![](./img/head.png)
-----------------
![](./img/fl.png)
abu能够帮助用户自动完善策略,主动分析策略产生的交易行为,智能拦截策略生成的容易失败的交易单。
现阶段的量化策略还是人工编写的代码,abu量化交易系统的设计将会向着由计算机自动实现整套流程的方向迈进,包括编写量化策略本身。
abupy的设计目标是:用户只需要提供一些简单的种子策略,计算机在这些种子基础上不断自我学习、自我成长,创造出新的策略,并且随着时间序列数据不断智能调整策略的参数。
### 索引
| 内容 | 位置 |
| ------| ------ |
| 阿布量化系统源代码 | abupy目录 |
| 阿布量化使用教程 | abupy_lecture目录 |
| 阿布量化非编程界面操作 | abupy_ui目录 |
| 《量化交易之路》示例代码 | ipython/python目录|
| 《机器学习之路》示例代码 | https://github.com/maxmon/abu_ml |
### 特点
* 使用多种机器学习技术智能优化策略
* 在实盘中指导策略进行交易,提高策略的实盘效果,战胜市场
### 支持的投资市场:
* 美股,A股,港股
* 期货,期权
* 比特币,莱特币
### 工程设计目标:
* 分离基础策略和策略优化监督模块
* 提高灵活度和适配性
## 安装
### 部署
推荐使用Anaconda部署Python环境,详见 [量化环境部署](http://www.abuquant.com/lecture/lecture_0.html)
### 测试
```python
import abupy
```
## 界面操作(非编程)
![](./abupy_ui/gif/loop_back.gif)
[更多界面操作示例](./abupy_ui/readme.md)
## 使用文档
### 1:择时策略的开发
[第一节界面操作教程视频播放地址](https://v.qq.com/x/page/g0555b9k6ge.html)
择时策略决定什么时候买入投资品,回测告诉我们这种策略在历史数据中的模拟收益如何。
1. 买入择时因子的编写
2. 分解模式一步一步对策略进行回测
3. 卖出择时因子的实现
>在对的时间,遇见对的人(股票),是一种幸福
>
>在对的时间,遇见错的人(股票),是一种悲伤
>
>在错的时间,遇见对的人(股票),是一声叹息
>
>在错的时间,遇见错的人(股票),是一种无奈
[详细阅读](http://www.abuquant.com/lecture/lecture_1.html)
### 2: 择时策略的优化
通过止盈止损保护策略产生的利润,控制风险。
1. 基本止盈止损策略
2. 风险控制止损策略
3. 利润保护止盈策略
![](./img/img1.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_2.html)
### 3: 滑点策略与交易手续费
考虑应用交易策略时产生的成交价格偏差及手续费。
1. 滑点买入卖出价格确定及策略实现
2. 交易手续费的计算以及自定义手续费
| type | date | symbol | commission |
| ------| ------ | ------ | ------ |
| buy | 20150423 | usTSLA | 8.22 |
| buy | 20150428 | usTSLA | 7.53 |
| sell | 20150622 | usTSLA | 8.22 |
| buy | 20150624 | usTSLA | 7.53 |
| sell | 20150706 | usTSLA | 7.53 |
| sell | 20150708 | usTSLA | 7.53 |
| buy | 20151230 | usTSLA | 7.22 |
| sell | 20160105 | usTSLA | 7.22 |
| buy | 20160315 | usTSLA | 5.57 |
| sell | 20160429 | usTSLA | 5.57 |
[详细阅读](http://www.abuquant.com/lecture/lecture_3.html)
### 4: 多支股票择时回测与仓位管理
针对多支股票实现择时策略,通过仓位管理策略控制风险。
1. 多支股票使用相同的因子进行择时
2. 自定义仓位管理策略的实现
3. 多支股票使用不同的因子进行择时
4. 使用并行来提升择时运行效率
![](./img/img3.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_4.html)
### 5: 选股策略的开发
一个好的策略需要一个好的标的。
1. 选股因子的编写
2. 多个选股因子并行执行
3. 使用并行来提升选股运行效率
![](./img/img4.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_5.html)
### 6: 回测结果的度量
正确的度量引领着正确的前进方向。
1. 度量的基本使用方法
2. 度量的可视化
3. 扩展自定义度量类
![](./img/img5.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_6.html)
### 7: 寻找策略最优参数和评分
通过定制的评分机制,寻找一个策略最合理的参数,比如:应该考虑多少天的均线?
1. 参数取值范围
2. Grid Search寻找最优参数
3. 度量结果的评分
4. 不同权重的评分
5. 自定义评分类的实现
[详细阅读](http://www.abuquant.com/lecture/lecture_7.html)
### 8: A股市场的回测
1. A股市场的回测示例
2. 涨跌停的特殊处理
3. 对多组交易结果进行分析
![](./img/img6.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_8.html)
### 9: 港股市场的回测
1. 港股市场的回测示例
2. 优化策略,提高系统的稳定性
3. 将优化策略的'策略'做为类装饰器进行封装
![](./img/img7.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_9.html)
### 10: 比特币, 莱特币的回测
1. 比特币, 莱特币的走势数据分析
2. 比特币, 莱特币的走势可视化分析
3. 比特币,莱特币市场的回测
* 比特币loss10: [-26.895, -3.284] , top10:(4.182, 38.786]
* 比特币最近一年风险下降:loss10: [-16.273, -2.783], top10:(3.948, 15.22]
* 莱特币loss10: [-28.48, -4.1], top10:(4.405, 41.083]
* 莱特币最近一年继续呈现高风险loss10:[-22.823, -3.229] 高收益top10:(5.0606, 37.505]
| btcchange | btc365change | ltcchange | ltc365change |
| ------| ------ | ------ | ------ |
| [-26.895, -3.284] | [-16.273, -2.783] | [-28.48, -4.1] | [-22.823, -3.229] |
| (-3.284, -1.547] | (-2.783, -1.056] | (-4.1, -2.022] | (-3.229, -1.375] |
| (-1.547, -0.8] | (-1.056, -0.424] | (-2.022, -0.922] | (-1.375, -0.655] |
| (-0.8, -0.224] | (-0.424, -0.071] | (-0.922, -0.389] | (-0.655, -0.226] |
| (-0.224, 0.143] | (-0.071, 0.272] | (-0.389, 0] | (-0.226, 0.078] |
| (0.143, 0.568] | (0.272, 0.698] | (0, 0.413] | (0.078, 0.453] |
| (0.568, 1.108] | (0.698, 1.316] | (0.413, 0.977] | (0.453, 0.913] |
| (1.108, 2.171] | (1.316, 2.334] | (0.977, 1.889] | (0.913, 1.957] |
| (2.171, 4.182] | (2.334, 3.948] | (1.889, 4.405] | (1.957, 5.0606] |
| (4.182, 38.786] | (3.948, 15.22] | (4.405, 41.083] | (5.0606, 37.505] |
[详细阅读](http://www.abuquant.com/lecture/lecture_10.html)
### 11: 期货市场的回测
1. 期货市场的特点
2. 看涨合约的回测
3. 看跌合约的回测
4. 位移路程比优化策略
![](./img/img9.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_11.html)
### 12: 机器学习与比特币示例
如何在投资品的量化交易中正确使用机器学习技术?
1. 比特币特征的提取
2. abu中内置机器学习模块的使用
3. 测试集的验证与非均衡技术
4. 继承AbuMLPd对数据处理进行封装
![](./img/img10.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_12.html)
### 13: 量化技术分析应用
技术分析三大假设:市场行为涵盖一切;价格沿趋势移动;历史会重演。
1. 阻力线,支撑线自动绘制
2. 跳空技术分析
3. 传统技术指标技术分析
![](./img/img11.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_13.html)
### 14: 量化相关性分析应用
相似的投资品数据的背后,往往是相似行为模式的投资人群。
1. 相关相似度的度量
2. 距离的度量与相似度
3. 相似相关接口的应用
4. 自然相关性
![](./img/img12.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_14.html)
### 15: 量化交易和搜索引擎
搜索策略生成的失败交易,由裁判拦截住冲动的交易者。
1. 切分训练集交易的回测
2. 对交易进行人工分析
3. 主裁系统原理
4. 角度主裁
5. 赋予宏观上合理的解释
6. 最优分类簇筛选
![](./img/img13.png)
[详细阅读](http://www.abuquant.com/lecture/lecture_15.html)
### 16: UMP主裁交易决策
1. 跳空主�
没有合适的资源?快使用搜索试试~ 我知道了~
用python做股票量化分析书源代码
共381个文件
py:248个
ipynb:51个
png:37个
3星 · 超过75%的资源 需积分: 39 359 下载量 41 浏览量
2018-08-06
11:46:40
上传
评论 28
收藏 53.12MB RAR 举报
温馨提示
这是《量化交易之路—— 用python做股票量化分析》一书源代码。
资源推荐
资源详情
资源评论
收起资源包目录
用python做股票量化分析书源代码 (381个子文件)
stock_code_CN.csv 2.26MB
stock_code_US.csv 2.1MB
stock_code_HK.csv 1.12MB
ml_test.csv 59KB
hk_unit.csv 28KB
futures_cn.csv 1KB
futures_gb.csv 614B
symbols_db.db 3.35MB
loop_back.gif 4.45MB
sd_line.gif 3.16MB
similar_line.gif 2.3MB
channel_line.gif 2.21MB
regress_line.gif 2.18MB
golden_line.gif 2.16MB
jump_line.gif 1.9MB
v_sense_line.gif 1.26MB
rs_line.gif 799KB
change_analyse.gif 734KB
stock_info.gif 653KB
.gitattributes 32B
.gitignore 96B
第八章-量化系统——开发.ipynb 2.5MB
附录B-量化相关性分析.ipynb 1.75MB
第五章-量化工具——可视化.ipynb 1.58MB
第六章-量化工具——数学.ipynb 1.55MB
2-择时策略的优化(ABU量化使用文档).ipynb 1.17MB
第七章-量化系统——入门.ipynb 1.1MB
第十章-量化系统——机器学习•猪老三.ipynb 1.04MB
13-量化技术分析应用(ABU量化使用文档).ipynb 1.03MB
14-量化相关性分析应用(ABU量化使用文档).ipynb 984KB
第九章-量化系统——度量与优化.ipynb 907KB
25-期货市场内外盘低频统计套利.ipynb 873KB
11-期货市场的回测(ABU量化使用文档).ipynb 795KB
1-择时策略的开发(ABU量化使用文档).ipynb 765KB
10-比特币莱特币的回测(ABU量化使用文档).ipynb 722KB
附录C-量化统计分析及指标应用.ipynb 682KB
24-比特币vs黄金,莱特币vs白银(ABU量化使用文档).ipynb 673KB
28-真 • 动态自适应双均线策略.ipynb 651KB
30-趋势跟踪与均值回复的长短线搭配.ipynb 634KB
12-机器学习与比特币示例(ABU量化使用文档).ipynb 632KB
第四章-量化工具——pandas.ipynb 618KB
第十一章-量化系统——机器学习•ABU.ipynb 508KB
27-狗股选股策略与择时策略的配合.ipynb 426KB
7-寻找策略最优参数和评分(ABU量化使用文档).ipynb 385KB
8-A股市场的回测(ABU量化使用文档).ipynb 369KB
9-港股市场的回测(ABU量化使用文档).ipynb 365KB
第三章-量化工具——NumPy.ipynb 364KB
6-回测结果的度量(ABU量化使用文档).ipynb 338KB
15-量化交易和搜索引擎(ABU量化使用文档).ipynb 312KB
3-滑点策略与交易手续费(ABU量化使用文档).ipynb 309KB
5-选股策略的开发(ABU量化使用文档).ipynb 288KB
附录A-量化环境部署.ipynb 287KB
22-美股全市场回测(ABU量化使用文档).ipynb 276KB
29-多因子策略并行执行配合.ipynb 259KB
第二章-量化语言——Python.ipynb 200KB
20-A股全市场回测(ABU量化使用文档).ipynb 164KB
4-多支股票择时回测与仓位管理(ABU量化使用文档).ipynb 113KB
19-数据源(ABU量化使用文档).ipynb 78KB
18-自定义裁判决策交易(ABU量化使用文档).ipynb 74KB
17-UMP边裁交易决策(ABU量化使用文档).ipynb 59KB
16-UMP主裁交易决策(ABU量化使用文档).ipynb 54KB
31-资金仓位管理与买入策略的搭配.ipynb 53KB
21-A股UMP决策(ABU量化使用文档).ipynb 47KB
26-星期几是这个股票的好日子.ipynb 45KB
32-策略有效性的验证.ipynb 41KB
23-美股UMP决策(ABU量化使用文档).ipynb 31KB
0-abupy量化环境部署(ABU量化使用文档).ipynb 11KB
参数最优交叉验证.ipynb 2KB
量化分析工具操作.ipynb 2KB
股票基本信息查询.ipynb 2KB
数据下载界面操作.ipynb 2KB
历史回测界面操作.ipynb 2KB
zsg.jpg 79KB
gg.jpg 68KB
qrcode.jpg 41KB
qrcode.jpg 41KB
LICENSE 34KB
readme-en.md 10KB
readme.md 10KB
第26节星期几是这个股票的好日子界面操作视频.md 5KB
第一节界面操作视频教程.md 4KB
readme.md 2KB
readme.md 1KB
readme.md 775B
stock_day_change.npy 788KB
run_ui.png 373KB
du_trend.png 291KB
img3.png 273KB
img9.png 269KB
1.3.png 254KB
1.1.png 250KB
1.2.png 233KB
pos_trend.png 210KB
mmm.png 194KB
g_trend.png 184KB
save_cv.png 184KB
img8.png 183KB
img12.png 176KB
f_trend.png 149KB
img1.png 145KB
共 381 条
- 1
- 2
- 3
- 4
zhtr123456
- 粉丝: 4
- 资源: 4
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
- 1
- 2
前往页