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。
关于量化合约/合约量化系统开发详细功能:
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
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。
工欲善其事,必先利其器。面对时代变革、技术迭代,开发者们是如何使用Rust构建各场景应用的呢?受疫情影响,延期一年的“第二届中国Rust开发者大会”于7月31日在线上顺利举行,为Rust爱好者带来了前沿的技术交流和实践成果。
这本《金融人工智能:用Python实现AI量化交易》覆盖了金融人工智能的若干重要方面。通过Python示例,介绍人工智能技术在金融数据分析中的应用。带你了解如何利用神经网络和强化学习等方法,对金融市场的走势做出预测。
小T导读:在不久前的“2024,我想和 TDengine 谈谈”征文活动中,我们收到了许多精彩的投稿,反映了用户与 TDengine 之间的真实故事和独特见解。今天,我们很高兴地分享此次活动的第一名作品。这篇文章详细阐述了广西多元量化科技有限公司如何利用 TDengine
作为量化交易的一个重要组成部分,算法交易在欧美已经成为基金业的主流。在2009年,美国90%的投资经理在建立投资组合时至少使用一次算法交易,在英国使用算法交易的基金经理比例达77%。而在中国,算法交易的占比相对较低,还有很大的应用普及的空间。