python 实时期货数据 python获取期货数据

《Python金融实战》pdf下载在线阅读,求百度网盘云资源

《Python金融实战》（[美] Yuxing Yan）电子书网盘下载免费在线阅读

资源链接：

链接：https://pan.baidu.com/s/1qUDSnJtaIAu14GL_tyXo2w提取码：d1iz

书名：Python金融实战

作者：[美] Yuxing Yan

译者：张少军

豆瓣评分：6.6

出版年份：2017-6

页数：320

内容简介：Python凭借其简单、易读、可扩展性以及拥有巨大而活跃的科学计算社区，在需要数据分析和处理大量数据的金融领域得到了广泛而迅速的应用，并且成为越来越多专业人士**的编程语言之一。

本书通过12章内容介绍了Python在金融领域的应用，从Python的安装、基础语法，再到一系列简单的编程示森带蔽例，本此州书循序渐行闭进地引导读者学习Python。同时，本书还结合Python的各个模块以及金融领域中的期权价格、金融图形绘制、时间序列、期权定价模型、期权定价等内容，深度揭示了Python在金融行业中的应用技巧。

本书适合金融、会计等相关专业的高校师生阅读，也适合金融领域的研究人员和从业人员参考学习。对于有一定计算机编程基础，但想要从事金融行业的读者，本书也是不错的参考用书。

作者简介：严玉星，毕业于麦吉尔大学，获金融学博士学位。他有着丰富的教学经验，教授过各类本科学位和研究生学位的金融课程，如金融建模、期权和期货、投资组合理论、定量财务分析、企业融资和金融数据库等。他曾在8所全球知名的大学任教：两所在加拿大，一所在新加坡，5所在美国。

严博士一直活跃于学术研究的前沿，他的研究成果在多个国际学术期刊发表。此外，他还是财务数据方面的专家。在新加坡南洋理工大学任教时，他曾为博士生讲授一门名为“金融数据库入门”的课程。

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。

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