手機量化交易獲取股票數據

Ⅰ 小白入門量化交易：vn.py數據獲取和初步回測

經過初步嘗試，vn.py在數據獲取和回測過程中遇到一些問題，但也帶來了新的學習體驗。本文將分享我的解決過程和未來計劃。

首先，我解決了數據獲取的基本問題。原本因為誤寫交易所簡稱，導致無法下載股票數據。正確的交易所包括CFFEX、SHFE、SSE和SZSE。對於大量股票的數據下載，目前還未能實現批量處理，需要進一步探索。

數據存入方面，我將vn.py默認的sqlite資料庫改為mongodb，以便於可視化和管理。通過mongoDB，我發現數據以字典形式存儲，包括時間、價格和成交量等，適合初步的回測操作。然而，成交量數據類型問題導致回測失敗，需要清洗數據將其轉換為int類型。

盡管使用了vn.py的示例策略進行回測，結果並不理想，這提示我策略選擇和參數優化還有待改進。我計劃參考vnpy的策略文件，優化策略和參數，但目前面臨股票池選擇的挑戰，因為不可能對所有股票進行回測，需要挑選關鍵股票。

未來，我計劃利用rqdata的API獲取股票數據，並將其導入mongoDB。開學後可能時間緊張，但我會抓緊時間解決這個問題，尋找適合的股票池，以便進行更為系統和有針對性的回測。

總的來說，盡管遇到挑戰，但這個過程也讓我對量化交易有了更深入的理解，期待後續的進展。

Ⅱ 璇鋒暀python閲忓寲浜ゆ槗鏃剁敤鍒扮殑鑲＄エ姣忓ぉ閫愮瑪浜ゆ槗鏁版嵁濡備綍鐖鍙栵紵

棣栧厛錛屾墦寮鏈熻揣浜ゆ槗杞浠訛紝鐧誨綍鑷宸辯殑浜ゆ槗璐︽埛銆傞夋嫨鐩稿簲鐨勬湡璐у悎綰︼紝榪涘叆浜ゆ槗鐣岄潰銆

鍏舵★紝鎵懼埌鈥滄垚浜よ板綍鈥濇垨鈥滈愮瑪鎴愪氦鈥濈瓑鐩稿叧鍔熻兘鎸夐挳銆傚湪涓浜涗氦鏄撹蔣浠朵腑錛岃繖涓鎸夐挳鍙鑳戒綅浜庝氦鏄撶晫闈㈢殑搴曢儴鎴栦晶杈規爮銆

鐒跺悗錛岀偣鍑燴滄垚浜よ板綍鈥濇垨鈥滈愮瑪鎴愪氦鈥濇寜閽錛岃繘鍏ユ垚浜よ板綍欏甸潰銆傚湪榪欎釜欏甸潰涓婏紝浣犲彲浠ョ湅鍒版渶榪戠殑鎴愪氦璁板綍鍒楄〃銆

鎺ヤ笅鏉ワ紝鎵懼埌鈥滃煎嚭鈥濇垨鈥滃煎嚭鎴愪氦鏄庣粏鈥濈瓑鎸夐挳銆傝繖涓鎸夐挳閫氬父浣嶄簬鎴愪氦璁板綍欏甸潰鐨勪笂鏂規垨涓嬫柟銆

鐒跺悗錛岀偣鍑燴滃煎嚭鈥濇垨鈥滃煎嚭鎴愪氦鏄庣粏鈥濇寜閽錛岄夋嫨瀵煎嚭鏂囦歡鐨勬牸寮忓拰淇濆瓨璺寰勩備竴鑸鏉ヨ達紝鎴戜滑鍙浠ラ夋嫨瀵煎嚭涓篍xcel鎴朇SV鏍煎紡鐨勬枃浠訛紝榪欐牱鍙浠ユ柟渚垮悗緇鐨勬暟鎹澶勭悊鍜屽垎鏋愩

鏈鍚庯紝鐐瑰嚮鈥滅『璁も濇垨鈥滃煎嚭鈥濇寜閽錛岀瓑寰呰蔣浠跺畬鎴愬煎嚭榪囩▼銆傚煎嚭鐨勯熷害鍙栧喅浜庢垚浜よ板綍鐨勬暟閲忓拰鐢佃剳鎬ц兘絳夊洜緔犮

涓鏃﹀煎嚭瀹屾垚錛屼綘灝卞彲浠ュ湪閫夋嫨鐨勪繚瀛樿礬寰勪腑鎵懼埌瀵煎嚭鐨勬枃浠躲傞氳繃鎵撳紑榪欎釜鏂囦歡錛屼綘灝卞彲浠ユ煡鐪嬪拰鍒嗘瀽鏈熻揣閫愮瑪鎴愪氦鏄庣粏浜嗐

瀵煎嚭鐨勬湡璐ч愮瑪鎴愪氦鏄庣粏鏂囦歡閫氬父鍖呮嫭浠ヤ笅淇℃伅錛氫氦鏄撴棩鏈熴佷氦鏄撴椂闂淬佹垚浜や環鏍箋佹垚浜ゆ暟閲忋佷拱鍗栨柟鍚戠瓑銆傝繖浜涗俊鎮鍙浠ュ府鍔╀綘榪借釜姣忎竴絎旀垚浜ょ殑鎯呭喌錛屽垎鏋愬競鍦虹殑涔板崠鍔涢噺鍜屼氦鏄撹屼負銆

閫氳繃瀵規湡璐ч愮瑪鎴愪氦鏄庣粏鐨勫垎鏋愶紝浜ゆ槗鑰呭拰鎶曡祫鑰呭彲浠ヨ幏鍙栦互涓嬫柟闈㈢殑淇℃伅錛

棣栧厛錛屼簡瑙ｅ競鍦虹殑鎴愪氦鎯呭喌銆傞氳繃鏌ョ湅鎴愪氦浠鋒牸鍜屾垚浜ゆ暟閲忥紝鍙浠ュ垽鏂甯傚満鐨勪環鏍艱蛋鍔垮拰浜ゆ槗媧昏穬搴︺

鍏舵★紝鍒嗘瀽甯傚満鐨勪拱鍗栧姏閲忋傞氳繃緇熻′拱鍏ュ拰鍗栧嚭鐨勬暟閲忓拰姣斾緥錛屽彲浠ヤ簡瑙ｅ競鍦虹殑澶氱┖鍙屾柟鍔涢噺瀵規瘮錛屽垽鏂甯傚満鐨勮蛋鍔垮拰瓚嬪娍銆

鍐嶆★紝鐮旂┒浜ゆ槗鑰呯殑琛屼負鍜岀瓥鐣ャ傞氳繃鍒嗘瀽鎴愪氦璁板綍錛屽彲浠ヤ簡瑙ｄ氦鏄撹呯殑涔板崠琛屼負鍜岀瓥鐣ワ紝鍙戠幇涓浜涙綔鍦ㄧ殑浜ゆ槗鏈轟細銆

鏈鍚庯紝浼樺寲浜ゆ槗絳栫暐鍜岄庨櫓綆＄悊銆傞氳繃瀵規湡璐ч愮瑪鎴愪氦鏄庣粏鐨勭爺絀訛紝鍙浠ュ彂鐜頒竴浜涘父瑙佺殑浜ゆ槗閿欒鍜岄庨櫓鍥犵礌錛屼粠鑰屾敼榪涜嚜宸辯殑浜ゆ槗絳栫暐鍜岄庨櫓綆＄悊鑳藉姏銆

Ⅲ 【手把手教你】獲取股票數據並進行量化回測——基於ADX和MACD趨勢策略

01 引言

為了幫助對量化分析感興趣但尚未涉足股票量化分析的讀者，本文將介紹獲取股票數據和進行量化回測的基本步驟。公眾號提供了多個參考模板，涉及Python編程基礎、數據獲取、量化分析框架搭建等。目前常用的數據獲取工具包括tushare、tushare pro、akshare、baostock等開源庫，此外還有WindPy、恆有數hs_udata、聚寬JQData等非開源選項。這些庫各有優劣，本文將主要介紹如何使用它們獲取數據並進行量化回測。

02 數據獲取

本文將通過對比tushare、tushare pro、akshare和baostock四個流行的數據獲取庫，展示如何構建統一參數的數據獲取函數。將復權、起始和結束時間設為默認參數，注意tushare pro需要注冊獲取token才能使用。使用這些庫獲取數據，發現tushare pro和akshare的耗時較短，而tushare舊版介面代碼簡潔但耗時較長，baostock則耗時稍長。實際獲取數據時，考慮網路狀態的影響。

03 策略回測

以tushare舊版介面為例，獲取數據並基於技術指標進行量化回測。分析結果表明，「300002」股票在特定時間段內的波動較大，累計收益率為負，年化波動率高，最大回撤比例也較大。回測結果表明，結合ADX、均線和MACD指標構建的交易策略可以帶來正的年化收益率，改善了最大回撤等風險指標，展現出一定的策略有效性。

04 結語

本文通過對比開源數據獲取庫，展示了如何利用它們進行量化回測，並基於ADX、均線和MACD指標構建交易策略。旨在為讀者提供量化分析的思路和模板，但需注意策略的有效性和局限性。實際應用中，應結合市場理解深入拓展策略，並認識到基於技術指標的策略可能受到特定情況的影響。最終，任何策略應用前均需充分測試和驗證。

Ⅳ 量化交易數據從哪裡來

量化交易的數據主要來源於金融市場和交易所。金融市場和交易所是各類金融產品交易的場所，包括股票、期貨、外匯等。在交易過程中，各種交易數據會被記錄下來，例如價格、成交量、買賣方向等。這些數據可以用於量化交易策略的研究和分析。

除了金融市場和交易所，還有一些第三方數據供應商也提供量化交易數據，例如財經新聞機構、數據服務公司等。這些數據供應商會收集、整理和提供各類金融數據，供量化交易者使用。同時，一些量化交易者也會通過自己的數據採集系統獲取數據，如通過API介面獲取交易所數據或者通過爬蟲技術從網頁上獲取數據。

量化交易數據的來源多樣，量化交易者可以根據自己的需求選擇適合的數據來源。例如，對於高頻交易策略，可能更關注交易所提供的實時交易數據，而對於基本面分析，則可能更依賴財經新聞機構提供的市場信息。

不同類型的量化交易策略對數據的要求也不同。例如，技術分析策略可能主要依賴歷史價格和成交量數據，而基本面分析策略則需要更多的宏觀經濟指標和公司財務數據。因此，量化交易者需要根據自己的策略需求選擇合適的數據來源。

在獲取數據時，量化交易者需要注意數據的質量和時效性。高質量的數據能夠提高策略的准確性，而及時的數據則能夠更好地捕捉市場變化。因此，選擇合適的數據供應商和數據來源是非常重要的。

此外，數據處理和分析也是量化交易的重要環節。量化交易者需要對收集到的數據進行清洗、整理和分析，以便從中提取有價值的信息。這通常需要使用統計學和機器學習等方法，以提高策略的表現。

總之，量化交易數據的來源多樣，選擇合適的數據來源對於實現有效的量化交易策略至關重要。量化交易者需要根據自己的策略需求和市場情況，靈活選擇和使用數據來源，以提高策略的表現。

Ⅳ 閲忓寲杞浠舵帓鍚

閲忓寲杞浠舵帓鍚嶏細鍚岃姳欏恆佷笢鏂硅儲瀵屻佹按姣嶉噺鍖栥侀噾鍫嗗爢銆侀棯鐢墊湡璐х瓑銆

1銆佸悓鑺遍『

鍚岃姳欏烘槸涓嬈鵑泦鑲＄エ琛屾儏銆佷氦鏄撱佽儲緇忔柊闂匯佹姇璧勭爺絀躲侀噺鍖栦氦鏄撶瓑澶氬姛鑳戒簬涓韜鐨勭患鍚堥噾鋙嶈蔣浠躲傚悓鑺遍『杞浠舵嫢鏈夊疄鏃惰屾儏銆佸垎鏃惰蛋鍔褲並綰垮浘銆佹妧鏈鍒嗘瀽宸ュ叿銆佽祫璁淇℃伅銆佽嚜閫夎偂絳夊氱嶅姛鑳斤紝鏂逛究鎶曡祫鑰呭揩閫熻幏鍙栬偂甯備俊鎮鍜岃繘琛岃偂紲ㄤ氦鏄撱

浠ヤ笂鍐呭瑰弬鑰冿細鐧懼害鐧劇-涓滄柟璐㈠瘜淇℃伅鑲′喚鏈夐檺鍏鍙

Ⅵ 量化學習-獲取歷史數據

對於量化學習中至關重要的歷史數據獲取，我們首先來了解一下基礎概念。K線，簡稱Bar，是一種展示股票價格變動的圖形，由開盤價、最高價、最低價和收盤價四要素構成，用於反映市場動態和價格信息。移動平均線(Moving Average, 簡稱MA)如MA10、MA20、MA30，是通過計算過去一段時間收盤價的平均值，幫助分析趨勢。例如，貴州茅台的5日、10日和20日均線分別用橙色、黃色和藍色表示，它們反映了近期的價格趨勢和市場參與者的平均成本線。

獲取歷史數據是量化分析的基礎。市面上有專門的API介面可以獲取A股的歷史交易數據，包括日K線、周K線、月K線，以及5分鍾、15分鍾、30分鍾和60分鍾的K線數據。通過這些數據，我們可以進行策略分析和股票選擇。要使用這些數據，首先需要安裝相應的庫，例如日線數據的獲取示例是貴州茅台2021年7月至2022年10月的數據，保存為history_A_stock_k_data.csv。

對於分鍾線數據，這里以5分鍾線為例。在理解數據時，注意「前收盤價」的含義非常重要。在除權除息日，前收盤價並非前一天實際收盤價，而是根據股權登記日收盤價、股息、送股和配股等因素綜合計算得出。計算方法包括除息價的計算（收盤價減去每股紅利），以及除權價（收盤價除以送股數或配股數加一），最後的除權除息價則是上述兩項的綜合結果，由交易所公布。首發日的前收盤價即為首發價格。