亚洲一区二区三区。,亚洲综合一区二区

作為一個(gè)quant，無(wú)論是分析還交易，都要從數(shù)據(jù)開(kāi)始。高質(zhì)量的結(jié)構(gòu)化數(shù)據(jù)可以為quant節(jié)約大量時(shí)間。tushare作為一個(gè)免費(fèi)Python財(cái)經(jīng)數(shù)據(jù)接口，為想要探索量化領(lǐng)域的學(xué)習(xí)者打開(kāi)了一扇方便的大門(mén)。今天我們就來(lái)介紹一下tushare中主要函數(shù)的用法。

import tushare as ts
import pandas as pd
import time

1 交易數(shù)據(jù)

stocks = ['300631', '300605', '300576']
dates = [('2017-09-04','2017-09-10'),('2017-09-11', '2017-09-17'),('2017-08-28','2017-09-03')]

1.1 歷史數(shù)據(jù)

# get_k_data 函數(shù)獲取歷史數(shù)據(jù)
# 將多個(gè)時(shí)間段的數(shù)據(jù)拼接
# 出于性能的考慮，一次性請(qǐng)求數(shù)據(jù)的時(shí)間長(zhǎng)度較好不超過(guò)3年，需要獲取更長(zhǎng)時(shí)間的歷史數(shù)據(jù)就需要將多個(gè)數(shù)據(jù)表拼接
# ktype 的可用選項(xiàng)：D=日k線 W=周 M=月 5=5分鐘 15=15分鐘 30=30分鐘 60=60分鐘，默認(rèn)為D
data = [ts.get_k_data('300631', start, end, ktype='W') for (start, end) in dates]
df = pd.concat(data).set_index('date').sort_index()
df

1.2 實(shí)時(shí)數(shù)據(jù)

ts.get_today_all()

# 使用 get_today_all 函數(shù)獲取實(shí)時(shí)數(shù)據(jù)# 每30秒刷新一次數(shù)據(jù)
while True:
    df = ts.get_today_all()
    print('\n', df.head())
    time.sleep(30)

1.3 歷史分筆數(shù)據(jù)

# 獲取歷史分筆數(shù)據(jù)函數(shù)
ts.get_tick_data(stocks[0], '2017-09-15')

import datetime as dt

# 分筆數(shù)據(jù)只能逐日獲取
# 需要獲取多日的歷史分筆數(shù)據(jù)需要再次用到 dataframe 拼接
# 獲取工作日序列
(start, end) = dates[0]
bdate_range = pd.bdate_range(start, end).tolist()
bdates = [datetime.strftime(date, '%Y-%m-%d') for date in bdate_range

# 定義一個(gè)獲取 tick 數(shù)據(jù)，并插入日期列的函數(shù)
def get_tick(code, date):
    df = ts.get_tick_data(code, date)
    df['time'] = date + ' ' + df.time
    df.set_index('time', inplace=True)
    df.sort_index(inplace=True)    
    return df

# 獲取多日的 tick 數(shù)據(jù)并拼接成 dataframe
data = [get_tick(stocks[0], date) for date in bdates]
tick_df = pd.concat(data)
tick_df

1.4 實(shí)時(shí)分筆數(shù)據(jù)

# 歷史分筆只能獲取當(dāng)前交易日前一天及以前的數(shù)據(jù)，當(dāng)天的實(shí)時(shí)數(shù)據(jù)需要通過(guò)實(shí)時(shí)接口獲取
while True:
    tick = ts.get_realtime_quotes([stocks[0],'sh'])
    print(tick[['time','code','name','price','bid','b1_v', 'ask','a1_v', 'volume']],'\n')
    time.sleep(3)

1.5 指數(shù)行情列表

# 獲取指數(shù)行情數(shù)據(jù)
index = ts.get_index()
index

1.6 大單數(shù)據(jù)

# 獲取單日大單數(shù)據(jù)，僅對(duì)歷史日期有效# 通過(guò) vol 參數(shù)設(shè)定大單門(mén)檻值,默認(rèn)為400手
df = ts.get_sina_dd(stocks[0], '2017-09-15', vol=1000)
df

量化金融分析師(簡(jiǎn)稱AQF，Analyst of Quantitative Finance)由量化金融標(biāo)準(zhǔn)委員會(huì)(Standard Committee of Quantitative Finance，SCQF)主考并頒證，是代表量化金融領(lǐng)域的專業(yè)水平證書(shū)。 >>>點(diǎn)擊咨詢AQF證書(shū)含金量

　　 AQF證書(shū)

課程適合人群：

　　金融工程/數(shù)學(xué)專業(yè)背景的同學(xué)/工作人士，希望進(jìn)一步學(xué)習(xí)Python編程以及在量化投資的實(shí)戰(zhàn)應(yīng)用；

　　非金融工程專業(yè)背景的同學(xué)/工作人士，希望迅速成為寬客；

　　金融相關(guān)人員，希望學(xué)習(xí)如何系統(tǒng)的做量化策略；

　　個(gè)人投資者，希望系統(tǒng)學(xué)習(xí)掌握量化投資相關(guān)的實(shí)務(wù)技能，從模型開(kāi)發(fā)，回測(cè)，策略改進(jìn)，搭建穩(wěn)定的量化交易系統(tǒng)。>>>點(diǎn)擊咨詢AQF課程相關(guān)問(wèn)題

（點(diǎn)擊上圖了解課程詳情）

　　量化金融分析師AQF核心課程體系：

　　1、《量化投資基礎(chǔ)》

　　主要涵蓋了量化投資領(lǐng)域的必備知識(shí)，包括：基本面分析、技術(shù)分析、數(shù)量分析、固定收益、資產(chǎn)組合管理、權(quán)益、另類投資等內(nèi)容。

　　2、《Python語(yǔ)言編程基礎(chǔ)》

　　包含了Python環(huán)境搭建、基礎(chǔ)語(yǔ)法、變量類型、基本函數(shù)、基本語(yǔ)句、第三方庫(kù)、金融財(cái)務(wù)實(shí)例等內(nèi)容。旨在為金融財(cái)經(jīng)人提供最需要的編程方法。

　　3、《基于Python的經(jīng)典量化投資策略》

　　包含了最富盛名，最基本的量化交易思想和交易策略。例如：海龜交易模型、Logistics模型、配對(duì)交易模型、波動(dòng)擴(kuò)張模型、Alpha模型、機(jī)器學(xué)習(xí)(隨機(jī)森林模型、主成分分析)、深度學(xué)習(xí)(人工神經(jīng)網(wǎng)絡(luò))等內(nèi)容。

　　4、《量化交易系統(tǒng)設(shè)計(jì)》

　　旨在學(xué)習(xí)量化交易系統(tǒng)的具體知識(shí)，包括過(guò)濾器，進(jìn)入信號(hào)，退出信號(hào)，倉(cāng)位管理等詳細(xì)內(nèi)容，并指導(dǎo)學(xué)員設(shè)計(jì)涵蓋個(gè)人交易哲學(xué)的量化交易系統(tǒng)。

　　5、《量化實(shí)盤(pán)交易》

　　旨在為解決實(shí)際量化交易策略搭建過(guò)程中的一些問(wèn)題提供較優(yōu)解決方案。 >>>點(diǎn)擊咨詢AQF相關(guān)問(wèn)題

　　掌握Python及量化投資技能，我們能做什么?

1、熟悉中國(guó)主要金融市場(chǎng)及交易產(chǎn)品的交易機(jī)制；

2、熟知國(guó)內(nèi)外期貨交易、股市交易的異同點(diǎn)和內(nèi)在運(yùn)行機(jī)制；

3、掌握經(jīng)典量化交易策略細(xì)節(jié)及其背后的交易哲學(xué)；

4、掌握金融、編程和建模知識(shí)基礎(chǔ)，擁有量化交易實(shí)盤(pán)操作能力；

5、具備獨(dú)立自主地研發(fā)新量化交易策略的能力；

6、掌握量化交易模型設(shè)計(jì)的基本框架，以及風(fēng)險(xiǎn)管理和資產(chǎn)組合理論的實(shí)際運(yùn)用；

7、掌握從策略思想——策略編寫(xiě)——策略實(shí)現(xiàn)餓完整量化投資決策過(guò)程；具備量化投資實(shí)戰(zhàn)交易能力。

　　 AQF試聽(tīng)課