python期货历史数据 python 期货数据

用python做期货要学哪些东西

第一部分 Python基础：

第1章语法基础

第2章常用数据类型

第3章函数式编程

第4章常用数据类型的运算

第5章循环（遍历、迭代）

第6章面向对象编程

第7章装饰器

第8章错迹扒辩误和异常处理

第9章模块、包和文件

第10章时间日期处理

第11章多进程multiprocess模块

第12章多线程threading模块

第13章异步asyncio库

第二部此键分期货量化交易：

第14章天勤姿缺量化框架

第15章 pandas模块

第16章 TqSdk的使用

第17章 TqSdk部分函数解读

第18章量化策略示例

第19章用GUI库开发界面程序

第20章 K线与技术指标绘图

第21章定量分析初步

python量化哪个平台可以回测模拟实盘还不要钱

Python量化投资框架：回测+模拟+实盘

Python量化投资模拟交易平台 1.股票量化投资框架体系 1.1回测实盘交易前，必须对量化交易策略进行回测和模拟，以确定策略是否有效，并进行改进和优化。作为一般人而言，你能想到的，一般都有人做过了。回测框架也如此。当前小白看到的主要有如下五个回测框架： Zipline：事件驱动框架，国外很流行。缺陷是不适合国内市场。 PyAlgoTrade：事件驱动框架，最新更新日期为16年8月17号。支持国内市场，应用python 2.7开发，最大的bug在于不支持3.5的版本，以及不支持强大的pandas。 pybacktest：以处理向量数据的方陪蔽式进行回测，最新更新日期为2个月前，更新不稳定。 TradingWithPython：基于pybacktest，进行重构。参考资料较少。 ultra-finance：在github的项目两年前就停止更新了，最新的项目在谷歌平台，无奈打不开网址，感兴趣的话，请自行查看吧。 RQAlpha：事件驱动框架，适合A股市场，自带日线数据。是米筐的回测开源框架，相对而言，个人更喜欢这个平台。 2模拟模拟交易，同样是实盘交易前的重要一步。以防止类似于当前某券商的事件，半小时之内亏损上亿，对整个股市都产生了恶劣影响。模拟交易，重点考虑的是程序的交易逻辑是否可靠无误，数据传输的各种情况是否都考虑到。当下，个人看到的，喜欢用的开源平台是雪球模拟交易，其次是wind提供的模拟交易接口。像优矿、米筐和聚宽提供的，由于只能在线上平台测试，不甚自由，并无太多感觉。雪球模拟交易：在后续实盘交易模块，再进行重点介绍，主要应用的是一个开源的easytrader系列。 Wind模拟交易：若没有机构版的话，可以考虑应用学生免费版。具体模拟交易接口可参看如下链接：http://www.dajiangzhang.com/document 3实盘实盘，无疑是我们的终极目标。股票程序化交易，已经被限制。但对于万能的我们而言，总有解决的办法。当下最多的是破解券商网页版的交易接口，或者说应用爬虫爬去操作。对我而言，比较倾向于食灯鬼的easytrader系列的开源平台。对于机构用户而言，由于资金量较大，出于安全性和可靠性的考虑，并不建议应用。 easytrader系列当前主要有三个组成部分： easytrader：提供券商华泰/佣金宝/银河/广发/雪球的基金、股票自动程序化交易，量化交易组件 easyquotation:实时获取新浪/ Leverfun的免费股票以及 level2十档行情/集思路的分级基金行情 easyhistory:用于获取维护股票的历史数据 easyquant:股票量化框架，支持行情获取以及交易 2.期货量化投资框架体系一直待在私募或者券商，做的是股票相关的内容，对期货这块不甚熟悉。就根据自己所了解的，简单总结一下。 2.1回测回测，貌似并没有非常流行的开源框架。可能的原因有二：期货相对股票而言，门槛较高，更多是机构交易，开源较少；去厅乱宴年至今对期货监管控制比较严，至今未放开，只能做些CTA的策略，另许多人兴致泱泱吧。就个人理解而言，可能wind的是一个相对合适的选择。 2.2模拟+实盘 vn.py是国内最为流行的一个开源平台。起源于国内私扮银募的自主交易系统，2015年初启动时只是单纯的交易API接口的Python封装。随着业内关注度的上升和社区不断的贡献，目前已经一步步成长为一套全面的交易程序开发框架。如官网所说，该框架侧重的是交易模块，回测模块并未支持。能力有限，如果对相关框架感兴趣的话，就详看相关的链接吧。个人期望的是以RQAlpha为主搭建回测框架，以雪球或wind为主搭建模拟框架，用easy系列进行交易。

期货市场各个仓位的交易数据可不可以拿到

期货市场各个仓位的交易数据可不可以拿到？

可以。通过一些免费平台获取。

西本新干线网站

网址：西本新干线

这个网站主要提供与黑色系品种相关的一些数据，此外也提供宏观方面的一些数据，如下图所示。

在这个网站中，我们可以找到黑色系品种相关的库存数据，这也是我们非常需要的一个数据，当然也有与需求相关的各种订单指数、出口指数等，此外，这个数据做的非常好的一点就是，图表是可以选择日起自动生成的。我们可以自动调节日起范围内的图表，而且图表下方还提供相关的具体数据，总体来说，这个网站还是非常不错的。

3、三大期货交易所

上期所网址：上海期货交易所

大商所网址：大连商品交易所

郑商所网址：郑州商品交易所

我们从三大期货交易所可以获得哪些重要的数据呢，第一，三大期货交易所都提供仓单日报，我们可以获得三大交易所的注册仓单数据。第二，上海期货交易所还提供库存周报，我们也可以获得部分库存相关的数据。第三，三大期货交易所均有交割制度，作为基本面交易者，你需要对你所关注的品种的交割制度和交割细则有所了解，这样你的交易逻辑才会更加完备，基本上有用的数据就是这三大类。

当然，我们只看单个数据并无法直观地看出趋势，我们想要看出趋势，就需要看好几天甚至好几周的数据，将其导出来，然后绘制成图表来观察趋势，这个过程如果采用手动的方法进行操作，必定也是非常麻烦的，我同样给大家提供一个工具，也是自己写的一个粗糙的爬虫工具，只要你电脑中安搏燃扮装了python，运行一下，输入起始日期和终止日期，程序就会自动帮你从交易所的网站爬取指定日期范围内的仓单数据和库存数据，这样你就可以在excel文件中轻松地绘制折线图来观察趋势了。

4、长江有色金属网

网址：有色金属价格行情

这个网站主要是提供有色金属相关的需求与供应情况，以及历史的价格走势，我们在这里得到有色金属的期货与现货价格走势的情况，从而判断基差的变化。既然有了生意社网站，为什么我们还要看一下长江有色金属网呢？这是因为，同一种商品，在不同网站上的数据并不相同，有时候甚至差别很大，我们不敢确保我们从公开市场中获取的相关数据完全正确，但如果不同网站上提供的数据差别不大的话，那将大大提高我们判断的准确性，单纯从一个网站中的数据来判断，最大的风险就在于网站数据的不准确性，所以这一点我们需要注意一下。

5、华尔街见闻

网址：华尔街见闻

对冲投研网址：对冲研投

华尔街见闻网站还是不错的，上面提供了各种的相关宏观经济数据，而且还有一些相关的文章见解，你也可以早晨起来听一下华尔街见闻早餐，了解一下一天之内国内外都发生了那些经济大事。

对冲头研是华尔街的资产品，这个网站刚推出不久，主要是为期货交易者推出的，它上面提供各个品种的相关数据以及实时的各种新闻，还提供相关的套利介绍，既可以获取信息，也可以进行学习。

6、移动类App

上面介绍的主要是PC端经常使用的一些网站，移动端的推荐移动生意社、同花顺iFInd、我的钢铁、华尔街见闻。移动生意社和华尔街见闻有什么作用，在前面已经介绍过了，这里不再重复。

同花顺iFInd的有一个功能我比较喜欢，它的首页当中统计报表点开后，我们可以查到期货所有品种的仓单与库存数据，并且还可以将数据转换成图表的形式，从而方便我们查看变化趋势。据我观察，它的这些数据就是从三大期货交易所网站中爬取过来的，库存方面的数据只有上期所的数据，而没有大商所与郑商所。

我的钢铁也是与黑色系相关的一个App，前面我已经提到过，但从一个网站上获取来得数据并不一定准确，所以我们需要从同一行业不同来源获取数据来进行对比一下，差别不大的话，我们所得到的数据基本上还是比较可靠的，我们可以将西本新干线中的数据与我的钢段雀铁中的数据适当对比一下，看看出入大不大。

7、数据的使用技巧

关于数据的使用，我主要想提两点建议：第一，数据来源的可靠性。错误的数据可能让你得到错误的判断，所以当我们在获取某个商品的数据时，尽可能的多渠道获得然后进行比较，如果数据之间差别不大，可以认为数据可靠；如果数据之间差别很大，那么我们需要谨慎。第二，数据的欺骗性。有些数据即使是真实的，按并不一定有效，尤其是现货的数据，基灶很多时候是有价无市，这样的数据表面真实，实际无效，说明市场不接受这个价格，所以我们在关注现货价格时，也得关注现货市场的成交数据，如果在某个价格上市场上成交比较活跃，说明这个现货数据还是非常有效的。关于数据的其他问题，后面如果遇到了，我们单独介绍。

python培训需要多久

零基础参加Python培训班学习，Python全栈开发+人工智能课程培训时间一般是5到6个月！

以下是老男孩教育Python课程内容：

阶段一：Python开发基础

Python开发基础课程内容包括：计算机硬件、操作系统原理、安装linux操作系统、linux操作系统维护常用命令、Python语言介绍、环境安装、基本语法、基本数据类型、二进制运算、流程控制、字符编码、文件处理、数据类型、用户认证、三级菜单程序、购物车程序开发、函数、内置方法、递归、迭代器、装饰器、内置方法、员工信息表开发、模块的跨目录导入、常用标准库学习，b加密\re正则\logging日志模块等，软件开发规范学习，计算器程序、ATM程序开发等。

阶段二：Python高级级编编程&数据库开发

Python高级级编编程&数据库开发课程内容包括：面向对象介绍、特性、成员变量、方法、封装、继承、多态、类的生成原理、MetaClass、__new__的作用、抽象类、静态方法、类方法、属性方法、如何在程序中使用面向对象思想写程序、选课程序开发、TCP/IP协议介绍、Socket网络套接字模块学习、简单远程命令执行客户端开发、C\S架构FTP服务器开发、线程、进程、队列、IO多路模型、数据库类型、特性介绍，表字段类型、表结构构建语句、常用增删改查语句、索引、存储过程、视图、触发器、事务、分组、聚合、分页、连接池、基于数据库的学员管理系统开发等。

阶段三：前端袭纤闷开发

前端开发课程内容包括：HTML\CSS\JS学习、DOM操作、JSONP、原生Ajax异步加载、购物商城开发、Jquery、动画效果、事件、定时期、轮播图、跑马灯、HTML5\CSS3语法学习、bootstrap、抽屉新热榜开发、流行前端框架介绍、Vue架构剖析、mvvm开发思想、Vue数据绑定与计算属性、条件渲染类与样式绑定、表单控件绑定、事件绑定webpack使用、vue-router使用、vuex单向数据流与应用结构、vuex actions与mutations热重载、vue单页面项拍弯目实战开发等。

阶段四：WEB框架开发

WEB框架开发课程内容包括：Web框架原理剖析、Web请求生命周期、自行开发简单的Web框架、MTV\MVC框架介绍、Django框架使用、路由系统、模板引擎、FBV\CBV视图、Models ORM、FORM、表单验证、Django session& cookie、CSRF验证、XSS、中间件、分页、自定义tags、Django Admin、cache系统、信号、message、自定义用户认证、Memcached、redis缓存学习、RabbitMQ队列学习、Celery分布式任务队列学习、Flask框架、Tornado框架、Restful API、BBS+Blog实战项目开发等。

阶段五：爬虫开发

爬虫开发课程内容包括：Requests模块、BeautifulSoup，Selenium模块、PhantomJS模块学习、基于requests实现登陆：抽屉、github、知乎、博客园、爬取拉钩职位信息、开发Web版微信、高性能IO性能相关模块：asyncio、aiohttp、grequests、Twisted、自定义开发一个异步非阻塞模块、验证码图像识别、Scrapy框架以及源码剖析、框架组件介绍(engine、spider、downloader、scheduler、pipeline)、分布式爬虫实战等。

阶段六：全栈项目实战

全栈项目实战课程内容包括：互联网企业专业开发流程讲解、git、github协作开发工具讲解、任务管理系统讲解、接口单元测试、敏捷开发与持续集成介绍、django+ uwsgi+ nginx生产环境部署学习、接口文档编写示例、互联网企业大型项目架构图深度讲解、CRM客户关系管理系统开发、路飞学城在线教育平台开发等。

阶段七：数据分析

数据分析课程内容包括：金融、股票知识入门股票基本概念、常见投资工具介绍、市基本交易规则、A股构成等，K线、平均线、KDJ、MACD等各项技术指标分析，股市操竖段作模拟盘演示量化策略的开发流程，金融量化与Python，numpy、pandas、matplotlib模块常用功能学习在线量化投资平台：优矿、聚宽、米筐等介绍和使用、常见量化策略学习，如双均线策略、因子选股策略、因子选股策略、小市值策略、海龟交易法则、均值回归、策略、动量策略、反转策略、羊驼交易法则、PEG策略等、开发一个简单的量化策略平台，实现选股、择时、仓位管理、止盈止损、回测结果展示等功能。

阶段八：人工智能

人工智能课程内容包括：机器学习要素、常见流派、自然语言识别、分析原理词向量模型word2vec、剖析分类、聚类、决策树、随机森林、回归以及神经网络、测试集以及评价标准Python机器学习常用库scikit-learn、数据预处理、Tensorflow学习、基于Tensorflow的CNN与RNN模型、Caffe两种常用数据源制作、OpenCV库详解、人脸识别技术、车牌自动提取和遮蔽、无人机开发、Keras深度学习、贝叶斯模型、无人驾驶模拟器使用和开发、特斯拉远程控制API和自动化驾驶开发等。

阶段九：自动化运维&开发

自动化运维&开发课程内容包括：设计符合企业实际需求的CMDB资产管理系统，如安全API接口开发与使用，开发支持windows和linux平台的客户端，对其它系统开放灵活的api设计与开发IT资产的上线、下线、变更流程等业务流程。IT审计+主机管理系统开发，真实企业系统的用户行为、管理权限、批量文件操作、用户登录报表等。分布式主机监控系统开发，监控多个服务，多种设备，报警机制，基于http+restful架构开发，实现水平扩展，可轻松实现分布式监控等功能。

阶段十：高并发语言GO开发

高并发语言GO开发课程内容包括：Golang的发展介绍、开发环境搭建、golang和其他语言对比、字符串详解、条件判断、循环、使用数组和map数据类型、go程序编译和Makefile、gofmt工具、godoc文档生成工具详解、斐波那契数列、数据和切片、make&new、字符串、go程序调试、slice&map、map排序、常用标准库使用、文件增删改查操作、函数和面向对象详解、并发、并行与goroute、channel详解goroute同步、channel、超时与定时器reover捕获异常、Go高并发模型、Lazy生成器、并发数控制、高并发web服务器的开发等。