收录了 python量化交易 频道下的 50 篇内容
本文简要介绍了 AlphaGo 的三个“利器”,以及解决搜索棋局样本空间巨大这个问题所采用的蒙特卡洛树搜索法,进一步从中提取蒙特卡洛法应用于量化交易的策略参数优化中。
股市波动的规律一直是一个极具挑战性的世界级难题,迄今为止已经出现过多个具有代表性的理论,随机漫步理论(Random Walk Theory)就是其中之一。
智能合约不一定构成合法的有效约束协议。(刘森-180-2857-8624)一些法律学者声称,智能合约不是法律协议,而是履行源自其他协议的义务的手段,例如用于支付义务自动化的技术手段或代币或加密货币转让中的义务。
金融市场的行情数据,具有很强的时间性和顺序依赖性。业务需求的智能量化交易系统低延迟计算和多语言系统模块的交互,给性能优化带来了挑战。
现在Python最新的必学工具--Jupyter Notebook!
本文测试DolphinDB和pickle在数据读取方面的性能。与使用pickle文件存储相比,直接使用DolphinDB数据库,数据读取速度可最多可提升10倍以上;若为了考虑与现有Python系统的集成,使用DolphinDB提供的Python API读取数据,速度最多有2~3倍的提升。
金融机构由于面临激烈的竞争压力,需要不断对自身结构和人才资源进行迭代,以适应不断变化的新情况。随着微软前首席科学家邓力宣布加盟对冲基金巨头 Citadel,我们可以看到金融界已经向计算机科学(特别是机器学习)人才打开了大门。近日,摩根大通发布了一份题为《大数据与人工智能战略:机器学习和其它投资数据分析方法(Big Data and AI Strategies: Machine Learning and Alternative Data Approach to Investing)》的报告,对机器学习和大数据对金融领域的影响进行了全面的阐述。eFinancialCareers 对这份长达 280 页的报告进行了提炼,得出了 12 个重要看点。
随着数字货币市场的不断发展,越来越多的投资者开始涉足到加密货币交易市场中。然而,这个市场的波动性非常大,投资
合约跟单量化交易是一种基于程序化交易策略的交易方式,通过跟随主交易者的交易策略和操作来实现更好的交易效果。本文
关于量化合约/合约量化系统开发详细功能:
由于量化交易机器人系统的开发涉及到多个方面,包括数据采集、数据分析、交易策略制定和执行等,因此需要使用多种编程语言和技术栈。以下是一个简单的Python示例代码,用于展示量化交易机器人系统的基本框架:
现货量化合约跟单项目系统的开发流程通常包括以下步骤:
许多客户都充分利用AWS快速、稳定的全球基础设施构建他们的业务
合约跟单量化交易是一种投资策略,它基于跟随其他交易者的交易记录进行交易。具体来说,它通过跟随一组特定的交易者(称为“导师”或“交易导师”)的交易记录,复制其交易行为,并根据市场情况自动生成交易信号。
量化现货合约跟单交易所平台系统是一个复杂而系统的平台,它集成了多个关键功能模块,以支持量化交易策略的执行、市场数据的实时接入、订单管理、风险控制以及用户友好的界面交互等。以下是对该系统的详细解析:
数字货币量化交易交易所系统的开发步骤可以如下:
推荐 GitHub 上有用的项目,一分钟 get 一个优秀的开源项目,挖掘开源的价值。
用Python编写基于BitMEX交易所的量化交易策略
加密货币合约套利机器人是一种计算机程序,它可以自动执行交易操作,以利用不同加密货币价格之间的差异来获利。这些机器人通常使用预定义的指令或算法来管理交易,并根据市场情况自动调整投资策略。