用python回測

㈠ 用 Python 做策略回測，耗時很長，有什麼加速辦法

一個好的計算邏輯是很重要的啊，比如你去計算一個式子的時候，你去分析千百遍也不如你有一個好的運算方法。計算的時候一定要准備好計算方法，別的計算方法一定要統一規劃。

使用計算機的時候能用計算機交易，這樣能夠克服你的暴躁的情緒。構建屬於自己交易的水準，還有一些措施就是你要去看那些引導文檔，不要自己去摸索。要有自己的專業的知識。

㈡ 選股策略回測用 Matlab 好還是用 Python 好

語言就是用來幹活的，中間文件用HDF5或者csv轉存，需要時間序列分析的時候上內R.畢竟Python的sm庫還是很爛的容，但是PCA和大量的多因子計算，Python R MATLAB都差不多。

回測講究並發效率和一些多參數回測的參數調優以及一些MC方法的估計時，py運行效率(相對於MATLAB)會高一些

總體來說，別太把語言當回事，就跟吃飯用筷子還是勺子還是叉子，要根據食材來

㈢ python量化哪個平台可以回測模擬實盤還不要錢

Python量化投資框架：回測+模擬+實盤
Python量化投資 模擬交易 平台 1. 股票量化投資框架體系 1.1 回測 實盤交易前，必須對量化交易策略進行回測和模擬，以確定策略是否有效，並進行改進和優化。作為一般人而言，你能想到的，一般都有人做過了。回測框架也如此。當前小白看到的主要有如下五個回測框架： Zipline ：事件驅動框架，國外很流行。缺陷是不適合國內市場。 PyAlgoTrade ： 事件驅動框架，最新更新日期為16年8月17號。支持國內市場，應用python 2.7開發，最大的bug在於不支持3.5的版本，以及不支持強大的pandas。 pybacktest ：以處理向量數據的方式進行回測，最新更新日期為2個月前，更新不穩定。 TradingWithPython：基於pybacktest，進行重構。參考資料較少。 ultra-finance：在github的項目兩年前就停止更新了，最新的項目在谷歌平台，無奈打不開網址，感興趣的話，請自行查看吧。 RQAlpha：事件驅動框架，適合A股市場，自帶日線數據。是米筐的回測開源框架，相對而言，個人更喜歡這個平台。 2 模擬 模擬交易，同樣是實盤交易前的重要一步。以防止類似於當前某券商的事件，半小時之內虧損上億，對整個股市都產生了惡劣影響。模擬交易，重點考慮的是程序的交易邏輯是否可靠無誤，數據傳輸的各種情況是否都考慮到。 當下，個人看到的，喜歡用的開源平台是雪球模擬交易，其次是wind提供的模擬交易介面。像優礦、米筐和聚寬提供的，由於只能在線上平台測試，不甚自由，並無太多感覺。 雪球模擬交易：在後續實盤交易模塊，再進行重點介紹，主要應用的是一個開源的easytrader系列。 Wind模擬交易：若沒有機構版的話，可以考慮應用學生免費版。具體模擬交易介面可參看如下鏈接：http://www.dajiangzhang.com/document 3 實盤 實盤，無疑是我們的終極目標。股票程序化交易，已經被限制。但對於萬能的我們而言，總有解決的辦法。當下最多的是破解券商網頁版的交易介面，或者說應用爬蟲爬去操作。對我而言，比較傾向於食燈鬼的easytrader系列的開源平台。對於機構用戶而言，由於資金量較大，出於安全性和可靠性的考慮，並不建議應用。 easytrader系列當前主要有三個組成部分： easytrader：提供券商華泰/傭金寶/銀河/廣發/雪球的基金、股票自動程序化交易，量化交易組件 easyquotation : 實時獲取新浪 / Leverfun 的免費股票以及 level2 十檔行情 / 集思路的分級基金行情 easyhistory : 用於獲取維護股票的歷史數據 easyquant : 股票量化框架，支持行情獲取以及交易 2. 期貨量化投資框架體系 一直待在私募或者券商，做的是股票相關的內容，對期貨這塊不甚熟悉。就根據自己所了解的，簡單總結一下。 2.1 回測 回測，貌似並沒有非常流行的開源框架。可能的原因有二：期貨相對股票而言，門檻較高，更多是機構交易，開源較少； 去年至今對期貨監管控制比較嚴，至今未放開，只能做些CTA的策略，另許多人興致泱泱吧。 就個人理解而言，可能wind的是一個相對合適的選擇。 2.2 模擬 + 實盤 vn.py是國內最為流行的一個開源平台。起源於國內私募的自主交易系統，2015年初啟動時只是單純的交易API介面的Python封裝。隨著業內關注度的上升和社區不斷的貢獻，目前已經一步步成長為一套全面的交易程序開發框架。如官網所說，該框架側重的是交易模塊，回測模塊並未支持。 能力有限，如果對相關框架感興趣的話，就詳看相關的鏈接吧。個人期望的是以RQAlpha為主搭建回測框架，以雪球或wind為主搭建模擬框架，用easy系列進行交易。

㈣ python 回測用什麼包

比較成熟的庫可以參考如下幾個： pybacktest pyalgotrader zipline bt backtrader pybacktest基於vector，不是event based，快得多回得多，缺點也明顯答。

㈤ 用Python 做策略回測，耗時很長，有什麼加速辦法

不是，這里測不出真的網速，應該用電腦管家測。不過我覺得是系統問題。在給你推薦一種方法，可以提高20的寬頻。一、每天關機前清洗 1、雙擊「我的電腦」 2、右鍵點C盤 3、點「屬性」 4、點「磁碟清理」 5、點「確定」 6、再點「是」 7、再點「確定」。 8、清理過程中，您可看得到未經您許可（您可點「查看文件」看，就知道了）進來的「臨時文件」被清除了，盤的空間多了。對D，E，F盤也用此法進行。 二、隨時進行清理 1、打開網頁 2、點最上面一排里的「工具」 3、點「Internet選項」 4、再點中間的「Internet臨時文件」中的「刪除文件」 5、再在「刪除所有離線內容」前的方框里打上勾 6、再點「確定」 7、清完後又點「確定」。 8、這樣，可為打開網頁和空間提速 三、一星期進行所有盤的垃圾清理 1、點「開始」 2、用滑鼠指著「所有程序」 3、再指著「附件」， 4、再指著「系統工具」 5、點「磁碟粹片整理程序」 6、點C盤，再點「碎片整理」（這需要很長時間，最好在您去吃飯和沒用電腦時進行。清理中您可看到您的盤里的狀況，可將清理前後對比一下） 7、在跳出「清理完成」後點「關閉」。 8、按上述方法，對D，E，F盤分別進行清理。 四、給寬頻加速，一分鍾學會釋放電腦保留的20%寬頻資源。 1、單擊「開始——運行」，輸入gpedit.msc回車後即可打開「組策略對象編輯器」。 2、「計算機配置——管理模板——網路——QoS數據包計劃程序」，雙擊右面設置欄中的「限制可保留帶寬」，在打開的屬性對話框中的「設置」選項卡中將「限制可保留帶寬」設置為「已啟用」，然後在下面的「帶寬限制（％）」欄將帶寬值「20」設置為「0」即可。 3、修改完之後，我們可重新打開IE瀏覽器或者用BT或迅雷下載文件，發現上網和下載的速度明顯提升。此項修改對XP和VISTA均有效。

㈥ 有沒有基於python pandas的回測框架

本地運行：
Quantopian開源的zipline可以，但是本地的回測程序，做美股研究可以，但是A股不適合。

線上運行：
想線上回測美股可以使用Quantopian，不過有時鏈接不是很穩定；
因為A股獨特的交易機制，使得沒有一款本地可以運行回測的python包。一、你可以到JoinQuant聚寬量化交易平台，他們自己寫的A股回測框架，還提供處理好的數據，這一點非常好，省去了自己數據清洗的過程。除了A股還有基金期貨的數據，可以做個輪動，對沖等等。二、就是自己寫回測框架，優點是靈活，自己隨意改，缺點就是需要一定的編程基礎。

總結：
JoinQuant和Quantopian數據都可以取到DataFrame格式的，並且都提供notebook以及回測模式，回測研究都可以在線完成。

㈦ 選股策略回測用matlab好還是用python好

我沒錢，支持免費開源

拋開版權不說，初期入手策略測試、數據分析用matlab非常方便
但是策略測試方法、框架弄清楚後，要做正規的回測，還是Python方便，這里的正規是指嚴格的事件流驅動，雖然速度慢，但是避免未來函數影響、接近實盤的邏輯。
Python在這方面已經有很多庫了，quantopian的zipline應該算鼻祖了，國內的優礦網和ricequant都跟zipline很像，另外還有知乎大神的zn.py，PyAlgoTrade等

㈧ 使用python做量化交易策略測試和回驗，有哪些比較成熟一些的庫

可以嘗試一下JoinQuant： 聚寬，人人皆為寬客
詳細的API文檔：API文檔 - JoinQuant

免費提供IPython Notebook研究平台，提供分鍾級數據，採用Docker技術隔離，資源獨立、安全性更高、性能更好，同步支持Python2、Python3。
免費提供滬深A股、ETF的歷史交易數據，支持基於日級、分鍾級的精準回測。
免費提供最准確、實時的滬深A股、ETF模擬交易工具，支持基於tick級的模擬交易。
為量化愛好者提供線上交流社區，支持一鍵克隆策略，便於用戶交流量化策略、學習量化知識，一起成長。
基於2005年至今完整的Level-2數據，上市公司財務數據，包含完整的停復牌、復權、退市等信息，盤後及時更新。

㈨ Python學習，量化交易的應該怎麼學

鏈接：http://pan..com/s/1djPqbCXnQrRpW0dgi2MCJg

華爾街學堂 python金融實務從入門到精通。最近，越來越多的研究員、基金經理甚至財務會計領域的朋友，向小編咨詢：金融人需要學Python么？事實上在現在，這已經不是一個問題了。Python已成為國內很多頂級投行、基金、咨詢等泛金融、商科領域的必備技能。中金公司、銀河證券、南方基金、銀華基金在招聘分析師崗位時，紛紛要求熟練掌握Python數據分析技能。

課程目錄：

Python在金融資管領域中的應用

安裝anaconda步驟

Python基礎知識

Python基礎金融分析應用

成為編程能手：Python知識進階

利用Python實現金融數據收集、分析與可視化

......

㈩ python回測系統 模擬回測 最簡單量化回測系統有哪些支持期貨和股票

github上有一個jdhc簡單回測 是用python寫的比較簡單，需要設置些參數。