abu能够帮助用户自动完善策略,主动分析策略产生的交易行为,智能拦截策略生成的容易失败的交易单。
现阶段的量化策略还是人工编写的代码,abu量化交易系统的设计将会向着由计算机自动实现整套流程的方向迈进,包括编写量化策略本身。
abupy的设计目标是:用户只需要提供一些简单的种子策略,计算机在这些种子基础上不断自我学习、自我成长,创造出新的策略,并且随着时间序列数据不断智能调整策略的参数。
内容 | 位置 |
---|---|
阿布量化系统源代码 | abupy目录 |
阿布量化使用教程 | abupy_lecture目录 |
阿布量化非编程界面操作 | abupy_ui目录 |
《量化交易之路》示例代码 | ipython/python目录 |
《机器学习之路》示例代码 | https://github.com/maxmon/abu_ml |
推荐使用Anaconda部署Python环境,详见 量化环境部署
import abupy
择时策略决定什么时候买入投资品,回测告诉我们这种策略在历史数据中的模拟收益如何。
在对的时间,遇见对的人(股票),是一种幸福
在对的时间,遇见错的人(股票),是一种悲伤
在错的时间,遇见对的人(股票),是一声叹息
在错的时间,遇见错的人(股票),是一种无奈
通过止盈止损保护策略产生的利润,控制风险。
考虑应用交易策略时产生的成交价格偏差及手续费。
type | date | symbol | commission |
---|---|---|---|
buy | 20150423 | usTSLA | 8.22 |
buy | 20150428 | usTSLA | 7.53 |
sell | 20150622 | usTSLA | 8.22 |
buy | 20150624 | usTSLA | 7.53 |
sell | 20150706 | usTSLA | 7.53 |
sell | 20150708 | usTSLA | 7.53 |
buy | 20151230 | usTSLA | 7.22 |
sell | 20160105 | usTSLA | 7.22 |
buy | 20160315 | usTSLA | 5.57 |
sell | 20160429 | usTSLA | 5.57 |
针对多支股票实现择时策略,通过仓位管理策略控制风险。
一个好的策略需要一个好的标的。
正确的度量引领着正确的前进方向。
通过定制的评分机制,寻找一个策略最合理的参数,比如:应该考虑多少天的均线?
btcchange | btc365change | ltcchange | ltc365change |
---|---|---|---|
[-26.895, -3.284] | [-16.273, -2.783] | [-28.48, -4.1] | [-22.823, -3.229] |
(-3.284, -1.547] | (-2.783, -1.056] | (-4.1, -2.022] | (-3.229, -1.375] |
(-1.547, -0.8] | (-1.056, -0.424] | (-2.022, -0.922] | (-1.375, -0.655] |
(-0.8, -0.224] | (-0.424, -0.071] | (-0.922, -0.389] | (-0.655, -0.226] |
(-0.224, 0.143] | (-0.071, 0.272] | (-0.389, 0] | (-0.226, 0.078] |
(0.143, 0.568] | (0.272, 0.698] | (0, 0.413] | (0.078, 0.453] |
(0.568, 1.108] | (0.698, 1.316] | (0.413, 0.977] | (0.453, 0.913] |
(1.108, 2.171] | (1.316, 2.334] | (0.977, 1.889] | (0.913, 1.957] |
(2.171, 4.182] | (2.334, 3.948] | (1.889, 4.405] | (1.957, 5.0606] |
(4.182, 38.786] | (3.948, 15.22] | (4.405, 41.083] | (5.0606, 37.505] |
如何在投资品的量化交易中正确使用机器学习技术?
技术分析三大假设:市场行为涵盖一切;价格沿趋势移动;历史会重演。
相似的投资品数据的背后,往往是相似行为模式的投资人群。
搜索策略生成的失败交易,由裁判拦截住冲动的交易者。
abupy中ump模块的设计目标是:
abu支持股票、期货、数字货币等多种金融投资品的行情和交易,并具有高度可定制性。
关注阿布量化微信公众号: abu_quant
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。