如何使用python做量化交易_python量化交易视频教程
介绍
首先我不是量化工程师，我只是个后端工程师；其次我对量化也不感兴趣，自己有几把刷子还是了解的，自己不适合做量化交易：
- 自己没有优秀的模型设计能力
- 自己是个长线投资，一般一个股票都是至少拿一年以上，短线的涨跌无所谓
- 99%的量化模型，现实其实没什么价值，看看K线图也不错。优秀的模型比拼的是网络延时和算力。
但通过编程来改善选股还是有其一定的价值。
语言的选择
python！ 实在是太方便了，你只要有一丢丢的编程基础就可以了。如下几行代码就可以获得某个股票最近一段时间的5日均值和收盘价格：
# ctp接口，通过tushare接口获取信息
import tushare as ts
import datetime as dt
import matplotlib.pyplot as plt
# 无效的key，请自行去官网申请
ts.set_token('xxxxxxxxxxxx3036b50fd47b983bf51dc843fe3d')
def getHistoryTrade(pro, code, lastDay):
"""
查找到最近的数据
code:股票代码
lastDay: 最近几日
"""
end_dt = dt.datetime.now().strftime('%Y%m%d')
time_temp = dt.datetime.now() - dt.timedelta(days=lastDay)
start_dt = time_temp.strftime('%Y%m%d')
df = pro.daily(ts_code=code, start_date=start_dt, end_date=end_dt)
# 倒序
df = df.iloc[::-1]
# 计算5日ma值
df['ma5'] = df['close'].rolling(window=5).mean()
# 图表方式呈现
plt.plot(df['trade_date'], df['close'],label='close')
plt.plot(df['trade_date'], df['ma5'],label='5ma')
plt.show()
if __name__ == "__main__":
pro = ts.pro_api()
# 显示新城控股 最新40个交易日的信息
getHistoryTrade(pro,'601155.SH',40)说明
- python 环境的安装
我建议在windows下安装，可以使用, anaconda这个安装包，安装python环境的同时，并安装大量和计算相关的库，方便后续使用。
- 可视化开发工具
- vscode
- pycharm
都可以
- 股票信息的获取
我使用的是Tushare数据，当然你也可以使用其他的接口。
你只要在官网注册一个免费等级的账号，就能够满足你的需求；记得获取api的token。
在使用前需要pip 安装
pip install tushare几个接口调用方法：具体Tushare数据
def getStock(pro):
"""
获取stock信息，保存ts_code , symbol 的对应关系
"""
data = pro.stock_basic(exchange='', list_status='L', fields='ts_code,symbol,name,area,industry,list_date')
# 写入文件
f = open('log.txt','w',encoding='utf-8')
for i in data.values:
f.write(str(i)+'\n')
f.close()def getMA(code,lastDay):
"""
获取n日均线和均量
"""
end_dt = dt.datetime.now().strftime('%Y%m%d')
time_temp = dt.datetime.now() - dt.timedelta(days=lastDay)
start_dt = time_temp.strftime('%Y%m%d')
# 通用行情接口
df = ts.pro_bar(ts_code=code, start_date=start_dt, end_date=end_dt,ma=[5,6,18,30,36,60])
dic = df.to_dict('records')
print(dic[0])- pandas库学习
- Pandas是Python的一个数据分析包，该工具为解决数据分析任务而创建。
- Pandas纳入大量库和标准数据模型，提供高效的操作数据集所需的工具。
- Pandas提供大量能使我们快速便捷地处理数据的函数和方法。
- Pandas是字典形式，基于NumPy创建，让NumPy为中心的应用变得更加简单
比如我们要计算最近10日收盘价的5日均线：
df['ma5'] = df['close'].rolling(window=5).mean()
10日均线：
df['ma10'] = df['close'].rolling(window=10).mean()- matplotlib库学习
有了计算数据，我们也需要直观的表格图方便我们看出效果。
matplotlib 是python绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式，通过学习各种图表的接口，可以做出让你满意的效果。
最后
事实上，你只需要很基本的python基础就可以完成一些量化模型：
数据的来源只要熟悉几个api接口的使用；
矩阵的数据计算需要你熟悉pandas库；
可视化需要你了解matplotlib 。这些你都可以在1周的时间完全掌握。