用Python做量化交易

量化交易 为什么用Python 安装推荐 常用模块 参考书籍

量化交易是什么？

首先你要有属于你的投资哲学和交易策略的想法，这块是属于最难的，你可以通过CMT/CFA/FRM等等专业证书来丰富你的交易知识和对市场的了解。另外你需要掌握一门编程语言，用于处理与计算数据。最后你需要有数据与回测引擎来回测你的交易想法，得出量化交易策略的绩效。

量化交易为什么要学一门计算机语言？

本人名字叫Channel，是交易的爱好者，毕业于厦门大学，2016年正式通过美国MTA协会的CMT三级考试，获取了美国特许技术分析师的证书，本以为自己掌握了很多分析市场的方法，但是后来通过实践发现在大数据时代要做好交易，必须懂得通过编程来做数据计算与科学实证，否则根本无法最大化运用自己学来的知识，然而我既不是计算机专业出身，也不是研究生博士，甚至在大学里最害怕的课程就是计算机，因此唯有硬着头皮寻找专业的朋友帮助，并通过不同网络资源学习，不断克服恐惧的心魔，举起颤抖的手日积月累地练习。坚持了一段时间，至今不仅掌握了Python数据处理的方法，还担任了大鱼金融的Python量化交易策略总监，开始了自己梦寐以求的量化交易生涯。

课程目的

温故而知新，教学而相长。做这个课程一方面能让自己巩固Python的基础，另外更重要的是给交易爱好者提供从零开始走上宽客之路的免费教学，让大家可以快速掌握做交易要用到的基础代码知识，做到科学客观的量化交易，促进这个领域的交流成长，互相学习。本课程对交易针对性强，视频制作以精简实用为主，并符有文字与代码的说明。

致谢

能高效完成这个课程，在这里首先我要感谢我的团队，因为他们在我刚接触代码的时候，充满耐心地指导我，给我讲解编程知识，帮我安装工具软件，助我调参修bug编函数，让我可以自由处理大量金融数据；再来我要感谢各大Python教学网页、博客、视频的程序员老师无私的付出；最后谢谢大鱼金融对这次课程经费的支持，希望大家学有所获。

为什么选Python做量化交易

选择Python的五大原因

1. 量化运用广泛：

美国的Quantopian与国内的优矿量化投资平台都是用Python语言的。

2. 简单易学：

Python的设计哲学是以用户为中心，属于方便调试的解释型语言。

3. 免费开源：
无使用成本，开源代码共享，加强学习与使用效率。

4. 丰富的库：
数据处理、数据运算、可视化、统计分析、技术分析、机器学习...

5. 应用接口：
各大平台数据获取存储调用与实时行情链接下单的接口。

缺点：
Python是解释执行的，效率低，所以高频策略不太适合，但技术上能解决。

Python安装（推荐）

推荐安装

1. Python3
2. PyCharm Community
3. Anaconda2/3

下载方式：

1. 百度云盘链接一站下载安装（Wins64位）： https://pan.baidu.com/s/1o8sjOJg
2. python 网站: https://www.python.org/
3. Pycharm 网站: http://www.jetbrains.com/pycharm/
4. Anaconda 网站： https://www.continuum.io/

量化交易常用模块介绍

基础模块：

Datetime
用于时间索引，计算与控制时间的模块。

Numpy：

用于数值运算为主，支持多维，速度更快，提供了运算函数。

Pandas：
用于数据处理，它包含高级的数据结构和精巧的工具，使得在Python中处理数据非常快速和简单。pandas建造在NumPy之上，它使得以NumPy为中心的应用很容易使用。

Matplotilb：
数据可视化，matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。

常用模块:

TA-Lib:
技术分析，提供趋势、动能、线性回归、成交量等指标算法，开源使用。

StatsModels
统计建模和计量经济学工具包,包括一些描述统计、统计模型估计和推断。量化交易较常用的为回归模型与时间序列。

Bokeh:
网页交互式可视化，Bokeh是一个专门针对Web浏览器的呈现功能的交互式可视化Python库。可以创建简洁漂亮的交互式可视化效果，即使是非常大型的或是流数据集也可以进行高效互动。

Scipy:
统计分析，SciPy函数库在NumPy库的基础上增加了众多的数学、科学以及工程计算中常用的库函数。例如线性代数、常微分方程数值求解、信号处理、图像处理、稀疏矩阵等等。

Tensorflow:
Google基于Python的机器学习库，可简单调用神经网络，深度学习与加强学习等人工智能模型，可对金融数据进行机器学习，开源使用。

用做Python量化交易-从零开始走上宽客之路

课程内容直接与中国股票数据为例子，简单实际，代码可复制更改，重复使用。
1. 用Python做量化交易
2. Python基础语法
3. 数据类型
4. 数据运算
5. 流程控制
6. 函数设计
7. 模块安装与导入
8. Numpy
9. Pandas_Series
10. Pandas_DataFrame
11. Datetime
12. Matplotlib

课程参考书籍:

1. Evidence Based Technical Analysis
2. Trading Systems and Methods
3. Python for Data Analysis
4. Quantitative Trading Strategies
5. Successful Algorithmic Trading
6. Advanced Algorithmic Trading

微信公众号二维码：