今天来到回测的第三篇详解:
上次我们讲到现在开始策略回测数据,进入到真正的策略模块,调用 def onFiveBar(self, bar)
for orderID in self.orderList:
self.cancelOrder(orderID)
self.orderList = []
这里是将前面没有成交的委托单全部取消,可以根据自己的策略进行修改。
接着就是更新K线数据和计算指标数值:
am = self.am
am.updateBar(bar)
if not am.inited:
return
更新时间:2021-08-09 06:39
还有很多功能再以后整理为笔记,这篇是近期最后更新关于VNPY的文章了。
实盘逻辑:
首先打开runCtaTrading.py,主函数执行: runChildProcess()
# 创建日志引擎
le = LogEngine()
le.setLogLevel(le.LEVEL_INFO)
le.addConsoleHandler()
le.addFileHandler()
le.info(u'启动CTA策略运行子进程')
ee = EventEngine2()
le.info(u'事件
更新时间:2021-08-09 06:38
嗯,好久没更新了,因为我最近找到了一家高频的实习~ 入职一周以来,看到了同事大神们写的交易系统,发现自己写的确实还是Naive,也存在一些问题,但 best practice 的具体细节确实没法分享了。所以呢,后续文章内容会有一点变化,会重点讲交易所API的使用和数字货币交易规则。
最近找工作也接触不少数字货币团队,聊下来发现大家主要都集中在4~5个流动性好交易所,期货基本上是 OKEX, bitfinix, bitMEX,现货基本上是火币和币安。
数字货币的交易规则与
更新时间:2021-08-09 05:56
更新时间:2021-07-30 09:11
人工智能(AI)技术得到了飞速发展,其在各个领域的运用也不断取得成果。机器学习被评为人工智能中最能体现人类智慧的技术,因此开发AI量化策略可以理解为将机器学习应用在量化投资领域。
机器学习算法太多,本文讨论只针对适用于金融数据预测的常用有监督型机器学习(Supervised Machine Learning)算法:StockRanker。假设我们要去预测某个连续变量$ Y$未来的取值,并找到了影响变量$ Y$取值的$K$ 个变量,这些变量也称为特征变量(Feature Variable)。机器学习 即是要找到一个拟合函数$f(X_1,X_2,\ldots,X_K|
更新时间:2021-07-30 09:08
更新时间:2021-07-30 08:12
更新时间:2021-07-30 08:05
更新时间:2021-07-30 07:26
更新时间:2021-07-30 07:26
更新时间:2021-07-30 07:26
更新时间:2021-07-30 07:25
当前应用于NLP领域的Transformer,结构过于庞大,并不适用于股票数据(开盘价,收盘价,最高价,最低价,等)这样的时序数据,因此,本文提出一种简化的适用于股票数据的Transformer结构,其根据时间嵌入的思想构建,能很好的应用于量化选股中。下面以一个例子来介绍用于股票数据的Transformer体系结构,以及
更新时间:2021-02-03 07:05