整体感觉

优点：
1，功能较全，现在还没有太多感触。但国内的量化平台都是仿照国外的，很多东西也是从国外引进来的。
2，分享策略。上面有人分享他的策略，并且免费看源代码。相比而言，国内的全都要钱，一个还不知道效果怎么样的策略，要充会员才能看。不得不说，就开源和分享而言，国外做的好得多，如GitHub。
缺点：
1，全英文。对大部分国人来说，具有语言障碍。
2，不支持A股。不过我现在仅以学习为主，无所谓了。
3，有时候有些地方太卡了。部分页面可能需要fq。打开notebook也忒慢了。

下面就要开始我的量化入门了。

开始(Getting Started)

https://www.quantopian.com/tutorials/getting-started

在https://www.quantopian.com/research/notebooks上新建一个notebook，并复制下面代码，运行。
可以得到和文档一样的图片和结果。

from quantopian.pipeline.data.factset import Fundamentals, EquityMetadatais_share = EquityMetadata.security_type.latest.eq('SHARE')
is_primary = EquityMetadata.is_primary.latest
primary_shares = (is_share & is_primary)
market_cap = Fundamentals.mkt_val.latestuniverse = market_cap.top(1000, mask=primary_shares)from quantopian.pipeline.data import EquityPricing
from quantopian.pipeline.factors import SimpleMovingAverage# 1-month (21 trading day) moving average factor.  1个月的移动平均因子
fast_ma = SimpleMovingAverage(inputs=[EquityPricing.close], window_length=21)# 6-month (126 trading day) moving average factor. 6个月的移动平均因子
slow_ma = SimpleMovingAverage(inputs=[EquityPricing.close], window_length=126)# Divide fast_ma by slow_ma to get momentum factor and z-score.
momentum = fast_ma / slow_ma  # 快的/慢的 = 动量因子
momentum_factor = momentum.zscore()from quantopian.pipeline import Pipeline
from quantopian.pipeline.domain import US_EQUITIES# Create a US equities pipeline with our momentum factor, screening down to our universe.
pipe = Pipeline(columns={'momentum_factor': momentum_factor,},screen=universe,domain=US_EQUITIES,
)# Run the pipeline from 2016 to 2019 and display the first few rows of output.
from quantopian.research import run_pipeline
factor_data = run_pipeline(pipe, '2016-01-01', '2019-01-01')
print("Result contains {} rows of output.".format(len(factor_data)))
factor_data.head()from quantopian.pipeline.factors import Returns# Create and run a Pipeline to get day-over-day returns.
returns_pipe = Pipeline(columns={'1D': Returns(window_length=2),},domain=US_EQUITIES,
)
returns_data = run_pipeline(returns_pipe, '2016-01-01', '2019-02-01')# Import alphalens and pandas.
import alphalens as al
import pandas as pd# Shift the returns so that we can compare our factor data to forward returns.
shifted_returns = al.utils.backshift_returns_series(returns_data['1D'], 2)# Merge the factor and returns data.
al_returns = pd.DataFrame(data=shifted_returns, index=factor_data.index,columns=['1D'],
)
al_returns.index.levels[0].name = "date"
al_returns.index.levels[1].name = "asset"# Format the factor and returns data so that we can run it through Alphalens.
al_data = al.utils.get_clean_factor(factor_data['momentum_factor'],al_returns,quantiles=5,bins=None,
)from alphalens.tears import create_full_tear_sheetcreate_full_tear_sheet(al_data)

代码跑通了，但内容还不是很懂，后续学习。

国外量化平台-quantopian体验相关推荐

国外量化平台，以QuantOpian为例
QuantOpian是国际量化投研平台的典型案例,该公司成立于2011年,目前网站注册用户超过20万个,连续4年用户数量几乎翻倍增长,同时注册用户共编写运行了超过900万个策略.用户中有分布超过190 ...
做量化交易需要了解的国外在线量化平台有哪些？
国外量化平台: Quantopian 研究.回测.算法众包平台 QuantConnect 研究,回测和投资交易 Quantstart 研究,回测和投资交易 ASC 研究.交易平台 zulutrade ...
国内外量化平台发展现状简析
转国内外量化平台发展现状简析https://blog.csdn.net/myquant/article/details/85992029原标题:<国内外量化平台简介>,来源:万联金工公众 ...
国内外量化平台发展现状析
转国内外量化平台发展现状简析原标题:<国内外量化平台简介>,来源:万联金工公众号最近,京东量化平台下线的消息引发了量化圈的热烈讨论.近几年来,国内各类量化平台如雨后春笋般涌现,如聚宽 ...
[量化-002]量化平台和量化理论
量化入门最快的方式,选一只股票,选一个量化平台,在上面把常见的量化模型遍历学习一遍,找到有效赚钱的方式. 国外的量化平台 quantopin https://www.quantopian.com/ N ...
掘金、聚宽和米筐各量化平台优缺点2
掘金优点: - 集成了多种数据源和数据接口,包括股票.期货.数字货币等市场数据. - 提供托管账户和自营账户两种交易方式,自营账户支持10倍杠杆. - 提供市场行情分析.交易统计.策略回测等功能,支 ...
国内量化平台不完全汇总
开始量化交易的第一步就是对比.选择各家量化平台了,这里列出一些面向个人的平台,仅供大家参考: 1.Ptrade 恒生出品,国内最主流的量化平台之一,合作券商多,5w甚至更低即可开权限.支持python ...
第一天: 5天免费搭建个人量化平台 - 预备工作
第一天: 5天免费搭建个人量化平台 - 预备工作前言搭建自己的数据库 Mysql 数据库 Mongodb数据库安装Python环境及基本库 python建议使用 Anaconda3 第三方库:命 ...
Alibaba 应用诊断利器 Arthas 3.0.5 版本发布：提升全平台用户体验
Arthas从9月份开源以来,受到广大Java开发者的支持,Github Star数三个月超过6000,非常感谢用户支持.同时用户给Arthas提出了很多建议,其中反映最多的是: Windows平台用 ...

国外量化平台-quantopian体验

文章目录

整体感觉

开始(Getting Started)

国外量化平台-quantopian体验相关推荐

最新文章

热门文章