金融量化：IPython、numpy

1、金融量化

# 金融量化

在线平台：聚宽、优矿、米筐、Quantopian
开源框架:rqalpha、quantaxis


# IPythonm  交互式的python命令行
安装：  pip install ipython




# python 相关模块：
numpy  数值计算(高性能科学计算和数据分析的基础包，是pandas等其他各种工具的基础)
import numpy as np
ret = np.array()  # 省内存
# ndarray 列表元素类型必须相同

# 查看列表占用多少内存(字节)
import sys
sys.getsizeof(ret)

# 查看列表元素类型
ret.dtype

# 存了多少数量
ret.size

# 多维统计数量(几行，几列)
ret.shape   # (2,3)

# 查看是几维
ret.ndim

# 转置,把二维（2,3）变成（3,2）
ret.T

# 改变array数据类型  (默认 int32)
ret=ret.astype('float32')  # 精度不够的话可以换成float64

# 将列表转换成array数组，并可选择dtype
np.array(list,dtype='float') # 默认根据机器自动选择位数

# numpy 的 数组 arange
np.arange(10)
np.arange(4,10,0.2)  # 步长可以为小数

# 把指定范围内进行分份
np.linspace(0,10,15)  # 把0-10 分成了15份

# 创建全零or全1的数组指定长度
np.zeros(10,dtype='int')
np.ones(10)
np.ones((10,5,3))  # 多维度
np.empty(10)  # 不进行赋值(原内存的数据可能会存在里面，但未进行赋值)

# 将数组变成多维度(数组元素一定要刚好够用)
np.arange(15)
a = _
a.reshape(3,5)

# 切片跟列表一样，额外支持的操作(切片的内容不会自动复制，修改会改变原内容)
a.[:2,1:3]  # 左行右列
b = a[:4].copy()  # 拷贝切片

# 布尔型索引
a[a<5]  # 取出a小于5的元素
a[(a>5) & (a%2==0)] # 取出a大于5并且是偶数
a[(a>5) | (a%2==0)] # 取出a大于5 或则是偶数
a[(~a<5)]  # 非 a小于5

# 花式索引
a[[1,2,3,5,7]]  # 一次取多个索引元素




# 通用函数(能同时对数组中所有元素进行运算的函数)
 np.round(a)  # 四舍五入
 np.trunc(3.1) # 向零取整
 a,b = np.modf(c) # 把整数和小数拆开

 np.isnan(c) # 判断c里有没有nan ，有的话索引位置返回True
 c[~np.isnan(c)] # 取出不是nan的元素

 np.maxinum(a,b) # 取a和b相同位置上最大的数
 np.mininum(a,b) # 相反

# 数学和统计方法
 a.mean()  # 取平均值
 a.argmin # 返回最小值的索引
 a.argmax # 相反
 a.cumsum()  # 累积和(当前位置和前一个位置相加值)


# 随机数生成
 random.uniform(1.0,10.0) # 1.0-2.0
 random.shuffle(a)  # 随机打乱a的顺序