司就是目前全球最大的对冲基金BridgeWater,旗下的旗舰产品PureAlpha过去五年共赚取超过350亿美金。第三是杜绝了内幕消息和老鼠仓。量化投资只利用公开数据,通过数学模型的运算,挖掘出隐藏在公开数据后面的信息,从而战胜市场,从方法论上就杜绝了内幕消息的可能。在交易过程中利用复杂的IT系统进行程序化交易,使得老鼠仓也无法成为可能。在国内金融市场监管日趋规范的情况下,量化投资这种方法必然会成为投资研究的主要方法。量化投资的理论基础说到量化投资的理论基础,就要从市场有效性假说说起，技术分析、基本面分析和量化分析代表了有效市场的三个不同的层次。在无效市场,技术分析是充分有效的,这在中国资本市场最初的十年得到很好的体现;当市场进入弱有效市场后,可以依靠基本面分析获得超额收益,2000年到2019年这十年基本上属于这个时代;当市场进入半强有效市场后,也就是从2019年开始我们可以观察到大部分基本面分析的产品已经无法获得超额收益,此时国内市场已经进入半强有效市场。当然当市场进入强有效市场后,则无论哪种方法均无法战胜市场,那时候只能被动指数化投资。传统的有效市场假说认为,在半强有效市场,只能依靠非公开信息内幕消息或者私人消息来获得超额收益。但是我们可以知道的是,除了非公开信息并不是只有内幕消息和私人消息,还有另外一个获得非公开信息的方法:就是利用数据挖掘的方法,从公开的数据中挖掘出非公开信息,也就是量化投资的方法。这也就是在美国等成熟市场基本上进入半强式有效市场状态,量化投资为啥可以得到蓬勃发展的原因。随着中国市场有效性的提高,中国开始进入半强式有效市场阶段,再加上监管层对内幕消息的监管越来越严厉,使得通过这种方法获得非公开信息的方式越来越难,因此量化投资就成为了一个最好的获得非公开信息的科学理论与技术。很多人问:量化投资是不是仅仅是一个昙花一现的概念,还是一个可以长期有效的科学理论,我想通过上述对有效市场假说的分析,已经得到了明确的答案:量化投资是在半强式有效市场中的最佳分析理论,也几乎是唯一可行的分析理论。美好前景中国经济经过30年的高速发展,各行各业基本上已经定型,能够让年轻人成长的空间越来越小了。未来十年,量化投资与对冲基金这个领域是少有的几个,可以诞生个人英雄的行业,无论是出生贵贱,无论是学历高低,无论是有无经验,只要你勤奋、努力。脚踏实地的研究模型,研究市场,开发出适合市场稳健盈利的交易系统,实现财务自由,并非遥不可及的梦想。曾经有研究助理抱怨:“我们做量化研究的,一年都没有啥机会出去调研,免费旅游的机会都木有啊”。你只要好好研究量化模型,找到持续稳定盈利的策略,自然就会有大量的资金来找你合作,实现财务自由不困难。到时候你会开着游艇出海,去拉斯维加斯享受,去非洲草原猎象,又何必在乎眼前的这点免费旅游呢？”他点头如捣蒜。在中国目前的很多领域,赚钱已经变成一个非常困难的事情,但是在量化投资与对冲基金领域,是完全依靠自己的勤奋与努力。一个持续稳定赚取的模型,不是靠关系和背景就可以的,而是靠着自己的聪明才智和脚踏实地的工作。

Julia会替代Python成为量化投资热门语言吗？

使用Cython编译一种编译方式是使用Cython编译器。这个编译器是使用Python编写的。它可以通过以下命令安装：pipinstallCython如果使用Anaconda，安装会有所不同。因为安装有点复杂，所以我编写了一篇相关的博客文章：将CythonForAnaconda安装在Windows上安装后，我们使用神奇的%load_ext将Cython加载到Notebook中：%load_extCython然后就可以在我们的Notebook中编译代码。我们只需要将想要编译的代码放在一个单元中，包括所需的导入语句，使用神奇的%%cython启动该单元：%%cythondeffib_cythonn:ifnpivot:j-=1ifipivot:j-=1ifi<=j:ai+=1j-=1iflo

wind量化平台python怎么分析

使用Python插件，首先需要安装python环境，其次是WindPy接口。建议直接安装Pythonx,y，一堆东西都有了。登录wind之后，在菜单，自动进行插件的安装。

量化投资matlab需要安装哪些组件

这真的非常难说。总的来看美国大部分用python，国内可能用matlab的比较多。我个人是比较喜欢python多一点，但是很多时候搞量化分析偷懒就会用matlab和R，因为很多东西都是现成的。

经济学专业的想从事量化投资或者证券分析考哪个专业的

计量经济学的基础是统计学，统计学的基础是数学。基本上我们用的每一个基本的回归模型，计量检验都是计量经济学家用数学严格证明过的。因此，从概率科学的角度来说，是客观的。计量经济学的作用基本上就是把我们的直觉经验用模型显化出来。比如你可以看看威廉格林的计量经济分析，基本上里面会告诉你每一个计量模型的数学基础，推导过程。

行业研究方法和量化投资策略哪个难

α收益：一揽子可以自定义低估、同质化并且有波动的股票，不断买入更便宜的，卖出更贵的，从而获得的收益。例如：几个跟着沪深300的ETF，你发现手中持有的沪深300ETF溢价2%了，而市场上同时存在一个折价1%的ETF，那么就卖出溢价高的沪深300ETF，去买折价的，这样虽然始终持有沪深300ETF，但获得了超越沪深300指数本身的收益，就是α收益。解释一下同质化：明显所有的沪深300ETF是同质化的，也可以认为最小市值20个股票是同质化的，所有银行股是同质化的，分级A是同质化的。下文中有解释自定义低估。β收益：基本面本身上涨是β收益。例如，自定义最小市值的10个股票为一个指数，这些最小市值从5亿涨到20亿，这就是β收益。自定义最低股价10个为一个指数，从牛市的5元跌到2元，那么β收益就是负的量化策略创建三个步骤：策略的理论基础历史回测找到策略黑天鹅。找到黑天鹅：每个策略都有黑天鹅价值型，成长型，品质型策略，黑天鹅是过一个季度，可能财务数据完全变了，因此持仓个数不能太少，行业要分开小市值，低价，低交易额策略，黑天鹅是出现仙股统计类，技术类策略，黑天鹅是理论本身就不完美。

python量化哪个平台可以回测模拟实盘还不要钱

使用Python插件，首先需要安装python环境，其次是WindPy接口。建议直接安装Pythonx,y，一堆东西都有了。登录wind之后，在菜单，自动进行插件的安装。

量化投资中，MATLAB和python哪一个好

现在分析全线转R/python，未来有可能上Julia。别问为什么不用matlab了。R/python组合好处在于开源，数据workflow相当容易搭建起来，另外背靠学术界，有相当多的新统计工具可以试。说R速度慢根本不是问题，机器好一点就行了。超大型的数据甚至可以跑R/hadoop。MATLAB的完全就不能比。另外说在“工程上MATLAB有而R/python没有”我觉得是十分奇怪的。就比如，目前新工具而言比如deeplearning来说。python上有Theano/pylearn2/对接caffe，MATLAB的deeplearning我目前只知道一个Toolbox。旧的工具R/python上也不缺。另外我看有答案把MATLAB能直接发送交易信号作为MATLAB卖点。我觉得贵司策略和交易是不是定位不太清晰。为了保证可靠的性能和策略管理的便利性，我想除了个人投资者没有人会选择开着MATLAB下单。

用Python怎么做量化投资

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。

量化投资与定性投资有何区别

质性研究与定量研究的区别：1质性研究：研究者参与到自然情境之中，采用观察、访谈、实物分析等方法收集资料，对社会现象进行整体性探究，采用归纳的思路来分析和形成理论，通过与研究对象互动来即理解和解释他们的行为。2定量研究：重在对事物可以量化的特性进行测量和分析，以检验研究者的理论假设。包括抽样方法、资料收集方法、数据统计方法等。基本过程是：假设-抽样-资料收集-统计检验。定量研究依靠的是对事物依靠量化的部分以及相关关系进行测量、计算和分析以达到对事物本质的一定的把握;而质性研究是通过研究者和被研究者之间的互动对事物进行深入、细致、长期的体验，以对事物的质达到一个比较全面的解释性理解。3.可以说两者可以互为补充，数量证据补充质性分析，质性研究为数量研究指明方向，二者相互包含，相互补充，共同作为科学研究的基础方法。

热门分类

项目投资创业投资投资移民风险投资股权投资小额投资网络投资投资平台投资技巧天使投资

推荐问答

热门问答