关注
Matplotlib是Python中最常用的可视化工具之一，可以非常方便地创建海量类型的2D图表和一些基本的3D图表。本文翻译自Jupyter nbviewer中的第四讲，主要介绍了绘制2D图像的相关信息，图像的位置、大小，曲线的样式、宽度，坐标...
关注
import numpy as np import pandas as pd import matplotlib.pyplot as plt import bisect from jqdata import * import math import datetime from sklearn import linear_model #表示，可以调用sklearn中的linear_...
关注
Python2 迭代器和解析是一种神奇的东西，学会他们可以大大加快我们的工作速度，下面开始 迭代器在python中是以C语言的速度运行的，而while循环版本则是通过Python虚拟机运行Python字节码的。 range zip 可以让...
关注
这是面向新用户的 Python 教程，并结合了 JoinQuant 获取到的数据进行了讲解。 如果你之前没有学过 Python， 或者对 Python 不熟，那不要再犹豫了，这个教程就是为你准备的！ 更多内容请查看量化课堂 - Python编程板块。 ...
关注
fromjqdataimportjyimportpandasaspddefgetDvDJY(stockPool,date):indexStockFormat=foriinstockPool:indexStockFormat.append(i)trade_list=indexStockFormat#股票列表secu_category=#证券类别:1-A股，SecuMain表中的字段i...
关注
时间序列 import pandas as pd hz= attribute_history(601088.XSHG,count=2*6*60+60, unit=1d,fields=close) fin= h1= h= beta= for i in range(12*60+60): h1.append(hz) #得到list 全局变量 不改...
关注
本文由uuer原创发布，可在自己的机器本地运行，也可在joinquant提供的jupyter研究环境里运行。 如果在本地运行，请设置两个变量：JQ_USER、JQ_PASS，你的jq账号以及密码JQ_USER=username JQ_PASS=passwd python run.py 获...
关注
研究葛兰威、艾略特标记波浪的代码： （1）一根慢线，一根快线。从底部（慢线值5）开始算起。 （2）识别：第1个金叉点gold1(返回：值、对应时间位置)、第1个死叉点dead1(返回：值、对应时间位置)、第1个“金段”gold_sect...
关注
MACD 调参 import datetime,talib,numpy as np now=datetime.datetime.now() now=now.replace(hour=9,minute=0,second=0,microsecond=0) start = now + datetime.timedelta(-880) #1 获取获取数据 df=...
关注
本文参考海通证券《价量新因子测试》内容，感谢分析师冯佳睿、罗蕾在研报中提供的思路和方法。以下为我们通过数据及代码进行的分析例证。 研究目的： 根据研报分析，主要测试了两种价量新因子的选股效果，Neg_pos_ID 和 CO，...
关注
极端梯度提升 (eXtreme Gradient Boosting) 是一种基于决策树的集成机器学习方法，适用于分类和回归问题。其优点是速度快、效果好、能处理大规模数据、支持自定义损失函数等。 In : import osimport pickle?import pandas...
关注
聚宽真心不错，欢迎大家使用 get_price(security, start_date=None, end_date=None, frequency=daily, fields=None, skip_paused=False, fq=pre, count=None) #获取一支或者多只标的的行情数据, 按天或...
关注
本文参考中国银河证券黎鹏研报《多因子系列：基于多因子框架的收益预测模型》，再次感谢分析师 黎鹏 在研报中提供的思路和方法。 研究目的： 上一篇报告《多因子系列：多因子模型体系之因子组合的确定》中，介绍了多因子模型...
关注
有物混成，先天地而生 - 所有品种交易的涨跌 任何品种有背后规律和简单的逻辑，简单的随机数字定义逻辑可生成复杂的智慧生命以及混沌的表象；如元细胞自动机和曼德尔布罗特集合。 A.反者道之动 反： 1.返回：返回原点，期望...
关注
import numpy as np import matplotlib.pyplot as plt from sklearn.ensemble import AdaBoostClassifier from sklearn.tree import DecisionTreeClassifier from sklearn.datasets import make_gaussian_quantiles # Co...
