更好的帮助自己炒股（亏钱-。-） 2021-01-28更新一波 目前正在运行重构项目代码，目录结构可能与下面描述某些出入，后期会慢慢更新修改，感谢大家的关注与支持。 datahub /数据采集部分 fund /基金相关的分析部分 trader /交易部分 本人业余投机者（韭菜）一枚，码农自学量化交易，把经历写成代码推送到github。代码和策略会一直保持更新. 补充： fund / fund_share_update.py上交所，深交所基金场内基金份额监控 fund / fund_share_monitor.py

股票买卖最佳时机leetcode 配对交易模拟研究 介绍 该项目的问题是查看配对交易的准确性。 它如何使用配对交易的方法带来利润。 通过使用配对交易方法，使用福特和通用汽车调整后收盘价比率，4 年数据图末尾的总利润表明该方法适用于这两种不同的股票。 这两只股票的利润是正的，这种方法似乎是有道理的。 尝试使用不同数量的 k 的利润结果，这决定了在某个时刻是卖出还是买入股票，确定 k 中哪一个的利润最大。 背景 配对交易基本上是使用两种不同的股票进行买卖。 当这两只股票的比率达到比率平均值 + K * SD 时，卖出分子股票（价格将高于买入时的价格）并买入分母股票（价格较低）。 当它超过该比率的平均值时，买入和卖出股票，因为它表明我们买入（拥有）的股票价格上涨，而我们卖出的股票价格下跌。 随着这些步骤的继续，利润将会增加。 实证研究 在 Ford vs GM 中，当 k = 1 时，图中有 18 个开口和 18 个关闭。 每对开平都会带来利润。 随着更多这些货币对加起来总利润，随着时间的推移，会有更多的利润。 这两只是2011年到2014年的真实股票，但是通过这种配对交易方式，已经获利了。

论文研究-一种求解带交易费的证券组合选择问题的线性规划方法.pdf,  研究带交易费的最优证券组合问题 .交易费函数一般都假设为新的与已有的证券组合之差的 V函数 ,在某些假定下 ,带交易费的最优证券组合问题一般可以表示成一个不可微的双目标规划问题 .本文通过引进风险水平参数和变换等将不可微的双目标规划问题转化为一个线性规划问题 ,从而可以用单纯形算法等方法有效地求解带交易费的最优证券组合问题 .本文也给出了确定风险水平参数的一种方法 .

binance_futures_bot 一个简单的以币种交易期货的机器人。 支持这个项目 如果您想支持我的工作，请考虑： 目录 免责声明 该机器人旨在成为概念证明。对于使用此程序所造成的任何损失，开发人员将不承担任何责任。该程序或与之相关的任何内容均不应视为投资建议。了解所涉及的风险，进行自己的研究，仅以您愿意损失的金额进行交易。 交易策略 该机器人交易一种称为的策略。可以对其进行修改以采取自己的策略。 为什么要采用这种策略？ 我选择了该策略作为演示策略。我在浏览交易视图时碰到了它。从表面上看，该策略似乎找到了可以将趋势“确认”的点。通过在交易视图pine编辑器中查看代码，然后在python中重新创建该策略，可以重新实现该策略。可以在bot_functions.py文件的trading_signal（）函数中找到。 Heikin芦之烛 Bot使用Heikin Ashi蜡烛进行蜡烛表示。这

加密货币交易动态自适应网页模板

Python量化交易 MACD计算

算法交易 测试交易算法和想法的个人空间。 当前环境基于数据科学预先配置的映像，有关更多详细信息，请阅读： : 。 所有个人令牌都保存在.env中

算法交易学习库 此仓库提供了代码和教程供初学者学习算法交易。 目录 关于此回购 此回购协议是香港大学（HKU）计算机科学系的“最后一年项目（FYP）”的一部分。 如何使用 :warning: 工作正在进行中 所有代码都可以在/code目录中找到，并且可以通过访问该文档。 （请注意， /database目录仅包含示例文件。实际的数据库存储在HKU的计算机科学系服务器中。） 代码概述 1.技术分析 以下指标已在Python中实现： 趋势 移动平均交叉 移动平均收敛散度（MACD） 抛物线停止和反向（抛物线合成Kong径雷达） 势头 商品渠道指数（CCI） 相对强度指数（RSI） 变化率（ROC） 随机振荡器（STC） 真实强度指数（TSI） 资金流量指数（MFI） 威廉姆斯％R 挥发性 布林乐队 平均真实范围（ATR） 标准偏差 体积 蔡金振荡器 平衡量（BOV） 体积变化率 2.基本

加密算法交易框架 Python中加密货币的算法交易框架 Algotrading Framework是一个存储库，其中包含用于构建和运行有效的交易机器人，回测策略，协助交易，定义简单止损和尾随止损等的工具。此框架可直接使用来自Crypto Exchanges API，DB或CSV文件的数据。 可用于数据驱动和事件驱动的系统。 目前仅针对加密市场制作，并使用Python编写。 操作模式 框架具有三种操作模式： 实时-实时，用真实货币或模拟模式进行实时数据交易。 逐笔交易-实时测试策略，因此用户可以跟踪其输入和退出策略。 回测-回测策略并呈现结果。 即时的 实时，Trading Bot使用交易所API的实时数据进行实时操作。 它不需要预先存储的数据或数据库即可工作。 在这种模式下，机器人可以根据用户定义的进入和退出策略，交易真实货币，模拟或提醒用户何时进行买卖。 还可以模拟用户策略并实时呈现结果。 逐笔 逐笔交易模式允许用户在可见的时间范围内检查策略，更好地检查条目和退出点，或者检测策略故障或新的条目和退出点。 使用CSV文件或DB中的数据。 回测 允许用户使用先前存储的数据对策略进行

ML-algotrade 项目名称：机器学习的算法交易 1.项目建议书 Baruch MTH 9899的小组项目-大数据II：机器学习 1.1项目成员 崔一凡 王成斌， 天， 1.2项目构想 使用不同的机器学习算法来修改传统的技术策略，并通过对研究的循环测试来找到一个好的算法， 机器学习算法 最近的邻居， 随机森林， 支持向量机， 技术策略 布林带 势头 旋转相对图我们Introduction to machine learning为指南来理解算法，并Evidence-based technical analysis来学习技术策略。 1.3数据集和软件：Quantopian Quantopian是我们的主要研究和回测平台，我们在此托管研究环境中研究算法交易思路并借助机器学习算法来探索策展的财务数据。 Quantopian支持灵活的数据访问，自定义绘图以及对回测的事后分