为您精彩推荐
Copyright @ www.ttjj.org.&&蜀ICP备号十行代码带你量化交易入门
十行代码带你量化交易入门
提到量化交易如何入门，很多人都是列了长长的书单，书自然都是好书，但对于想入门的人来说未免太繁杂，兴趣一下就被打压了。其实一个想入门的门外人，最想要的其实是一个简单快速的入门方法，不想看了那么多书，却还写不了一个量化策略。
这里，就为新手准备了这篇文章--十行代码带你量化交易入门
学习内容：
学会写一个简单的单股票均线策略
理解策略的基本框架
学会建立连接实盘的模拟交易，并使其自动发送交易的信号到微信
首先，进入，点击导航栏我的策略，新建策略，进入策略编辑画面，如图。
左侧是编写策略代码，右侧是策略运行结果。我们就在左侧写策略代码。
下面教你用10行代码写个量化交易策略——单股票均线策略
1 确定策略内容与框架
若昨日收盘价高出过去20日平均价今天开盘买入股票
若昨日收盘价低于过去20日平均价今天开盘卖出股票
只操作一只股票，很简单对吧，但怎么用代码说给计算机听呢？
想想人是怎么操作的，应该包括这样两个部分
既然是单股票策略，事先决定好交易哪一个股票。每天看看昨日收盘价是否高出过去20日平均价，是的话开盘就买入，不是开盘就卖出。每天都这么做，循环下去。
对应代码也是这两个部分
def initialize(context):
用来写最开始要做什么的地方
def handle_data(context,data):
用来写每天循环要做什么的地方
答疑与延伸：
def后面的空格和最后的冒号不能少！符号都要用英文输入法！
为什么这么写？就这么规定的，先别管了。handle_data 按天循环时，如此处，其中的操作都是在9:30执行。
毫无编程基础？，丝毫不懂变量，函数，if else的，还是先到的编程部分学习下python语言吧。
几乎所有策略都基于这个基本的策略框架：先初始化，然后循环操作
1 初始化，即最开始要做的事情，如选定股票，设置变量、参数等等
2 周期循环：即每个周期要做的事情，如计算指标，买入卖出等，周期可能是分钟，天等，本文策略的周期是一天。当你要做一些盘中短线操作的时候，周期就要调成分钟，先别着急会遇到的。
我们要写设置要交易的股票的代码，比如 兔宝宝（002043）
def initialize(context):
g.security = '002043.XSHE'# 存入兔宝宝的股票代码
答疑与延伸：
“g.”是什么？全局变量前都要写”g.”，全局变量就是全局都能用的变量，一般变量只能在该函数下使用。如security不加”g.”,只能在第一部分即initialize里用，不能在第二部分handle_data里用。不懂什么是变量的，到量化课堂的python编程里学习下基础内容，或者问问度娘。
“XSHE”是什么？ 股票代码使用时要加后缀，深交所股票代码后缀为 “.XSHE “，上交所股票代码后缀为 “.XSHG”。
代码中“#”是什么？”#“后的内容都是注释，是为代码做说明的，不会被计算机当做代码处理。
3 获取收盘价与均价
首先，获取昨日股票的收盘价
# 用法：变量 = data[股票代码].close
last_price = data[g.security].close# 取得最近日收盘价，命名为last_price
然后，获取近二十日股票收盘价的平均价
# 用法：变量 = data[股票代码].mavg(天数，‘close’)
# 获取近二十日股票收盘价的平均价，命名为average_price
average_price = data[g.security].mavg(20, 'close')
答疑与延伸：
4 判断是否买卖
数据都获取完，该做买卖判断了
# 如果昨日收盘价高出二十日平均价, 则买入，否则卖出 if last_price & average_price: 买入 elif last_price & average_price: 卖出
问题来了，现在该写买卖下单了，但是拿多少钱去买我们还没有告诉计算机，所以每天还要获取账户里现金量。
# 用法：变量 = context.portfolio.cash
cash = context.portfolio.cash# 取得当前的现金量，命名为cash
答疑与延伸：
这句看着有点复杂，先记住吧。然后我们看看买入卖出怎么写。
5 买入卖出
# 用法：order_value(要买入股票股票的股票代码，要多少钱去买）
order_value(g.security, cash)# 用当前所有资金买入股票
# 用法：order_target(要买卖股票的股票代码，目标持仓金额）
order_target(g.security, 0)# 将股票仓位调整到0，即全卖出
答疑与延伸：
为什么没有指定交易价格？此策略是按天回测进行的且使用的较为简单的市价单下单方法，交易价格为开盘价(加上滑点)
无法交易的情况？涨跌停，停牌，T+1制度等无法交易的情况，系统会自动使下单不成交并在日志中发出警告。
6 策略代码写完，进行回测
把买入卖出的代码写好，策略就写完了，如下
def initialize(context):#初始化
g.security = '002043.XSHE'# 股票名:兔宝宝
def handle_data(context, data):#每日循环
last_price = data[g.security].close# 取得最近日收盘价 # 取得过去二十天的平均价格
average_price = data[g.security].mavg(20, 'close')
cash = context.portfolio.cash# 取得当前的现金
# 如果昨日收盘价高出二十日平均价, 则买入，否则卖出。
if last_price & average_price:
order_value(g.security, cash)# 用当前所有资金买入股票
elif last_price & average_price:
order_target(g.security, 0)# 将股票仓位调整到0，即全卖出
现在，在策略回测界面右上部，设置回测时间从160601，设置初始资金100000，设置回测频率，然后点击运行回测。
答疑与延伸：
什么是回测？回测是量化交易策略研究中的关键，是指给定一段时间的历史数据（如此处是160601的每日数据），计算机按照所编写的策略进行模拟仿真交易，以测试策略效果好坏。
如果你代码没有问题，就会顺利的进行回测，回测结果如下图： 至此，你就完成了一个简单策略的回测了。
答疑与延伸：
如何根据回测结果评价策略好坏？很初级地讲，有三：
盈利能力：策略收益与年化收益高，则说明盈利能力强。盈利能力不行说啥都没用。
盈利稳定性：最大回撤要低。最大回撤是指最大亏损幅度，50%则意味着历史上看最大亏损率为50%。
回测可靠性：交易次数要多。交易次数越多意味着经历了越多次的检验，回测的结果也越可靠。
更多说明见：这个策略回撤大，交易次数少，只交易一只股票，并不靠谱。但是结构简单适合新手入门理解整个流程。
7 建立模拟交易，使策略和行情实时连接自动运行
策略写好，回测完成，点击回测结果界面（如上图）右上部红色模拟交易按钮，新建模拟交易如下图。 写好交易名称，设置初始资金，数据频率，此处是每天，设置好后点提交。
答疑与延伸：
模拟交易创建成功后，需要等待A股至少开盘一次，才能查看模拟交易结果。
8 开启微信通知，接收交易信号
点击聚宽导航栏我的交易，可以看到创建的模拟交易，如下图。 点击右边的微信通知开关，将OFF调到ON，按照指示扫描二维码，绑定微信，就能微信接收交易信号了。
当策略买卖操作，微信会收到信号提醒类似下图。
答疑与延伸：
能不能自动下单？目前不能，国家管制。你可根据信号手动下单买卖，施行策略。
自测与自学
能否理解整个策略框架。
能否成功编写单股票均线策略，成功回测，建立模拟，开启微信通知。
能否理解年化收益，最大回撤。
浏览JoinQuant 导航栏-帮助-
之后的文章，将在本文的基础上，进行深入和扩展，比如多股票，指标获取，大盘择时等，旨在帮助对量化交易有兴趣的人快速入门，能够自主实现自己心中的想法与策略。
雪球对代码不是很支持，文章格式也很单一，推荐到原文阅读，
量化牛人的策略已经可以订阅信号。欢迎体验。&&&
没有更多推荐了，
加入CSDN，享受更精准的内容推荐，与500万程序员共同成长！量化投资大家学有问题，上知乎。知乎作为中文互联网最大的知识分享平台，以「知识连接一切」为愿景，致力于构建一个人人都可以便捷接入的知识分享网络，让人们便捷地与世界分享知识、经验和见解，发现更大的世界。利用人工智能来进行股票交易可靠吗？目前都发展到了何种程度？其中的机理大致是怎样的？ - 知乎有问题，上知乎。知乎作为中文互联网最大的知识分享平台，以「知识连接一切」为愿景，致力于构建一个人人都可以便捷接入的知识分享网络，让人们便捷地与世界分享知识、经验和见解，发现更大的世界。549被浏览<strong class="NumberBoard-itemValue" title="2分享邀请回答241 条评论分享收藏感谢收起youtube.com/watch?v=v_L9jR8P-54＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿＿谢邀我介绍一下基于增强学习的方法。增强学习也叫， 英文叫做Reinforcement Learning，强调如何基于环境而行动，以取得最大化的预期利益。因此也是机器人学习和一切需要Actions学习的基础。High frequency trading 提供了快速的监控市场的机制，因此任何算法只要能提前知道市场变动就可以做的比人好。用统计方法和数据挖掘，这些相对简单的人工智能方法可以发现别人不知道的知识从而可以帮助决策。但是如何做最优决策就需要Optimal Control和强化学习的知识了。硕士强化学习大作业的时候实现过机器人的强化学习算法，但是同组有芬兰人实现过High-frequency trading 强化学习。据他说在试验和实际市场获得了一些成果。由于可以赚钱，他就没发表论文。以下两篇文章可能有抛砖引玉的作用，第一篇是论文，第二篇是可能是增强学习斯坦福的大作业346 条评论分享收藏感谢收起浙江 温州市
北京 丰台区
福建 泉州市
浙江 绍兴市
浙江 温州市
浙江 温州市
浙江 绍兴市
浙江 绍兴市
&100.00&个
山东 枣庄市
浙江 绍兴市
浙江 绍兴市
河北 沧州市
&1000.00&件
浙江 绍兴市
浙江 金华市
江苏 无锡市
广东 佛山市
湖北 荆州市
客服咨询热线：400- (免长途费)
投诉热线：010- （工作时间：8:00-19:00）
互联网药品信息服务资格证书：（京）－经营性－　海淀公安局网络备案编号：
版权所有 慧聪网
通用网址：hc360
Copyright& hc360.com. All Rights Reserved}