用於交易策略的python的簡單介紹

本文目錄一覽：

• 1、使用python做量化交易策略測試和回驗，有哪些比較成熟一些的庫
• 2、Python五大應用領域是什麼?
• 3、python開發EA外匯交易怎麼開發
• 4、中國的 Python 量化交易工具鏈有哪些
• 5、python主要用來幹什麼?
• 6、怎麼學習python量化交易？

使用python做量化交易策略測試和回驗，有哪些比較成熟一些的庫

可以嘗試一下JoinQuant： 聚寬，人人皆為寬客

詳細的API文檔：API文檔 – JoinQuant

免費提供IPython Notebook研究平台，提供分鐘級數據，採用Docker技術隔離，資源獨立、安全性更高、性能更好，同步支持Python2、Python3。

免費提供滬深A股、ETF的歷史交易數據，支持基於日級、分鐘級的精準回測。

免費提供最準確、實時的滬深A股、ETF模擬交易工具，支持基於tick級的模擬交易。

為量化愛好者提供線上交流社區，支持一鍵克隆策略，便於用戶交流量化策略、學習量化知識，一起成長。

基於2005年至今完整的Level-2數據，上市公司財務數據，包含完整的停復牌、復權、退市等信息，盤後及時更新。

Python五大應用領域是什麼?

【導讀】伴隨著國家戰略對「新基建」施行提上日程，大數據將會得到進一步推行和運用。那麼，作為大數據開發言語之一的Python言語，在哪些領域有重要運用呢?今天就跟隨小編一起來了解下吧!

一、網路爬蟲

網路爬蟲是Python比較常用的一個場景，國際上，google在前期大量地運用Python言語作為網路爬蟲的根底，帶動了整個Python言語的運用發展。

二、數據處理

Python有很齊備的生態環境。”大數據”分析中涉及到的分散式核算、數據可視化、資料庫操作等，Python中都有成熟的模塊能夠挑選完結其功能。關於Hadoop-MapReduce和Spark，都能夠直接運用Python完結核算邏輯，這不管關於數據科學家仍是關於數據工程師而言都是十分便當的。

三、web開發

Python的誕生前史比Web還要早，由於Python是一種解說型的腳本言語，開發效率高，所以十分適合用來做Web開發。

Django 是 Python 編程言語驅動的一個開源模型-視圖-控制器(MVC)風格的 Web 運用程序結構。運用

Django，咱們在幾分鐘之內就能夠創建高品質、易維護、資料庫驅動的運用程序。

四、數據分析

關於數據分析師來說，不只要自己理解數據背面的含義，而且還要給更直地展現數據的含義。

Scipy是一組專門解決科學核算中各種規範問題域的包的集合。Numpy是python科學核算的根底包。Pandas處理上千萬的數據是一揮而就的工作，同時隨後咱們也將看到它比SQL有更強的表達能力，能夠做很多複雜的操作，要寫的code也更少。

五、人工智慧

人工智慧是現在十分火的一個方向，AI熱潮讓Python言語的未來充滿了無限的潛力。現在釋放出來的幾個十分有影響力的AI結構，大多是Python的實現，為什麼呢?

在人工智慧大領域領域內的數據發掘、機器學習、神經網路、深度學習等方面都是主流的編程言語，得到廣泛的支持和運用。人工智慧的核心演算法大部分仍是依賴於C/C++的，由於是核算密集型，需求十分精細的優化，還需求GPU、專用硬體之類的介面，這些都只要C/C++能做到。

關於Python五大應用領域是什麼，小編就和大家分享到這裡了，學習是永無止境的，學習一項技能更是受益終身，所以，只要肯努力學，什麼時候開始都不晚。

python開發EA外匯交易怎麼開發

1.首先，你要有一個EA，必須要有以ex4為擴展名的，如果只有mq4文件的話，就要用MetaTrader自帶的編輯器MetaEditor打開，將mq4通過編譯(compile)並且要不出現錯誤，才能在原存放mq4的文件夾下面得到一個同名的ex4文件。

2.將這個ex4文件複製到MetaTrader 4所在的文件夾下面的experts文件夾下，比如：D:\Program Files\ACTC MetaTrader 4\experts，關閉並重新打開MetaTrader 4。

3.在「導航」下面的「智能交易系統」下面右鍵點擊你想要使用的EA。

拓展資料：

1、 對於想要在 mt5+python 發展 ea 的交易者，最大會立即遇到的困難是，mt5 現在還沒有提供 python 可以調用 mt5 backtest 的介面，也就是在 python 上開發 ea 是無法在 mt5 上作復盤測試的，只能另外再找 python 的第三方 backtest 庫再多寫介面來達成。 復盤不是只有驗證策略的有效性，也扮演調試策略參數的重要工作，所以復盤對於開發 ea 是相當重要的環節。

2、另外在執行速度上，mt5+python ea 的速度自然是無法和純在 mt5 開發的 ea 相比，這個是實際執行壓力測試後得到的結論。因為 mt5+python ea 在調用當前價格和 K 線數據作為信號計算，和調用交易記錄，需要透過 mt5 python 官方庫與 mt5 建立在本地的一個加密的 socket 連接來作，讀寫速度自然是比不過 mt5 ea 直接從 mt5 內存讀取行情數據和訂單信息。雖然 python 是腳本編程語言，與其他編譯型的編程語言程序比自然是不快，但是對於 ea 的應用，這樣的慢是不太感受的到，可以直接感受到與相同 mt5 ea 的慢，主要是慢在與 mt5 間的大量數據傳送和 io 讀寫差異上，尤其是連續調用行情數據比較多時，這樣的速度差異就相當明顯了。

3、這還是有優化方式的，可以仿 mql5 指標對於初始和後續的行情讀取，採取精簡量的讀取方式。 既然有這些缺點，在 mt5 開發 python ea 還是在有些領域有不可替代的優點，所以 metaquotes 才會在 2020 年最終還是把 python 介面和函數庫提供出來。因為現在許多衍生性交易平台都已經具備了 python api，而經過這些年，python 已經成為量化交易程序最有人氣的編程語言，這也讓許多交易團隊在建構量化交易的環境，會優先考慮 python。 另外在人工智慧的量化交易，python 的機器學習和統計數組處理的第三方庫大概是最豐富的編程語言。對於交易策略里有用到 tensorflow 這類機器學習庫，使用 python 來開發自動交易程序是最佳的選擇。 mt5 或是 mt4 ea 受限於當時 metaquotes 自定的限制，只能作單線程運行，當同時觸發事件函數如 OnTimer OnTick OnChartEvent，mt5 底層會作互斥鎖限制一個線程運行。

操作環境： 瀏覽器 電腦端：macbookpro mos14打開goole版本 92.0.4515.131

中國的 Python 量化交易工具鏈有哪些

萬得的Python API，可以用來獲取實時數據、歷史數據以及下單交易 優點：萬得大而全 缺點：下單交易功能不是事件驅動（例如成交回報需要用戶去查詢，而不是主推）

同花順iFinD的Python API，類似萬得的API 優點：比萬得便宜，同花順的服務態度很好（用戶提出新需求後很快就能給出確定的答覆或者解決方案）

掘金的量化平台

通聯數據的量化平台

QuickFix的Python API（可以用來接國信、方正的FIX介面）

Numpy/Scipy/Matplotlib/Pandas（量化分析）

IPyhon/Spyder（適合做量化分析的IDE環境）

Zipline（策略開發回測）

TuShare財經數據介面 – 可以直接抓取新浪財經、鳳凰財經的網站數據，包括行情、基本面、經濟數據等等。完全免費，簡潔易用，API設計得非常友好，提取的數據格式是Pandas的DataFrame。同時可以獲取非高頻實時數據（取決於網站更新速度，同事經驗大約是15秒），一個極好的非高頻股票策略數據解決方案。

恒生電子的量化贏家平台，提供Python介面，鏈接我點進去後沒看到具體的使用教程，希望回頭補一下。

米礦ricequant在我提出這個問題時尚只有Java的API，後來也支持了Python，期待2016有新的突破。

python主要用來幹什麼?

python主要用來編輯腳本。

Python的用途真的很多很多，如果你自制力強，有上進心，想通過學習來改變現狀，那麼學習Python可以讓你點亮高薪人生。

有對Python感興趣的同學就趕快學習起來吧，既然選擇要學python編程學Python可以做．．Python是一個高層次的結合了解釋性、編譯性、互動性和面向對象的腳本語言。Python的設計具有很強的可讀性，相比其他語言經常使用英文關鍵字，其他語言的一些標點符。

Python由荷蘭數學和計算機科學研究學會的Guido van Rossum於1990年代初設計，作為一門叫做ABC語言的替代品。

Python提供了高效的高級數據結構，還能簡單有效地面向對象編程。Python語法和動態類型，以及解釋型語言的本質，使它成為多數平台上寫腳本和快速開發應用的編程語言，隨著版本的不斷更新和語言新功能的添加，逐漸被用於獨立的、大型項目的開發。

怎麼學習python量化交易？

下面教你八步寫個量化交易策略——單股票均線策略

1 確定策略內容與框架

若昨日收盤價高出過去20日平均價今天開盤買入股票

若昨日收盤價低於過去20日平均價今天開盤賣出股票

只操作一隻股票，很簡單對吧，但怎麼用代碼說給計算機聽呢？

想想人是怎麼操作的，應該包括這樣兩個部分

既然是單股票策略，事先決定好交易哪一個股票。

每天看看昨日收盤價是否高出過去20日平均價，是的話開盤就買入，不是開盤就賣出。每天都這麼做，循環下去。

對應代碼也是這兩個部分

def initialize(context):

    用來寫最開始要做什麼的地方

def handle_data(context,data):

    用來寫每天循環要做什麼的地方

2 初始化

我們要寫設置要交易的股票的代碼，比如 兔寶寶（002043）

def initialize(context):

    g.security = ‘002043.XSHE’# 存入兔寶寶的股票代碼

3 獲取收盤價與均價

首先，獲取昨日股票的收盤價

# 用法：變數 = data[股票代碼].close

last_price = data[g.security].close# 取得最近日收盤價，命名為last_price

然後，獲取近二十日股票收盤價的平均價

# 用法：變數 = data[股票代碼].mavg(天數，『close』)

# 獲取近二十日股票收盤價的平均價，命名為average_price

average_price = data[g.security].mavg(20, ‘close’)

4 判斷是否買賣

數據都獲取完，該做買賣判斷了

# 如果昨日收盤價高出二十日平均價, 則買入，否則賣出

if last_price  average_price:

    買入

elif last_price  average_price:

    賣出

問題來了，現在該寫買賣下單了，但是拿多少錢去買我們還沒有告訴計算機，所以每天還要獲取賬戶里現金量。

# 用法：變數 = context.portfolio.cash

cash = context.portfolio.cash# 取得當前的現金量，命名為cash

5 買入賣出

# 用法：order_value(要買入股票股票的股票代碼，要多少錢去買）

order_value(g.security, cash)# 用當前所有資金買入股票

# 用法：order_target(要買賣股票的股票代碼，目標持倉金額）

order_target(g.security, 0)# 將股票倉位調整到0，即全賣出

6 策略代碼寫完，進行回測

把買入賣出的代碼寫好，策略就寫完了，如下

def initialize(context):#初始化

    g.security = ‘002043.XSHE’# 股票名:兔寶寶

def handle_data(context, data):#每日循環

    last_price = data[g.security].close# 取得最近日收盤價

# 取得過去二十天的平均價格

    average_price = data[g.security].mavg(20, ‘close’)

    cash = context.portfolio.cash# 取得當前的現金

# 如果昨日收盤價高出二十日平均價, 則買入，否則賣出。

if last_price  average_price:

        order_value(g.security, cash)# 用當前所有資金買入股票

elif last_price  average_price:

        order_target(g.security, 0)# 將股票倉位調整到0，即全賣出

現在，在策略回測界面右上部，設置回測時間從20140101到20160601，設置初始資金100000，設置回測頻率，然後點擊運行回測。

7 建立模擬交易，使策略和行情實時連接自動運行

策略寫好，回測完成，點擊回測結果界面（如上圖）右上部紅色模擬交易按鈕，新建模擬交易如下圖。 寫好交易名稱，設置初始資金，數據頻率，此處是每天，設置好後點提交。

8 開啟微信通知，接收交易信號

點擊聚寬導航欄我的交易，可以看到創建的模擬交易，如下圖。 點擊右邊的微信通知開關，將OFF調到ON，按照指示掃描二維碼，綁定微信，就能微信接收交易信號了。