3Python入门量化生态下工具链的正确打开方式

量化投资量化投资24【3】Python入门，量化生态下完整工具链的正确打开方式相关文章相关文章 【4】9步，搭建安装完整的 推荐这12份！|特别内容大家好，欢迎来到《量化投资24小时》的第3集。在第2集中我们主要介绍了量化交易领域目前比较主流的败类编辑语言，而今天我们则会开始着重介绍整个专辑的重点Python语言。Python语言的特先来介绍一下Python语言在量化交易领域的优势，我们从五个方面来看它的整体特点Python特点1开源第一点，Python语言本身就是一个开源软件，这点和像Matab这样的商业软件是不一样的。我们介绍过开源软件的第一个特点是免费；第二个是灵活，可以随意地修改所有源代码；第三个则是安全，可以知道自己的程序所有运行时的行为。Python特点2语法简单第二个特点则是Python的语法非常简单。第一个优势就是非常简洁易学；第二个编程语言每天大量地完成某项工作的时候，可以一个语法简单的语言可以大幅帮你提高量化工作的研究效率；而且在当前的时代机器的计算力正在变得越来越强，而这个时候，比起曾经非常宝贵的机器运行的时间现在更为珍贵的是研究员写代码的时间。Python特点3应用广泛第三个特点是Python语言的应用非常广泛。在量化交易这个领域，Python语言本身可以覆盖从数据获取（从网上或数据库中把需要的数据调取，然后加载到内存或硬盘中）、量化建模（首先拿到一段数据，可以简单地对其进行量化建模的分析，看看它是自回归的、还是有非常的自相关性，去判断时间区间上是适合做统计的交易、还是说趋势交易等等）、策略开发（比如欧美的一个开源策略的回测框架叫Zpne、以及国内米筐开源的RQApha，都是相当不错的策略开发框架）、实盘交易（有许多的开源项目可以直接用，这块就是Matab、R这样语言的弱点了）等步骤。可以说Python基本上实现了量化交易的一条龙全支持。Python特点4胶水语言第四个特点是Python是胶水语言，非常方便用来对接各种不同编程语言开发的工具。从一个量化交易机构的角度，比如说券商的自营、资管，或者大型私募公司里的研究员，公司可能已经采购了各种各校量化交易的系统，有的可能是数据，比如宏汇的数据服务；有的可能是用于管理具体的资管产品下单、持仓的复杂的资管系统，比如恒生的PB、O32；还有可能买了一些其它外部的数据库，比如说Barra的多因子数据库等。作为一个量化研究员，需要把这些工具整合起来使用，因为如果真的要做量化交易的话，不能说只用O32去下单而不用任何数据；用数据的话又需要用多因子数据来生成信号、需要行情数据具体地基于这个信号生成算法下单。这个时候，Python语言的优势就体现出来了，它非常容易对接各套一般金融机构内部已有的系统，并且能够把它们整合起来应用。04分06Python特点5社区生态活最后一个特点是社区的生态，Python社区是非常活跃的，同时贡献了大量成工具包，对于大家初学过程中遇到的问题，大部分都能够在网上找到答案。这也大幅降低了整个语言的学习门槛。Python语言的量化生讲完了Python的优势，接下来介绍一下Python的量化生态，就是刚刚介绍的整条工具链上每条链条的有哪些工具、同时每个工具相应的特点和使用的场景，整体上分为四块：数据收集、析建模、策略开发、实盘交易。04分56步骤1在数据收集这块，国内目前最有名的开源项目就是uShare数据包。使用TuShare可以从大量的财经上免费地和非常简单载日线级别的行业数据、或者一些基本面数据。WindPy则是万得交易终端提供的一套交易接口，WndPy本身是开源的，大家在使用过程中可以看到它的源代码，但万得在使用时是需要的，对于大部分的机构而言，万得都是标配，所以说也是非常方便。用WndPy可以获取最低到TICK级的行情数据，当然数据质量可能不是那么稳定，一般用WndPy获取过去7天到2周的分周线数据还是比较靠谱的选择。同时也可以获取一些相对比较特别的数据，比如做商品可以获取现货某个品种的数据、做基本面可以获取门户财经的数据等等，都比较方便。06分14步骤2第二块在分析建模的时候，拿到一段数据，首先可能想要看看数据的平稳性和自相关性，可能会选择用NumPy和Pandas。NumPy主要是用于Python领域的数据矩阵分析，而Pandas则是用于时间序列数据的建模和分析。做完分析后可能想将图画出来，可视化地看看效果，这时候可以选择Matplotlib这个工具，它的绘图效果也是非常好。06分50步骤3建模完成后就可以开始策略开发工作了。在介绍策略开发框架之前，可能首先要知道策略开发是一种比较交互式的、有点像在Matab里写代码一样，可能希望写入一行代码，点一下运行，代码就在准备好的数据上面跑一遍，看看结果是什么，就是立即输出。然后再去做下一段的工作、下一段的研究分析，这就是策略开发平时的工作流程。所以，为了应对这个工作流程，就需要比较好的交互式开发环境，此时，Python领域有一个可以说比较完美的解决方案那就是IPython加上JupyterNotebook这两个工具。IPython是在Python本身的虚拟机基础上增加了的交互式的虚拟机环境；Jupyter则是一个可以在浏览器中运行的类似于笔记本形式的交互式开发环境。那么，每运行一行代码都会直接缓存下来，包括结果也会缓存下来，非常方便回头的一步步查找，或者说想改个参数把代码再快速地跑一遍等等，用JupyterNotebook都会非常得直观，用熟练之后大部分的反馈都这个要比Matab要好用很多。有了这两个交互式开发的环境之后，我们就可以用之前介绍过的Zipline、或者RQAlpha去做策略回测和开发，看策略在历史数据上回测的效果如何。08分34步骤4完成策略开发之后，如果给你一段数据，已经可以每天生成相应的交易信号了，此时我们要做的事情就是最后一步，把交易信号转化成交易委托，然后实盘地发送出去是。这时候的选择可能是：第一个，也就是开发的框架vn.py，vn.py比较适合的交易接口可能主要针对机构用户，无论是、，还是外汇、国内的黄金现货（黄金TD），还有外盘通过IB、直达去做的期货、 等，甚至可以用比如OKCon货币的接口去做比特币。Vn.py把所有的这些交易接口给封闭对接了，同时对外提供一套统一的调用方式。只要掌握了vn.py一套接口，所有这些交易通道都可以直接去使用。第二个则是EasyTrader，其定位主要是一些比较适合个人投资者使用的交易接口，有一些券商提供的网页接口也好、还有一些比如说某些常规交易软件的接口。最后一个是ATpy，其特点是专注于交易这一块，