redtorch 但知行好事,莫要问前程。 在您下载和使用本项目前,请务必阅读相关协议和注意事项 项目简介 项目是基于Java语言开发的开源量化交易程序开发框架。 项目仓库地址: 提示 如果你看到当前这段话,说明那你正在浏览的是1.0.0版本分支 。 此分支大幅精简了0.3.0版本中的通讯协议,增加了HTTP WebSocket混合RPC模式, 这极大的改善了性能,但是通讯模型理解难度增大; 此外,这个分支修复了大量拼写错误、 优化了Desktop模块的渲染方式、修复了诸多BUG、修改了接入认证方式。 由于改动幅度较大,尚未经过充分测试,请谨慎使用。 Web页面和Python客户端对应的1.0.0分支也已经发布,与0.3.0不兼容。 下一个版本1.1.0计划实现基于Zookeeper的HA,此版本已经提前准备了HaSession模块。 开发语言 Java 项目文档 此项目仅供代码相互学习,
2022-03-23 15:21:23 34.56MB java finance trading algotrading
1
马尔科夫决策matlab源码算法交易的强化学习 入门 的Python 3.6.5 我建议创建一个虚拟环境以避免依赖问题。 如果您尚未在当前的python解释器中安装虚拟环境,则可以使用Virtualenv创建虚拟环境。 当前依赖关系在requirements-cpu.txt或gpu等效文件中,可以通过以下命令安装。 pip3 install virtualenv python3 -m virtualenv env source env/bin/activate pip install -r requirements-cpu.txt gpu支持的等效要求在requirements-gpu.txt 。 训练 我们目前正在努力优化两种资产之间的资金分配。 您运行python main.py [source type] ,其中源类型如下: markov 马尔可夫记忆1和固定资产的收益率为0 markov2 马尔可夫记忆2和固定资产的回报率为0 iid IID统一随机变量和固定资产,收益率为0 mix 马尔可夫记忆1和IID统一rv real 真实数据 这将填充Q表的内容,并显示遵循策略的结果,
2022-03-20 19:37:25 19.36MB 系统开源
1
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
2022-02-18 20:59:52 33.93MB JupyterNotebook
1
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
2022-02-18 20:57:55 707KB bot framework crypto trading
1
hftbot版本3 对象: 三角形中涉及三种对象类型/接口。 每个都直接连接到其他两个。 交易所--- gdax --- poloniex 分析器(允许我们在漫游器和交易所之间共享资源)---购买墙壁分析仪大脑---体积分析仪大脑 交易者---一分钱跳跃机器人---摇摆交易机器人 交易机器人可以实现任何或多个API来下达和管理订单。 这与上面的“ Exchange”类型完全分开,后者只是一个数据馈送/输入对象。 僵尸程序始终会运行多个协同例程。 监控有效订单-检查止损是否被击中,进行调整-订单完成时通知 寻找机会(来自“ <-tick”频道的信息) Bot具有任务队列,可防止它们过载。 例如,我们一次只能发出有限数量的LIMIT订单(取决于余额,风险偏好等)。 因此,机会分析器协同例程仅通过容量有限的队列调用placeLimitBuyOrder()。 直到我们收到GDAX服务
2021-12-19 10:38:19 14KB Go
1
策略介绍 本练习的目的是提出一种策略,以平衡的资产组合来实现中等回报。 为此,我们已按照指定的百分比将资金分配到以下资产类别中 40%的资本-标准普尔(“ SPY”)指数中表现最佳的REIT股票 资本的45%-先锋富时发达市场ETF(“ VEA”) 15%的资本-SPDR黄金信托(“ GLD”)选择REIT,ETF和黄金的原因是为了多元化,以及其固有的特征,即在整个十年中保持稳定的增长势头,并在较长时期内保持稳定增长。 此外,房地产投资信托基金资产类别将其利润分配为股息,这可能会增加所投资的资本。 简而言之,我们认为上述分配可以在更长的时间内为投资者优化收益。 预计10年的复合年增长率约为4%。 需要注意的重要一点是,该投资组合在全球,金融危机,美国债务危机,欧洲债务危机,福岛核事故和最新的COV-ID大流行中表现良好。 投资组合表现– 2011年1月至2021年1月 方法 如图所示,已
2021-11-30 10:33:44 64KB Python
1
邮递员问题matlab代码果酱 供个人使用和实验的 Algotrading 项目 使用平台羊驼 是一个很好的测试算法交易程序的平台,您可以通过注册免费测试自己的结果。 很棒,但是以下资源提供了额外的有用信息: 用于羊驼交易 API 对于使用 Postman 的 Alpaca API ,一位出色的 youtuber,通过他的和 社区中使用的更多平台 是一个汇集来自不同公司和服务的数据的平台,并得到 R、MATLAB、Ruby 等编程语言的支持。 但是,某些数据集必须付费 或者 。 这里的一个问题是雅虎金融 API 只能接收 get 命令(免费版本,非常适合自己的计算和模拟,但不适用于真实交易) 谷歌金融 API ,然而它主要不是通过代码使用,而是通过谷歌表格使用(有关详细信息,请参阅文档)。 Algotrading101 提供了额外的见解。 Alpha Vantage在 RapidAPI 文档中具有每分钟 5 个请求的速率限制和最大 500 个请求/天的硬性限制。 Trading View(需要 Pine Script)是 Google Finance API 的替代方案。 非常适合学习
2021-11-06 19:11:49 33.64MB 系统开源
1
QuantStats:量化指标的投资组合分析 QuantStats Python库执行投资组合分析,通过向量化分析人员和投资组合管理人员提供深入的分析和风险指标,使他们更好地了解其绩效。 QuantStats包含3个主要模块: quantstats.stats用于计算各种性能指标,例如夏普比率,获胜率,波动率等。 quantstats.plots用于可视化性能,缩编,滚动统计,月收益等。 quantstats.reports用于生成度量标准报告,批处理图和创建可另存为HTML文件的撕纸。 这是一个简单的撕裂表分析策略的示例: 快速开始 % matplotlib inline import quantstats as qs # extend pandas functionality with metrics, etc. qs . extend_pandas () # fetch th
2021-09-06 13:46:38 1.25MB visualization python algo-trading algotrading
1
com.algotrading.base javaтотрепозиторийсодержитjava-код,составляющийбазудляпрограммированиязадачалготрейдинга。 此仓库包含自动交易编程基本的Java类。
2021-03-22 14:05:57 230KB Java
1