@Channelchan 2017-05-05T16:43:58.000000Z 字数 84 阅读 17516

时间序列(金融数据)

TimeSeries

时间序列分析的主要目的是根据已有的历史数据对未来进行预测。

自相关性与平稳性

ARMA模型

GARCH模型

TGARCH模型

协整

配对交易

内容目录

- - A/D 1
  - TA_Lib 成交量篇
- - CAPM 1
  - 量化金融与统计理论
- - CTA 1
  - 指数CTA
- - Detrend 1
  - TA_Lib 时间周期
- - Distribution 1
  - StatsModels 描述性统计
- - Factors_Strategies 1
  - Factor->Alphalens->Engine->Pyfolio
- - HT_DCPERIOD 1
  - TA_Lib 时间周期
- - HT_PHASOR 1
  - TA_Lib 时间周期
- - Hedge 2
  - 4. 指数对冲
  - 指数CTA
- - Intermarket 1
  - 4. Statsmodels 跨市场策略
- - MACD 1
  - TA_Lib 动能篇
- - Markowitz 1
  - 量化金融与统计理论
- - Momentum 1
  - TA_Lib 动能篇
- - OBV 1
  - TA_Lib 成交量篇
- - Oscillator 1
  - TA_Lib 动能篇
- - Panel 1
  - Python 金融数据处理
- - Python 1
  - 技术分析
- - RSI 1
  - TA_Lib 动能篇
- - Stochastic 1
  - TA_Lib 动能篇
- - TimeSeries 2
  - 3. ARCH 时间序列
  - 时间序列(金融数据)
- - history_bars 1
  - 4. 数据获取
- - inphase/quadrature 1
  - TA_Lib 时间周期
- - jaqs 1
  - DataView整合factor数据的使用方案
- - numpy 1
  - Numpy
- - order 1
  - 5. 订单类型
- - pandas 1
  - Pandas计算
- - python基础 1
  - PYTHON导入模块机制说明
- - sklearn 1
  - 机器学习与交易
- - vnpy 1
  - VNPY数据入库
- - 为什么用Python 1
  - 用Python做量化交易
- - 参考书籍 1
  - 用Python做量化交易
- - 双均线策略 1
  - TA_Lib 趋势均线篇
- - 周期名词 1
  - TA_Lib 时间周期
- - 因子复现 1
  - 国金首批验收因子62个
- - 图表设置 1
  - TA_Lib 蜡烛图
- - 均线百分比通道 1
  - TA_Lib 趋势通道
- - 均线类型 1
  - TA_Lib 趋势均线篇
- - 多个策略通过引擎回测结果 1
  - 策略引擎回测
- - 如何安装TA_Lib 1
  - TA_Lib 安装流程（Wins64位）
- - 安装推荐 1
  - 用Python做量化交易
- - 实习任务 1
  - 云实习编写因子任务
- - 导入模块 1
  - TA_Lib 蜡烛图
- - 布林带 1
  - TA_Lib 趋势通道
- - 常用模块 1
  - 用Python做量化交易
- - 平均波幅率通道 1
  - TA_Lib 趋势通道
- - 成交量 1
  - TA_Lib 成交量篇
- - 技术分析 1
  - 技术分析
- - 数据 1
  - VNPY数据入库
- - 机器学习 3
  - Fxdayu Machinelearning 环境安装教程
  - Macos机器学习环境安装
  - Windows64位机器学习环境安装
- - 机器学习实操训练 2
  - Pandas数据处理实操题目
  - Orange实操题目
- - 查找蜡烛图形态 1
  - TA_Lib 蜡烛图
- - 环境安装 8
  - Fxdayu Machinelearning 环境安装教程
  - Macos机器学习环境安装
  - Windows64位机器学习环境安装
  - 股票实时交易环境安装与配置
  - Fxdayu数据分析与研究环境安装
  - Windows64位环境安装
  - 基础班环境安装tips
  - QTC基础班Python环境安装
- - 获取数据 1
  - TA_Lib 蜡烛图
- - 转换格式 1
  - TA_Lib 蜡烛图
- - 量价策略 1
  - TA_Lib 成交量篇
- - 量化 1
  - 技术分析
- - 量化交易 1
  - 用Python做量化交易
- - 随堂测验 3
  - OFO随堂测验3：数据接口
  - OFO随堂测试1： Python基础与数据处理
  - OFO随堂测验2：进阶数据处理
- - 高低价通道 1
  - TA_Lib 趋势通道
- - 未分类 200
  - 量化比赛交易盈亏报告
  - 复盘报告模板
  - 实盘申请报告模板
  - 实盘交易配置
  - 实盘与回测复盘校对
  - 思路验证
  - 信号研究
  - 5_MultiSignal
  - 4_MA+RSI_Portfolio
  - 3_StopLoss_TakeProfit
  - 1_doubleMaStrategy
  - 获取金融数据--BINANCE
  - 仓位管理-fixed_loss
  - 止盈止损-TrailingStopLoss
  - 止盈止损-时间止损
  - 止盈止损-固定价位止损止盈
  - 仓位管理-pyramid
  - 仓位管理-multi_signal_add_position
  - 仓位管理-Martingale and Anti-Martingale
  - 2_Optimization
  - 策略编写与参数设置
  - 线性回归策略
  - 相对强弱市场
  - 成交量指标策略
  - 动能指标策略
  - 通道策略
  - 移动平均线
  - 蜡烛图-4、5根bar
  - 蜡烛图-3根bar
  - 蜡烛图-2根bar
  - 动能指标策略
  - 蜡烛图-1根bar
  - 蜡烛图形态
  - MAStatisticResearch
  - Alpha101Research
  - HFDataView
  - 获取金融数据--OKEX
  - 获取金融数据--Futures，A Share
  - 获取金融数据--OANDA
  - getOandaData
  - alpha191
  - 技术因子-类别三情绪类下篇
  - 技术因子-类别四收益风险类
  - 技术因子-类别三情绪类
  - 技术因子-类别二动量类
  - 技术因子-类别一常用技术指标
  - 测试效果
  - 条件过滤
  - 附：交并集投资组合回测结果
  - 策略组合
  - 参数优化器
  - 因子预处理方法、多因子合成
  - 自定义因子、事件分析
  - 因子分析（by+alphalens）
  - 因子分析
  - Alpha101
  - 在此处输入标题
  - 如何做金融数据统计？
  - 1. 如何统计收益率？
  - 蜡烛图形态
  - Talib
  - Pandas计算（常用内建函数）
  - 1、直方图_hist()
  - 1、 List转Numpy
  - datetime
  - Panel
  - DataFrame
  - Series
  - Numpy
  - Python继承组合
  - Python面向对象
  - Python异常处理
  - Python高级特性
  - Python 递归函数
  - Python 内建函数
  - Python模块导入
  - 5_Python函数设计
  - 4_Python流程控制
  - Python数据运算
  - 1、Python 变量
  - Python基础语法
  - Xiezhenghang-二号策略（一号策略改进版本）
  - 在此处输入标题
  - 附：交并集投资组合回测结果
  - 策略组合
  - 参数优化器
  - 因子预处理方法、多因子合成
  - 自定义因子、事件分析
  - 因子分析
  - 因子分析（by+alphalens）
  - Python高级特性
  - Python递归函数
  - Python 内建函数
  - 分类模型资料补充
  - 机器学习实操题目（图片仅供参考，与答案不一致）
  - Alpha101算法
  - 写一个均线百分比通道突破策略
  - 4. 策略管理可视化测验
  - 因子考试下
  - 因子研发考试_上
  - 因子高低价统计分布
  - 多因子组合
  - 参数优化器
  - 持有时间与仓位算法
  - 基本面因子测试
  - 云实习实操测试题：数据处理与因子研发
  - Markowitz方差组合模型
  - 选股表格回测
  - 事件驱动
  - 算法因子
  - Alpha101
  - 市场宽度
  - 线性回归策略
  - 相对强弱市场
  - 成交量指标策略
  - 动能指标策略
  - 通道策略
  - 移动平均线
  - Python 技术分析
  - 多因子组合
  - IC序列阈值选股
  - 对比不同因子IC
  - IC板块分类
  - IC信息系数
  - JAQS数据的类
  - 6_格式转换
  - 因子绩效
  - 条件过滤
  - 板块分类
  - 获取数据
  - 数据下载
  - Talib
  - 环境与工具安装--OSX
  - 环境与工具安装——Windows64位
  - 黄金排序因子考试
  - 大鱼量化新兵计划
  - API
  - DataAPI 数据下载
  - DataAPI 命令行工具
  - 如何对不同选股方案进行组合？
  - 如何设计信号选股方案并进行优化评估?
  - 如何对因子算法做参数优化？
  - 什么是Alpha101?
  - 创建类
  - 多因子组合
  - 多因子IC对比
  - 如何用Alphalens计算IC值？
  - Panel
  - fxdayu_data安装与设置
  - fxdayu_data（DataAPI）快速教程
  - 引擎设置持有时间的策略
  - 选择股票池
  - HandleData
  - DataAPI
  - 技术信号选股
  - 基本面选股
  - 因子排序选股
  - fxdayu_alphaman
  - Alpha101_rqalpha
  - scikit-learn
  - Pair_Trading
  - DataAPI
  - 指数对冲
  - Config
  - 仓位控制
  - 止损风控
  - Alphalens
  - TA_Lib
  - 8. 完整策略
  - 7. 仓位记录
  - 1. 计划一个策略
  - 2. 账户config设置
  - 7. 仓位记录
  - 6. 时间控制
  - 7. config 设置
  - 3. 运行功能
  - 1. 一个简单的MA策略模板
  - Python 量化引擎
  - 优矿基本面数据
  - 时间序列1
  - Alpha101_六个价格因子绩效
  - 风险管理
  - 择时买卖
  - StatsModels 多元回归
  - StatsModels 一元线性回归分析
  - StatsModels 变量相关性
  - StatsModels 置信区间
  - StatsModels 偏峰与峰态
  - Matplotlib
  - Datetime
  - Python模块导入
  - Python函数设计
  - Python数据运算
  - Python数据类型
  - Python基础语法
  - Numpy_V0
  - DataFrame
  - 大鱼旧引擎说明
  - Series
  - Python 流程控制
- 以下【标签】将用于标记这篇文稿：

添加新批注

在作者公开此批注前，只有你和作者可见。

私有
公开
删除

回复批注