武汉百度建网站广州网络营销推广

量化投资

随着互联网、计算机、机器学习的高速发展，越来越多的产业、技术都开始了智能化转型，投资理财也不例外。
量化投资在海外的发展已经有了30多年的历史，其中的传奇人物数学家詹姆斯·西蒙斯管理的大奖章基金从1989到2007年间的平均年收益率高达35%，即便是在次贷危机爆发的2007年，该基金的回报率仍高达85%。
好的量化投资模型对我们的投资决策有着很大的辅助作用

全文先讲述各个小模块的使用，文末附有有封装好的函数和完整代码

---

欢迎大家关注我们的抖音号”金融观察“（JRGC8888），上面会分析一些关注度很高的金融事件、分享一些有意思的投资者故事。也可以关注我们的微博”科学量化“

---

绘图技能

Python绘图库：matplotlib

在量化投资方面，我们主要会使用matplotlib库的基本绘图即可

• 函数：matplotlib.pyplot.plot([x], y, color, marker, linestyle, …)

  在量化投资研究初期其他掌握：color、marker(点型参数)、linestyle(线型参数) 即可。有需要时，其他参数可以自己查看文档来获取

import matplotlib.pyplot as pltstork_closs = [116.5, 115.2, 118.9, 125.2, 117.4, 126.6, 130.1, 135.3, 142.6, 150.9, 158.2, 149.2, 136.9]plt.plot(stork_closs, color='r', marker='o', linestyle='--')
plt.show()

绘制烛状图库：mpl_finance

该部分原来是matplotlib中的一个模块，现在独立出来后需要自己使用下面pip语句重新安装
pip install mpl_finance

• 函数：mpl_finance.candlestick_ochl(ax, opens, closes, highs, lows, width=4, colorup=‘k’, colordown=‘r’, alpha=0.75)

  • ax参数可以是 fig, ax = plt.subplots(figsize) 返回的ax
  • opens、closes、highs、lows分别对应着股票每日的开盘价、收盘价、最高价、最低价
  • width对应烛状的宽度
  • colorup对应当日收盘价格大于开盘价格的柱状颜色（价格上涨）
  • colordown对应当日收盘价格小于开盘价格的柱状颜色（价格下跌）
  • alpha对应条形透明度

为了方便导入足够的数据，导入数据的时候需要用到abupy这个库，该库有在GitHub上面开源，可以了解一下。

import abupy
from abupy import ABuSymbolPd
import mpl_finance as mpf
import matplotlib.pyplot as plt
from matplotlib.dates import date2num__colorup__ = 'red'
__colordown__ = 'green'abupy.env.enable_example_env_ipython()  # 使用沙盒数据，目的是和书中一样的数据环境，不使用会报错
tsla_df = ABuSymbolPd.make_kl_df('usTSLA', n_folds=2)  # 固定导入美股tsla的行情数据，n_folds=2表示两年数据
tsla_df = tsla_df[:50]  # 选取前50个，数据过多不易观察fig, ax = plt.subplots(figsize=(14, 7))qutotes = []for index, (d, o, c, h, l) in enumerate(zip(tsla_df.index, tsla_df.open, tsla_df.close,tsla_df.high, tsla_df.low)):d = date2num(d)  # 蜡烛图的日期要使用matplotlib.finance.date2num进行转换为特有的数字值val = (d, o, c, h, l)  # 日期，开盘，收盘，最高，最低组成tuple对象valqutotes.append(val)  # 加val加入qutotes# 使用mpf.candlestick_ochl进行蜡烛绘制，ochl代表：open，close，high，low
mpf.candlestick_ochl(ax, qutotes, width=0.6, colorup=__colorup__, colordown=__colordown__)
ax.autoscale_view()
ax.xaxis_date()plt.show()

最后输出的图像如下：

该图像已经是一幅很标准的烛状图了，但是在使用股票市场的软件时，我们都知道在烛状图上还有几条移动平均线，下一节将给大家介绍如何去画移动平均线，分别采用自己定义的函数计算移动平均线数值并绘图、采用现成的开源函数绘图。

之后的博客讲解深度会逐渐提升，将包括一下几个方面：

绘图

指标公式与计算函数

止盈止损策略及函数实现

多策略组合选股

机器学习在量化投资方面的应用

---

最后附上封装好的函数和全部代码

import abupy
import matplotlib.pyplot as plt
import mpl_finance as mpf
from matplotlib.dates import date2num
from abupy import ABuSymbolPd
abupy.env.enable_example_env_ipython()  # 使用沙盒数据，目的是和书中一样的数据环境，不使用会报错# ———————————————————— #
# ———— 默认参数设置 ———— #
# ———————————————————— #
__colorup__ = "red"
__colordown__ = "green"tsla_df = ABuSymbolPd.make_kl_df('usTSLA', n_folds=2)  # 固定导入tsla的行情数据
tsla_df = tsla_df[:50]  # 选取前50条行情数据
# ———————————————————— #def plot_by_close(data_df=tsla_df, axs=None, show=False):'''绘制收盘价格图:param data_df: 输入的数据，默认采用tsla的历史行情数据，输入的数据类型目前只支持DataFrame类型:param axs: 是否在子图上绘制:param show: 是否显示图像:return:'''drawer = plt if axs is None else axsdrawer.plot(data_df.close, color='r')if show:plt.show()def plot_ochl(data_df=tsla_df, axs=None, show=False):'''绘制烛状图:param data_df: 输入的数据，默认采用tsla的历史行情数据，输入的数据类型目前只支持DataFrame类型:param axs: 是否在子图上绘制:param show: 是否显示图像:return:'''drawer = plt if axs is None else axsfig, ax = drawer.subplots(figsize=(14, 7))qutotes = []for index, (d, o, c, h, l) in enumerate(zip(data_df.index, data_df.open, data_df.close,data_df.high, data_df.low)):d = date2num(d)  # 蜡烛图的日期要使用matplotlib.finance.date2num进行转换为特有的数字值val = (d, o, c, h, l)  # 日期，开盘，收盘，最高，最低组成tuple对象valqutotes.append(val)  # 加val加入qutotes# 使用mpf.candlestick_ochl进行蜡烛绘制，ochl代表：open，close，high，lowmpf.candlestick_ochl(ax, qutotes, width=0.6, colorup=__colorup__, colordown=__colordown__)ax.autoscale_view()ax.xaxis_date()if show:plt.show()if __name__ == '__main__':plot_ochl()  # 绘制烛状图，会新建画布plot_by_close(show=True)  # 绘制收盘价格曲线图# 通过修改参数show的输入，来控制多图绘制还是单图绘制，下一节单图绘制烛状图和均线时很有用

最后输出的图像如下：

欢迎大家关注我们

我们的抖音号：金融观察（JRGC8888）

我们的微博：科学量化