葡京赌场直营官网2017,我经验到了人生很多率先坏

作者: 阿布
阿布量化版权所有 未经允许 禁止转载

葡京赌场直营官网 1

abu量化系统github地址(欢迎+star)

image.png

本节ipython
notebook

描绘在面前

当别人问我:乃当您是一个争的人口?
本身第一会回话,我是一个“有趣的口”,我好互联网,我爱探索,我爱体验。

说到经验,百度百科给来了这么的概念:心得到的事物叫我们发真实,现实,并在大脑记忆受到养深刻印象,使我们好随时回想起就亲身感受了之生命经过,也因而对未来备预感。

坐经验,我起诸多历;因为感受,让自己平淡的生存多了几私分颜色;因为感受,让自身清楚了生活还足以这样幽默。

下面我整了自己于2017年里,那些第一不好有趣的经验:

交易对象之间的相关性分析是量化交易遇一个百般主要之家伙,本节将示例abupy中相关分析模块的运示例:

2017年里有趣的首先次等体会

1月
率先不成写2016,年终总结

葡京赌场直营官网 2

2016

第一次于体会到小序

葡京赌场直营官网 3

小程序

先是坏当宿舍里煮皮蛋瘦肉粥

葡京赌场直营官网 4

image.png

率先次爬汉中最高的山——汉山

葡京赌场直营官网 5

爬汉山

第一软错过盖了机

葡京赌场直营官网 6

飞机

首先破去了深圳,香港,澳门,珠海,广州

葡京赌场直营官网 7

深圳莲花山公园

葡京赌场直营官网 8

香港历史博物馆

葡京赌场直营官网 9

香港维多利亚两头

葡京赌场直营官网 10

珠海

葡京赌场直营官网 11

澳门赌场

葡京赌场直营官网 12

小蛮腰

2月
首先不好吃到了男子中不过红槟豆凉粉

葡京赌场直营官网 13

凉粉

第一不行好文章在爱范儿登载

葡京赌场直营官网 14

产品体验的文章

首先糟糕去矣石门栈道

葡京赌场直营官网 15

汉中石门栈道

第一涂鸦看了社火表演

葡京赌场直营官网 16

知传承

3月
先是次等摄影迎春花

葡京赌场直营官网 17

迎春花

首先次于探望了真正的棕色的 大熊猫和金丝猴

葡京赌场直营官网 18

世界唯一的棕色大熊猫

葡京赌场直营官网 19

撞的最好的一律摆设金丝猴

率先软做了一个连环梦

葡京赌场直营官网 20

蹊跷的连环梦

4月
先是破摔坏了自家那么第一单手机

葡京赌场直营官网 21

魅族mx4

率先赖撞击到蜗牛移动的视频

葡京赌场直营官网 22

早上跑遇见蜗牛

先是不良成功了cyclone的编码运行

葡京赌场直营官网 23

数字电路实验

率先不行撞击运动会上的外人

葡京赌场直营官网 24

最帅的外人

5月
先是糟糕走5km跑上30分钟

葡京赌场直营官网 25

跑进30min

率先涂鸦及司马腾先生组建时管理社群

葡京赌场直营官网 26

日管理社群

先是不成看老罗锤子坚果发布会

葡京赌场直营官网 27

坚果发布会

首先次于参加5km彩色跑

葡京赌场直营官网 28

5km彩色跑

率先坏撞击学长学姐毕业照

葡京赌场直营官网 29

学长学姐毕业照

先是次表现如此的多警车把全校“包围”

葡京赌场直营官网 30

警员来学校考试

第一破摄影秦岭

葡京赌场直营官网 31

巍峨秦岭

先是糟及挚友去爬了翠华山

葡京赌场直营官网 32

翠华山

6月
率先潮用幕布写英语做

葡京赌场直营官网 33

第一不好体会幕布写英文

先是不良看《驴得回》话剧

葡京赌场直营官网 34

驴的历届话剧

率先不善啊软件开发协会张好了活动室

葡京赌场直营官网 35

活动室书架

先是蹩脚摄影学校的健美比赛

葡京赌场直营官网 36

健身角

率先次等看《青春不毕业》的挺四毕业晚会

葡京赌场直营官网 37

常青不毕业

首先坏举行来数据结构——图书馆管理网

葡京赌场直营官网 38

图书馆管理体系

7月
第一次喝乌克兰的啤酒

葡京赌场直营官网 39

段兄给的

首先浅学习开车

葡京赌场直营官网 40

学开车

率先破错过小坪山里

葡京赌场直营官网 41

绝密的小坪

第一糟科目一考了100分

葡京赌场直营官网 42

科目一100分

首先潮以及好友玩了狼人杀

葡京赌场直营官网 43

暑假不过有意思之同等不良聚会

8月
先是不行读了了45万字之《白鹿原》

葡京赌场直营官网 44

白鹿原

首先糟糕五点钟起床写《我眼中的白鹿原》读后谢

葡京赌场直营官网 45

读书笔记

先是涂鸦上了仰泳

葡京赌场直营官网 46

仰泳的简便动作

率先不成科目二试验了了

葡京赌场直营官网 47

科目二

第一次于呼吁腾哥看手相

葡京赌场直营官网 48

我的手

9月

先是坏看了诺兰的敦刻尔克

葡京赌场直营官网 49

image.png

首先差参加数学建模竞赛

葡京赌场直营官网 50

数学建模

率先软体会小黄车3.0

葡京赌场直营官网 51

小黄车3.0

第一软以网上买药

葡京赌场直营官网 52

网上买药

首先破在好三首先龙最为早进校图书馆

葡京赌场直营官网 53

图书馆

第一赖组装无线电听秦腔

葡京赌场直营官网 54

diy收音机

先是潮吃未来高校录取

葡京赌场直营官网 55

前途大学录取通知书

率先不良看改版后的微信启动界面

葡京赌场直营官网 56

地图及之华夏

先是不善打西安地铁

葡京赌场直营官网 57

西安地铁

10月
率先蹩脚绕西安城垣走了10.1km,以此庆祝国庆

葡京赌场直营官网 58

西安城走

先是不成去了杭州,上海

葡京赌场直营官网 59

杭州西湖

葡京赌场直营官网 60

上海外滩

率先坏看到长江

葡京赌场直营官网 61

长江

第一坏看了钱塘江

葡京赌场直营官网 62

image.png

首先次打到了一派念书一般看开之杭州童

葡京赌场直营官网 63

钱塘江

第一浅通过跑的主意遇见外滩

葡京赌场直营官网 64

据此脚步丈量上海

首先赖和谐之拍创作出现在母校校刊

葡京赌场直营官网 65

校园的秋

先是不好走了西安半程马拉松,获得人生第一片老奖牌

葡京赌场直营官网 66

葡京赌场直营官网 67

奖牌

11月
率先不行撞击到如此好的蟾蜍

葡京赌场直营官网 68

中秋园月

先是糟糕举行5单小时的电路实验

葡京赌场直营官网 69

5时电路实验

率先次等冲击到11.11大家得到快递的急剧场面

葡京赌场直营官网 70

围捕打好蹊跷

微信记步第一次于停留于9999

葡京赌场直营官网 71

一步之遥

率先坏夜游曲江

葡京赌场直营官网 72

曲江之抖

12月
先是次见证了西成高铁学校附近鄠邑区站的开通

葡京赌场直营官网 73

鄠邑区站

率先浅凭着雪莲果

葡京赌场直营官网 74

雪莲果

第一破收到来自重庆底红包——火锅底料

葡京赌场直营官网 75

重庆礼物

首先赖协调的章出版及纸质杂志

葡京赌场直营官网 76

deepin杂志

率先不好跑步498.3km

葡京赌场直营官网 77

有些不满

受限于沙盒中数限制,本节示例的相关性分析只限制于abupy内置沙盒数据中,首先将嵌入沙盒中沾沾自喜股,A股,港股,
比特币,莱特币,期货市场中之symbol都排下:

写以末

今日凡2018年的率先龙,早上用即刻无异于年被发出趣点滴整理,才发现自己不知不觉经历这样有趣之经验,才晓得自己之2017从未白了。
自就无异年里为来不少缺憾,很多计划也远非会实现,但不管怎么说,它们还曾经改为了自2017年极可贵的回顾。

最后特别感谢我亲近的姐,我的老小,我之好爱人,感谢这无异于年新遇见的食指,谢谢你们并伴随。

2018还要见面有新的心得。

us_choice_symbols = ['usTSLA', 'usNOAH', 'usSFUN', 'usBIDU', 'usAAPL', 'usGOOG', 'usWUBA', 'usVIPS', 'us.IXIC']
cn_choice_symbols = ['002230', '300104', '300059', '601766', '600085', '600036', '600809', '000002', '002594', '002739', 'sh000001']
hk_choice_symbols = ['hk03333', 'hk00700', 'hk02333', 'hk01359', 'hk00656', 'hk03888', 'hk02318', 'hkHSI']
tc_choice_symbols = ['btc', 'ltc']
# 期货市场的直接从AbuFuturesCn().symbo中读取
ft_choice_symbols = AbuFuturesCn().symbol.tolist()

all_choice_symbols = us_choice_symbols + cn_choice_symbols + hk_choice_symbols + tc_choice_symbols +ft_choice_symbols
len(all_choice_symbols)

75

倘达到所示abupy内置沙盒中的symbol共75个,下面组建这75个symbol形成一个三维panel数码,摘取所有数据的p_change(涨跌幅)列形成二维dataframe对象,如下所示:

panel = ABuSymbolPd.make_kl_df(all_choice_symbols, start='2015-07-27', end='2016-07-26',
                               show_progress=True)
# 转换panel轴方向,即可方便获取所有金融时间数据的某一个列
panel = panel.swapaxes('items', 'minor')
net_cg_df = panel['p_change'].fillna(value=0)
net_cg_df.head()

葡京赌场直营官网 78

1. 相关相似度的量

机上与于特币示例章节通过比特币的数额特征结合了就学数据,通过训练多少来决定是否出十分乱,对于机械上吧获取更多特点,更多多少始终是优化的顶要且极实用之手法,如果你要打外市场找到与比特币有相关性的路,变换形成新的表征,最简便的方式可行使corr_xy接口:

ABuCorrcoef.corr_xy(net_cg_df.btc, net_cg_df['601766'], similar_type=ECoreCorrType.E_CORE_TYPE_PEARS)

-0.048279527947480187

上面通过默认参数获取601766同于特币的有关度,数值为-0.04,可以透过关键子参数similar_type来切换相关的算计办法,如下使用E_CORE_TYPE_SPERM:

ABuCorrcoef.corr_xy(net_cg_df.btc, net_cg_df['601766'], similar_type=ECoreCorrType.E_CORE_TYPE_SPERM)

-0.097886272084964976

脚使用E_CORE_TYPE_SIGN,sign的相互关度度量,只关心符号,不体贴具体数据,即准今天可比特币涨,那若601766今为涨就恰恰相关,不会见理会具体涨多少,实际上这种度量方式还可交易类型产品:

ABuCorrcoef.corr_xy(net_cg_df.btc, net_cg_df['601766'], similar_type=ECoreCorrType.E_CORE_TYPE_SIGN)

-0.067025116921873129

下面用时加权相关E_CORE_TYPE_ROLLING,进行测算,即时间上尤其早的相互关值所占权重逾聊,时间及越晚的相关值权重更充分:

ABuCorrcoef.corr_xy(net_cg_df.btc, net_cg_df['601766'], similar_type=ECoreCorrType.E_CORE_TYPE_ROLLING)

-0.098124897642975412

上面的corr_xy的接口参数只能是个别独品类的互动关度度量,如果想只要打上面net_cg_df的75栽档次中找到与较特币最相关的类非常烦,使用corr_matrix接口可以同样赖输出计算:

corr_df = ABuCorrcoef.corr_matrix(net_cg_df, )
corr_df.btc.sort_values()[::-1][:10]

btc       1.0000
ltc       0.7649
usTSLA    0.0991
000002    0.0877
B0        0.0853
002594    0.0816
AL0       0.0798
P0        0.0717
SR0       0.0709
AG0       0.0691
Name: btc, dtype: float64

corr_matrix接口同样支撑至关重要字参数similar_type,如下使用E_CORE_TYPE_SIGN:

corr_df = ABuCorrcoef.corr_matrix(net_cg_df, similar_type=ECoreCorrType.E_CORE_TYPE_SIGN)
corr_df.btc.sort_values()[::-1][:10]

btc       1.0000
ltc       0.7176
FB0       0.0852
usAAPL    0.0786
RS0       0.0676
000002    0.0645
BB0       0.0601
RI0       0.0599
usSFUN    0.0558
FU0       0.0483
Name: btc, dtype: float64

地方输出的且是正相关的top10,发现除了ltc(莱特币)外,其它的相互关度也还在0附近,都并未超越0.1,即都基本无关,实际上无论是刚刚相关还是负相关都成好起因此之材料,下面看一下岁月加权相关的top10凭连带的路:

corr_df = ABuCorrcoef.corr_matrix(net_cg_df, ECoreCorrType.E_CORE_TYPE_ROLLING)
corr_df.btc.sort_values()[:10]

hk01359    -0.1803
hk02318    -0.1600
hkHSI      -0.1281
V0         -0.1254
300059     -0.1083
601766     -0.0981
hk00656    -0.0919
hk03888    -0.0857
us.IXIC    -0.0779
sh000001   -0.0697
Name: btc, dtype: float64

设若齐所示负相关的数值产生几乎单已经达成至0.1之上了,但是由沙盒数据遭到的市类所限,并没找到适合整合特征(强正相关,或者强负相关)的门类。

备考:之后的章在动非沙盒数据的前提下,会修在完全的次第全市场受到查找和比较特币最强正相关,最强负相关的演示,以及由此它们做特征,实现政策的优化

2. 距的心路与相似度

和一般度度量相反的是简单个矢量之间相距的胸怀,如下示例在abupy中之偏离度量接口使用:

ABuStatsUtil.euclidean_distance_xy(net_cg_df.btc, net_cg_df.ltc)

51.878666694509434

地方的接口度量了于特币和莱特币之间的欧式距离(L2范数),下面度量曼哈顿去(L1范数):

ABuStatsUtil.manhattan_distances_xy(net_cg_df.btc, net_cg_df.ltc)

537.47800000000052

下面度量余弦距离:

ABuStatsUtil.cosine_distances_xy(net_cg_df.btc, net_cg_df.ltc)

0.23673712776004519

点接口cosine_distances_xy度量了比特币和莱特币之间的余弦距离,0.23啊离开的过量值,距离及相似度之间可由此重点字参数to_similar=True将余弦距离直接换为余弦相似度,如下所示:

ABuStatsUtil.cosine_distances_xy(net_cg_df.btc, net_cg_df.ltc, to_similar=True)

0.76326287223995481

与相似度接口类似,xy接口只能两个一直度量,通过matrix接口可实现矩阵的心气,如下所示:

euclidean_df = ABuStatsUtil.euclidean_distance_matrix(net_cg_df)
euclidean_df.btc.sort_values()[:10]

btc    0.0000
ltc    0.4318
WH0    0.5554
AL0    0.5571
AU0    0.5614
SR0    0.5621
PB0    0.5641
AG0    0.5644
CU0    0.5650
A0     0.5672
Name: btc, dtype: float64

得看到与较特币距离最差的是莱特币,同时可通to_similar=True将偏离度量值转换为相似度,如下所示:

manhattan_df = ABuStatsUtil.euclidean_distance_matrix(net_cg_df, to_similar=True)
manhattan_df.btc.sort_values()[::-1][:10]

btc    1.0000
ltc    0.5682
WH0    0.4446
AL0    0.4429
AU0    0.4386
SR0    0.4379
PB0    0.4359
AG0    0.4356
CU0    0.4350
A0     0.4328
Name: btc, dtype: float64

上面度量了欧式距离(L2范数),下面度量曼哈顿距(L1范数)的matrix接口:

manhattan_df = ABuStatsUtil.manhattan_distance_matrix(net_cg_df, to_similar=True)
manhattan_df.btc.median()

0.37316382510050927

上面度量结果的中位数,值也0.37,很高,因为L1范数和L2范数针对相似度的心胸只是相对的,只当数据范围外,数据里面展开数据比统计的意义不充分,如齐ltc的价与WHO差不多很,余弦距离及它们不同,如下示例,可以观看ltc与usTSLA数值差别甚非常:

cosine_df = ABuStatsUtil.cosine_distance_matrix(net_cg_df, to_similar=True)
cosine_df.btc.sort_values()[::-1][:10]

btc       1.0000
ltc       0.8213
usTSLA    0.3191
000002    0.3130
B0        0.3129
002594    0.3077
AL0       0.3051
AG0       0.3021
SR0       0.3018
P0        0.2995
Name: btc, dtype: float64

备考:与上述接口的动类,通过ABuScalerUtil.scaler_xy针对少数组矢量进行规范,通过ABuScalerUtil.scaler_matrix针对矩阵展开标准化。

3. 般相关接口的应用

下面示例在abupy中有关相似上层封装的接口的施用,如下通过以市面设置也通过E_MARKET_TARGET_CN,获取A股均市场数据以及600036进行自查自纠,可视化最相关的top10单:

备考:由于使用的是沙盒数据,所以市场丁自我数据就是一味发生几乎单,如果在非沙盒环境下,将起市场面临几千独symbol中度量相关性:

abupy.env.g_market_target = EMarketTargetType.E_MARKET_TARGET_CN
similar_dict = find_similar_with_cnt('600036', 252)

[('600036', 1.0), ('600085', 0.18746310519070053), ('601766', 0.16092010174236029), ('000002', 0.15201946573417266), ('002594', 0.090141541940086695), ('600809', 0.08546095455608782), ('300059', 0.058106113286564912), ('300104', 0.040346982734044065), ('002230', 0.039347445604041603), ('002739', -0.025313117068593773)]

葡京赌场直营官网 79

面的接口使用的凡find_similar_with_cnt,参数252乎数,即度量最近一致年的相关性,下面切换市场吧港股市场,接口使用find_similar_with_se参数经start,end进行设置时间,关键字参数corr_type代表度量相关算法,使用查看hk02333与港股市场的相关性:

abupy.env.g_market_target = EMarketTargetType.E_MARKET_TARGET_HK
_ = find_similar_with_se('hk02333', start='2016-07-26', end='2017-07-26', corr_type=ECoreCorrType.E_CORE_TYPE_PEARS)

[('hk02333', 1.0), ('hk00656', 0.24601704763153207), ('hk01359', 0.24203066017997449), ('hk02318', 0.23406013646744359), ('hk00700', 0.13924584542259066), ('hk03333', 0.11687041715770088), ('hk03888', 0.033580672103364573)]

葡京赌场直营官网 80

output_42_1.png

下面的市场接轨当港口股市场,但参数symbol使用于特币,即度量的结果吗比特币与港股市场之相关性:

_ = find_similar_with_cnt('btc', 252, corr_type=ECoreCorrType.E_CORE_TYPE_PEARS)

[('btc', 1.0), ('hk03333', 0.087948053966186684), ('hk02318', 0.057208549474234399), ('hk00700', 0.027568472278148865), ('hk01359', 0.0047700609238161343), ('hk03888', -0.010501786826757909), ('hk00656', -0.032787443726602972), ('hk02333', -0.086537956413257899)]

葡京赌场直营官网 81

脚的市场持续以港湾股市场,但接口使用find_similar_with_folds,参数参数n_folds代表年数,symbol使用于特币,corr_type使用时间加权相关度,如下所示:

_ = find_similar_with_folds('btc', n_folds=1, corr_type=ECoreCorrType.E_CORE_TYPE_ROLLING)

[('btc', 0.999999999999999), ('hk00700', 0.10763164865060315), ('hk02318', 0.10660013960666159), ('hk03333', 0.074239098008015258), ('hk01359', 0.046902811046481439), ('hk03888', 0.024748563207458382), ('hk00656', -0.024429750776305867), ('hk02333', -0.056443723857550823)]

葡京赌场直营官网 82

面的接口通过corr_type来切好互相关度度量算法,如果想用多心胸算法,同时度量,可以采取calc_similar接口,使用如下所示:

abupy.env.g_market_target = EMarketTargetType.E_MARKET_TARGET_CN
rank_score, _ = tl.similar.calc_similar('600036', '601766', corr_jobs=(ECoreCorrType.E_CORE_TYPE_PEARS,
                                                                              ECoreCorrType.E_CORE_TYPE_SPERM), show=False)
rank_score

0.7272727272727273

面使用E_CORE_TYPE_PEARS和E_CORE_TYPE_SPERM共同做吧度算法,下面采用+-号相关与岁月加权相关,如下所示:

abupy.env.g_market_target = EMarketTargetType.E_MARKET_TARGET_CN
rank_score, _ = tl.similar.calc_similar('600036', '601766', corr_jobs=(ECoreCorrType.E_CORE_TYPE_ROLLING, ECoreCorrType.E_CORE_TYPE_ROLLING), show=False)
rank_score

0.6363636363636364

相地方的输出值都生高,通过corr_xy度量两开发股票的相关度只发生0.458,如下所示:

ABuCorrcoef.corr_xy(net_cg_df['600036'], net_cg_df['601766'])

0.45800040483852272

实际上ABuTLSimilar.calc_similar()度量的是少数支股票相对整个市场的相关性评级,它不体贴某一个股票具体相关性的数值的高低,calc_similar(a,
b) 的做事流程如下:

  1. 计算a与市面受所有股票的相关性
  2. 以享有相关性进行rank排序
  3. 询问股票b在rank行中之位置,此位置值即为结果

即ABuTLSimilar.calc_similar返回值由0顶1,这样的益处是由此测算600036以及601766在拥有股票被的相似度水平,会重全局客观的体现相关性。

下面calc_similar的show=True进行可视化,它可视化了个别开销股票的价位去,如下所示:

rank_score, _ = tl.similar.calc_similar('600036', '601766', show=True)

葡京赌场直营官网 83

葡京赌场直营官网 84

葡京赌场直营官网 85

4. 本来相关性

方说之相关性都是经走势数值计算量出的相关性,在股票市场中在任何一样种自然相关性,即行分类的有关。

一般来说示例abupy中业归类的系api,首先从市场受到找到与600036处于一个行备受之具备股票,返回dataframe对象,返回中出商家之一部分中心信息以及财务数据:

pd.options.display.max_rows = 100
pd.options.display.max_columns = 100
# 找到与600036处在一个行业中的所有股票, 返回dataframe对象
industries, _ = ABuIndustries.industries_df('600036')
# 输出显示后5个股票信息
industries.tail()

葡京赌场直营官网 86

自相关性来自人为的指向行业开展归类,可以通过industries_factorize获取有市场丁拥有行业分类信息,如下获取港股市场备受所有行业:

ABuIndustries.industries_factorize(market=EMarketTargetType.E_MARKET_TARGET_HK)

0     电子商贸及互联网服务
1        电讯及网络器材
2              -
3           其他零售
4      软件及资讯科技顾问
5          纺织及成衣
6          赌场与赌博
7        电器部件及设备
8        家居耐用消费品
9          中国房地产
10         电子消费品
11      饮品 (酒精类)
12     煤炭开采及相关贸易
13            制药
14          百货公司
15     医疗保健设备及用品
16     金属采矿及相关贸易
17       工业机械及设备
18          美容护肤
19          影视娱乐
20           农产品
21      造纸、印刷及包装
22        其他金融服务
23    石油/燃气设备及服务
24          地产投资
25          综合科技
26     投资控股及资产管理
27        电力公用事业
28       环保产品及服务
29        综合化工产品
30       个人及家居用品
31        综合支援服务
32            海运
33            食肆
34       交易所买卖基金
35            林业
36            广告
37          钟表珠宝
38            建筑
39       成衣及服饰零售
40        环保公用事业
41          综合地产
42          航空服务
43     消费信贷及贷款融资
44          综合企业
45            --
46       电脑及周边产品
47        证券及经纪业
48          汽车零售
49          铁路基建
50            汽车
51            出版
52            玩具
53         海港与服务
54       包装食品与肉类
55          电讯服务
56        燃气公用事业
57         水公用事业
58            酒店
59            鞋类
60     房地产投资信托基金
61          体育用品
62       化肥与农用药剂
63            旅游
64        医疗保健服务
65           半导体
66          建筑材料
67        综合饮食制造
68    石油/燃气加工及分销
69    综合旅游、酒店及食肆
70          公路基建
71       物业管理及代理
72            陆运
73       石油/燃气勘探
74            银行
75          电视广播
76     航空支援及其他服务
77            保险
78          殡仪服务
79          基建投资
80          工业用品
81     饮品 (非酒精类)
82       航空货运与物流
83       综合石油与燃气
84          视力产品
85            基金
86        复合公用事业
87       卫星及航天科技
88       其他纺织及成衣
89    中国汽车与汽车零部件
90          生物科技
91          气体供应

设您对端行业分类中的序号6:赌场及博,序号9:中国房地产,比较感兴趣,可以利用如下方式查询这点儿个行业被之备股票信息:

# 6:赌场与赌博,序号9:中国房地产 只显示后5支股票信息
ABuIndustries.query_factorize_industry_df([6, 9], market=EMarketTargetType.E_MARKET_TARGET_HK).tail()

葡京赌场直营官网 87

一经您当回测中怀念用仍上面两个分类中之有着股票进行回测,可以以如下接口获取行业受到有股票symbol序列:

ABuIndustries.query_factorize_industry_symbol([6, 9], market=EMarketTargetType.E_MARKET_TARGET_HK)[:5]

['hk00149', 'hk02007', 'hk00123', 'hk00272', 'hk00119']

设若就来矣相思只要询问的求实行业目标,比如想要自A股市场遭遇模糊查询医学相关的股票,可以利用如下接口:

# 从A股市场中查询医学相关的股票显示前5个
ABuIndustries.query_match_industries_df('医学', market=EMarketTargetType.E_MARKET_TARGET_CN).head()

葡京赌场直营官网 88

假使从A股市场中模糊查询医学相关具备股票进行回测,可以动用如下接口获取行业被有着股票symbol序列:

ABuIndustries.query_match_industries_symbol('医学', market=EMarketTargetType.E_MARKET_TARGET_CN)[:5]

['sz002826', 'sh600645', 'sz300534', 'sh600080', 'sz300595']

小节:

  • 圆的动相关性进行择时选股的国策在事后的章节会陆续展开现身说法,请关注群众号的更新提醒

abu量化文档目录章节

  1. 择时策略的支出
  2. 择时方针的优化
  3. 滑点策略及贸易手续费
  4. 基本上支付股票择时回测与仓位管理
  5. 选股策略的开销
  6. 回测结果的度量
  7. 寻政策最精良参数与评分
  8. A股市场之回测
  9. 港股市场的回测
  10. 正如特币,莱特币的回测
  11. 期货市场的回测
  12. 机上与较特币示例
  13. 量化技术分析下
  14. 量化相关性分析应用
  15. 量化交易与找引擎
  16. UMP主裁交易决策
  17. UMP边裁交易决策
  18. 打定义裁判决策交易
  19. 数据源
  20. A股均市场回测
  21. A股UMP决策
  22. 美股全市场回测
  23. 美股UMP决策

abu量化系统文档教程持续更新受,请关注群众号丁之换代提醒。

重新多阿布量化量化技术文章

重复多关于量化交易有关请阅读《量化交易的路》

再多关于量化交易与机具上有关请看《机器上的路》

更多关于abu量化系统要关注微信公众号: abu_quant

葡京赌场直营官网 89