算法交易

算法交易是金融领域的技术革新，它利用高级数学模型和复杂算法来快速、准确地分析和解读市场动态，以制定并执行交易策略。这些算法能够在毫秒级别内对市场数据做出反应，远超人脑的处理速度。算法交易为金融行业提供了一个精细控制风险的途径。包括定点交易、套利交易和趋势跟踪等多元化策略的应用，有效提高了交易的准确性和效率。其背后的智能化系统可24小时不间断地监控市场，捕捉交易机会，大大减轻了人工作业负担，同时，极大地提升了在多变金融市场中的适应能力和盈利能力。更重要的是，由于大部分决策基于预定规则和数据模型，算法交易显著降低了情绪化决策的风险。然而，也需注意到，过度依赖算法可能导致失去对市场直觉的把握，并且在极端市场情况下，算法可能失效，导致不可预见的风险。总体而言，算法交易以其快速、精准和高效的特性，逐渐成为现代金融市场的核心竞争力。

常用量化策略思想概览

随着时间序列系列讲到协整部分，我们会陆续讲一些经典的量化策略。在今天的讲解中，我将简单地介绍一下量化投资中的常用策略算法思想。由于是概览，因此不会对策略的细节进行深度分析。

动量策略

动量策略是抓住市场某一个方向的显著趋势而获利的算法。由于人性的因素，股票市场存在某种“惯性”。当某些题材的热股被热炒时，其价格会快速并且持续地上升。上升的初期可能是由市场上的某个讯息或者热点引起，而后越来越多的投资者在听到之后都会跟风追逐。一个简单的动量策略应用是当前的价格低于MA时买入股票高于MA时卖出股票。

均值回复

均值策略假设虽然市场会出现追涨杀跌的短暂疯狂状态，但从长期趋势来看市

更新时间：2021-08-11 03:22

在Python中使用QuantLib

Quantlib简介

相比TA-Lib在技术分析领域的地位，QuantLib在金融工程领域的地位可以说有过之而无不及。

参考其官方网站，QuantLib中包含的的模块如下（其中个人感觉国内比较有用的添加了中文注释）：

Currencies and FX rates（货币相关）
Date and time calculations（日期和时间计算）
Calendars
Day counters
Design patterns
Financial instruments
Finite-differences framework
Lattice metho

更新时间：2021-08-10 06:23

利用Python进行描述性统计分析

数据分析的初级境界应该当属描述性统计分析了。

描述性统计分析，顾名思义，就是对一个数据集合，通过统计的手段，对数据整体进行描述。身边比较常见的，比如：你的支付宝年度报告，你的滴滴年度出行报告，你的美团外卖这一年最爱吃什么，你的网易云音乐年度最爱听哪首歌曲等等。

以上的这些年度报告通通都采用了描述性统计分析的方法，然后给你反馈过去一段时间自身行为的一个复盘，比你更了解你。

本文，将利用Python对我大A股去年走出大牛市的白酒龙头股进行描述性分析，介绍了一般步骤及相应代码。

描述性统计分析包括什么

几乎任何一本统计学的基础书籍都会一上来就介绍描述性统计分析的，所以你可

更新时间：2021-08-10 03:52

【重磅】年度宽客（2000 - 2019），全球Q-quant精英都在研究什么？

![](data:image/svg+xml;utf8,<svg xmlns='http://www.w3.org/2000/svg' width='1334' height='828'></svg>)

作者：王圣元

推荐阅读

1、[机器学习、深度学习、量化金融、Python最新书籍汇总](https://mp.weixin.qq.com/s?__biz=MzAxNTc0Mj

更新时间：2021-08-09 10:57

VNPY应用入门-实盘逻辑分析

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