https://zhuanlan.zhihu.com/p/647611800
-
pip install -r requirements.txt
- pip freeze > requirements.txt(生成依赖)
-
tushare里的api.pro_bar.adj='qfq'(默认值修改为前复权)
- ./site-packages/tushare/pro/data_pro.py
-
run.py 启动回测程序
-
backtesting.py 断点调试策略文件
-
study.py
MA + BOOL + 量 + 自选股
数据
- 每天请求股票列表
- 删除不在列表里的数据
- 定时更新
明显信号:
-
直接介入
-
信号介入
- 连续3天小涨(这种好介入,风险低)
- 成交量大涨,并且上涨(介入风险大)
- 二次探底确认
-
卖出
- 放量顶冲不过去
- 破位卖出
- 10d卖出
-
股票较多的时候,可以调大回撤
-
测试下10%等小区间的
-
买入点
- 换手率
- 动量策略?
策略!!!
- 50%波浪
- 近几天平稳
- 小市值策略
- 昨天收盘价
- 今天开盘价
- 动量策略 + 龙虎榜
- 港股通
- PEG
- 研报:券商、价格/涨幅、持有评级、无研报
- 股票回购
mpf文档 https://github.com/matplotlib/mplfinance/blob/master/examples/addplot.ipynb
- 识别的点位太少(波峰识别不准确)
- 预处理数据,标记所有波峰,并且标记low,high price
- 波峰里面还会包含小波峰
- 往前寻找支撑点
- 买入时机
- 尾盘买入?这个省事,但要统计概率,做好止损
- 实盘结合量能来决定介入时机?
- 预处理数据,标记所有波峰,并且标记low,high price
- -50%
- 中际旭创最近两次探底走势?
- 拿到所有的数据
- 识别波浪顶底
- 底:止跌、顶:MA
- 止损
- 再测试别的股票
- 获取A股所有数据
- 追涨策略
- ETF T0
- 看图/波动是否足够大
- tick数据
- 期货
- 策略研究
- 验证:是否有效、收益/风险评估
- 开发
- 策略来源(别人已验证策略/因子库)
- uni-bar
- 契合模型数据
- 多策略:针对验证指标来做完善
- 接入模型
- chatGPT
- 量化系统/工具
- 获取数据
- 回测
- nvpy, backtrader
- pandas-ts 技术指标库
- 交易
- 模拟/实盘交易
- 拆单
- 因子:fama、波动、ma、boll
- Boll+MACD
- 三浪
- uni-bar
- 判断顶底概率
- 结合概率逐步买卖
- 离场时机:波动变小
- 信号识别(时间点、空间)
- 识别小散/机构单子
- 了解拆单工具
- 识别小散/机构单子
- 资金、技术指标、价值指标
- 资金占比:黄金、债券、股市(国、行业)
有效因子
- Boll
- 是否有效(多数据源验证)
- 对比市场(hs300)
- 超额收益
- alpha: 与市场对比超额收益(收益指标)
- beta: 与市场对比波动性(风险指标)
- 多数据源验证:防止幸存者偏差、过拟合
- 不同股票、年份
- tip: 先拿噪音小的市场来验证?比如hs300
- 造数据验证 *
- 对比市场(hs300)
- 收益/风险评估
- 收益
- 年化、超额年化
- 风险
- 夏普(超额收益所承担的风险:性价比)
- 最大回撤
- 盈亏比例/胜率
- 收益
- 开发新策略
- K线周期:15min、日K
- 策略失效?自动停止?
- unit-bar
- 市场:股票、指数、期货、btc
- 工具
- 单因子验证结果差,可能只是有偏科?如果搭配在一起用可能会很好?
每月重新检验有效性
- fama: 市场、规模、价值、盈利、投资
- 估值因子、成长因子
- 杠杆
- 训练随机森林模型
- 入参:各技术指标
- pandas-ta 技术指标库(量化入参,而不是bool)
- 预测:后1d~5d的数据(短期可能噪音太大,试一下周线?),各涨跌幅概率
- 入参:各技术指标
chatGPT预测行业热度,分数/系数
- 训练:给出利好利空的分数,并且举几个例子给GPT
- 入参:当天的新闻和贴吧、微信指数(股票、开户、销户)
- 出参:分数
- 机器学习寻找因子
- 跟随资金
- 主力会隐藏资金,但散户不行
- 主力布局阶段
- 龙虎榜
- D:\veighna_studio\Lib\site-packages\vnpy_tushare\tushare_datafeed.py
- EXCHANGE_VT2TS
- to_ts_asset