摘要：源码注释： 1. 通过tick 生成1分钟bar 【显然，这在分钟级回测时用不到】 2. 将1分钟的bar转换成 N分钟的bar class BarGenerator: """ For: 1. generating 1 minute bar data from tick data 2. genera
阅读全文
摘要：ctp可能在非交易时间，推送一些垃圾tick，vnpy 使用 on_tick 函数会接收这些tick, 然后调用BarGenerate ，合成错误的Bar. 可以在这里增加时间检查，如果不是交易时间的数据，不去生成Bar就好。
阅读全文
摘要：vnpy 系统为了方便，使用了大量的默认参数，这些参数方便了简单策略的编写，但如果没有注意，很可能形成一些莫名其妙的错误，而在交易时，需要对系统的每个环节都完全掌控。 整个框架，几乎都默认使用1分钟线，如果策略不是使用1分钟线，就要小心了。在编写策略，尤其是优化时，使用分钟线会大大影响策略运行速度，
阅读全文
摘要：调试策略。 在vnpy 默认环境下调试策略，很不灵活，自己搞一个简单的测试环境，可以随心所欲地调式。 调试时，调试过程需要写入到日志里。 下面演示这个过程： from datetime import datetime from vnpy_ctastrategy.backtesting import
阅读全文
摘要：通过上面的准备，运行一个策略，显示交易信号。 from vnpy_ctabacktester import CtaBacktesterApp from vnpy_ctabacktester.ui.widget import CandleChartDialog from vnpy_ctastrateg
阅读全文
摘要：vnpy 里的cta策略，需要继承模板策略， 必须含有几个要素：（以 AtrRsiStrategy为例） 继承自 (CtaTemplate) 重要的元素： parameters = [... ] variables = [... ] 其中， 1 实盘策略启动时，需要的变量。 他会保存在本地策略配置文
阅读全文
摘要：我们重点研究的是Ctp, 那么，把ctp单独拿出来，跑一次。 主体框架有参数管理、图形处理等大量繁杂的系统工作，这里没有用主体框架，需要预先设置参数。 import multiprocessing import sys from time import sleep from datetime imp
阅读全文
摘要：现在，运行一个完整的vnpy 框架，从应用，到窗体以及各个app, 我们尝试连接 ctp 运行环境，在simnow上注册有用户，服务信息里可以查到连接信息。 启动下面文件后，在.vntrader 目录下， 会生成一个connect_ctp.json, 保存已经设置的连接信息。 from vnpy.e
阅读全文
摘要：vnpy 提供了一个比较实用的绘图，可以动态绘制出K线图。 根据这个工具，可以将策略的信号以及指标绘制出来。 from datetime import datetime from vnpy.trader.ui import create_qapp, QtCore from vnpy.trader.c
阅读全文
摘要：做数据分析，首先是要有数据，这里是用tqsdk的数据。 代码用源码里的范例，修改了数据源。 # 忽略各模块的警告信息 import warnings warnings.filterwarnings("ignore") from datetime import datetime from vnpy.t
阅读全文
摘要：from datetime import datetime from vnpy_ctastrategy.backtesting import BacktestingEngine from vnpy_ctastrategy.strategies.atr_rsi_strategy import AtrR
阅读全文
摘要：是一种通过结构化框架将不同维度的因子进行分层管理的方法，旨在避免因子逻辑的混乱，提升模型对市场的解释能力和 IC（信息系数）稳定性。
阅读全文
摘要：Fama - French 五因子模型（the Fama - French 5 factor model）是由 Eugene F. Fama 和 Kenneth R. French 在三因子模型基础上发展而来的资产定价模型，旨在更全面地解释股票收益率的变化： 模型提出背景 Fama 和 French
阅读全文
摘要：**PCA 因子模型（Principal Component Analysis Factor Model）** 是一种基于主成分分析（PCA）技术构建的因子模型，主要用于从高维金融数据中提取潜在的共同因子，以解释资产收益率的波动规律。以下是其核心要点： 1. 核心原理 主成分分析（PCA）：通过线性
阅读全文
摘要：import numpy as np import math def PriceProcess(sigma,dt, s0=100, total_time=1): prices = s0* (1 + np.cumsum(sigma * np.sqrt(dt) * np.random.choice([1
阅读全文
摘要：模拟交易价格对于量化分析建模很重要，下面是一个简单的价格模拟工具： 首先， 要找到标的的价格波动属性，而标的的波动每天都不一样，下面这个代码可以直观地绘制出价格波动的变化情况： def calculate_volatility(): # 取日线数据 data = get_data(symbol="r
阅读全文
摘要：首先，夏普比率是向后看的。它只考虑历史回报分布和波动性，而不考虑未来发生的回报。当根据夏普比率做出判断时，有一个隐含的假设，即过去将与未来相似。然而，这种情况并非总是如此，尤其是在市场制度变化的情况下。 夏普比率计算假设所使用的回报是正态分布的（即高斯分布）。但是，市场经常遭受高于正态分布的峰度。从
阅读全文
摘要：You： 深度学习金融模型已经有了初步结果,是可用的.需要进一步深化和详细测试. 现在有以下几个需要做的任务: 1. 继续改进模型,微调,做到结果最优. 2 将模型带入交易系统,做适应性修改. 3. 对模型的学习目标做一些调整. 我该如何安排这些事情 ChatGPT： 针对您提出的任务，您可以考虑以
阅读全文
摘要：量化金融里，时序数据的标签： 1、未来价格 2、涨跌方向 3、均值变化价格 4、极值价格 5、未来价格分布概率 6、未来多个时间点价格预判。
阅读全文
摘要：根据近一段时间的体验, 初级的金融数据深度学习, 对算力需求不高. 即使数据集比较大, 也是如此. 如果不能用简单的数据有一个较好的期望值, 这个方向大概率就是错的. 再提高算力和增加数据处理量,意义都不大.
阅读全文
浙公网安备 33010602011771号