四、知识
五、代码
# 导入函数库
import math
import talib as tl
import pandas as pd
import numpy as np
from datetime import timedelta
# 设定最大显示行数、列数为10000
pd.set_option('display.max_rows', 10000)
# 初始化函数，设定基准等等
def initialize(context):
# 初始化此策略
……
一、策略说明：
这是一个小小的Demo。最好在jupyter notebook下面执行，不然图形无法显示。
在cmd执行时如果提示“ No module named 'statsmodels'”，则直接使用“pip install statsmodels ”安装即可。
二、测试结果：
三、代码
import numpy as np
import pandas as pd
import talib as ta
import matplotlib.pypl……
做量化交易的，怎么能不学习Talib呢？
Talib包含了150多种技术指标，值得好好地研究一番了。另外，它还可以识别K线形态，什么三只乌鸦、红三兵之类。
它的主要指标有：
Overlap Studies 重叠研究
Momentum Indicators 动量指标
Volume Indicators 成交量指标
Volatility Indicators 波动性指标
Price Transform 价格指标……
一、股指期货：
1.开始时间
我从rqdata上面下载IF88.CFFEX的数据，设定的起始日期为2010年1月1日，实际下载到的开始日期是2010年4月16日 09:16，所以应该是从这一天开始的。
已经下载数据到2019年6月30日。
2.经确认，从rqdata下载的2017年，2017年的数据，第一根K线的时候是9:31，不是9:30。而且和上面的9:16开始的数据……
一、图表
1.图表类型
import matplotlib.pyplot as plt
plt.hist() #频数直方图
plt.plot() #线图，传入序列，元组、列表、numpy.ndarray
plt.pie()
plt.bar()
plt.show()
plt.scatter()
2.画图
fig = plt.figure() 创建一块画布
#将fig分成2*2，1表示是第一个图
ax1 = fig.add_subplot(2,2,1)……
一、Numpy概述
其实就是实现了一个Ndarray，其实就是更高级的列表。
为什么要用Ndarray，而不用列表？
因为Ndarray占用内存更少，运行速度更快。
Ndarray元素类型必须相同。
比如可以通过下面的命令查看占用内存的大小：
import sys
b = np.array(range(100))
sys.getsizeof(b)
np.array([2,3,4]) ……
一、获取国内股票代码
import tushare
import pandas
import datetime
tickersRawDate = tushare.get_stock_basics()
#日期是索引，所以这里是index.tolist
tickers = tickersRawDate.index.tolist()
print(tickers)
备注：使用to_CSV的话，使用excel打开会乱码，用sublime打开就不会了。
效果展示：
二、……
今天测试了一下利用Python绘制股票K线的功能，网上有很多人已经分享了这方面的源码，直接拿来用就可以了，不过我在测试的过程中发现了几个问题：
一、matplotlib.finance的问题
网上的源码基本上都是这样写的：
from matplotlib.finance import quotes_historical_yahoo_ohlc, candlestick_ohlc
可是在我的电脑上运行都会……
事件回测的最大好处是基本上可以避免未来函数的出现。
代码如下：
# -*- coding: utf-8 -*-
from __future__ import division
# %matplotlib inline
import tushare as ts
import pandas as pd
import numpy as np
data = ts.get_hist_data("510050",start="2017-01-01",end="2……
Excel双均线
一、获取数据
利用tushare可以很方便的获取数据。
>>> import tushare as ts
>>> df = ts.get_hist_data("510050","2018-01-01")
>>> df = df.sort_values("date") #原数据2017-01-01排在最后面，所以重新排序
>>> df.to_csv(&quo……
