Python

从金融角度看,Python是一种强大的编程语言,其简洁、易读的语法和丰富的库使其成为金融分析和建模的首选工具。金融机构广泛运用Python处理复杂数据、进行量化分析和风险评估。Python在金融领域的应用包括算法交易、投资组合优化、信用评分、风险管理等。其灵活性使金融专业人员能够快速响应市场变化,制定精确策略。

请问自定义Python模块中的模块参数在主函数里如何调用

问题

请问自定义Python模块中的模块参数在主函数里如何调用


{w:100}{w:100}

解答

像这样函数传參一样传进去

{w:100}

更新时间:2022-12-20 14:20

python库安装

问题

你好,麻烦帮忙安装下面的python库,谢谢!


账号:kimi3721


pandas-profiling

https://pypi.org/project/pandas-profiling/


causalml

https://causalml.readthedocs.io/en/latest/installation.html


baidu-aip

https://ai.baidu.com/sdk#nlp

解答

好的,已通过审核,工程师正在安装 安装好了给你说哈

更新时间:2022-12-20 14:20

daemonic processes are not allowed to have chil

问题

想知道报错的原因

[2021-11-13 09:32:02.641539] ERROR: moduleinvoker: module name: cached, module version: v3, trackeback: AssertionError: daemonic processes are not allowed to have children

\

更新时间:2022-12-20 14:20

python如何可以获取股票L2行情

python究竟怎么可以获取level2行情呢?比如百度、新浪、搜狐、CSDN等都有教程还有说明,同时还有提供一些常见的股票L2接口,包括许多模拟股票交易系统也提供了数据,但这些获取股票数据的方法并不像通过python那样方便。那么,如何通过python实现股票L2接口呢?

以下有两种情况说明:

(1)你有自己的证券商及客服专员;

在这种情况下,个人直接打电话给交易账户的证券期货供应商客户服务专员,获取CTP数据接口信息。CTP是指根据要求,进入期货公司的交易程序必须经过穿戴认证。简单地说,它是在期货公司提供的模拟环境中完成指定

更新时间:2022-12-08 05:44

C++、C#、PHP、Python、可以获取L2行情实时数据吗?


现在几乎每个券商都可以为其客户提供L2实时数据市场,比如华泰的insight、中泰的XTP、兴业的UT等。一个私募可以同时接收几家券商的L2。而且很多期货公司也提供证券L2市场,所以有很多证券公司和期货公司转发的L2行情数据。

可以登录深圳证券交易所的官方网站,该网站列出了哪些公司获得了L2市场授权(非显示)。然而,基本上需要客户服务器托管机房,当然,也不排除一些互联网订阅市场。

然后是信息服务提供商,也就是专门从事市场数据的公司。他们最大的特点是互联网订阅行情。现在

更新时间:2022-12-07 07:37

自编程AI量化交易python,C#,php

国内量化交易起步较晚,大约15年开始,20年开始爆发,21年量化私募规模飙升。由于容量过大,出现了一个头部量化私募中性策略导致大幅回调的问题。对于a股来说,量化交易仍然是一种相对较新的投资方式。自20年以来,监管已经关闭了证券公司的外部接口。因此,如果你想进行定量交易,你必须使用证券公司的level2行情接口和交易接口。今天,我将与大家分享如何一站式解决不同的定量交易需求。https://gitee.com/l2gogogo

自编程AI量化交易

解决方案:AI量化交易策略终端

简介:

极速交易策略终端是一款基于python语言的策略交易平台 , 是活跃交易者策略研究 、 自动化交易

更新时间:2022-12-01 05:46

数字货币算力和价格数据研究

Overview

  • 研究数字货币价格走势
  • 算力变化对数字货币价格的影响

获取数字货币代码列表

  • 使用 f2pool 的数据
def bigquant_run(input_1, input_2, input_3):
    import requests
    response = requests.post(
        "https://www.f2pool.com/coins",
        data={"sort_by": "output24h", "sort_type": "desc"}
    )
    data = res

更新时间:2022-11-20 03:34

TensorFlow的55个经典案例

导语:

本文是TensorFlow实现流行机器学习算法的教程汇集,目标是让读者可以轻松通过清晰简明的案例深入了解 TensorFlow。这些案例适合那些想要实现一些 TensorFlow 案例的初学者。本教程包含还包含笔记和带有注解的代码。

最好的学习就是不断的实践,推荐 BigQuant 人工智能量化投资 一站式的python+机器学习+量化投资平台,打开浏览器就可以使用投资数据和机器学习算法。

TF新手的教程指南

tf初学者需要明白的入门准备

  • 机器学习入门笔记: [a

更新时间:2022-11-20 03:34

请教一下自定义python模块中“模块参数”的使用问题?

问题

请教一下自定义python模块中“模块参数”的使用问题?

解答

需要在主函数传入你自定的参数请参照如下用法:

{w:100}{w:100}

BigQuant策略组

更新时间:2022-11-09 01:23

回测时,如果股票变成ST,不会执行操作

问题

2022年的回测002316.SZA,000732.SZA变成了ST,用回测模块回测时,发现买入后不会进行任何操作。


需要加入特定代码去处理

    hold_instruments = list(positions.keys())
    stock_status = context.stock_status[context.stock_status['date'] == today]
    if len(hold_instruments) > 0:
        st_status = stock_status[(stock_statu

更新时间:2022-11-09 01:23

AttributeError : 'NoneType' object has no attribute 'read_df' 请教大神怎么解决

问题

问题描述

AttributeError : 'NoneType' object has no attribute 'read_df' 请教大神怎么解决

问题代码

AttributeError                             Traceback (most recent call last)
<ipython-input-17-df2f6c1cad74> in <module>
185 )
186--> 187 m9 = M.cached.v3(
188      input_1 = m22 . data_

更新时间:2022-11-09 01:23

xgboost回测出错

问题

KeyError Traceback (most recent call last)
in
209 )
210
–> 211 m19 = M.trade.v4(
212 instruments=m9.data,
213 options_data=m21.predictions,
in m19_handle_data_bigquant_run(context, data)
25 context.ranker_prediction.date == data.current_dt.strftime(’%Y-%m-%d’)]
26 print (ranker_pre

更新时间:2022-11-09 01:23

自定义python模块查看数据报错

https://bigquant.com/experimentshare/9f8613d7a9664b11b32955dcecf1f725

自定义paython模块返回的数据在可视化查看结果报错,但数据其实是有的,因为日志打印到了 {w:100} ![{w:100}](/wiki/api/attach

更新时间:2022-11-09 01:23

自定义python

更新时间:2022-10-18 01:06

Python for Quants - 用于量化投资的Python

参考 https://wesmckinney.com/book/ 编写 Python For Quants - 用于量化投资的Python

更新时间:2022-10-10 01:02

因子回测系统介绍-长江证券-20200413

摘要

核心技术

  1. 前端界面:HTML5+JavaScript
  2. 后台程序:Python
  3. Web框架:Django
  4. Web Server:Apache


Web应用的优势

  1. 使用更轻便,不需要下载客户端

  2. 可跨平台使用,降低了使用门槛

  3. 可以更快速的发布修改后的版本

    \

正文

[/wiki/static/upload/2f/2f92d0c4-a4a9-4161-b348-2d4dabebb146.pdf](/wiki/static/upload/2f/2f92d0c4-a4a9-41

更新时间:2022-08-31 08:40

蒙特卡洛估算定积分平均值法Python实现

如何估算任意函数积分

对于给定的函数,我们可以通过公司计算积分。但对于计算机,对于任何复杂的函数,我们如何运行算力优势,快速估算积分。附python代码实现完整notebook,可以直接克隆运行。

原理

{w:100}{w:100}

直观理解如上图所示,采样后求平均。写成求和公式:

$ \overline E = (b - a) \frac{1}{N} \sum\limits_{i=1}^{N}f(x_{i})$

更新时间:2022-08-30 05:05

大数据人工智能研究之七:零基础python代码策略模型实战

重要观点

本文概述

本文主要介绍了python基础、爬虫、与数据库交互、调用机器学习、深度学习、NLP等。分别介绍了各个模块的安装,环境的搭建等。并且以机器学习选股为例,把各个模块连贯起来,核心代码基本都有详尽的解释。

大数据AI时代,python无往不胜的包装能力、可组合性、可嵌入性都很好,可以把各种复杂性包装在Python模块里,非常友好的供调用。Python资源丰富,深度学习如keras,机器学习如sk-learn,科学计算如numpy、,自然语言处理如jieba等。Python将极大提高工作效率无论是科学计算,还是图形界面显示;无论是机器学习还是深度学习;无论是操作e

更新时间:2022-07-29 05:23

用python将卡尔曼滤波技术和统计套利应用在期货市场

\

背景

根据当前中国的交易规则,股票不能做空。与更发达的市场相反,套利机会不容易实现。这表明那些寻找并能够利用它们的人可能会有机会。

因此,我决定使用统计套利配对交易技术专注于中国的期货市场。


战略理念

本项目实施的交易策略称为“统计套利交易”,也称为“配对交易”,是一种逆势策略,旨在从某个配对比率的均值回归行为中获利。

更新时间:2022-07-02 02:00

【问卷调研】《2022年中国量化投资白皮书》提前锁定纸质版


尊敬的Quant:

量化使用最多的语言是什么?python还是C?工资差别有多大?

畅想未来3年的量化,大家能想到哪些关键词?这些关键词是否就是未来照进现在?

AI算法在使用哪些场景?市场模式识别、收益率预测、交易执行各是什么算法在驱动创新?

宽度、弹性、深度、集中度,高频数据最关注哪些盘口变化?

这一次我们提前设问,邀请您参与《2022年中国量化投资白皮书》问卷调研https://www.wjx.cn/vj/P3OsjQj.aspx,提前锁定电子版数据。

2021年,我们提出了很多疑问,但我们现在有了更多疑问,我们相信,聚沙成塔,洞见未来,因为有您的参与,本问

更新时间:2022-04-18 07:37

通过自定义Python模块使用固化的深度学习模型去做预测

导语

当用户训练出具有一定意义的深度学习模型的时候,把训练得到的模型固化到本地可以方便以后的调用,关于如何固化深度学习模型,请移步这里,一般来说,固化深度学习模型是为了节省下一次训练重跑的时间,除此之外,被固化的模型还具有更复杂的使用方法。

本篇文章主要目的是为了讲述如何在一个自定义Python模块去调取被固化的深度学习模型,并且使用这些模型去做预测。需要注意的是,调取模型和做预测这两个流程都将在自定义Python中实现,不需要再新建其他的模块。

操作步骤

更新时间:2022-02-25 13:06

自定义数据进行因子分析demo

https://bigquant.com/experimentshare/28a454b6532144eb819a78efae160768

\

更新时间:2022-02-21 11:25

金工研究:华泰人工智能系列之七-人工智能选股之Python实战-华泰证券-20170912

摘要

介绍Python安装方法、与机器学习相关的包以及常用命令

Python语言是目前机器学习领域使用最广泛的编程语言之一,拥有众多优秀的包和模块,并且相对简单易学。我们将简单介绍Python语言的特性,常用命令,以及和机器学习相关的包,例如NumPy,pandas,scikit-learn等,希望帮助有一定编程基础的读者迅速上手Python语言。

机器学习选股框架与多因子选股框架类似,具有一定优越性

机器学习中最为主流的方法监督学习,其核心思想是挖掘自变量和因变量之间的规律。我们将经典多因子模型稍加改造,以机器学习的语言描述。在训练阶段,根据历史的因子值X和收益

更新时间:2021-11-26 07:28

分页第1页第2页第3页第4页第5页
{link}