Python量化交易詳細(xì)簡(jiǎn)介
一、量化交易概述(algo-trading)
算法交易是使用自動(dòng)化系統(tǒng)來(lái)執(zhí)行交易,這些交易是通過(guò)特定的算法以預(yù)測(cè)的方式執(zhí)行的沒(méi)有任何人為干預(yù)。依據(jù)數(shù)學(xué)模型對(duì)大數(shù)據(jù)進(jìn)行概率分析,使得長(zhǎng)期收益期望最大化。
量化交易優(yōu)點(diǎn):
1.歷史評(píng)估
創(chuàng)建自動(dòng)化戰(zhàn)略最重要的優(yōu)勢(shì)在于其性能可以通過(guò)歷史市場(chǎng)數(shù)據(jù)來(lái)確定來(lái)代表未來(lái)市場(chǎng)的數(shù)據(jù)。這個(gè)過(guò)程被稱(chēng)為回潮測(cè)試backtesting
?;販y(cè)可以確定戰(zhàn)略的(先前)統(tǒng)計(jì)特性,提供一個(gè)戰(zhàn)略是否有可能在未來(lái)有利可圖的見(jiàn)解。
2.效率
算法交易比任意方法更有效率。充分自動(dòng)化系統(tǒng)不需要個(gè)人或團(tuán)隊(duì)持續(xù)監(jiān)控價(jià)格市場(chǎng)。這為交易的開(kāi)發(fā)者騰出了時(shí)間戰(zhàn)略進(jìn)行更多的研究。此外,自動(dòng)化交易可以實(shí)現(xiàn)風(fēng)險(xiǎn)管理和頭寸調(diào)整流程的自動(dòng)化穩(wěn)定的系統(tǒng)性策略,動(dòng)態(tài)地實(shí)時(shí)響應(yīng)市場(chǎng)動(dòng)態(tài)
3.沒(méi)有任意的輸入
自動(dòng)交易系統(tǒng)的主要優(yōu)點(diǎn)之一是(理論上)不存在隨后的的情輸入。執(zhí)行時(shí),恐懼和貪夢(mèng)可能是壓倒性的自由交易。在系統(tǒng)交易的情況下,很少有酯情修改策略的時(shí)候。但是有時(shí)候由于外部因素,判斷需要修改該策略的參數(shù)或退出執(zhí)行該模型。
4.更高的頻率
這是上面討論的效率優(yōu)勢(shì)的必然結(jié)果。在更高的運(yùn)作策略自動(dòng)化環(huán)境下,許多市場(chǎng)上的頻率成為可能。的確,一些最有利可圖的交易策略是在限價(jià)訂單薄limit or market order trading book
上的超高頻域運(yùn)作數(shù)據(jù)。這些策略對(duì)于人類(lèi)來(lái)說(shuō)是不可能實(shí)現(xiàn)的。
量化交易缺點(diǎn):
資本要求:
算法交易通常需要比用于零售的資本基礎(chǔ)更大的資本自由交易的交易。此外,獲取數(shù)據(jù)饋送的盤(pán)中量化策略,特別是如果使用期貨合約對(duì)零售商而言并不便宜。根據(jù)延遲需求,可能需要在交換機(jī)中共同定位服務(wù)器,這增加了每月的成本。還需要更強(qiáng)大的互聯(lián)網(wǎng)連接和功能強(qiáng)大(因而價(jià)格昂貴)的桌面機(jī)器。最重要的是,由于算法交易尋求的是收益率的長(zhǎng)期期望,因此需要較大的資本量來(lái)支持短期的損失。
二、交易系統(tǒng)
1.回測(cè)-backtest
pybacktest's
的功能。為此,我們回測(cè)精典交易策略移動(dòng)平均線MA交叉。
- MA快線上穿慢線時(shí),買(mǎi)進(jìn)做多
- MA快線下穿慢線時(shí),賣(mài)出做空
- 進(jìn)場(chǎng)規(guī)則,也是退場(chǎng)規(guī)則,交易策略相反相成
2.交易所
有兩個(gè)可以執(zhí)行的訂單類(lèi)型:市場(chǎng)訂單和限價(jià)訂單。市場(chǎng)訂單立即執(zhí)行交易,而不管可用的價(jià)格。因此很大作為市價(jià)訂單執(zhí)行的交易通常會(huì)得到每個(gè)后續(xù)限價(jià)訂單的價(jià)格混合在對(duì)面被填滿。市場(chǎng)訂單將被視為積極的訂單幾乎肯定會(huì)被填補(bǔ),盡管潛在的未知成本。限價(jià)訂單為策略提供了一種機(jī)制,以確定最差的價(jià)格交易將被執(zhí)行,同時(shí)警告交易可能不會(huì)被部分或完全填補(bǔ)。限制訂單被視為被動(dòng)訂單,因?yàn)樗鼈兺ǔJ强杖钡?,但是?dāng)它們是價(jià)格時(shí)保證。
3.交易費(fèi)
交易策略產(chǎn)生的交易成本最直接的形式是傭金。所有策略都需要某種形式的訪問(wèn)交換,直接或者是通過(guò)經(jīng)紀(jì)中介(“經(jīng)紀(jì)人”)。這些服務(wù)帶來(lái)了額外的成本每筆交易稱(chēng)為傭金。經(jīng)紀(jì)商通常會(huì)提供很多服務(wù),盡管定量算法只能真正實(shí)現(xiàn)交換基礎(chǔ)設(shè)施的使用。因此,經(jīng)紀(jì)傭金往往很小,每筆交易基礎(chǔ)。經(jīng)紀(jì)商也收取費(fèi)用,這是清理和結(jié)算交易的費(fèi)用。進(jìn)一步這是區(qū)域或國(guó)家政府征收的稅。例如,在英國(guó)有對(duì)股票交易支付印花稅。
到此這篇關(guān)于Python量化交易詳細(xì)簡(jiǎn)介的文章就介紹到這了,更多相關(guān)Python量化交易內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
Python使用Flask框架獲取當(dāng)前查詢參數(shù)的方法
這篇文章主要介紹了Python使用Flask框架獲取當(dāng)前查詢參數(shù)的方法,實(shí)例分析了query_string獲取查詢參數(shù)的技巧,需要的朋友可以參考下2015-03-03搭建Python的Django框架環(huán)境并建立和運(yùn)行第一個(gè)App的教程
時(shí)至今日Django仍然是人氣最高的Web開(kāi)發(fā)框架,MVC結(jié)構(gòu)清晰內(nèi)置功能強(qiáng)大,這里我們就來(lái)共同學(xué)習(xí)搭建Python的Django框架環(huán)境并建立和運(yùn)行第一個(gè)App的教程2016-07-07Python數(shù)據(jù)分析之獲取雙色球歷史信息的方法示例
這篇文章主要介紹了Python數(shù)據(jù)分析之獲取雙色球歷史信息的方法,涉及Python網(wǎng)頁(yè)抓取、正則匹配、文件讀寫(xiě)及數(shù)值運(yùn)算等相關(guān)操作技巧,需要的朋友可以參考下2018-02-02Django+Xadmin構(gòu)建項(xiàng)目的方法步驟
這篇文章主要介紹了Django+Xadmin構(gòu)建項(xiàng)目的方法步驟,小編覺(jué)得挺不錯(cuò)的,現(xiàn)在分享給大家,也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2019-03-03如何將yolo格式轉(zhuǎn)化為voc格式:txt轉(zhuǎn)xml(親測(cè)有效)
這篇文章主要介紹了如何將yolo格式轉(zhuǎn)化為voc格式:txt轉(zhuǎn)xml,親測(cè)有效,可以使用,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),感興趣的朋友參考下吧2023-12-12Python實(shí)現(xiàn)對(duì)比兩個(gè)Excel數(shù)據(jù)內(nèi)容并標(biāo)記出不同
日常工作中需要對(duì)比兩個(gè)Excel工作表中的數(shù)據(jù)差異是很不方便的,使用python來(lái)做就比較簡(jiǎn)單了!本文為大家介紹了python實(shí)現(xiàn)對(duì)比兩個(gè)Excel的數(shù)據(jù)內(nèi)容并標(biāo)記出不同數(shù)據(jù)的示例代碼,需要的可以參考一下2022-12-12