【笔记】Python量化投资

编程基本术语

Python

10分钟学会Python

数据类型之列表 | 数据类型之字典 | 数据类型之元组、集合

条件与循环:if、while、for | 函数

金融开发的第三方库

Pandas 的使用

10分钟学会Pandas | Pandas查看和选择数据 | Python编程Pandas库之数据处理与规整

Numpy 的使用

Numpy库介绍

金融基本术语

基本术语

构造衍生因子 | 构造自定义因子 | 因子预处理 | 因子风险暴露 | alpha因子构建及测试

Beta对冲 | 市盈率 | 风险平价组合

Barra风险结构管理模型

数学基本术语

平均值(数据集中趋势的度量) | 离散度(数据离散状况的测量) | 峰度和偏度 | 协整上 | 协整下 | 相关系数 | 线性回归 | 多元线性回归 | 数据异常值处理

策略开发

传统趋势投资策略 | 价值投资策略 | 技术分析指标策略 | 财务指标量化策略 | 事件驱动策略(基于业绩快报

自定义买入卖出策略 | 止盈止损策略

选股+择时策略组合 | 金叉死叉策略 | 海龟策略 | 小市值策略 | 多头排列回踩买入策略 | 配对交易策略 | Markowitz投资策略

多个策略组合

策略验证

策略回测结果指标详解 |
策略收益分析 |
策略风险分析 | 滚动训练AI策略

回测数据深入分析

机器学习

机器学习的含义 | 机器学习的算法

特征工程 | AI量化策略

StockRanker模型(可视化) | LSTM模型(股票价格预测 | sklearn模型(数据预处理)

BigQuant的使用

高效使用指南

常用快捷键 | 代码提示:自动补全和文档帮助 | 上传和下载数据 | 对比策略效果 | 修改策略名称 | 使用“我的交易”功能 | 自定义library | 对股票特征做过滤 | 实现整百下单

编写策略

Meta

M/模块 | D/数据 | T/工具–绘图函数 | DataSource/数据源

获取数据

数据API的使用

交易日历 | 交易市场 | 市场指数 | 行业列表 | 股票代码 | 历史数据 | 宏观经济数据 因子库

财报数据 | 数据标注 M.fast_auto_labeler | 高级数据标注 M.advanced_auto_labeler | 基础特征抽取 M.general_feature_extractor | 衍生特征抽取 M.derived_feature_extractor | 用户自定义特征抽取 M.user_feature_extractor | 数据变换 M.transform | 数据连接 M.join | 数据过滤 M.filter

AI算法模型

股票排序学习模型 M.stock_ranker_train | 股票排序学习模型 M.stock_ranker_predict | 股票排序学习模型 (滚动版) M.stock_ranker_train_rolling | 随机森林模型 M.random_forest_train | 随机森林模型 M.random_forest_predict | 线性随机梯度下降模型 M.linear_sgd_train | 线性随机梯度下降模型 M.linear_sgd_predict

选出符合条件的股票

策略回测

回测结果解读 | 回测机制 | StockRanker结果解读

量化交易引擎

表达式引擎 | 交易(支持回测和实盘) M.trade | 多策略组合分析 M.multi_strategy_analysis

BigStudio可视化使用文档

BigStudio使用文档介绍(一) | BigStudio使用文档介绍(二) | BigStudio使用文档介绍(三) | BigStudio使用文档介绍(四) | BigStudio使用文档介绍(五)

Powered by Hexo and Hexo-theme-hiker

Copyright © 2013 - 2018 海球的博客 All Rights Reserved.

UV : | PV :