ta-lib

TA-Lib 安装包 首先你要明确你的系统版本，win32系统还是Linux，X86还是X64； 如果你的系统是x86平台，在安装了anaconda 的基础上，可以直接使用pip安装，命令如下： pip install talib 如果你的系统是x64平台，直接使用上述命令安装汇报错，原因在于python pip源中TA-Lib是32位的，不能安装在X64平台上，从TA-Lib的官网 http://ta-lib.org 下载的安装包其实也是32位的，如果你的系统平台是64位的，也无法正确安装。 正确的方法是下载64位的安装包，本地安装，64位安装包官网并没有提供，我们必须自行下载。 下载推荐使用加州大学的python扩展库，地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/ 对应TA_Lib包列表如下： 从上面下载的这个： TA_Lib-0.4.17-cp27-cp27m-win_amd64.whl 然后在windows的cmd里面输入命令： pip install TA_Lib-0.4.17-cp27-cp27m-win_amd64.whl ubuntu 下 python 安装talib 包 相比windows 下安装talib ,linux 就没那么容易了。 pip install 直接安装会报错 ，在安装talib

目录 一、前言 问题的引出 MMQT模型的优势 二、MMQT简介 1.接口模块 2.风控模块 3.策略模块 4.反馈模块 三、MMQT的代码实现 1.定义中间模块(类) 1.初始化 2.获取账户信息、交易对信息、订单信息 3.数据更新 4.创建订单 5.获取订单状态 6.撤销订单 7.获取k线信息 2.定义风控模块(类) 3.定义策略模块(类) 1.策略模块初始化 2.技术分析及交易下单 3.反馈模块 4.相关类实例化及程序运行 1.ccxt实例化 2.中间类、风控类、策略类实例化 3.调控程序 四、回测的代码实现 1.获取数据 2.数据清洗 3.模拟账户初始化 4.回测程序 五、总结与展望 1.MMQT的不足之处 2.致谢与参考资料 六、附录：完整代码 1.MMQT 2.回测 版权声明：如需对此文章代码进行转载请注明出处，若用于商业用途、论文写作请私信或联系作者邮箱940648114@qq.com 一、前言 问题的引出 量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。 数字货币是一种基于节点网络和数字加密算法的虚拟货币价值的数字化表示。可以认为不由央行或当局发行，也不与法币挂钩，但由于被公众所接受

前言 目前Python的版本已经到了3.8.5，但是在实际的开发中并木有太多的使用者，或者说很的多包和插件都还不支持。（我java猿一枚）目前自己属于一个量化的初学者，对python生态还不是很了解。全程靠着伸手党的本事，在搜索引擎的海洋里打怪升级，今天在这里记录下升级的心酸。 基础 Python3.6 （不要选高了，我开始就用的3.8.5，基本上和用java14一个道理） PyCharm （编码工具） Anaconda3（包及其依赖项和环境的管理工具） 安装Python 教程地址： 传送门 PyCharm安装 这个怪，你的自己打。也可选择别的怪，不强求。 Anaconda3 简介 ： 包及其依赖项和环境的管理工具 资料： anaconda官网：https://www.anaconda.com/ miniconda官网：https://docs.conda.io/en/latest/miniconda.html 外国语大学：https://mirrors.bfsu.edu.cn/help/anaconda/ 清华大学的：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 创建配置量化的环境 Anaconda3创建环境 打开Anaconda3 Prompt 创建pydev环境： conda create -n pydev python

吾生也有涯，而知也无涯。以有涯随无涯，殆已！ 入市有风险，投资需谨慎，本文不作为任何投资参考依据。 前面通过形态和一些基本面的数据进行了选股，这篇文章就来研究一下相似度选股以及趋势选股吧。 相似度 我们一般比较在意股票的收盘价，比如均线或者各种指标如果需要计算一段序列值，我们一般选择收盘价作为序列中的值，就像5日均线计算的是五日的收盘价的均值一样。 那么每天的收盘价就是一个个数字，一年的收盘价就是一串大概220个数字的序列，这个序列在数学上我们可以用向量来表示，而向量与向量之间是可以计算余弦相似度的，通过这个相似度计算我们可以比较一下两支股票的相似程度。 余弦相似度的值在-1与1之间，越相似就越接近1，反之越接近-1. 它的公式如下: 假设我们对对一支股票很熟悉，那么和它走势极其相似的股票我们是不是可以认为会在以后也跟我们熟悉的那支股票大概一致呢？或者说，在某个特定的行情下，在手动选出了我认为有利的趋势股票，在通过相似度找到其他的股票或许是件不错的事。 这里研究一下最近一百个交易日内与平安银行(000001)这只股票最相似的前十只股票。 为了避免交易日范围相差太大的情况，比如虽然都是最近100个交易日，但是被计算的股票已经停牌了10个交易日或者它没有上市超过10个交易日，所以应该将这些情况给筛选掉。 还有就是股票之间的价格差距过大，那么通过两只股票的价格来进行相似度比较显然不够合理