Quantitative Trading with R : Understanding Mathematical and Computational Tools from a Quant's Perspective

stock 简易的股票量化交易系统

Quantitative Trading Strategies

密码学 加密货币的初步但可用的定量交易平台。 免责声明 该软件仅用于教育目的，并且仍在开发中。 不要冒险怕丢失的钱。 使用软件时，风险自负。 作者和所有附属机构对您的交易结果不承担任何责任。 当前功能 基于Python 3.7+ Binance / OKEx API集成 现货/永久 数据收集（仅限Binance） 回测 实时仿真 真实交易 通用指标支持：EMA，MACD，布林带等 全面的基于OHLCV的策略支持：可移植策略，并在回测，仿真和真实交易之间无缝兼容。 演示拉斯维加斯隧道策略 资料收集器 backtest_config.json->'数据'：配置文件 data_collector.py：入口点 从币安收集OHLCV记录。 请注意，使用UTC设置了start_date和end_date 。 有关更多信息，请参考 。 相依性 战略 策略/*.py 在这里写下您

基于深度学习和强化学习的量化交易系统（基于深度学习和强化学习的定量交易系统） （中文版本在英文版本的下面，请拖动查看） 大纲： 主要结构 仍在努力 结论 主要结构： 该系统包括： 数据处理模块 价格预测模块 强化学习模块基于： 6个动作的设计（卖出，卖空，卖出持有，卖空，卖出，覆盖） 强化学习模块基于： 使用VWAP或BBIBOLL的上下线将价格转换为（-1,1） 分别设计两个增强学习模型，分别用于（买入，卖出持有）和（卖空，覆盖，持有） 设置两个模型的优先级，并决定应输出哪个操作 基于价格预测和RL收益的库存拣货策略 数据处理模块 我从Kaggle获得了数据集，该数据集是美国股票市场的每日价格和数量数据。 数据集包括开盘价，收盘价，高价，低价和数量。 但是，这种数据在深度学习和强化学习的训练中效果不佳。 因此，我创建了数十个技术分析功能以为输入生成更多功能。 通过这种方式

Quantitative Trading - How to Build Your Own Algorithmic Trading Business.

My primary intent in writing this book is to provide the reader with basic programming, financial, and mathematical tools that can be successfully leveraged both in industry and academia. I cover the use of the R programming language, as well as the R environment as a means for manipulating financial market data and for solving a subset of problems that quants and traders typically encounter in their day-to-day activities. The chapters that follow should be treated as a tutorial on a recommended set of tools that I have personally found useful and that have served me well during the last few years of my career as a quant trader/developer. I am writing this book from the vantage point of a quant practitioner and not that of an academic. A significant portion of the content is based on my lecture notes from a graduate level class in quantitative finance that I teach on a part-time basis at Loyola University in Chicago.