python量化交易教程

Ⅰ python開發EA外匯交易怎麼開發

1.首先，你要有一個EA，必須要有以ex4為擴展名的，如果只有mq4文件的話，就要用MetaTrader自帶的編輯器MetaEditor打開，將mq4通過編譯(compile)並且要不出現錯誤，才能在原存放mq4的文件夾下面得到一個同名的ex4文件。
2.將這個ex4文件復制到MetaTrader 4所在的文件夾下面的experts文件夾下，比如：D:Program FilesACTC MetaTrader 4experts，關閉並重新打開MetaTrader 4。
3.在「導航」下面的「智能交易系統」下面右鍵點擊你想要使用的EA。
拓展資料：
1、 對於想要在 mt5+python 發展 ea 的交易者，最大會立即遇到的困難是，mt5 現在還沒有提供 python 可以調用 mt5 backtest 的介面，也就是在 python 上開發 ea 是無法在 mt5 上作復盤測試的，只能另外再找 python 的第三方 backtest 庫再多寫介面來達成。 復盤不是只有驗證策略的有效性，也扮演調試策略參數的重要工作，所以復盤對於開發 ea 是相當重要的環節。
2、另外在執行速度上，mt5+python ea 的速度自然是無法和純在 mt5 開發的 ea 相比，這個是實際執行壓力測試後得到的結論。因為 mt5+python ea 在調用當前價格和 K 線數據作為信號計算，和調用交易記錄，需要透過 mt5 python 官方庫與 mt5 建立在本地的一個加密的 socket 連接來作，讀寫速度自然是比不過 mt5 ea 直接從 mt5 內存讀取行情數據和訂單信息。雖然 python 是腳本編程語言，與其他編譯型的編程語言程序比自然是不快，但是對於 ea 的應用，這樣的慢是不太感受的到，可以直接感受到與相同 mt5 ea 的慢，主要是慢在與 mt5 間的大量數據傳送和 io 讀寫差異上，尤其是連續調用行情數據比較多時，這樣的速度差異就相當明顯了。
3、這還是有優化方式的，可以仿 mql5 指標對於初始和後續的行情讀取，採取精簡量的讀取方式。 既然有這些缺點，在 mt5 開發 python ea 還是在有些領域有不可替代的優點，所以 metaquotes 才會在 2020 年最終還是把 python 介面和函數庫提供出來。因為現在許多衍生性交易平台都已經具備了 python api，而經過這些年，python 已經成為量化交易程序最有人氣的編程語言，這也讓許多交易團隊在建構量化交易的環境，會優先考慮 python。 另外在人工智慧的量化交易，python 的機器學習和統計數組處理的第三方庫大概是最豐富的編程語言。對於交易策略里有用到 tensorflow 這類機器學習庫，使用 python 來開發自動交易程序是最佳的選擇。 mt5 或是 mt4 ea 受限於當時 metaquotes 自定的限制，只能作單線程運行，當同時觸發事件函數如 OnTimer OnTick OnChartEvent，mt5 底層會作互斥鎖限制一個線程運行。
操作環境： 瀏覽器 電腦端：macbookpro mos14打開goole版本 92.0.4515.131

Ⅱ 用python做期貨要學哪些東西

第一部分 Python基礎：
第1章 語法基礎
第2章 常用數據類型
第3章 函數式編程
第4章 常用數據類型的運算
第5章 循環（遍歷、迭代）
第6章 面向對象編程
第7章 裝飾器
第8章 錯跡扒辯誤和異常處理
第9章 模塊、包和文件
第10章 時間日期處理
第11章 多進程multiprocess模塊
第12章 多線程threading模塊
第13章 非同步asyncio庫
第二部此鍵分 期貨量化交易：
第14章 天勤姿缺量化框架
第15章 pandas模塊
第16章 TqSdk的使用
第17章 TqSdk部分函數解讀
第18章 量化策略示例
第19章 用GUI庫開發界面程序
第20章 K線與技術指標繪圖
第21章 定量分析初步

Ⅲ 有沒有python應用於量化交易的實戰課

丁鵬主講的《量化投資-策略與技術》
有空來掘金量化社區逛逛，與各位寬客互動交流學習

Ⅳ 《零起點Python大數據與量化交易》pdf下載在線閱讀全文，求百度網盤雲資源

《零起點Python大數據與量化交易》（何海群）電子書網盤下載免費在線閱讀

鏈接：https://pan..com/s/1pcG2U6mSKjIw1ATXQN_AFA

書名：零起點Python大數據與量化交易

作者：何海群

豆瓣評分：3.9

出版社：電子工業出版社

出版年份：2017-2

頁數：444

內容簡介：

《零起點Python大數據與量化交易》是國內較早關於Python大數據與量化交易的原創圖書，配合zwPython開發平台和zwQuant開源量化軟體學習，是一套完整的大數據分析、量化交易的學習教材，可直接用於實盤交易。《零起點Python大數據與量化交易》有三大特色：第一，以實盤個案分析為主，全程配有Python代碼；第二，包含大量的圖文案例和Python源碼，無須專業編程基礎，懂Excel即可開始學習；第三，配有專業的zwPython集成開發平台、zwQuant量化軟體和zwDat數據包。

《零起點Python大數據與量化交易》內容源自筆者的原版教學課件，雖然限於篇幅和載體，省略了視頻和部分環節，但核心內容都有保留，配套的近百套Python教學程序沒有進行任何刪減。考慮到廣大入門讀者的需求，筆者在各個核心函數環節增添了函數流程圖。

Ⅳ Python量化教程：不得不學的K線圖「代碼復制可用」

不管是對量化分析師還是普通的投資者來說，K線圖（蠟燭圖）都是一種很經典、很重要的工具。在K線圖中，它會繪制每天的最高價、最低價、開盤價和收盤價，這對於我們理解股票的趨勢以及每天的多空對比很有幫助。

一般來說，我們會從各大券商平台獲取K線圖，但是這種情況下獲得的K線圖往往不能靈活調整，也不能適應復雜多變的生產需求。因此我們有必要學習一下如何使用Python繪制K線圖。

需要說明的是，這里mpl_finance是原來的matplotlib.finance，但是現在獨立出來了（而且好像沒什麼人維護更新了），我們將會使用它提供的方法來繪制K線圖；tushare是用來在線獲取股票數據的庫；matplotlib.ticker中有個FuncFormatter()方法可以幫助我們調整坐標軸；matplotlib.pylab.date2num可以幫助我們將日期數據進行必要的轉化。

我們以上證綜指18年9月份以來的行情為例。

我們先使用mpl_finance繪制一下，看看是否一切正常。

可以看到，所有的節假日包括周末，在這里都會顯示為空白，這對於我們圖形的連續性非常不友好，因此我們要解決掉他們。

可以看到，空白問題完美解決，這里我們解釋一下。由於matplotlib會將日期數據理解為 連續數據 ，而連續數據之間的間距是有意義的，所以非交易日即使沒有數據，在坐標軸上還是會體現出來。連續多少個非交易日，在坐標軸上就對應了多少個小格子，但這些小格子上方並沒有相應的蠟燭圖。

明白了它的原理，我們就可以對症下葯了。我們可以給橫坐標（日期）傳入連續的、固定間距的數據，先保證K線圖的繪制是連續的；然後生成一個保存有正確日期數據的列表，接下來，我們根據坐標軸上的數據去取對應的正確的日期，並替換為坐標軸上的標簽即可。

上邊format_date函數就是這個作用。由於前邊我們給dates列生成了從0開始的序列連續數據，因此我們可以直接把它當作索引，從真正的日期列表裡去取對應的數據。在這里我們要使用matplotlib.ticker.FuncFormattter()方法，它允許我們指定一個格式化坐標軸標簽的函數，在這個函數里，我們需要接受坐標軸的值以及位置，並返回自定義的標簽。

你學會了嗎？

當然，一個完整的K線圖到這里並沒有結束，後邊我們會考慮加入均線、成交量等元素，感興趣的同學歡迎關注哦！