量化投资学习

金融

什么是金融？
金融：就是对现有资源进行重新整合之后，实现价值和利润的等效流通。
通俗来说，金融就是你有钱，但对创业没有想法，将钱融给需要做大做强的公司，等到上市，市值翻倍，从中获利。
金融工具：在金融市场中可交易的金融资产（股票、期货、黄金、外汇、基金等），就是将钱融给别人的方式。

期货相当于现货，两人对货物的未来价格趋势的一种约定。黄金稳定，当需要保值的时候一种投资。外汇：跟汇率有关，波动太小，一般大公司 *** 作基金：基金经理，个人将钱交给基金经理，基金公司会吸纳各个散户的钱，基金公司通过各种投资，赚钱后分给投资者，风险小，收益不如股票股票： 股份公司发给出资人的一种凭证，股票的持有者就是股份公司的股东。股票的作用是出资证明、证明股东身份、对公司经营发表意见。通过公司分红以及交易（卖掉一部分股份套现）获利。

上市/IPO：企业通过证券交易所公开向社会增发股票以募集资金。公司去证监会申请上市，证监会审核以规避所有风险，在证券交易所公开。
股票的分类：

股票按业绩分类：
蓝筹股：资本雄厚、信誉优良的公司的股票
绩优股：业绩优良的公司的股票
ST股：特别处理股票，连续两年亏损或者每股净资产低于股票面值股票按上市地区分类：
A股：中国大陆上市（上海或者深圳证券交易所），人民币认购买卖（T+1，涨跌幅10%），股票波动不能大于10%，为了保护股民，有涨停跌停之说；T就代表交割日，今天买出去，明天才可以卖出去
B股：中国大陆上市，外币认购买卖（T+1，T+3），T+3交收日，三天之后到账。
H股：中国香港上市（T+0，涨跌幅不设限制）
N股：美国纽约上市
S股：新加坡上市

股票市场的构成

上市公司投资者证监会（决定能否上市）证券业协会交易所：处理各种各样的信息证券中介机构：不向小股民小散户发售股票，证券交易所需要有席位，证券中介机构帮小股民代买股票，赚取席位费交易所：
上海证券交易所：只有一个主板（沪指）
指数反映了大盘整体的趋势，整个市场假如有一万亿，七八千亿都在涨，通过趋势分析，大盘总体在涨。
深圳证券交易所：
主板：大型成熟企业（深成指）
中小板：经营规模较小
创业板：尚处于成长期的创业企业

影响股价的因素：公司自身因素、行业因素（最近人工智能发展的不错，很多公司会涨）、市场因素（是影响股价的最根本的因素）、心理因素、经济因素（国家的政策，利率 ）、政治因素

股票买卖（A股）
委托买卖股票：个人不能直接买卖，需要在券商开户，进行委托购买
股票交易日：周一到周五（非法定节假日）
交易时间：

9:00-9:15 开门但不做竞价9:15-9:25 开盘集合竞价，让成交量最大9:30-11:30 前市，连续竞价时间13:00-15:00 后市，连续竞价14:58-15:00 深交所收盘集合竞价时间

金融分析：

基本面分析
宏观经济面分析：国家的财政政策、货币政策
行业分析
公司分析：财务数据、业绩报告等技术面分析：各项技术指标
K线：

阳线：代表股票在今天一天内是涨的，低开高走
阴线：代表股票在今天一天内是跌的，高开低走
MA（均线）：前若干天收盘的平均值
KDJ（随机指标）
MACD（指数平滑移动平均线） 金融量化投资

量化投资：利用计算机技术并且采用一定的数学模型去实践投资理念，实现投资策略的过程。
量化投资的优势：

避免主观情绪、人性弱点和认知偏差选择更加客观 能同时包括多角度的观察和多层次的模型即使跟踪市场变化，不断发现新的统计模型，寻找交易机会在决定投资策略后，能通过回测验证其效果

量化策略
量化策略：通过一套固定的逻辑来分析、判断和决策，自动化地进行股票交易。

策略的周期：

产生想法、学习知识实现策略：Python检验策略：回测/模拟交易实盘交易优化策略/放弃策略

量化投资的方式：
自己编写：Numpy+pandas+Matplotlib
在线平台：聚宽、优矿、米筐、Quantopian
开源框架：RQAlpha、QUANTAXIS

简单策略编写

1、双均线策略

# 导入函数库
from jqdata import *

# 初始化函数，设定基准等等
def initialize(context):
    #g.security = '601318.XSHG'
    set_benchmark('000300.XSHG')
    set_option('use_real_price',True)
    #print(g.security)
    # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
    set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=0.0003, close_commission=0.0003, close_today_commission=0, min_commission=5), type='stock')
    
    g.security = ['601318.XSHG']
    g.p1 = 5 
    g.p2 = 30

def handle_data(context, data):
    for stock in g.security:
        #金叉 ：如果5日均线大于10日均线并且不持仓
        #死叉： 如果5日均线小于10日均线并且持仓股票
        df = attribute_history(stock, g.p2) 
        ma10 = df['close'].mean()
        ma5 = df['close'][-5].mean()
        
        if ma10 > ma5 and stock  in context.portfolio.positions :
            #死叉
            order_target(stock,0)
        
        if ma10 < ma5 and stock not in context.portfolio.positions:
            #金叉
            order(stock,context.portfolio.available_cash * 0.8)
        

2、小市值策略

# 导入函数库
from jqdata import *

# 初始化函数，设定基准等等
def initialize(context):
    # 设定沪深300作为基准
    set_benchmark('000002.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    # 输出内容到日志 log.info()

    ### 股票相关设定 ###
    # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    g.security = get_index_stocks('000002.XSHG')
    
    g.q = query(valuation,indicator).filter(valuation.code.in_(g.security))
    
    g.N = 20
    run_monthly(handle, 1)
 
def handle(context):
    df = get_fundamentals(g.q)[['code','market_cap','roe']]
    #df = df.sort_values('market_cap').iloc[:g.N,:]
    #print(df)
    df['market_cap'] = (df['market_cap'] - df['market_cap'].min()) / (df['market_cap'].max() - df['market_cap'].min())
    df['roe'] = (df['market_cap'] - df['market_cap'].min()) / (df['market_cap'].max() - df['market_cap'].min())
    
    df['score'] = df['roe'] - df['market_cap']
    
    df = df.sort_values('score').iloc[-g.N:,:]
    
    to_hold = list(df['code'])
    to_hold = filter_paused_stock(to_hold)

        
    
    #print(current_data) 

    for stock in context.portfolio.positions:
        if stock not in to_hold:
            order_target(stock,0)
    
    tobuy = [stock for stock in to_hold if stock not in context.portfolio.positions]
    
    if len(tobuy) > 0 :
        cash_per_stock = context.portfolio.available_cash / len(tobuy)
        for stock in tobuy :
            order_value(stock,cash_per_stock)
            
# 过滤停牌股票
def filter_paused_stock(stock_list):
    current_data = get_current_data()
    return [stock for stock in stock_list if not current_data[stock].paused]

3、均线回归策略

# 导入函数库
from jqdata import *

# 初始化函数，设定基准等等
def initialize(context):
    # 设定沪深300作为基准
    set_benchmark('000300.XSHG')
    # 开启动态复权模式(真实价格)
    set_option('use_real_price', True)
    ### 股票相关设定 ###
    # 股票类每笔交易时的手续费是：买入时佣金万分之三，卖出时佣金万分之三加千分之一印花税, 每笔交易佣金最低扣5块钱
    set_order_cost(OrderCost(close_tax=0.001, open_commission=0.0003, close_commission=0.0003, min_commission=5), type='stock')
    g.security = get_index_stocks('000300.XSHG')
    
    g.ma_days = 30    #30日均线
    g.stock_num = 10  #选股数量20
    g.stock_num_t = 20  #筛选后选股数量10
    
    ## 运行函数（reference_security为运行时间的参考标的；传入的标的只做种类区分，因此传入'000300.XSHG'或'510300.XSHG'是一样的）
    run_monthly(handle,1)

## 运行函数
def handle(context):
    sr = pd.Series(index = g.security)
    
    for stock in sr.index :
        ma = attribute_history(stock,g.ma_days)['close'].mean()
        p = get_current_data()[stock].day_open
        ratio = (ma - p) / ma #偏离程度
        sr[stock] = ratio
    #print(sr.index)
    to_hold = sr.nlargest(g.stock_num.t).index.values
    to_hold = skip_paused_stock(to_hold)
    to_hold = to_hold[-g.stock_num:]
    #print(to_hold)
    
    #卖出股票
    for stock in context.portfolio.positions:
        if stock not in to_hold:
            order(stock,0)
    
    #买入股票        
    to_buy = [stock for stock in to_hold if stock not in context.portfolio.positions]
    
    if len(to_buy) > 0:
        cash = context.portfolio.available_cash
        cash_per_stock = cash / len(to_buy)
        
        for stock in to_buy:
            order_value(stock,cash_per_stock)

# 跳过停牌股票
def skip_paused_stock(tobuy_list):
    current_data = get_current_data()
    return [stock for stock in tobuy_list if not current_data[stock].paused]

4、布林带策略
布林线：由三条轨道线组成，其中上下两条线为价格的压力线、支撑线，在两条线之间为均线
计算公式：
中间线=20日均线
up线=20日均线+N×SD(20日收盘价标准差）
down线=20日均线-N×SD(20日收盘价标准差)
如果涨到压力线，会跌，卖出
如果跌到支撑线，会涨，买入