alexliou 發表於 18-4-25 14:35

利用 Python 來做程式交易

最近在學 Python
感覺利用 Python 來做策略回測 似乎是滿簡單的
網路上的資源非常多
底下這篇入門文 是篇非常好的教學
https://www.datacamp.com/communi ... ance-python-trading

Anonymous 發表於 18-5-14 21:10

本帖最後由 Simon 於 18-5-14 21:13 編輯


程式每天會自動產出新的交易策略



程式會自動挑出高勝率的交易策略


這是透過大數據歷史回測分析結果

以上的交易策略皆是透過基因演算法 + 蒙地卡羅 使用C#.NET 實作 + 永豐API 自動下單機
來實現印鈔機的過程(完全不需要另外撰寫交易策略,開發新的交易商品,只需要1Hr)。

1.程式會自動淘汰勝率低於 70% 交易策略,只會保留目前最強的交易策略
(不限交易商品 股票/期貨/股票期貨/外匯/虛擬貨幣...)皆可自動產出交易策略,會自動將產出之交易策略直接寫入MS SQL記錄。
2.勝率如果低於 20% 程式會自動進行反向交易
3.手上的交易策略皆由電腦自動排序交易,不須人工干涉。

以上僅供參考

Simon 發表於 18-4-30 19:22

本帖最後由 Simon 於 18-4-30 19:29 編輯

最近有一些不同的想法
1.不能只有 DATE TIME OPEN HIGH LOW CLOSE VOLUME 這些欄位,因為這些只是基本的
2.想辦法再增加10-100欄位,這樣才能找出更細部的現象,我個人的欄位資料超過50個。
3.欄位越多,越能夠發揮人工智慧的差異
4.股票=價格=數位資料 不需要多此一舉-->很多人改使用圖形辨識,不會比較快,也不會比較聰明。
5.人工智慧有它的缺陷、弱點,只要您有用過xNN,就會知道只有區區幾個欄位是無法區分幾萬筆資料的不同。

PS:去年花了半年的時間去學 Python, 後來發現Python 可以做的, C# 也可以做到喔, 所以又改用C# 去做不一樣的分析。Ex. 我也試過 基因演算法 + 蒙地卡羅 => 去跑台指期 這就是策略大師的核心基礎。
試過各種不同排列組合 + 各種人工智慧演算法。
以上僅供參考

shunyulu 發表於 18-5-8 15:25

人的邏輯和機器的邏輯是不一樣的
有興趣可以去學學時序分析
偉大的操盤手就那幾招
懂得就懂
不懂就不懂

Simon 發表於 18-4-29 10:09

Python 是目前地表上最強悍的程式語言有眾多的大廠支援程式庫包括 Google - TensorFolw ...
能夠使用 Python 來回測歷史資料, 就好像開著UFO(意旨高科技)跟散戶開私家車PK
孰強孰弱高下立判, 但,不表示開UFO一定會贏, 最少已經是站上 網路巨擘Google 的肩膀之上在開發程式交易.....
任何的人工智慧語言都是有缺陷的,只要能調整好交易參數,最少已經立於不敗之地。
以上。


感謝樓主分享。

u04122 發表於 18-4-27 02:57

謝謝版大無私的分享. http://www.coco-in.net/static/image/smiley/onion_custom_emoticons/042.gif

alexliou 發表於 18-4-26 11:56

deep learning 的入門教學
https://www.datacamp.com/community/tutorials/deep-learning-python

manmanlai 發表於 18-4-26 09:42

不錯的入門文,還可以直接線上練習

special 發表於 18-4-25 14:55

{:4_161:}感謝分享

可是有點年紀還是感覺有點困難

abab47036 發表於 19-5-15 07:33

MaverickRay 發表於 19-5-14 22:49
我也想學,有大致瀏覽過一本,但不太知道要怎麼利用來做程式交易..大大不知你願不願意分享一下有沒有什麼書 ...

您也可以google python ai 操盤手 參考看看{:4_153:}

alexliou 發表於 18-4-30 09:25

本帖最後由 alexliou 於 18-4-30 09:28 編輯

Simon 發表於 18-4-29 10:09
Python 是目前地表上最強悍的程式語言有眾多的大廠支援程式庫包括 Google - Tens ...
我是沒那麼樂觀啦
以下是某個PRC 部落格主 對deep learning 運用於金融商品交易的看法
我是覺得挺值得參考的
===============================================
看到很多文章、公众号、或者券商,都发文章说深度学习来根据历史的指标作为input,利用LSTM之类的网络去把未来股票、期货的收益做预测,并对应成交易策略。这个方式我基本试过了,无论是通过分类的方式、或者回归的方式去预测,结果都很差。而且输出很倾向于移动平均外推的结果,很有意思。这里暂不论定用新的技术预测股票等资产价格靠不靠谱,但首先请大家想清楚,为什么凭几个输入就能预测未来?这个基于历史数据预测未来的假设很强,在一个很强假设下,用一个黑箱在run出一个胜率勉勉强强的结果,就有点差强人意。很难让人信服用于实盘。这就是为什么决策树之类的算法在金融应用会多一点的原因。那这么好的新技术如何应用呢?深度学习适合图像分类,关键还是图像与名称之间有稳定的数据维度对应关系,这个关系多复杂不怕,但关系稳定。而金融序列不同,历史数据预测未来的逻辑本身就“不稳定”,那用这种复杂工具的结果只会更混乱。===============================================

我認為用Machine Learning/Deep Learning來做程式交易
可以讓交易人的思考更加focus 在市場/策略的本質上
探究何者是有用的features 及 何者是可預測的(想預測甚麼)
而把複雜的計算與coding交給電腦


cukie 發表於 18-4-30 11:30

有興趣可以參考參考{:11_755:}
https://github.com/jeromeku/Python-Financial-Tools

realucky 發表於 18-5-3 22:01

在github裡面真的有很多python的資源可以參考

kjwang 發表於 18-5-4 05:49

python到底比C#強大在哪裡呢?統計分析?

alexliou 發表於 18-5-4 06:13

kjwang 發表於 18-5-4 05:49
python到底比C#強大在哪裡呢?統計分析?

相對優點
C#:
    1. 執行速度較快(complied language)
    2. 大多數國內券商的API都 explicitly support c#, 有c#的執行範例碼
    3. msdn 有非常完整的說明與舉例

Python :

[*]程式碼可以非常簡短並有效 (once you got used to the syntax).
[*]有數量龐大的數學與統計 “packages” 可供調用, 尤其是在機器學習與深度學習方面, 這些功能, 如果要用c#來寫, 我自己是永遠也寫不出來.
[*]Is continuously developed and supported by the global scientific community (三不五時就come out 新的package).


realucky 發表於 18-5-5 14:25

python 接C# 的API一直有狀況,不知大大可否指點一下

alexliou 發表於 18-5-5 18:25

本帖最後由 alexliou 於 18-5-5 18:56 編輯

realucky 發表於 18-5-5 14:25
python 接C# 的API一直有狀況,不知大大可否指點一下
python我是新手並無這方面的經驗






realucky 發表於 18-5-5 19:32

網路上找的資訊,都沒辦法讓python 直接接群益 C#API,能力太差了
頁: [1] 2 3
查看完整版本: 利用 Python 來做程式交易