무역 전략 파이썬

+

당신이 상인 또는 투자자이며, 양적 무역 기술의 집합을 취득하려는 경우 퀀트 기술을 배우고, 당신은 바로 이곳에있다. 파이썬 코스와 무역 전문 양적 상인에 의해 작성 기능과 스크립트를 포함 양적 무역 연구를위한 최고의 도구와 사례를 제공합니다. 이 과정은 당신에게 당신의 투자 시간 및 비용에 대한 최대의 효과를 제공합니다. 이 거래에 프로그램의 실제적인 적용보다는 이론 컴퓨터 과학에 초점을 맞추고있다. 이 과정은 데이터의 수동 처리에 시간을 저장하여 신속하게 자체에 대한 지불 할 것입니다. 당신은 당신의 전략을 연구하고 수익성있는 거래를 구현하는 더 많은 시간을 보낼 것입니다. 코스 개요 1 부 : 파이썬은 정량 거래에 대한 이상적인 도구입니다 왜 당신은 배울 기본. 우리는 개발 환경을 설정하여 시작하고 과학 도서관을 소개합니다. 제 2 부 : 데이터가 야후 금융, CBOE와 다른 사이트 같은 다양한 무료 소스에서 데이터를 가져 오는 방법을 알아 취급. 읽고 CSV 및 Excel 파일 등 다양한 데이터 형식을 작성합니다. 제 3 부 : 결과 전략 P L과 샤프와의 자본 감소 등의 첨부 성능 메트릭을 계산하기 위해 알아보세요. 무역 전략을 구축하고 성능을 최적화 할 수 있습니다. 전략의 여러 예는이 부분에서 설명합니다. 제 4 부 : 라이브이 부분을가는이 인터랙티브 브로커 API를 중심으로. 당신은 실시간 주식 데이터 및 장소 실시간 주문을 얻는 방법을 배울 것입니다. 예제 코드의 많은 과정 재료는 이와 같은 상호 작용하는 코드와 함께 텍스트를 포함하는 노트북으로 구성되어 있습니다. 당신은 코드와 상호 작용하고 자신의 취향에 수정하여 배울 수있을 것입니다. 그것은 몇 가지 주제는 기본 개념을 이해하는 데 도움이 훌륭한 세부 사항에 설명되어 있지만 자신 만의 전략을 작성하기위한 좋은 출발점이 될 것입니다, 대부분의 경우 t도 있기 때문에 기존에 의한 지원으로, 당신의 자신의 낮은 수준의 코드를 작성할 필요가 원 오픈 소스 라이브러리. TradingWithPython 라이브러리는 즉시 사용 가능한 기능으로이 과정에서 논의 된 많은 기능을 결합하는 과정 전반에 걸쳐 사용될 것이다. 팬더는 데이터 사각 사각에 필요한 헤비 리프팅 전원 모두를 제공합니다. 모든 코드는 2013 년 봄에 개최 된 과정의 시험 평가 상업 aplications에 코스에서의 사용을 허용는 BSD 라이센스로 제공되며, 이 학생들이 말을 가지고 무엇을 : 마테이 잘 설계된 코스와 좋은 트레이너. 그 가격과 내 시간 노예 JEV 확실히 가치가 분명히 자신의 물건을 알고 있었다. 범위의 깊이는 완벽했다. JEV 다시 이런 일을 실행하는 경우, 내가 가입 할 첫 번째가 될 것이다. 존 필립스는 귀하의 과정은 정말 재고 시스템 분석을위한 파이썬을 고려하기 시작 점프 얻었다. 이진 옵션 트레이딩 : 외환 옵션, 주식 옵션, 지수 옵션 상품 옵션 - optionsClick OptionsClick. 나는 1 월 22 일에 마이클 홀 - 무어에 의해 팬더 파이썬에서 S P500에 대한 예측 전략 백 테스팅 정책 및 이용 약관은 2014 년 최근 QuantStart에 우리가 논의 기계 학습을 모든 LTL의 (Leadtrade)을했습니다 수락하십시오 OptionsClick으로 거래를 동의 유지하려면 . 예측. 백 테스팅 디자인과 백 테스팅의 구현입니다. 우리는 지금 스파이 ETF에 거래하여 S P500 미국 주식 시장 지수에 대한 금융 예측 알고리즘을 backtest 이러한 이전의 모든 도구를 결합하는 것입니다. 이 문서는 우리가 이미 객체 지향 백 테스팅 엔진과 예측 신호 발생기를 포함하여 위에서 언급 한 기사에서 개발 한 소프트웨어에 크게 구축 할 것입니다. 객체 지향 프로그래밍의 특성상 무거운는 이미 개발 된 클래스를 행한다 우리가 이후에 물품 코드가 짧게 될 수 있다는 것을 의미한다. 이러한하기 matplotlib 같은 성숙한 파이썬 라이브러리. 팬더와 scikit 배우기도 상용구 코드를 작성하거나 잘 알려진 알고리즘의 우리 자신의 구현을 마련 할 필요성을 줄일 수 있습니다. 예측 전략 예측 전략 자체 이차 판별 분석기라고하는 기계 학습 기술에 기초한다. 이는 밀접하게 선형 판별 분석과 관련이있다. 이들 모델은 모두 금융 시계열 예측에 문서 내에서 상세히 설명된다. 기상 캐스터는 주식 시장의 오늘날의 방향을 예측하는 요소의 집합으로 앞의 두 일별 수익률을 사용합니다. 하루가되는 확률이 50을 초과하면, 전략 스파이 ETF 500 주식을 매입하고 일의 끝을 판매한다. 다운 일 확률이 50을 초과하는 경우, 전략은 스파이 ETF 500 주식을 판매 한 후 가까운 다시 산다. 따라서는 장중 거래 전략의 첫 예입니다. 이 때문에 같은 가까운 / 오픈 주변의 중개 및 잠재적 인 유동성 문제로 과도한 개방 변동성, 주문 라우팅과 같은 여러 가지 요인에 우리는 이제까지 개폐 가격을 달성 할 가능성이 특히 실제 거래 전략 아닙니다. 또한 우리는 거래 비용을 포함하지 않았습니다. 매일 수행 왕복 무역이 이러한 가능성이 수익의 상당한 비율이 될 것이다. 따라서 우리의 예측 자 그렇지 않으면 거래 비용이 우리의 무역 반환을 모두 먹을 것, 매일 수익을 예측 비교적 정확해야합니다. 나는 다음과 같은 라이브러리를 사용하고 자습서와 관련된 다른 파이썬 / 팬더와 같이 구현 : SNP forecast. py의 구현은 아래이 이전 튜토리얼 backtest. py이 필요합니다. (주로 지연된 시리즈를 생성하는 기능을 포함) 추가 forecast. py이 이전 튜토리얼에서 생성됩니다. 첫 번째 단계는 필요한 모듈과 객체를 가져 오는 것입니다 : 관련 라이브러리 및 모듈을 모두 포함되고 나면 우리가 이전 튜토리얼에서 수행 한 바와 같이, 전략 추상 기본 클래스를 서브 클래 싱하는 시간이다. SNPForecastingStrategy는 미래 가치를 예측하는 수단으로 S P500 주가 지수에 이차 판별 분석기에 맞게 설계되었습니다. 실제 신호가 신호 발생 방법으로부터 발생되는 반면, 모델 피팅은 아래 피팅 모델 방법으로 수행된다. 이것은 전략 클래스의 인터페이스를 일치합니다. 이차 판별 분석기 작동 방법의 세부 사항뿐만 아니라 아래 파이썬 구현 금융 시계열 예측의 이전 문서에 자세히 설명되어있다. 소스 코드의 의견은 아래의 프로그램이 수행하는 광범위 것을 토론 : 이제 예측 엔진이 신호를 생산하고있다, 우리는 MarketIntradayPortfolio을 만들 수 있습니다. 그것이 장중 기준으로 거래를 수행으로이 포트폴리오의 목적은 이동 평균 크로스 오버 backtest 문서에서 주어진 예와 다르다. 신호가 최대 일이 발생하고 주변에서 판매 할 예정이다한다고하면 포트폴리오는 오프닝 가격 SPY의 긴 (구매) 5백주를 이동하도록 설계되었습니다. 신호가 다운 일이 발생하고 이후 종가 밖으로 닫습니다한다고 반대로, 설계 포트폴리오는 SPY 500 주를 짧은 (판매)를 이동합니다. 구입 또는 판매 5백주 매일 이익의 계산에 이르는, 매일 개방과 시장 가까이 가격이 결정되는 시장 간의 가격 차이를 달성했다. 이 후 누적 매일 이익 / 손실을 합산하여 지분 곡선을 자연스럽게 이어집니다. 또한, 우리가 매일 이익 / 손실의 통계를 산출 할 수 있도록하는 이점을 갖고있다. 여기에 MarketIntradayPortfolio에 대한 목록은 다음과 같습니다 마지막 단계는 전략을 묶어과 포트폴리오는 주요 기능과 함께 객체. 함수는 SPY 기기에 대한 데이터를 획득하고, 그 S P500 지수 그 자체의 신호 생성 방식을 작성. 이것은 GSPC 시세에 의해 제공됩니다. 그런 다음 MarketIntradayPortfolio (이전 튜토리얼에서와 같이) 10 만 달러의 초기 자본으로 생성됩니다. 마지막으로, 수익 계산하고 자본 곡선이 그려집니다. 무거운 계산 모두가 전략 및 포트폴리오 서브 클래스에서 수행하기 때문에이 단계에서 요구되는 방법을 조금 코드합니다. 이것은 새로운 거래 전략을 만들고 전략 파이프 라인에서 사용하기위한 신속하고 테스트하는 것이 매우 간단한다. 이 프로그램의 출력이 아래에 주어진다. 알고리즘 자체도 4를 반환하면서이 기간에 주식 시장은 (완전 투자 구매 및 유지 전략을 가정) 4를 반환했습니다. (예 : 수수료 등) 그 거래 비용이 백 테스팅 시스템에 추가되지 않은 참고. 전략은 하루에 한 번 왕복 무역을 수행하기 때문에, 이러한 비용은 크게 수익을 축소 할 가능성이있다. 후속 기사에서 우리는, 실제 거래 비용을 추가 추가 예측 엔진을 활용, 성능 메트릭을 결정하고 포트폴리오 최적화 도구를 제공합니다. 마이클 홀 - 무어 마이크 QuantStart의 설립자이며, 주로 퀀트 개발자 이후 헤지 펀드에 대한 퀀트 상인 컨설팅으로, 지난 5 년 동안 양적 금융 산업에 참여하고있다.