JoinQuant量化交易入门指南：从零开始的量化课堂

JoinQuant

需积分: 40 8 浏览量更新于2023-03-16 收藏 26.4MB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

"JoinQuant 量化课堂是一个提供全方位量化交易学习资源的平台，旨在帮助新手和经验丰富的交易者快速掌握量化交易技能。该课堂涵盖了从基础到高级的各种教程，包括编程、数学、策略实例、统计研究和金融市场知识。此外，还提供向导式策略生成器，方便非编程背景的用户快速构建策略。通过量化课堂和社区精选干货，用户可以获取大量实战策略和市场分析。策略擂台功能允许用户分享和发现优秀策略，甚至有机会跟随牛人策略进行交易。同时，JoinQuant 提供详尽的数据资源和常见问题解答，以及API文档和调试工具，帮助用户解决在使用过程中遇到的问题。社区问答和QQ群是寻求帮助和支持的重要渠道，鼓励用户积极参与交流。" JoinQuant 量化课堂的核心知识点包括： 1. 量化交易基础：针对新手，提供"十行代码带你量化交易入门"的教程，介绍策略编写、回测、模拟交易和信号发送的基本步骤。 2. 向导式策略生成器：为不熟悉编程的用户设计，可以通过图形化界面快速验证交易思路，结合编程模式可实现快速策略构建。 3. 量化学习资源：量化课堂提供丰富的编程、数学、策略实例等课程，覆盖量化交易的各个方面，有助于深化理论知识。 4. 社区资源：社区精选文章和心得分享，涵盖从机器学习到股指套利的多种主题，为用户提供了大量的实战经验和学习材料。 5. 策略擂台：这是一个展示和交流策略的平台，用户可以发现优质策略，甚至有机会实现盈利增长。 6. 数据服务：JoinQuant 提供多种数据，并且有常见疑问汇总和数据调整记录，帮助用户理解和使用数据。 7. 问题解决：常见问题解答、API文档、调试工具和社区问答支持，确保用户在遇到问题时能得到及时的帮助。 8. 社交互动：QQ群和社区论坛促进用户之间的交流，增强学习氛围，同时有官方人员和管理员提供专业指导。 JoinQuant 量化课堂是一个全面的量化交易平台，无论你是初学者还是经验丰富的交易者，都能在这里找到适合自己的学习路径和工具，提升量化交易技能。

资源详情

资源推荐

2016-07-19 0

2016-07-20 0

2016-07-21 0

也可指定返回值为

NaN ,只需指定 no_data_return=NaN, 方法如下：

In [6]:

test_dyr_nan = dividend_yield_ratio(stock=security, start_date=None, count=count, end_date=endtime,\

paymentdate=paymentdate, no_data_return=NaN)

test_dyr_nan

Out[6]:

2016-07-19 NaN

2016-07-20 NaN

2016-07-21 NaN

也许你会怀疑小编计算的方法对不对，请看下图，内容截自Wind：

股息率（报告期），7月19-7月21日，报告年度2015

再来一张报告年度为 2014 年的进行测试一下：

股息率（报告期），7月19-7月21日，报告年度2014

平安银行：¶

In [7]:

security = '000001.XSHE'

count = 3

starttime = '2016-07-19'

endtime = '2016-07-21'

paymentdate = 2014

test_dyr = dividend_yield_ratio(stock=security, start_date=None, count=count, end_date=endtime,\

paymentdate=paymentdate, no_data_return=0)

test_dyr

Out[7]:

2016-07-19 1.9398

2016-07-20 1.9420

2016-07-21 1.9355

万科A：¶

In [8]:

security = '000002.XSHE'

count = 3

starttime = '2016-07-19'

还有更多功能等你来发现，小伙伴们赶快来试用吧~~~

> ### 下面是一个简单的股指期货策略demo —— 期现套利：

股票现货市场和股指期货市场紧密相连，根据股指期货的制度设计，期货价格在合约到期日会与现货市场标的指数的价格相等。但实际行情中，期货指数价

格常受多种因素影响而偏离其合理的理论价格，与现货指数之间的价格差距往往出现过大或过小的情况，一旦这种偏离出现，就会带来在期货市场和现货市

场之间套利的机会，我们把这种跨越期市和现市同时进行交易的操作称之为期现套利。

期现套利有两种类型：当现货指数被低估，某个交割月份的期货合约被高估时，投资者可以卖出该期货合约，同时根据指数权重买进成份股，建立套利头

寸。当现货和期货价格差距趋于正常时，将期货合约平仓，同时卖出全部成份股，可以获得套利利润，这种策略称为正向基差套利。

当现货指数被高估，某个交割月份的期货合约被低估时，如果允许融券，投资者可以买入该期货合约，同时按照指数权重融券卖空成份股，建立套利头寸。

当现货和期货价格趋于正常时，同时平仓，获利了结，这是反向基差套利。

期现套利的实质是对现货指数和期货指数的基差进行投机。基差的变动是可以分析和预测的，分析正确可以获利，即使分析失误套利的风险也远比单向投机

的风险低。

因为A股市场没有办法做空，这里只是进行了正向基差套利，我们选择300ETF代替一揽子股票，进行指数跟踪。

策略基本思路：

1. 当基差大于100则买入ETF，卖出股指期货；

2. 当基差缩小至20内，则获利清仓；

【有用功】教你如何调试程序(Debug)

在编写策略中经常会遇到各种各样的错误，十分繁琐，但这又是程序化交易必不可少的一步。

下面小编就教大家如何在 JoinQuant 进行代码调试。

其实在 JoinQuant 运行出错的原因类型也就那么几点。

1. python代码格式错误，如缩进、用法不对等 —— 这个自行百度或者 google 一下错误提示就基本可以搞定

2. 数据处理的问题，如对DataFrame、list、dict操作失误造成的 —— 学习一下相关处理方法即可，可在量化课堂Python 教学中学到相关的基础知识。

3. 还有一些奇奇怪怪的问题，学习随着自己写的程序多了，见的多了，可自行解决。

如下两图所示就是错误提示：

调试的方法可概括为如下几点：

一、先看一下出错代码第几行，自行查看一下，先排除是拼写或者缩进等简单错误。

二、百度或者 google 一下错误提示代码，如查询

python unexpected indent, 会有非常多的结果可供参考。

当然也可以去 Stack Overflow 查询，十分好用，强烈推荐。

三、把错误处前后变量打印出来看一下，是不是所需要的数据对象格式不同造成的。

可以使用 print 或者 try...excpt... ，把相关的变量输出看一下。

示例：

如下代码：

1 def initialize(context):

2 g.security = '000001.XSHE'

3 set_universe([g.security])

5 def handle_data(context, data):

6 get_lists(context)

7 print 'done'

9 def get_lists(context):

10 lists = get_all_securities('stock')

11 log.info(lists)

12 h = history(3, '1d', field='close', security_list = lists, df=False)

13 return [stock for stock in lists if h[stock][-1] < h[stock][0]]

运行之后会报错：

2016-06-01 09:30:00 - INFO - display_name name start_date end_date type

000001.XSHE 平安银行 PAYH 1991-04-03 2200-01-01 stock

000002.XSHE 万科Ａ WKA 1991-01-29 2200-01-01 stock

000004.XSHE 国农科技 GNKJ 1990-12-01 2200-01-01 stock

........

2016-06-01 09:30:00 - ERROR - Traceback (most recent call last):

File "kuanke/user_space.py", line 146, in exec_msg

return getattr(self, func)(*msg['args'], **msg['kwargs'])

File "kuanke/user_space.py", line 319, in handle_data

self.func_handle_data(self.user_context, user_space_api.SecuritiesData(context.current_dt))

File "user_code.py", line 6, in handle_data

get_lists(context)

File "user_code.py", line 12, in get_lists

h = history(60, '1d', field = ('close'), security_list = lists)

File "kuanke/user_space_api.py", line 978, in history

HistoryOptions(fq=fq, skip_paused=bool(skip_paused), df=bool(df)))

File "/home/server/y/envs/kuanke/lib/python2.7/site-packages/functools32/functools32.py", line 380, in wrapper

result = user_function(*args, **kwds)

File "kuanke/user_space_api.py", line 943, in history_daily

options=options,

File "kuanke/user_space_utils.py", line 465, in get_price_daily_single

a = get_all_day_data(security)

File "/home/server/y/envs/kuanke/lib/python2.7/site-packages/functools32/functools32.py", line 380, in wrapper

result = user_function(*args, **kwds)

File "kuanke/user_space_utils.py", line 169, in get_all_day_data

api_proxy.prepare_all_day_data(security)

File "kuanke/user_space.py", line 73, in func

raise ret

Exception: 股票"display_name"不存在

日志打印如上所示，看着眼花缭乱，有木有~~~~

虽说程序给出了 Exception，但明显不是看到不应该是这个问题（机器也没有那么智能）。

再看一下错误提示，发现提示程序第六行出现错误。

第六行我们调用了

get_lists(context) 函数，这里出现错误。

因此我们要查询一下 get_list(contest) 函数。

接着看错误提示，提示 line 12 出现错误，之后又提示了一大堆的错误。

接着我们要核查一下是不是 line 12，history 函数的问题, history 函数如下所示：

history(count, unit='1d', field='avg', security_list=None, df=True, skip_paused=False, fq='pre')

这种函数一般的错误就是传入参数的格式不对，可能是因为传参的顺序出错或者本身传入的格式就有问题。

我们对比一下程序发现，

count, unit, field没什么错误，错误基本是 security_list 的问题。带着怀疑，我们应该打印一下 lists 看一下，是不是一个list。

为了方便，我的程序已经在第11行打印了传入的lists。

发现结果是一个多列的 DataFrame。因为我是想要返回结果的 index 数据。因此应该把第10行改为

lists = get_all_securities('stock').index,并输出 lists

看一下。lists 的结果如下：

2015-06-01 09:30:00 - INFO - Index([u'000001.XSHE', u'000002.XSHE', u'000004.XSHE', u'000005.XSHE',

u'000006.XSHE', u'000007.XSHE', u'000008.XSHE', u'000009.XSHE',

u'000010.XSHE', u'000011.XSHE',

...

u'603969.XSHG', u'603979.XSHG', u'603986.XSHG', u'603988.XSHG',

u'603989.XSHG', u'603993.XSHG', u'603996.XSHG', u'603997.XSHG',

u'603998.XSHG', u'603999.XSHG'],

dtype='object', length=3010)

2015-06-01 09:30:00 - INFO - done

2015-06-02 09:30:00 - INFO - Index([u'000001.XSHE', u'000002.XSHE', u'000004.XSHE', u'000005.XSHE',

u'000006.XSHE', u'000007.XSHE', u'000008.XSHE', u'000009.XSHE',

u'000010.XSHE', u'000011.XSHE',

...

u'603969.XSHG', u'603979.XSHG', u'603986.XSHG', u'603988.XSHG',

u'603989.XSHG', u'603993.XSHG', u'603996.XSHG', u'603997.XSHG',

u'603998.XSHG', u'603999.XSHG'],

2015-06-02 09:30:00 - INFO - done

......................

程序运行成功

当然在代码调试的过程中还会遇到其他各种各样的错误，需要你慢慢积累。

如 https://www.joinquant.com/post/1936 这篇帖子中的问题，程序会提示：

File "user_code.py", line 101

def chk_position(context):

SyntaxError: invalid syntax

但仔细检查，并没错误，真正的错误是由于第98行最后缺少一个括号，程序认为之后的是属于98行括号内的内容。

总结来说，大多数的错误其实通过搜索相关错误提示是可以找到解决办法；再者通过简单的调试与分析，也可以基本解决问题。

调试路漫漫，还望各位稍安勿躁、平心静气，毕竟修行是一辈子的事情~

【有用功】模拟盘替换代码注意事项

内容概述

1. 替换自己定义的函数

2. 修改变量值

3. 修改run_daily 运行时间

4. process_initialize 函数说明

正文

如果需要替换自定义编写的函数，直接使用新函数回测，并替换代码即可。

模拟盘替换代码之后，恢复过程如下，具体参看[模拟盘注意事项]：

1. 加载策略代码, 因为python是动态语言, 编译即运行, 所以全局的(在函数外写的)代码会被执行一遍.

2. 使用保存的状态恢复 g, context, 和函数外定义的全局变量.

3. 执行 process_initialize, 每次启动时都会执行这个函数.

4. 如果策略代码和上一次运行时发生了修改，而且代码中定义了 after_code_changed 函数，则会运行 after_code_changed 函数.

重启后不再执行 initialize 函数, initialize 函数在整个模拟盘的生命周期中只执行一次. 即使是更改回测后, initialize 也不会执行.

模拟盘更改回测之后上述的全局变量(包括 g 和 context 中保存的)不会丢失, run_daily() 函数依然会执行. 新代码中 initialize 不会执行.

如果需要修改原来的值, 可以在 after_code_changed 函数里面修改。

如果需要指定新的定期执行的函数, 调用 unschedule_all 清除原有 run_daily() 运行时间，再重新指定 run_daily() 运行时间。

比如, 原来代码是:

def initialize(context):

g.stock = '000001.XSHE'

run_daily(buy_stock, 'open')

现在想修改

g.stock = '000002.XSHE', run_daily 运行时间为 before_open，必须定义 after_code_changed:

def after_code_changed(context):

unschedule_all()

g.stock = '000002.XSHE'

run_daily(buy_stock, 'before_open')

这样，程序便替换了。

下面再讲讲解一下

process_initialize(context)函数：

现在模拟交易中 initialize 函数在整个模拟盘的生命周期中只执行一次，重启后不再执行，而一些初始化的数据不能被通过pickle序列化, 在模拟交易时进程重

启后会丢失状态。因此我们构建了该函数。

process_initialize 函数会在每次模拟盘/回测进程重启时执行, 一般用来初始化一些不能持久化保存的内容.（如 get_fundamentals 中的 query 对象）

执行顺序是在 initialize 后执行.

因为模拟盘会每天重启, 所以这个函数会每天都执行.

示例：

剩余588页未读，继续阅读

绝不原创的飞龙

粉丝: 2w+
资源: 1091

会员权益专享

JoinQuant量化交易入门指南：从零开始的量化课堂

easytrader：提供同花顺客户端国金华泰客户端雪球的基金，股票自动程序化交易以及自动打新，支持跟踪joinquant ricequant模拟交易和实盘雪球组合，量化交易组件

双均线策略 量化 Python 聚宽 JoinQuant.com

股市常见99策略源码-聚宽平台

写一个适合joinquant的量化交易策略。策略：当mancd在零轴以下死叉且股价高于100均线时买入，金叉卖出。

写一个适合joinquant的双均线量化交易策略代码

joinquant easytrader

python实现得到数字图像的量化步长、量化表、量化矩阵和量化模式

详细解释量化方法包括二值化、整数量化、动态范围量化

onnx量化和Tensorrt量化有什么区别

matlab非均匀量化的量化比特数

均匀量化与非均匀量化的优缺点

如何实现非均匀量化？他能克服均匀量化的什么缺点

请分析均匀量化时，非过载区和过载区量化误差的取值情况

均匀量化和非均匀量化的误码率随信噪比变化曲线有什么区别

神经网络模型压缩之量化神经网络模型压缩之量化

马尔科夫择时策略

Python-QuantStatsPython宽客投资组合分析工具

easytrader雪球JoinQuant专用版

会员权益专享

最新资源

双均线策略量化 Python 聚宽 JoinQuant.com