量化平台
Ptrade|QMT|银行股息率轮动 实盘自动化交易
量化交易 • 李魔佛 发表了文章 • 0 个评论 • 1242 次浏览 • 2024-03-05 09:33
看有没有人需要，前排占坑 -- Task --
看有没有人需要，前排占坑 -- Task --
华泰matic能在虚拟机运行吗？
量化交易 • 李魔佛 发表了文章 • 0 个评论 • 1124 次浏览 • 2024-01-05 09:36
答：vmware上不行。登录的时候会直接提示说，matic禁止在虚拟机运行。
但matic却可以在hyper X虚拟机上运行。笔者在win11家庭版的hyper x测试过的。
但matic却可以在hyper X虚拟机上运行。笔者在win11家庭版的hyper x测试过的。
答：vmware上不行。登录的时候会直接提示说，matic禁止在虚拟机运行。
但matic却可以在hyper X虚拟机上运行。笔者在win11家庭版的hyper x测试过的。
但matic却可以在hyper X虚拟机上运行。笔者在win11家庭版的hyper x测试过的。
小市值轮动-量化交易-程序化交易-Ptrade实盘
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 2411 次浏览 • 2023-10-07 14:14
运行了一段时间的实盘策略。中途不断加条件，避免买入暴雷的品种；遇到一字板涨停的不要急于轮动卖出。等破板再卖出。
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
查看全部
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
查看全部
运行了一段时间的实盘策略。中途不断加条件，避免买入暴雷的品种；遇到一字板涨停的不要急于轮动卖出。等破板再卖出。
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
当前策略持有30只。
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
万0.854 免5 量化开户|QMT|Ptrade|掘金量化|国盛证券
券商万一免五 • 李魔佛 发表了文章 • 0 个评论 • 2881 次浏览 • 2023-09-01 22:25
为贯彻落实7月24日中央政治局会议精神和国务院相关会议部署，进一步活跃资本市场，提振投资者信心，形成推动经济持续回升向好的工作合力，证监会指导上海证券交易所、深圳证券交易所、北京证券交易所自8月28日起进一步降低证券交易经手费。沪深交易所此次将A股、B股证券交易经手费从按成交金额的0.00487%双向收取下调为按成交金额的0.00341%双向收取，降幅达30%；北交所在2022年12月调降证券交易经手费50%的基础上，再次将证券交易经手费标准降低50%，由按成交金额的0.025%双边收取下调至按成交金额的0.0125%双边收取。同时，将引导证券公司稳妥做好与客户合同变更及相关交易参数的调整，依法降低经纪业务佣金费率，切实将此次证券交易经手费下降的政策效果传导至广大投资者
在今年8月的时候，交易所下调经手费，经手费是交易所收取的。 所以国盛证券响应国家号召，第一时间下调经手费。
从原来的万1免5，下降到现在的万0.854 免5
对于量化交易Ptrade，QMT，交易费率也是一样，下调到万0.854 免五 ！！！ 简直良心证券呀，有木有！
目前国盛证券的QMT，miniQMT的开通门槛是入金50W， Ptrade的入金门槛也是50W，而且国盛的Ptrade是可以访问外部数据的。比如你的自己的mysql数据库，还有爬虫获取问财数据等等。 开ptrade的我一般推荐你们开通国盛证券的。 而其他 的湘财证券ptrade，是无法获取外部数据，外部网络的。
需要开通的可以扫码微信开通：
备注： 量化开户
非诚勿扰，欢迎其他券商合作！
查看全部
为贯彻落实7月24日中央政治局会议精神和国务院相关会议部署，进一步活跃资本市场，提振投资者信心，形成推动经济持续回升向好的工作合力，证监会指导上海证券交易所、深圳证券交易所、北京证券交易所自8月28日起进一步降低证券交易经手费。沪深交易所此次将A股、B股证券交易经手费从按成交金额的0.00487%双向收取下调为按成交金额的0.00341%双向收取，降幅达30%；北交所在2022年12月调降证券交易经手费50%的基础上，再次将证券交易经手费标准降低50%，由按成交金额的0.025%双边收取下调至按成交金额的0.0125%双边收取。同时，将引导证券公司稳妥做好与客户合同变更及相关交易参数的调整，依法降低经纪业务佣金费率，切实将此次证券交易经手费下降的政策效果传导至广大投资者
在今年8月的时候，交易所下调经手费，经手费是交易所收取的。 所以国盛证券响应国家号召，第一时间下调经手费。
从原来的万1免5，下降到现在的万0.854 免5
对于量化交易Ptrade，QMT，交易费率也是一样，下调到万0.854 免五 ！！！ 简直良心证券呀，有木有！
目前国盛证券的QMT，miniQMT的开通门槛是入金50W， Ptrade的入金门槛也是50W，而且国盛的Ptrade是可以访问外部数据的。比如你的自己的mysql数据库，还有爬虫获取问财数据等等。 开ptrade的我一般推荐你们开通国盛证券的。 而其他 的湘财证券ptrade，是无法获取外部数据，外部网络的。
需要开通的可以扫码微信开通：
备注： 量化开户
非诚勿扰，欢迎其他券商合作！
花了1小时用django快速写了个可转债实时系统
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 1671 次浏览 • 2022-09-07 08:08
有个朋友的因子也特别刁钻，他自己用excel也不容易计算，拉取最新数据，筛选排除，计算权重后得到得分，最后得到目标转债。 手机上也无法操作，手机操作excel，上面的很多操作无法实施。
用django快速搭了个页面给他
点击查看大图
数据是实时选出来的。当时帮他做的回测收益率也是很高，主要回撤控制得很好。
本来想用gin写，发现后台的dataframe还有这要找go下对应的库，避免计算出错，还是用会python吧(-。-)
公众号： 查看全部
用django快速搭了个页面给他
点击查看大图
数据是实时选出来的。当时帮他做的回测收益率也是很高，主要回撤控制得很好。
本来想用gin写，发现后台的dataframe还有这要找go下对应的库，避免计算出错，还是用会python吧(-。-)
公众号： 查看全部
有个朋友的因子也特别刁钻，他自己用excel也不容易计算，拉取最新数据，筛选排除，计算权重后得到得分，最后得到目标转债。 手机上也无法操作，手机操作excel，上面的很多操作无法实施。
用django快速搭了个页面给他
点击查看大图
数据是实时选出来的。当时帮他做的回测收益率也是很高，主要回撤控制得很好。
本来想用gin写，发现后台的dataframe还有这要找go下对应的库，避免计算出错，还是用会python吧(-。-)
公众号：
用django快速搭了个页面给他
数据是实时选出来的。当时帮他做的回测收益率也是很高，主要回撤控制得很好。
本来想用gin写，发现后台的dataframe还有这要找go下对应的库，避免计算出错，还是用会python吧(-。-)
公众号：
从零开始 手撸一个回测框架 （以可转债双低，低溢价为例）
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 2507 次浏览 • 2022-09-01 18:39
因为优矿大部分可转债接口开始收费了，之前星球上分享的回测代码基本也跑不了。不过在关停转收费之前，已经把所需的数据下载下来，而最近的数据通过集思录补充既可。
Mysql 数据
下面是代码主框架，目前通过之前优矿的导出的csv数据 ，计算 各个因子。 通过不同权重评分，进行轮动。class DataFeed:
def __init__(self):
self.csv_path = CSV_PATH
self.position = {}
self.HighValue = 0
self.Start_Cash = 1000000 # 初始资金
self.MyCash = self.Start_Cash
self.Withdraw = 0
self.daily_netvalue =
self.current_day = 0
self.PosValue = 0
self.threshold = 0 # 阈值
self.HighValue = self.Start_Cash
self.date_list, self.source = self.feed()
self.day_count = 0
def unpossibile(self, df, date):
# 剔除当日涨停的转债，买不入
raise_limited_dict = {
'2022-04-08': ['127057', ],
'2022-07-27': ['127065', ],
'2022-07-28': ['127065', ],
}
target_list = raise_limited_dict.get(date, None)
if target_list is None:
return df
return df.drop(index=target_list, axis=1)
def feed(self):
df = pd.read_csv(self.csv_path,
encoding='utf8',
dtype={'tickerEqu': str, 'tickerBond': str, 'secID_x': str},
)
del df['Unnamed: 0']
df['tradeDate'] = pd.to_datetime(df['tradeDate'], format='%Y-%m-%d')
df = df.set_index('tradeDate')
date_set = set(df.index.tolist())
date_list = list(map(lambda x: x.strftime('%Y-%m-%d'), date_set))
date_list.sort()
return date_list, df
def filters(self, df, today):
# 过滤条件，可添加多个条件
df = self.unpossibile(df, today)
return df
def logprint(self, current):
log.info('当前日期{}'.format(current))
def run(self):
for current in self.date_list:
if current < START_DATE or current > END_DATE:
continue
if self.day_count % FREQ != 0:
self.get_daily_netvalue(current)
else:
self.handle_data(current)
self.day_count += 1
self.after_trade()
双低和低溢价选债轮动：
上面是主要框架代码， 根据数据来驱动交易。 可以根据不同的时间日期进行回测交易。不同持有个数，不同轮动功能天数。【完整代码可以常见 知识星球】
运行： python main.py
运行后会自动保存一个excel文件：
并且可以生成收益率曲线图：
完整代码与数据可以参考星球代码：
查看全部
Mysql 数据
下面是代码主框架，目前通过之前优矿的导出的csv数据 ，计算 各个因子。 通过不同权重评分，进行轮动。class DataFeed:
def __init__(self):
self.csv_path = CSV_PATH
self.position = {}
self.HighValue = 0
self.Start_Cash = 1000000 # 初始资金
self.MyCash = self.Start_Cash
self.Withdraw = 0
self.daily_netvalue =
self.current_day = 0
self.PosValue = 0
self.threshold = 0 # 阈值
self.HighValue = self.Start_Cash
self.date_list, self.source = self.feed()
self.day_count = 0
def unpossibile(self, df, date):
# 剔除当日涨停的转债，买不入
raise_limited_dict = {
'2022-04-08': ['127057', ],
'2022-07-27': ['127065', ],
'2022-07-28': ['127065', ],
}
target_list = raise_limited_dict.get(date, None)
if target_list is None:
return df
return df.drop(index=target_list, axis=1)
def feed(self):
df = pd.read_csv(self.csv_path,
encoding='utf8',
dtype={'tickerEqu': str, 'tickerBond': str, 'secID_x': str},
)
del df['Unnamed: 0']
df['tradeDate'] = pd.to_datetime(df['tradeDate'], format='%Y-%m-%d')
df = df.set_index('tradeDate')
date_set = set(df.index.tolist())
date_list = list(map(lambda x: x.strftime('%Y-%m-%d'), date_set))
date_list.sort()
return date_list, df
def filters(self, df, today):
# 过滤条件，可添加多个条件
df = self.unpossibile(df, today)
return df
def logprint(self, current):
log.info('当前日期{}'.format(current))
def run(self):
for current in self.date_list:
if current < START_DATE or current > END_DATE:
continue
if self.day_count % FREQ != 0:
self.get_daily_netvalue(current)
else:
self.handle_data(current)
self.day_count += 1
self.after_trade()
双低和低溢价选债轮动：
上面是主要框架代码， 根据数据来驱动交易。 可以根据不同的时间日期进行回测交易。不同持有个数，不同轮动功能天数。【完整代码可以常见 知识星球】
运行： python main.py
运行后会自动保存一个excel文件：
并且可以生成收益率曲线图：
完整代码与数据可以参考星球代码：
查看全部
因为优矿大部分可转债接口开始收费了，之前星球上分享的回测代码基本也跑不了。不过在关停转收费之前，已经把所需的数据下载下来，而最近的数据通过集思录补充既可。
Mysql 数据
下面是代码主框架，目前通过之前优矿的导出的csv数据 ，计算 各个因子。 通过不同权重评分，进行轮动。
双低和低溢价选债轮动：
上面是主要框架代码， 根据数据来驱动交易。 可以根据不同的时间日期进行回测交易。不同持有个数，不同轮动功能天数。【完整代码可以常见 知识星球】
运行： python main.py
运行后会自动保存一个excel文件：
并且可以生成收益率曲线图：
完整代码与数据可以参考星球代码：
下面是代码主框架，目前通过之前优矿的导出的csv数据 ，计算 各个因子。 通过不同权重评分，进行轮动。
class DataFeed:
def __init__(self):
self.csv_path = CSV_PATH
self.position = {}
self.HighValue = 0
self.Start_Cash = 1000000 # 初始资金
self.MyCash = self.Start_Cash
self.Withdraw = 0
self.daily_netvalue =
self.current_day = 0
self.PosValue = 0
self.threshold = 0 # 阈值
self.HighValue = self.Start_Cash
self.date_list, self.source = self.feed()
self.day_count = 0
def unpossibile(self, df, date):
# 剔除当日涨停的转债，买不入
raise_limited_dict = {
'2022-04-08': ['127057', ],
'2022-07-27': ['127065', ],
'2022-07-28': ['127065', ],
}
target_list = raise_limited_dict.get(date, None)
if target_list is None:
return df
return df.drop(index=target_list, axis=1)
def feed(self):
df = pd.read_csv(self.csv_path,
encoding='utf8',
dtype={'tickerEqu': str, 'tickerBond': str, 'secID_x': str},
)
del df['Unnamed: 0']
df['tradeDate'] = pd.to_datetime(df['tradeDate'], format='%Y-%m-%d')
df = df.set_index('tradeDate')
date_set = set(df.index.tolist())
date_list = list(map(lambda x: x.strftime('%Y-%m-%d'), date_set))
date_list.sort()
return date_list, df
def filters(self, df, today):
# 过滤条件，可添加多个条件
df = self.unpossibile(df, today)
return df
def logprint(self, current):
log.info('当前日期{}'.format(current))
def run(self):
for current in self.date_list:
if current < START_DATE or current > END_DATE:
continue
if self.day_count % FREQ != 0:
self.get_daily_netvalue(current)
else:
self.handle_data(current)
self.day_count += 1
self.after_trade()
双低和低溢价选债轮动：
上面是主要框架代码， 根据数据来驱动交易。 可以根据不同的时间日期进行回测交易。不同持有个数，不同轮动功能天数。【完整代码可以常见 知识星球】
运行： python main.py
运行后会自动保存一个excel文件：
并且可以生成收益率曲线图：
完整代码与数据可以参考星球代码：
python获取通达信可转债日线和分时数据
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 5724 次浏览 • 2022-08-28 10:41
昨天看到优矿平台公告，开始对大部分数据获取接口进行收费。
除了优矿，还有哪些可以获取可转债日线，甚至分时tick数据呢？当然笔者压箱底里面还有很多可用数据源的。本文就简单介绍其中一个，下通达信数据源。
安装
使用pip安装第三方库pytdxpip install pytdx
分时数据
下面6行python代码， 就可以获取通达信的可转债分时数据。from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码，需要结合前面的文章。【注意这代码会定期更新，因网站架构或者字段是不定时变动】
不过前面的接口只能读取800条数据，以一天240条数据计算，只能读取2天多的数据量，对于需要更多数据的朋友来说，肯定不够的。或者有一个办法，把上面代码写成定时任务，就可以每天收盘后自动存储对应的数据。
如果需要更多的历史数据，那么可以使用pytdx的另外一个功能，那就是使用python读取通达信本地数据文件。
先用通达信同步1分钟（或5分钟）数据到本地.
选择沪深京分钟线，当然，其他数据你也可以选择。勾选一分钟线数据或者5分钟线数据，还有日期。不过这里日期会有限制，只能下载100天的1分钟线，或者500天的5分钟线。所以如果长期需要这个数据，你可以每隔一段时间下载一次。
数据保存路径：通达信安装目录的 vipdoc 子目录比如我的通达信客户端安装在 c:\new_tdx 下，
即
c:\new_tdx\vipdoc\sz\lday\ 下是深圳的日k线数据
c:\new_tdx\vipdoc\sh\lday\ 下是上海的日k线数据
c:\new_tdx\vipdoc\sh\minline\ 下是上海的分钟线数据
c:\new_tdx\vipdoc\sz\minline\ 下是深圳的分钟线数据
如果你需要更久的历史数据，可以到网上找找，下载下来后按照下面代码读取即可。 from pytdx.reader import TdxMinBarReader
path='/home/xda/Downloads/sz128014.lc1'
reader = TdxMinBarReader()
df = reader.get_df(path)
#df.to_excel('tick.xlsx') # 导出为excel
得到dataframe对象后，接着可以保存为excel，数据库都很简单了。一条语句的事情。
可转债日线数据
当然，能够获取到分钟数据，对于日线数据更加不在话下了。日线数据并没有日期限制，想下多少有多少。api = TdxHq_API()
api = api.connect('119.147.212.81', 7709)
data=api.get_k_data('123045', '2020-05-01', '2022-08-26') # 123045 为可转债代码，可以替换任意代码
data.to_excel('k-line.xlsx')
如果想获取正股或者其他股票数据，只需要把代码替换成正股股票代码即可。
如果分钟数据还不满足，还可以使用更小粒度的tick数据。下回有空再继续介绍，敬请关注。
欢迎关注公众号 查看全部
除了优矿，还有哪些可以获取可转债日线，甚至分时tick数据呢？当然笔者压箱底里面还有很多可用数据源的。本文就简单介绍其中一个，下通达信数据源。
安装
使用pip安装第三方库pytdxpip install pytdx
分时数据
下面6行python代码， 就可以获取通达信的可转债分时数据。from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码，需要结合前面的文章。【注意这代码会定期更新，因网站架构或者字段是不定时变动】
不过前面的接口只能读取800条数据，以一天240条数据计算，只能读取2天多的数据量，对于需要更多数据的朋友来说，肯定不够的。或者有一个办法，把上面代码写成定时任务，就可以每天收盘后自动存储对应的数据。
如果需要更多的历史数据，那么可以使用pytdx的另外一个功能，那就是使用python读取通达信本地数据文件。
先用通达信同步1分钟（或5分钟）数据到本地.
选择沪深京分钟线，当然，其他数据你也可以选择。勾选一分钟线数据或者5分钟线数据，还有日期。不过这里日期会有限制，只能下载100天的1分钟线，或者500天的5分钟线。所以如果长期需要这个数据，你可以每隔一段时间下载一次。
数据保存路径：通达信安装目录的 vipdoc 子目录比如我的通达信客户端安装在 c:\new_tdx 下，
即
c:\new_tdx\vipdoc\sz\lday\ 下是深圳的日k线数据
c:\new_tdx\vipdoc\sh\lday\ 下是上海的日k线数据
c:\new_tdx\vipdoc\sh\minline\ 下是上海的分钟线数据
c:\new_tdx\vipdoc\sz\minline\ 下是深圳的分钟线数据
如果你需要更久的历史数据，可以到网上找找，下载下来后按照下面代码读取即可。 from pytdx.reader import TdxMinBarReader
path='/home/xda/Downloads/sz128014.lc1'
reader = TdxMinBarReader()
df = reader.get_df(path)
#df.to_excel('tick.xlsx') # 导出为excel
得到dataframe对象后，接着可以保存为excel，数据库都很简单了。一条语句的事情。
可转债日线数据
当然，能够获取到分钟数据，对于日线数据更加不在话下了。日线数据并没有日期限制，想下多少有多少。api = TdxHq_API()
api = api.connect('119.147.212.81', 7709)
data=api.get_k_data('123045', '2020-05-01', '2022-08-26') # 123045 为可转债代码，可以替换任意代码
data.to_excel('k-line.xlsx')
如果想获取正股或者其他股票数据，只需要把代码替换成正股股票代码即可。
如果分钟数据还不满足，还可以使用更小粒度的tick数据。下回有空再继续介绍，敬请关注。
欢迎关注公众号 查看全部
昨天看到优矿平台公告，开始对大部分数据获取接口进行收费。
除了优矿，还有哪些可以获取可转债日线，甚至分时tick数据呢？当然笔者压箱底里面还有很多可用数据源的。本文就简单介绍其中一个，下通达信数据源。
安装
使用pip安装第三方库pytdx
分时数据
下面6行python代码， 就可以获取通达信的可转债分时数据。
如果需要遍历当前最新可转债代码，需要结合前面的文章。【注意这代码会定期更新，因网站架构或者字段是不定时变动】
不过前面的接口只能读取800条数据，以一天240条数据计算，只能读取2天多的数据量，对于需要更多数据的朋友来说，肯定不够的。或者有一个办法，把上面代码写成定时任务，就可以每天收盘后自动存储对应的数据。
如果需要更多的历史数据，那么可以使用pytdx的另外一个功能，那就是使用python读取通达信本地数据文件。
先用通达信同步1分钟（或5分钟）数据到本地.
选择沪深京分钟线，当然，其他数据你也可以选择。勾选一分钟线数据或者5分钟线数据，还有日期。不过这里日期会有限制，只能下载100天的1分钟线，或者500天的5分钟线。所以如果长期需要这个数据，你可以每隔一段时间下载一次。
数据保存路径：通达信安装目录的 vipdoc 子目录
如果你需要更久的历史数据，可以到网上找找，下载下来后按照下面代码读取即可。
得到dataframe对象后，接着可以保存为excel，数据库都很简单了。一条语句的事情。
可转债日线数据
当然，能够获取到分钟数据，对于日线数据更加不在话下了。日线数据并没有日期限制，想下多少有多少。
如果想获取正股或者其他股票数据，只需要把代码替换成正股股票代码即可。
如果分钟数据还不满足，还可以使用更小粒度的tick数据。下回有空再继续介绍，敬请关注。
欢迎关注公众号
除了优矿，还有哪些可以获取可转债日线，甚至分时tick数据呢？当然笔者压箱底里面还有很多可用数据源的。本文就简单介绍其中一个，下通达信数据源。
安装
使用pip安装第三方库pytdx
pip install pytdx
分时数据
下面6行python代码， 就可以获取通达信的可转债分时数据。
from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码，需要结合前面的文章。【注意这代码会定期更新，因网站架构或者字段是不定时变动】
不过前面的接口只能读取800条数据，以一天240条数据计算，只能读取2天多的数据量，对于需要更多数据的朋友来说，肯定不够的。或者有一个办法，把上面代码写成定时任务，就可以每天收盘后自动存储对应的数据。
如果需要更多的历史数据，那么可以使用pytdx的另外一个功能，那就是使用python读取通达信本地数据文件。
先用通达信同步1分钟（或5分钟）数据到本地.
选择沪深京分钟线，当然，其他数据你也可以选择。勾选一分钟线数据或者5分钟线数据，还有日期。不过这里日期会有限制，只能下载100天的1分钟线，或者500天的5分钟线。所以如果长期需要这个数据，你可以每隔一段时间下载一次。
数据保存路径：通达信安装目录的 vipdoc 子目录
比如我的通达信客户端安装在 c:\new_tdx 下，
即
c:\new_tdx\vipdoc\sz\lday\ 下是深圳的日k线数据
c:\new_tdx\vipdoc\sh\lday\ 下是上海的日k线数据
c:\new_tdx\vipdoc\sh\minline\ 下是上海的分钟线数据
c:\new_tdx\vipdoc\sz\minline\ 下是深圳的分钟线数据
如果你需要更久的历史数据，可以到网上找找，下载下来后按照下面代码读取即可。
from pytdx.reader import TdxMinBarReader
path='/home/xda/Downloads/sz128014.lc1'
reader = TdxMinBarReader()
df = reader.get_df(path)
#df.to_excel('tick.xlsx') # 导出为excel
得到dataframe对象后，接着可以保存为excel，数据库都很简单了。一条语句的事情。
可转债日线数据
当然，能够获取到分钟数据，对于日线数据更加不在话下了。日线数据并没有日期限制，想下多少有多少。
api = TdxHq_API()
api = api.connect('119.147.212.81', 7709)
data=api.get_k_data('123045', '2020-05-01', '2022-08-26') # 123045 为可转债代码，可以替换任意代码
data.to_excel('k-line.xlsx')
如果想获取正股或者其他股票数据，只需要把代码替换成正股股票代码即可。
如果分钟数据还不满足，还可以使用更小粒度的tick数据。下回有空再继续介绍，敬请关注。
欢迎关注公众号
6行python代码 获取通达信的可转债分时数据
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 2673 次浏览 • 2022-08-27 14:33
6行python代码 获取通达信的可转债分时数据。from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
查看全部
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
查看全部
6行python代码 获取通达信的可转债分时数据。
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
优矿使用的python版本
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 1760 次浏览 • 2022-08-07 08:22
应该是变种的python2.7
从底层来看它的报错信息：
它是使用python2.7
可是异常操作，却可以使用python3的语法
try:
....
except Exception as e:
.....
所以有些地方还是得要注意一下 py2和py3的区别
比如py2的字典默认顺序是无序的。（这个有一次调试一个bug耗费了一两个小时，结果发现用了字典，取key，结果发现key的顺序全部是乱的，py3从3.6开始字典的key是有序的）
查看全部
从底层来看它的报错信息：
它是使用python2.7
可是异常操作，却可以使用python3的语法
try:
....
except Exception as e:
.....
所以有些地方还是得要注意一下 py2和py3的区别
比如py2的字典默认顺序是无序的。（这个有一次调试一个bug耗费了一两个小时，结果发现用了字典，取key，结果发现key的顺序全部是乱的，py3从3.6开始字典的key是有序的）
查看全部
应该是变种的python2.7
从底层来看它的报错信息：
它是使用python2.7
可是异常操作，却可以使用python3的语法
try:
....
except Exception as e:
.....
所以有些地方还是得要注意一下 py2和py3的区别
比如py2的字典默认顺序是无序的。（这个有一次调试一个bug耗费了一两个小时，结果发现用了字典，取key，结果发现key的顺序全部是乱的，py3从3.6开始字典的key是有序的）
从底层来看它的报错信息：
它是使用python2.7
可是异常操作，却可以使用python3的语法
try:
....
except Exception as e:
.....
所以有些地方还是得要注意一下 py2和py3的区别
比如py2的字典默认顺序是无序的。（这个有一次调试一个bug耗费了一两个小时，结果发现用了字典，取key，结果发现key的顺序全部是乱的，py3从3.6开始字典的key是有序的）
可转债多因子回测 优矿代码
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 2744 次浏览 • 2022-08-06 18:00
可转债里面可用因子很多，一般人最常用的就是溢价率，双低，价格等。
实际运用里面，可以加入很多很多因子，比如正股涨跌幅，正股波动率，转债到期时间，正股ROE等等多大几十个因子。
之前写了一个多因子回测的优矿python代码，用户可以自己修改参数，
比如下面的正股波动率因子，Bond_Volatility_ENABLE = True
Bond_Volatility_DAYS = 30
TOP_RIPPLE = 50
Bond_Volatility_LOG_ENABLE = True # 波动率日志开关
Bond_Volatility_ENABLE = True 设为True，就是回测过程加入这个因子，设为False就忽略这个因子。
下面的
Bond_Volatility_DAYS 为N天内的正股波动率，一般设置30天，20天内就够了，因为一年之前的即使波动很大，那对当前转债的影响也很小。
TOP_RIPPLE 选择波动率最大的前面N只转债
举个例子，下面转债是根据其对应正股的30天里的波动率选出来的。（当前是8月5日，也就是7月5日到8月5日之间的数据）。
计算波动率具体代码如下;
每个因子写成一个类。
这样可以不用修改主代码，就可以无限地添加，修改因子。# 基类
class ConditionFilter:
def filters(self, *args, **kwargs):
if self.enable:
return self.fun(*args, **kwargs)
else:
return True
def fun(self, *args, **kwargs):
# 继承的实现这个函数
raise NotImplemented
上面是部分过滤因子，也就是不满足的都会被移除。 比如规模大于10亿的会移除。
然后得到的结果，进行因子评分。 # 权重 溢价率、转债价格、正股Ｎ天涨幅，正股ＲＯＥ
weights = {'溢价率': 0, '转债价格': 1, '正股N天涨幅': 0, '正股ROE': 0, '规模': 0}
每个权重赋予一个权重分最高是1，最低是0，如果你想回测 低溢价率 策略，只需要把其他因子的权重全部设置为0，溢价率设置为1即可。双底的话就是 溢价率和价格各为0.5 就可以了。
设置好参数后，设置你要回测的时间，持仓周期，持有个数等可调参数。
稍等片刻就会有结果了。因子越多，运行时间会增加。一般几分钟就可以得到几年来的回测结果。
中途可以查看日志
完整代码以及运行流程可到知识星球咨询了解。
欢迎关注公众号 查看全部
实际运用里面，可以加入很多很多因子，比如正股涨跌幅，正股波动率，转债到期时间，正股ROE等等多大几十个因子。
之前写了一个多因子回测的优矿python代码，用户可以自己修改参数，
比如下面的正股波动率因子，Bond_Volatility_ENABLE = True
Bond_Volatility_DAYS = 30
TOP_RIPPLE = 50
Bond_Volatility_LOG_ENABLE = True # 波动率日志开关
Bond_Volatility_ENABLE = True 设为True，就是回测过程加入这个因子，设为False就忽略这个因子。
下面的
Bond_Volatility_DAYS 为N天内的正股波动率，一般设置30天，20天内就够了，因为一年之前的即使波动很大，那对当前转债的影响也很小。
TOP_RIPPLE 选择波动率最大的前面N只转债
举个例子，下面转债是根据其对应正股的30天里的波动率选出来的。（当前是8月5日，也就是7月5日到8月5日之间的数据）。
计算波动率具体代码如下;
每个因子写成一个类。
这样可以不用修改主代码，就可以无限地添加，修改因子。# 基类
class ConditionFilter:
def filters(self, *args, **kwargs):
if self.enable:
return self.fun(*args, **kwargs)
else:
return True
def fun(self, *args, **kwargs):
# 继承的实现这个函数
raise NotImplemented
上面是部分过滤因子，也就是不满足的都会被移除。 比如规模大于10亿的会移除。
然后得到的结果，进行因子评分。 # 权重 溢价率、转债价格、正股Ｎ天涨幅，正股ＲＯＥ
weights = {'溢价率': 0, '转债价格': 1, '正股N天涨幅': 0, '正股ROE': 0, '规模': 0}
每个权重赋予一个权重分最高是1，最低是0，如果你想回测 低溢价率 策略，只需要把其他因子的权重全部设置为0，溢价率设置为1即可。双底的话就是 溢价率和价格各为0.5 就可以了。
设置好参数后，设置你要回测的时间，持仓周期，持有个数等可调参数。
稍等片刻就会有结果了。因子越多，运行时间会增加。一般几分钟就可以得到几年来的回测结果。
中途可以查看日志
完整代码以及运行流程可到知识星球咨询了解。
欢迎关注公众号 查看全部
可转债里面可用因子很多，一般人最常用的就是溢价率，双低，价格等。
实际运用里面，可以加入很多很多因子，比如正股涨跌幅，正股波动率，转债到期时间，正股ROE等等多大几十个因子。
之前写了一个多因子回测的优矿python代码，用户可以自己修改参数，
比如下面的正股波动率因子，
Bond_Volatility_ENABLE = True 设为True，就是回测过程加入这个因子，设为False就忽略这个因子。
下面的
Bond_Volatility_DAYS 为N天内的正股波动率，一般设置30天，20天内就够了，因为一年之前的即使波动很大，那对当前转债的影响也很小。
TOP_RIPPLE 选择波动率最大的前面N只转债
举个例子，下面转债是根据其对应正股的30天里的波动率选出来的。（当前是8月5日，也就是7月5日到8月5日之间的数据）。
计算波动率具体代码如下;
每个因子写成一个类。
这样可以不用修改主代码，就可以无限地添加，修改因子。
上面是部分过滤因子，也就是不满足的都会被移除。 比如规模大于10亿的会移除。
然后得到的结果，进行因子评分。
每个权重赋予一个权重分最高是1，最低是0，如果你想回测 低溢价率 策略，只需要把其他因子的权重全部设置为0，溢价率设置为1即可。双底的话就是 溢价率和价格各为0.5 就可以了。
设置好参数后，设置你要回测的时间，持仓周期，持有个数等可调参数。
稍等片刻就会有结果了。因子越多，运行时间会增加。一般几分钟就可以得到几年来的回测结果。
中途可以查看日志
完整代码以及运行流程可到知识星球咨询了解。
欢迎关注公众号
实际运用里面，可以加入很多很多因子，比如正股涨跌幅，正股波动率，转债到期时间，正股ROE等等多大几十个因子。
之前写了一个多因子回测的优矿python代码，用户可以自己修改参数，
比如下面的正股波动率因子，
Bond_Volatility_ENABLE = True
Bond_Volatility_DAYS = 30
TOP_RIPPLE = 50
Bond_Volatility_LOG_ENABLE = True # 波动率日志开关
Bond_Volatility_ENABLE = True 设为True，就是回测过程加入这个因子，设为False就忽略这个因子。
下面的
Bond_Volatility_DAYS 为N天内的正股波动率，一般设置30天，20天内就够了，因为一年之前的即使波动很大，那对当前转债的影响也很小。
TOP_RIPPLE 选择波动率最大的前面N只转债
举个例子，下面转债是根据其对应正股的30天里的波动率选出来的。（当前是8月5日，也就是7月5日到8月5日之间的数据）。
计算波动率具体代码如下;
每个因子写成一个类。
这样可以不用修改主代码，就可以无限地添加，修改因子。
# 基类
class ConditionFilter:
def filters(self, *args, **kwargs):
if self.enable:
return self.fun(*args, **kwargs)
else:
return True
def fun(self, *args, **kwargs):
# 继承的实现这个函数
raise NotImplemented
上面是部分过滤因子，也就是不满足的都会被移除。 比如规模大于10亿的会移除。
然后得到的结果，进行因子评分。
# 权重 溢价率、转债价格、正股Ｎ天涨幅，正股ＲＯＥ
weights = {'溢价率': 0, '转债价格': 1, '正股N天涨幅': 0, '正股ROE': 0, '规模': 0}
每个权重赋予一个权重分最高是1，最低是0，如果你想回测 低溢价率 策略，只需要把其他因子的权重全部设置为0，溢价率设置为1即可。双底的话就是 溢价率和价格各为0.5 就可以了。
设置好参数后，设置你要回测的时间，持仓周期，持有个数等可调参数。
稍等片刻就会有结果了。因子越多，运行时间会增加。一般几分钟就可以得到几年来的回测结果。
中途可以查看日志
完整代码以及运行流程可到知识星球咨询了解。
欢迎关注公众号
qmt获取可转债历史tick行情数据
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 3571 次浏览 • 2022-07-20 19:18
需要在mini qmt中获取历史tick，如果在qmt里面，只能获取到订阅行情的数据。
当然拿到数据后，它的tick数据是参差不齐的，虽然是L1的数据，当时有些时间间隔大于3s，而有些却可以小于3s。
所以可以对这些数据进行时间的重采样处理。 比如全部变为1s，或者变为3s，变为1分钟就没必要了。 因为获取行情本身就自带1m的数据参数。
result = df.resample('3S',).first().ffill()
dataframe重采样采用3秒的代码入行，而且要向前补全，因为某些时刻没有交易的话，它的价格还是上一档的价格。
最后处理的数据如上图所示。
查看全部
当然拿到数据后，它的tick数据是参差不齐的，虽然是L1的数据，当时有些时间间隔大于3s，而有些却可以小于3s。
所以可以对这些数据进行时间的重采样处理。 比如全部变为1s，或者变为3s，变为1分钟就没必要了。 因为获取行情本身就自带1m的数据参数。
result = df.resample('3S',).first().ffill()
dataframe重采样采用3秒的代码入行，而且要向前补全，因为某些时刻没有交易的话，它的价格还是上一档的价格。
最后处理的数据如上图所示。
查看全部
需要在mini qmt中获取历史tick，如果在qmt里面，只能获取到订阅行情的数据。
当然拿到数据后，它的tick数据是参差不齐的，虽然是L1的数据，当时有些时间间隔大于3s，而有些却可以小于3s。
所以可以对这些数据进行时间的重采样处理。 比如全部变为1s，或者变为3s，变为1分钟就没必要了。 因为获取行情本身就自带1m的数据参数。
result = df.resample('3S',).first().ffill()dataframe重采样采用3秒的代码入行，而且要向前补全，因为某些时刻没有交易的话，它的价格还是上一档的价格。
最后处理的数据如上图所示。
一创聚宽的实盘只支持每日开盘价和分钟交易
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 1 个评论 • 3183 次浏览 • 2022-07-11 14:26
在一创的官网里面浏览到了一创上跑聚宽实盘的一些信息：
1.交易佣金是多少？
A股万分之二点五，最低五元手续费；
货币类ETF买卖和申赎均无费用；
场内基金只能买卖不能申赎，交易费用根据客户交易佣金来定，有最低5元限制；
具体情况请联系一创咨询；
2.平台支持的交易频率是多少？
支持「每分」和「每天」两个交易频率
3.平台支持的交易品种有哪些？
目前支持A股、场内基金。
4.可以同时跑几个实盘策略？
目前每个用户可以运行1个实盘策略，需要更多权限请联系自己的客户经理申请。
5.其他问题如何咨询？
查看常见问题及实盘说明文档
点击聚宽官网的在线客服免费咨询
6.请问实盘支持哪些系统
请您使用win7、8、9、10系统和mac系统进行实盘账户的绑定操作。目前暂时不支持win xp等系统和虚拟机。
不支持虚拟机和xp系统，费率万2.5（这个实在要吐槽一下，太太太贵）
只支持股票和场内基金，不支持可转债。
只能跑一个策略。（额。。。无力吐槽）
执行周期最低的是分钟级别，没有秒级别。
其他量化平台实盘案例，可以参考本站其他文章。
查看全部
1.交易佣金是多少？
A股万分之二点五，最低五元手续费；
货币类ETF买卖和申赎均无费用；
场内基金只能买卖不能申赎，交易费用根据客户交易佣金来定，有最低5元限制；
具体情况请联系一创咨询；
2.平台支持的交易频率是多少？
支持「每分」和「每天」两个交易频率
3.平台支持的交易品种有哪些？
目前支持A股、场内基金。
4.可以同时跑几个实盘策略？
目前每个用户可以运行1个实盘策略，需要更多权限请联系自己的客户经理申请。
5.其他问题如何咨询？
查看常见问题及实盘说明文档
点击聚宽官网的在线客服免费咨询
6.请问实盘支持哪些系统
请您使用win7、8、9、10系统和mac系统进行实盘账户的绑定操作。目前暂时不支持win xp等系统和虚拟机。
不支持虚拟机和xp系统，费率万2.5（这个实在要吐槽一下，太太太贵）
只支持股票和场内基金，不支持可转债。
只能跑一个策略。（额。。。无力吐槽）
执行周期最低的是分钟级别，没有秒级别。
其他量化平台实盘案例，可以参考本站其他文章。
查看全部
在一创的官网里面浏览到了一创上跑聚宽实盘的一些信息：
不支持虚拟机和xp系统，费率万2.5（这个实在要吐槽一下，太太太贵）
只支持股票和场内基金，不支持可转债。
只能跑一个策略。（额。。。无力吐槽）
执行周期最低的是分钟级别，没有秒级别。
其他量化平台实盘案例，可以参考本站其他文章。
1.交易佣金是多少？
A股万分之二点五，最低五元手续费；
货币类ETF买卖和申赎均无费用；
场内基金只能买卖不能申赎，交易费用根据客户交易佣金来定，有最低5元限制；
具体情况请联系一创咨询；
2.平台支持的交易频率是多少？
支持「每分」和「每天」两个交易频率
3.平台支持的交易品种有哪些？
目前支持A股、场内基金。
4.可以同时跑几个实盘策略？
目前每个用户可以运行1个实盘策略，需要更多权限请联系自己的客户经理申请。
5.其他问题如何咨询？
查看常见问题及实盘说明文档
点击聚宽官网的在线客服免费咨询
6.请问实盘支持哪些系统
请您使用win7、8、9、10系统和mac系统进行实盘账户的绑定操作。目前暂时不支持win xp等系统和虚拟机。
不支持虚拟机和xp系统，费率万2.5（这个实在要吐槽一下，太太太贵）
只支持股票和场内基金，不支持可转债。
只能跑一个策略。（额。。。无力吐槽）
执行周期最低的是分钟级别，没有秒级别。
其他量化平台实盘案例，可以参考本站其他文章。
小市值轮动-量化交易-程序化交易-Ptrade实盘
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 2411 次浏览 • 2023-10-07 14:14
运行了一段时间的实盘策略。中途不断加条件，避免买入暴雷的品种；遇到一字板涨停的不要急于轮动卖出。等破板再卖出。
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
查看全部
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
查看全部
运行了一段时间的实盘策略。中途不断加条件，避免买入暴雷的品种；遇到一字板涨停的不要急于轮动卖出。等破板再卖出。
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
当前策略持有30只。
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
Ptrade|QMT|银行股息率轮动 实盘自动化交易
量化交易 • 李魔佛 发表了文章 • 0 个评论 • 1242 次浏览 • 2024-03-05 09:33
看有没有人需要，前排占坑 -- Task --
看有没有人需要，前排占坑 -- Task --
华泰matic能在虚拟机运行吗？
量化交易 • 李魔佛 发表了文章 • 0 个评论 • 1124 次浏览 • 2024-01-05 09:36
答：vmware上不行。登录的时候会直接提示说，matic禁止在虚拟机运行。
但matic却可以在hyper X虚拟机上运行。笔者在win11家庭版的hyper x测试过的。
但matic却可以在hyper X虚拟机上运行。笔者在win11家庭版的hyper x测试过的。
答：vmware上不行。登录的时候会直接提示说，matic禁止在虚拟机运行。
但matic却可以在hyper X虚拟机上运行。笔者在win11家庭版的hyper x测试过的。
但matic却可以在hyper X虚拟机上运行。笔者在win11家庭版的hyper x测试过的。
小市值轮动-量化交易-程序化交易-Ptrade实盘
Ptrade • 李魔佛 发表了文章 • 0 个评论 • 2411 次浏览 • 2023-10-07 14:14
运行了一段时间的实盘策略。中途不断加条件，避免买入暴雷的品种；遇到一字板涨停的不要急于轮动卖出。等破板再卖出。
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
查看全部
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
查看全部
运行了一段时间的实盘策略。中途不断加条件，避免买入暴雷的品种；遇到一字板涨停的不要急于轮动卖出。等破板再卖出。
当前策略持有30只。
点击查看大图
点击查看大图
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
当前策略持有30只。
基于股票的策略不敢多买，属于试验阶段，后期仍然会不断根据市场调仓； 主仓依然在可转债。
公众号：可转债量化分析
如果需要策略代写，（ptrade、qmt，其他量化平台）
可以公众号后台回复：
策略代写
万0.854 免5 量化开户|QMT|Ptrade|掘金量化|国盛证券
券商万一免五 • 李魔佛 发表了文章 • 0 个评论 • 2881 次浏览 • 2023-09-01 22:25
为贯彻落实7月24日中央政治局会议精神和国务院相关会议部署，进一步活跃资本市场，提振投资者信心，形成推动经济持续回升向好的工作合力，证监会指导上海证券交易所、深圳证券交易所、北京证券交易所自8月28日起进一步降低证券交易经手费。沪深交易所此次将A股、B股证券交易经手费从按成交金额的0.00487%双向收取下调为按成交金额的0.00341%双向收取，降幅达30%；北交所在2022年12月调降证券交易经手费50%的基础上，再次将证券交易经手费标准降低50%，由按成交金额的0.025%双边收取下调至按成交金额的0.0125%双边收取。同时，将引导证券公司稳妥做好与客户合同变更及相关交易参数的调整，依法降低经纪业务佣金费率，切实将此次证券交易经手费下降的政策效果传导至广大投资者
在今年8月的时候，交易所下调经手费，经手费是交易所收取的。 所以国盛证券响应国家号召，第一时间下调经手费。
从原来的万1免5，下降到现在的万0.854 免5
对于量化交易Ptrade，QMT，交易费率也是一样，下调到万0.854 免五 ！！！ 简直良心证券呀，有木有！
目前国盛证券的QMT，miniQMT的开通门槛是入金50W， Ptrade的入金门槛也是50W，而且国盛的Ptrade是可以访问外部数据的。比如你的自己的mysql数据库，还有爬虫获取问财数据等等。 开ptrade的我一般推荐你们开通国盛证券的。 而其他 的湘财证券ptrade，是无法获取外部数据，外部网络的。
需要开通的可以扫码微信开通：
备注： 量化开户
非诚勿扰，欢迎其他券商合作！
查看全部
为贯彻落实7月24日中央政治局会议精神和国务院相关会议部署，进一步活跃资本市场，提振投资者信心，形成推动经济持续回升向好的工作合力，证监会指导上海证券交易所、深圳证券交易所、北京证券交易所自8月28日起进一步降低证券交易经手费。沪深交易所此次将A股、B股证券交易经手费从按成交金额的0.00487%双向收取下调为按成交金额的0.00341%双向收取，降幅达30%；北交所在2022年12月调降证券交易经手费50%的基础上，再次将证券交易经手费标准降低50%，由按成交金额的0.025%双边收取下调至按成交金额的0.0125%双边收取。同时，将引导证券公司稳妥做好与客户合同变更及相关交易参数的调整，依法降低经纪业务佣金费率，切实将此次证券交易经手费下降的政策效果传导至广大投资者
在今年8月的时候，交易所下调经手费，经手费是交易所收取的。 所以国盛证券响应国家号召，第一时间下调经手费。
从原来的万1免5，下降到现在的万0.854 免5
对于量化交易Ptrade，QMT，交易费率也是一样，下调到万0.854 免五 ！！！ 简直良心证券呀，有木有！
目前国盛证券的QMT，miniQMT的开通门槛是入金50W， Ptrade的入金门槛也是50W，而且国盛的Ptrade是可以访问外部数据的。比如你的自己的mysql数据库，还有爬虫获取问财数据等等。 开ptrade的我一般推荐你们开通国盛证券的。 而其他 的湘财证券ptrade，是无法获取外部数据，外部网络的。
需要开通的可以扫码微信开通：
备注： 量化开户
非诚勿扰，欢迎其他券商合作！
花了1小时用django快速写了个可转债实时系统
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 1671 次浏览 • 2022-09-07 08:08
有个朋友的因子也特别刁钻，他自己用excel也不容易计算，拉取最新数据，筛选排除，计算权重后得到得分，最后得到目标转债。 手机上也无法操作，手机操作excel，上面的很多操作无法实施。
用django快速搭了个页面给他
点击查看大图
数据是实时选出来的。当时帮他做的回测收益率也是很高，主要回撤控制得很好。
本来想用gin写，发现后台的dataframe还有这要找go下对应的库，避免计算出错，还是用会python吧(-。-)
公众号： 查看全部
用django快速搭了个页面给他
点击查看大图
数据是实时选出来的。当时帮他做的回测收益率也是很高，主要回撤控制得很好。
本来想用gin写，发现后台的dataframe还有这要找go下对应的库，避免计算出错，还是用会python吧(-。-)
公众号： 查看全部
有个朋友的因子也特别刁钻，他自己用excel也不容易计算，拉取最新数据，筛选排除，计算权重后得到得分，最后得到目标转债。 手机上也无法操作，手机操作excel，上面的很多操作无法实施。
用django快速搭了个页面给他
点击查看大图
数据是实时选出来的。当时帮他做的回测收益率也是很高，主要回撤控制得很好。
本来想用gin写，发现后台的dataframe还有这要找go下对应的库，避免计算出错，还是用会python吧(-。-)
公众号：
用django快速搭了个页面给他
数据是实时选出来的。当时帮他做的回测收益率也是很高，主要回撤控制得很好。
本来想用gin写，发现后台的dataframe还有这要找go下对应的库，避免计算出错，还是用会python吧(-。-)
公众号：
从零开始 手撸一个回测框架 （以可转债双低，低溢价为例）
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 2507 次浏览 • 2022-09-01 18:39
因为优矿大部分可转债接口开始收费了，之前星球上分享的回测代码基本也跑不了。不过在关停转收费之前，已经把所需的数据下载下来，而最近的数据通过集思录补充既可。
Mysql 数据
下面是代码主框架，目前通过之前优矿的导出的csv数据 ，计算 各个因子。 通过不同权重评分，进行轮动。class DataFeed:
def __init__(self):
self.csv_path = CSV_PATH
self.position = {}
self.HighValue = 0
self.Start_Cash = 1000000 # 初始资金
self.MyCash = self.Start_Cash
self.Withdraw = 0
self.daily_netvalue =
self.current_day = 0
self.PosValue = 0
self.threshold = 0 # 阈值
self.HighValue = self.Start_Cash
self.date_list, self.source = self.feed()
self.day_count = 0
def unpossibile(self, df, date):
# 剔除当日涨停的转债，买不入
raise_limited_dict = {
'2022-04-08': ['127057', ],
'2022-07-27': ['127065', ],
'2022-07-28': ['127065', ],
}
target_list = raise_limited_dict.get(date, None)
if target_list is None:
return df
return df.drop(index=target_list, axis=1)
def feed(self):
df = pd.read_csv(self.csv_path,
encoding='utf8',
dtype={'tickerEqu': str, 'tickerBond': str, 'secID_x': str},
)
del df['Unnamed: 0']
df['tradeDate'] = pd.to_datetime(df['tradeDate'], format='%Y-%m-%d')
df = df.set_index('tradeDate')
date_set = set(df.index.tolist())
date_list = list(map(lambda x: x.strftime('%Y-%m-%d'), date_set))
date_list.sort()
return date_list, df
def filters(self, df, today):
# 过滤条件，可添加多个条件
df = self.unpossibile(df, today)
return df
def logprint(self, current):
log.info('当前日期{}'.format(current))
def run(self):
for current in self.date_list:
if current < START_DATE or current > END_DATE:
continue
if self.day_count % FREQ != 0:
self.get_daily_netvalue(current)
else:
self.handle_data(current)
self.day_count += 1
self.after_trade()
双低和低溢价选债轮动：
上面是主要框架代码， 根据数据来驱动交易。 可以根据不同的时间日期进行回测交易。不同持有个数，不同轮动功能天数。【完整代码可以常见 知识星球】
运行： python main.py
运行后会自动保存一个excel文件：
并且可以生成收益率曲线图：
完整代码与数据可以参考星球代码：
查看全部
Mysql 数据
下面是代码主框架，目前通过之前优矿的导出的csv数据 ，计算 各个因子。 通过不同权重评分，进行轮动。class DataFeed:
def __init__(self):
self.csv_path = CSV_PATH
self.position = {}
self.HighValue = 0
self.Start_Cash = 1000000 # 初始资金
self.MyCash = self.Start_Cash
self.Withdraw = 0
self.daily_netvalue =
self.current_day = 0
self.PosValue = 0
self.threshold = 0 # 阈值
self.HighValue = self.Start_Cash
self.date_list, self.source = self.feed()
self.day_count = 0
def unpossibile(self, df, date):
# 剔除当日涨停的转债，买不入
raise_limited_dict = {
'2022-04-08': ['127057', ],
'2022-07-27': ['127065', ],
'2022-07-28': ['127065', ],
}
target_list = raise_limited_dict.get(date, None)
if target_list is None:
return df
return df.drop(index=target_list, axis=1)
def feed(self):
df = pd.read_csv(self.csv_path,
encoding='utf8',
dtype={'tickerEqu': str, 'tickerBond': str, 'secID_x': str},
)
del df['Unnamed: 0']
df['tradeDate'] = pd.to_datetime(df['tradeDate'], format='%Y-%m-%d')
df = df.set_index('tradeDate')
date_set = set(df.index.tolist())
date_list = list(map(lambda x: x.strftime('%Y-%m-%d'), date_set))
date_list.sort()
return date_list, df
def filters(self, df, today):
# 过滤条件，可添加多个条件
df = self.unpossibile(df, today)
return df
def logprint(self, current):
log.info('当前日期{}'.format(current))
def run(self):
for current in self.date_list:
if current < START_DATE or current > END_DATE:
continue
if self.day_count % FREQ != 0:
self.get_daily_netvalue(current)
else:
self.handle_data(current)
self.day_count += 1
self.after_trade()
双低和低溢价选债轮动：
上面是主要框架代码， 根据数据来驱动交易。 可以根据不同的时间日期进行回测交易。不同持有个数，不同轮动功能天数。【完整代码可以常见 知识星球】
运行： python main.py
运行后会自动保存一个excel文件：
并且可以生成收益率曲线图：
完整代码与数据可以参考星球代码：
查看全部
因为优矿大部分可转债接口开始收费了，之前星球上分享的回测代码基本也跑不了。不过在关停转收费之前，已经把所需的数据下载下来，而最近的数据通过集思录补充既可。
Mysql 数据
下面是代码主框架，目前通过之前优矿的导出的csv数据 ，计算 各个因子。 通过不同权重评分，进行轮动。
双低和低溢价选债轮动：
上面是主要框架代码， 根据数据来驱动交易。 可以根据不同的时间日期进行回测交易。不同持有个数，不同轮动功能天数。【完整代码可以常见 知识星球】
运行： python main.py
运行后会自动保存一个excel文件：
并且可以生成收益率曲线图：
完整代码与数据可以参考星球代码：
下面是代码主框架，目前通过之前优矿的导出的csv数据 ，计算 各个因子。 通过不同权重评分，进行轮动。
class DataFeed:
def __init__(self):
self.csv_path = CSV_PATH
self.position = {}
self.HighValue = 0
self.Start_Cash = 1000000 # 初始资金
self.MyCash = self.Start_Cash
self.Withdraw = 0
self.daily_netvalue =
self.current_day = 0
self.PosValue = 0
self.threshold = 0 # 阈值
self.HighValue = self.Start_Cash
self.date_list, self.source = self.feed()
self.day_count = 0
def unpossibile(self, df, date):
# 剔除当日涨停的转债，买不入
raise_limited_dict = {
'2022-04-08': ['127057', ],
'2022-07-27': ['127065', ],
'2022-07-28': ['127065', ],
}
target_list = raise_limited_dict.get(date, None)
if target_list is None:
return df
return df.drop(index=target_list, axis=1)
def feed(self):
df = pd.read_csv(self.csv_path,
encoding='utf8',
dtype={'tickerEqu': str, 'tickerBond': str, 'secID_x': str},
)
del df['Unnamed: 0']
df['tradeDate'] = pd.to_datetime(df['tradeDate'], format='%Y-%m-%d')
df = df.set_index('tradeDate')
date_set = set(df.index.tolist())
date_list = list(map(lambda x: x.strftime('%Y-%m-%d'), date_set))
date_list.sort()
return date_list, df
def filters(self, df, today):
# 过滤条件，可添加多个条件
df = self.unpossibile(df, today)
return df
def logprint(self, current):
log.info('当前日期{}'.format(current))
def run(self):
for current in self.date_list:
if current < START_DATE or current > END_DATE:
continue
if self.day_count % FREQ != 0:
self.get_daily_netvalue(current)
else:
self.handle_data(current)
self.day_count += 1
self.after_trade()
双低和低溢价选债轮动：
上面是主要框架代码， 根据数据来驱动交易。 可以根据不同的时间日期进行回测交易。不同持有个数，不同轮动功能天数。【完整代码可以常见 知识星球】
运行： python main.py
运行后会自动保存一个excel文件：
并且可以生成收益率曲线图：
完整代码与数据可以参考星球代码：
python获取通达信可转债日线和分时数据
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 5724 次浏览 • 2022-08-28 10:41
昨天看到优矿平台公告，开始对大部分数据获取接口进行收费。
除了优矿，还有哪些可以获取可转债日线，甚至分时tick数据呢？当然笔者压箱底里面还有很多可用数据源的。本文就简单介绍其中一个，下通达信数据源。
安装
使用pip安装第三方库pytdxpip install pytdx
分时数据
下面6行python代码， 就可以获取通达信的可转债分时数据。from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码，需要结合前面的文章。【注意这代码会定期更新，因网站架构或者字段是不定时变动】
不过前面的接口只能读取800条数据，以一天240条数据计算，只能读取2天多的数据量，对于需要更多数据的朋友来说，肯定不够的。或者有一个办法，把上面代码写成定时任务，就可以每天收盘后自动存储对应的数据。
如果需要更多的历史数据，那么可以使用pytdx的另外一个功能，那就是使用python读取通达信本地数据文件。
先用通达信同步1分钟（或5分钟）数据到本地.
选择沪深京分钟线，当然，其他数据你也可以选择。勾选一分钟线数据或者5分钟线数据，还有日期。不过这里日期会有限制，只能下载100天的1分钟线，或者500天的5分钟线。所以如果长期需要这个数据，你可以每隔一段时间下载一次。
数据保存路径：通达信安装目录的 vipdoc 子目录比如我的通达信客户端安装在 c:\new_tdx 下，
即
c:\new_tdx\vipdoc\sz\lday\ 下是深圳的日k线数据
c:\new_tdx\vipdoc\sh\lday\ 下是上海的日k线数据
c:\new_tdx\vipdoc\sh\minline\ 下是上海的分钟线数据
c:\new_tdx\vipdoc\sz\minline\ 下是深圳的分钟线数据
如果你需要更久的历史数据，可以到网上找找，下载下来后按照下面代码读取即可。 from pytdx.reader import TdxMinBarReader
path='/home/xda/Downloads/sz128014.lc1'
reader = TdxMinBarReader()
df = reader.get_df(path)
#df.to_excel('tick.xlsx') # 导出为excel
得到dataframe对象后，接着可以保存为excel，数据库都很简单了。一条语句的事情。
可转债日线数据
当然，能够获取到分钟数据，对于日线数据更加不在话下了。日线数据并没有日期限制，想下多少有多少。api = TdxHq_API()
api = api.connect('119.147.212.81', 7709)
data=api.get_k_data('123045', '2020-05-01', '2022-08-26') # 123045 为可转债代码，可以替换任意代码
data.to_excel('k-line.xlsx')
如果想获取正股或者其他股票数据，只需要把代码替换成正股股票代码即可。
如果分钟数据还不满足，还可以使用更小粒度的tick数据。下回有空再继续介绍，敬请关注。
欢迎关注公众号 查看全部
除了优矿，还有哪些可以获取可转债日线，甚至分时tick数据呢？当然笔者压箱底里面还有很多可用数据源的。本文就简单介绍其中一个，下通达信数据源。
安装
使用pip安装第三方库pytdxpip install pytdx
分时数据
下面6行python代码， 就可以获取通达信的可转债分时数据。from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码，需要结合前面的文章。【注意这代码会定期更新，因网站架构或者字段是不定时变动】
不过前面的接口只能读取800条数据，以一天240条数据计算，只能读取2天多的数据量，对于需要更多数据的朋友来说，肯定不够的。或者有一个办法，把上面代码写成定时任务，就可以每天收盘后自动存储对应的数据。
如果需要更多的历史数据，那么可以使用pytdx的另外一个功能，那就是使用python读取通达信本地数据文件。
先用通达信同步1分钟（或5分钟）数据到本地.
选择沪深京分钟线，当然，其他数据你也可以选择。勾选一分钟线数据或者5分钟线数据，还有日期。不过这里日期会有限制，只能下载100天的1分钟线，或者500天的5分钟线。所以如果长期需要这个数据，你可以每隔一段时间下载一次。
数据保存路径：通达信安装目录的 vipdoc 子目录比如我的通达信客户端安装在 c:\new_tdx 下，
即
c:\new_tdx\vipdoc\sz\lday\ 下是深圳的日k线数据
c:\new_tdx\vipdoc\sh\lday\ 下是上海的日k线数据
c:\new_tdx\vipdoc\sh\minline\ 下是上海的分钟线数据
c:\new_tdx\vipdoc\sz\minline\ 下是深圳的分钟线数据
如果你需要更久的历史数据，可以到网上找找，下载下来后按照下面代码读取即可。 from pytdx.reader import TdxMinBarReader
path='/home/xda/Downloads/sz128014.lc1'
reader = TdxMinBarReader()
df = reader.get_df(path)
#df.to_excel('tick.xlsx') # 导出为excel
得到dataframe对象后，接着可以保存为excel，数据库都很简单了。一条语句的事情。
可转债日线数据
当然，能够获取到分钟数据，对于日线数据更加不在话下了。日线数据并没有日期限制，想下多少有多少。api = TdxHq_API()
api = api.connect('119.147.212.81', 7709)
data=api.get_k_data('123045', '2020-05-01', '2022-08-26') # 123045 为可转债代码，可以替换任意代码
data.to_excel('k-line.xlsx')
如果想获取正股或者其他股票数据，只需要把代码替换成正股股票代码即可。
如果分钟数据还不满足，还可以使用更小粒度的tick数据。下回有空再继续介绍，敬请关注。
欢迎关注公众号 查看全部
昨天看到优矿平台公告，开始对大部分数据获取接口进行收费。
除了优矿，还有哪些可以获取可转债日线，甚至分时tick数据呢？当然笔者压箱底里面还有很多可用数据源的。本文就简单介绍其中一个，下通达信数据源。
安装
使用pip安装第三方库pytdx
分时数据
下面6行python代码， 就可以获取通达信的可转债分时数据。
如果需要遍历当前最新可转债代码，需要结合前面的文章。【注意这代码会定期更新，因网站架构或者字段是不定时变动】
不过前面的接口只能读取800条数据，以一天240条数据计算，只能读取2天多的数据量，对于需要更多数据的朋友来说，肯定不够的。或者有一个办法，把上面代码写成定时任务，就可以每天收盘后自动存储对应的数据。
如果需要更多的历史数据，那么可以使用pytdx的另外一个功能，那就是使用python读取通达信本地数据文件。
先用通达信同步1分钟（或5分钟）数据到本地.
选择沪深京分钟线，当然，其他数据你也可以选择。勾选一分钟线数据或者5分钟线数据，还有日期。不过这里日期会有限制，只能下载100天的1分钟线，或者500天的5分钟线。所以如果长期需要这个数据，你可以每隔一段时间下载一次。
数据保存路径：通达信安装目录的 vipdoc 子目录
如果你需要更久的历史数据，可以到网上找找，下载下来后按照下面代码读取即可。
得到dataframe对象后，接着可以保存为excel，数据库都很简单了。一条语句的事情。
可转债日线数据
当然，能够获取到分钟数据，对于日线数据更加不在话下了。日线数据并没有日期限制，想下多少有多少。
如果想获取正股或者其他股票数据，只需要把代码替换成正股股票代码即可。
如果分钟数据还不满足，还可以使用更小粒度的tick数据。下回有空再继续介绍，敬请关注。
欢迎关注公众号
除了优矿，还有哪些可以获取可转债日线，甚至分时tick数据呢？当然笔者压箱底里面还有很多可用数据源的。本文就简单介绍其中一个，下通达信数据源。
安装
使用pip安装第三方库pytdx
pip install pytdx
分时数据
下面6行python代码， 就可以获取通达信的可转债分时数据。
from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码，需要结合前面的文章。【注意这代码会定期更新，因网站架构或者字段是不定时变动】
不过前面的接口只能读取800条数据，以一天240条数据计算，只能读取2天多的数据量，对于需要更多数据的朋友来说，肯定不够的。或者有一个办法，把上面代码写成定时任务，就可以每天收盘后自动存储对应的数据。
如果需要更多的历史数据，那么可以使用pytdx的另外一个功能，那就是使用python读取通达信本地数据文件。
先用通达信同步1分钟（或5分钟）数据到本地.
选择沪深京分钟线，当然，其他数据你也可以选择。勾选一分钟线数据或者5分钟线数据，还有日期。不过这里日期会有限制，只能下载100天的1分钟线，或者500天的5分钟线。所以如果长期需要这个数据，你可以每隔一段时间下载一次。
数据保存路径：通达信安装目录的 vipdoc 子目录
比如我的通达信客户端安装在 c:\new_tdx 下，
即
c:\new_tdx\vipdoc\sz\lday\ 下是深圳的日k线数据
c:\new_tdx\vipdoc\sh\lday\ 下是上海的日k线数据
c:\new_tdx\vipdoc\sh\minline\ 下是上海的分钟线数据
c:\new_tdx\vipdoc\sz\minline\ 下是深圳的分钟线数据
如果你需要更久的历史数据，可以到网上找找，下载下来后按照下面代码读取即可。
from pytdx.reader import TdxMinBarReader
path='/home/xda/Downloads/sz128014.lc1'
reader = TdxMinBarReader()
df = reader.get_df(path)
#df.to_excel('tick.xlsx') # 导出为excel
得到dataframe对象后，接着可以保存为excel，数据库都很简单了。一条语句的事情。
可转债日线数据
当然，能够获取到分钟数据，对于日线数据更加不在话下了。日线数据并没有日期限制，想下多少有多少。
api = TdxHq_API()
api = api.connect('119.147.212.81', 7709)
data=api.get_k_data('123045', '2020-05-01', '2022-08-26') # 123045 为可转债代码，可以替换任意代码
data.to_excel('k-line.xlsx')
如果想获取正股或者其他股票数据，只需要把代码替换成正股股票代码即可。
如果分钟数据还不满足，还可以使用更小粒度的tick数据。下回有空再继续介绍，敬请关注。
欢迎关注公众号
6行python代码 获取通达信的可转债分时数据
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 2673 次浏览 • 2022-08-27 14:33
6行python代码 获取通达信的可转债分时数据。from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
查看全部
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
查看全部
6行python代码 获取通达信的可转债分时数据。
点击查看大图
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
from pytdx.hq import TdxHq_API
api = TdxHq_API()
with api.connect('119.147.212.81', 7709):
data = api.get_security_bars(7, 0, '123045', 0, 240) # 123045 为转债代码 ，240 为获取 240个转债数据
df = api.to_df(data)
df=df.sort_values('datetime')
如果需要遍历当前最新可转债代码（集思录），需要结合前面的文章。
公众号：
优矿使用的python版本
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 1760 次浏览 • 2022-08-07 08:22
应该是变种的python2.7
从底层来看它的报错信息：
它是使用python2.7
可是异常操作，却可以使用python3的语法
try:
....
except Exception as e:
.....
所以有些地方还是得要注意一下 py2和py3的区别
比如py2的字典默认顺序是无序的。（这个有一次调试一个bug耗费了一两个小时，结果发现用了字典，取key，结果发现key的顺序全部是乱的，py3从3.6开始字典的key是有序的）
查看全部
从底层来看它的报错信息：
它是使用python2.7
可是异常操作，却可以使用python3的语法
try:
....
except Exception as e:
.....
所以有些地方还是得要注意一下 py2和py3的区别
比如py2的字典默认顺序是无序的。（这个有一次调试一个bug耗费了一两个小时，结果发现用了字典，取key，结果发现key的顺序全部是乱的，py3从3.6开始字典的key是有序的）
查看全部
应该是变种的python2.7
从底层来看它的报错信息：
它是使用python2.7
可是异常操作，却可以使用python3的语法
try:
....
except Exception as e:
.....
所以有些地方还是得要注意一下 py2和py3的区别
比如py2的字典默认顺序是无序的。（这个有一次调试一个bug耗费了一两个小时，结果发现用了字典，取key，结果发现key的顺序全部是乱的，py3从3.6开始字典的key是有序的）
从底层来看它的报错信息：
它是使用python2.7
可是异常操作，却可以使用python3的语法
try:
....
except Exception as e:
.....
所以有些地方还是得要注意一下 py2和py3的区别
比如py2的字典默认顺序是无序的。（这个有一次调试一个bug耗费了一两个小时，结果发现用了字典，取key，结果发现key的顺序全部是乱的，py3从3.6开始字典的key是有序的）
可转债多因子回测 优矿代码
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 2744 次浏览 • 2022-08-06 18:00
可转债里面可用因子很多，一般人最常用的就是溢价率，双低，价格等。
实际运用里面，可以加入很多很多因子，比如正股涨跌幅，正股波动率，转债到期时间，正股ROE等等多大几十个因子。
之前写了一个多因子回测的优矿python代码，用户可以自己修改参数，
比如下面的正股波动率因子，Bond_Volatility_ENABLE = True
Bond_Volatility_DAYS = 30
TOP_RIPPLE = 50
Bond_Volatility_LOG_ENABLE = True # 波动率日志开关
Bond_Volatility_ENABLE = True 设为True，就是回测过程加入这个因子，设为False就忽略这个因子。
下面的
Bond_Volatility_DAYS 为N天内的正股波动率，一般设置30天，20天内就够了，因为一年之前的即使波动很大，那对当前转债的影响也很小。
TOP_RIPPLE 选择波动率最大的前面N只转债
举个例子，下面转债是根据其对应正股的30天里的波动率选出来的。（当前是8月5日，也就是7月5日到8月5日之间的数据）。
计算波动率具体代码如下;
每个因子写成一个类。
这样可以不用修改主代码，就可以无限地添加，修改因子。# 基类
class ConditionFilter:
def filters(self, *args, **kwargs):
if self.enable:
return self.fun(*args, **kwargs)
else:
return True
def fun(self, *args, **kwargs):
# 继承的实现这个函数
raise NotImplemented
上面是部分过滤因子，也就是不满足的都会被移除。 比如规模大于10亿的会移除。
然后得到的结果，进行因子评分。 # 权重 溢价率、转债价格、正股Ｎ天涨幅，正股ＲＯＥ
weights = {'溢价率': 0, '转债价格': 1, '正股N天涨幅': 0, '正股ROE': 0, '规模': 0}
每个权重赋予一个权重分最高是1，最低是0，如果你想回测 低溢价率 策略，只需要把其他因子的权重全部设置为0，溢价率设置为1即可。双底的话就是 溢价率和价格各为0.5 就可以了。
设置好参数后，设置你要回测的时间，持仓周期，持有个数等可调参数。
稍等片刻就会有结果了。因子越多，运行时间会增加。一般几分钟就可以得到几年来的回测结果。
中途可以查看日志
完整代码以及运行流程可到知识星球咨询了解。
欢迎关注公众号 查看全部
实际运用里面，可以加入很多很多因子，比如正股涨跌幅，正股波动率，转债到期时间，正股ROE等等多大几十个因子。
之前写了一个多因子回测的优矿python代码，用户可以自己修改参数，
比如下面的正股波动率因子，Bond_Volatility_ENABLE = True
Bond_Volatility_DAYS = 30
TOP_RIPPLE = 50
Bond_Volatility_LOG_ENABLE = True # 波动率日志开关
Bond_Volatility_ENABLE = True 设为True，就是回测过程加入这个因子，设为False就忽略这个因子。
下面的
Bond_Volatility_DAYS 为N天内的正股波动率，一般设置30天，20天内就够了，因为一年之前的即使波动很大，那对当前转债的影响也很小。
TOP_RIPPLE 选择波动率最大的前面N只转债
举个例子，下面转债是根据其对应正股的30天里的波动率选出来的。（当前是8月5日，也就是7月5日到8月5日之间的数据）。
计算波动率具体代码如下;
每个因子写成一个类。
这样可以不用修改主代码，就可以无限地添加，修改因子。# 基类
class ConditionFilter:
def filters(self, *args, **kwargs):
if self.enable:
return self.fun(*args, **kwargs)
else:
return True
def fun(self, *args, **kwargs):
# 继承的实现这个函数
raise NotImplemented
上面是部分过滤因子，也就是不满足的都会被移除。 比如规模大于10亿的会移除。
然后得到的结果，进行因子评分。 # 权重 溢价率、转债价格、正股Ｎ天涨幅，正股ＲＯＥ
weights = {'溢价率': 0, '转债价格': 1, '正股N天涨幅': 0, '正股ROE': 0, '规模': 0}
每个权重赋予一个权重分最高是1，最低是0，如果你想回测 低溢价率 策略，只需要把其他因子的权重全部设置为0，溢价率设置为1即可。双底的话就是 溢价率和价格各为0.5 就可以了。
设置好参数后，设置你要回测的时间，持仓周期，持有个数等可调参数。
稍等片刻就会有结果了。因子越多，运行时间会增加。一般几分钟就可以得到几年来的回测结果。
中途可以查看日志
完整代码以及运行流程可到知识星球咨询了解。
欢迎关注公众号 查看全部
可转债里面可用因子很多，一般人最常用的就是溢价率，双低，价格等。
实际运用里面，可以加入很多很多因子，比如正股涨跌幅，正股波动率，转债到期时间，正股ROE等等多大几十个因子。
之前写了一个多因子回测的优矿python代码，用户可以自己修改参数，
比如下面的正股波动率因子，
Bond_Volatility_ENABLE = True 设为True，就是回测过程加入这个因子，设为False就忽略这个因子。
下面的
Bond_Volatility_DAYS 为N天内的正股波动率，一般设置30天，20天内就够了，因为一年之前的即使波动很大，那对当前转债的影响也很小。
TOP_RIPPLE 选择波动率最大的前面N只转债
举个例子，下面转债是根据其对应正股的30天里的波动率选出来的。（当前是8月5日，也就是7月5日到8月5日之间的数据）。
计算波动率具体代码如下;
每个因子写成一个类。
这样可以不用修改主代码，就可以无限地添加，修改因子。
上面是部分过滤因子，也就是不满足的都会被移除。 比如规模大于10亿的会移除。
然后得到的结果，进行因子评分。
每个权重赋予一个权重分最高是1，最低是0，如果你想回测 低溢价率 策略，只需要把其他因子的权重全部设置为0，溢价率设置为1即可。双底的话就是 溢价率和价格各为0.5 就可以了。
设置好参数后，设置你要回测的时间，持仓周期，持有个数等可调参数。
稍等片刻就会有结果了。因子越多，运行时间会增加。一般几分钟就可以得到几年来的回测结果。
中途可以查看日志
完整代码以及运行流程可到知识星球咨询了解。
欢迎关注公众号
实际运用里面，可以加入很多很多因子，比如正股涨跌幅，正股波动率，转债到期时间，正股ROE等等多大几十个因子。
之前写了一个多因子回测的优矿python代码，用户可以自己修改参数，
比如下面的正股波动率因子，
Bond_Volatility_ENABLE = True
Bond_Volatility_DAYS = 30
TOP_RIPPLE = 50
Bond_Volatility_LOG_ENABLE = True # 波动率日志开关
Bond_Volatility_ENABLE = True 设为True，就是回测过程加入这个因子，设为False就忽略这个因子。
下面的
Bond_Volatility_DAYS 为N天内的正股波动率，一般设置30天，20天内就够了，因为一年之前的即使波动很大，那对当前转债的影响也很小。
TOP_RIPPLE 选择波动率最大的前面N只转债
举个例子，下面转债是根据其对应正股的30天里的波动率选出来的。（当前是8月5日，也就是7月5日到8月5日之间的数据）。
计算波动率具体代码如下;
每个因子写成一个类。
这样可以不用修改主代码，就可以无限地添加，修改因子。
# 基类
class ConditionFilter:
def filters(self, *args, **kwargs):
if self.enable:
return self.fun(*args, **kwargs)
else:
return True
def fun(self, *args, **kwargs):
# 继承的实现这个函数
raise NotImplemented
上面是部分过滤因子，也就是不满足的都会被移除。 比如规模大于10亿的会移除。
然后得到的结果，进行因子评分。
# 权重 溢价率、转债价格、正股Ｎ天涨幅，正股ＲＯＥ
weights = {'溢价率': 0, '转债价格': 1, '正股N天涨幅': 0, '正股ROE': 0, '规模': 0}
每个权重赋予一个权重分最高是1，最低是0，如果你想回测 低溢价率 策略，只需要把其他因子的权重全部设置为0，溢价率设置为1即可。双底的话就是 溢价率和价格各为0.5 就可以了。
设置好参数后，设置你要回测的时间，持仓周期，持有个数等可调参数。
稍等片刻就会有结果了。因子越多，运行时间会增加。一般几分钟就可以得到几年来的回测结果。
中途可以查看日志
完整代码以及运行流程可到知识星球咨询了解。
欢迎关注公众号
qmt获取可转债历史tick行情数据
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 0 个评论 • 3571 次浏览 • 2022-07-20 19:18
需要在mini qmt中获取历史tick，如果在qmt里面，只能获取到订阅行情的数据。
当然拿到数据后，它的tick数据是参差不齐的，虽然是L1的数据，当时有些时间间隔大于3s，而有些却可以小于3s。
所以可以对这些数据进行时间的重采样处理。 比如全部变为1s，或者变为3s，变为1分钟就没必要了。 因为获取行情本身就自带1m的数据参数。
result = df.resample('3S',).first().ffill()
dataframe重采样采用3秒的代码入行，而且要向前补全，因为某些时刻没有交易的话，它的价格还是上一档的价格。
最后处理的数据如上图所示。
查看全部
当然拿到数据后，它的tick数据是参差不齐的，虽然是L1的数据，当时有些时间间隔大于3s，而有些却可以小于3s。
所以可以对这些数据进行时间的重采样处理。 比如全部变为1s，或者变为3s，变为1分钟就没必要了。 因为获取行情本身就自带1m的数据参数。
result = df.resample('3S',).first().ffill()
dataframe重采样采用3秒的代码入行，而且要向前补全，因为某些时刻没有交易的话，它的价格还是上一档的价格。
最后处理的数据如上图所示。
查看全部
需要在mini qmt中获取历史tick，如果在qmt里面，只能获取到订阅行情的数据。
当然拿到数据后，它的tick数据是参差不齐的，虽然是L1的数据，当时有些时间间隔大于3s，而有些却可以小于3s。
所以可以对这些数据进行时间的重采样处理。 比如全部变为1s，或者变为3s，变为1分钟就没必要了。 因为获取行情本身就自带1m的数据参数。
result = df.resample('3S',).first().ffill()dataframe重采样采用3秒的代码入行，而且要向前补全，因为某些时刻没有交易的话，它的价格还是上一档的价格。
最后处理的数据如上图所示。
一创聚宽的实盘只支持每日开盘价和分钟交易
量化交易-Ptrade-QMT • 李魔佛 发表了文章 • 1 个评论 • 3183 次浏览 • 2022-07-11 14:26
在一创的官网里面浏览到了一创上跑聚宽实盘的一些信息：
1.交易佣金是多少？
A股万分之二点五，最低五元手续费；
货币类ETF买卖和申赎均无费用；
场内基金只能买卖不能申赎，交易费用根据客户交易佣金来定，有最低5元限制；
具体情况请联系一创咨询；
2.平台支持的交易频率是多少？
支持「每分」和「每天」两个交易频率
3.平台支持的交易品种有哪些？
目前支持A股、场内基金。
4.可以同时跑几个实盘策略？
目前每个用户可以运行1个实盘策略，需要更多权限请联系自己的客户经理申请。
5.其他问题如何咨询？
查看常见问题及实盘说明文档
点击聚宽官网的在线客服免费咨询
6.请问实盘支持哪些系统
请您使用win7、8、9、10系统和mac系统进行实盘账户的绑定操作。目前暂时不支持win xp等系统和虚拟机。
不支持虚拟机和xp系统，费率万2.5（这个实在要吐槽一下，太太太贵）
只支持股票和场内基金，不支持可转债。
只能跑一个策略。（额。。。无力吐槽）
执行周期最低的是分钟级别，没有秒级别。
其他量化平台实盘案例，可以参考本站其他文章。
查看全部
1.交易佣金是多少？
A股万分之二点五，最低五元手续费；
货币类ETF买卖和申赎均无费用；
场内基金只能买卖不能申赎，交易费用根据客户交易佣金来定，有最低5元限制；
具体情况请联系一创咨询；
2.平台支持的交易频率是多少？
支持「每分」和「每天」两个交易频率
3.平台支持的交易品种有哪些？
目前支持A股、场内基金。
4.可以同时跑几个实盘策略？
目前每个用户可以运行1个实盘策略，需要更多权限请联系自己的客户经理申请。
5.其他问题如何咨询？
查看常见问题及实盘说明文档
点击聚宽官网的在线客服免费咨询
6.请问实盘支持哪些系统
请您使用win7、8、9、10系统和mac系统进行实盘账户的绑定操作。目前暂时不支持win xp等系统和虚拟机。
不支持虚拟机和xp系统，费率万2.5（这个实在要吐槽一下，太太太贵）
只支持股票和场内基金，不支持可转债。
只能跑一个策略。（额。。。无力吐槽）
执行周期最低的是分钟级别，没有秒级别。
其他量化平台实盘案例，可以参考本站其他文章。
查看全部
在一创的官网里面浏览到了一创上跑聚宽实盘的一些信息：
不支持虚拟机和xp系统，费率万2.5（这个实在要吐槽一下，太太太贵）
只支持股票和场内基金，不支持可转债。
只能跑一个策略。（额。。。无力吐槽）
执行周期最低的是分钟级别，没有秒级别。
其他量化平台实盘案例，可以参考本站其他文章。
1.交易佣金是多少？
A股万分之二点五，最低五元手续费；
货币类ETF买卖和申赎均无费用；
场内基金只能买卖不能申赎，交易费用根据客户交易佣金来定，有最低5元限制；
具体情况请联系一创咨询；
2.平台支持的交易频率是多少？
支持「每分」和「每天」两个交易频率
3.平台支持的交易品种有哪些？
目前支持A股、场内基金。
4.可以同时跑几个实盘策略？
目前每个用户可以运行1个实盘策略，需要更多权限请联系自己的客户经理申请。
5.其他问题如何咨询？
查看常见问题及实盘说明文档
点击聚宽官网的在线客服免费咨询
6.请问实盘支持哪些系统
请您使用win7、8、9、10系统和mac系统进行实盘账户的绑定操作。目前暂时不支持win xp等系统和虚拟机。
不支持虚拟机和xp系统，费率万2.5（这个实在要吐槽一下，太太太贵）
只支持股票和场内基金，不支持可转债。
只能跑一个策略。（额。。。无力吐槽）
执行周期最低的是分钟级别，没有秒级别。
其他量化平台实盘案例，可以参考本站其他文章。
