标签: quantitative-finance

我正在尝试使用PyAlogoTrade事件分析器

但是我不想使用来自yahoo!finance的数据,我想用我自己的但无法弄清楚如何解析CSV,它的格式如下:

Timestamp      Low  Open   Close       High        BTC_vol     USD_vol       [8]      [9]
2013-11-23 00  800  860    847.666666  886.876543  853.833333   6195.334452  5248330  0
2013-11-24 00  745  847.5  815.01      860         831.255     10785.94131   8680720  0

完整CSV在这里

我想做的事情如下:

def main(plot):
    instruments = ["AA", "AES", "AIG"]
    feed = yahoofinance.build_feed(instruments, 2008, 2009, ".")

然后yahoofinance.build_feed(instruments, 2008, 2009, ".")用我的替换CSV

我试过了:

import csv

with open( 'FinexBTCDaily.csv', 'rb' ) as csvfile:
     data = csv.reader( csvfile )

def main( plot ): …

直到昨天,以下网址(Google财经API)

https://www.google.com/finance/getprices?q=TSLA&x=NASDAQ&i=3600&p=5d&f=d,o,h,l,c,v

将导致一个漂亮的逗号分隔数据表与TSLA股票数据.从昨天起,同一个电话被重定向到TSLA https://www.google.com/search?q=TSLA&tbm=fin的标准谷歌财经网站.有人可能知道新的API地址或有关于Google财经API状态的任何信息吗？将URL更改为

https://finance.google.com/finance/getprices?q=TSLA&x=NASDAQ&i=3600&p=5d&f=d,o,h,l,c,v

没有帮助,因为它也重定向到正常的网站.

I am trying to create my own function in R based on black scholes variables and solve "backwards" i suppose for sigma.

I have created a function to find the call price; however, now I have to find the sigma (implied volatility) estimates in R and then test my function to see if it works... I have tried different functions but I can not seem to figure out what I am doing wrong, part of me thinks I need to …

我正在 Pandas 数据框上对股票市场上的一些交易策略进行一些回溯测试，我想设置一个距离输入价格 1% 的追踪止损。如果股价上涨了 5%，那么追踪止损也会上涨 5%。如果股价下跌，追踪止损不会改变。( https://www.investopedia.com/terms/t/trailingstop.asp )

我有这张表，它显示了我的入场信号，如果价格低于追踪止损价格，则退出列将显示值 1，这意味着交易已退出。

这是我到目前为止的表：

date           price      entry_signal      
30/06/2018     95              0                
01/07/2018     100             1                
02/07/2018     103             0                
03/07/2018     105             0                
04/07/2018     104.50          0                
05/07/2018     101             0                

我想有一栏显示每个日期的追踪止损是什么。当 enter_signal = 1 时，追踪止损首先设置为 01/07/2018 价格的 99%，此时交易在该日期执行。

当价格上涨 y% 时，追踪止损也会上涨 y%。但是，如果价格下跌，追踪止损将不会从其最后一个值改变。

当价格 <= 追踪止损时，交易退出，exit_signal 为 1...

如果价格也下跌 y%，我目前无法让追踪止损下跌 y%....

期望的表结果：

date           price      trailing stop loss      entry_signal      exit_signal
30/06/2018     95              NULL                     0                0
01/07/2018     100             99                       1                0
02/07/2018     103             101.97                   0                0
03/07/2018     105             103.95                   0 …

我有一些基于每日收盘价的股票数据.我需要能够将这些值插入到python列表中并获得最后30个关闭的中位数.有没有这样做的python库？

通过使用http://finance.yahoo.com/d/quotes.csv?s=STOCKNAME&f=我可以下载 CSV 文件，有人知道 beta 的符号是什么吗？它应该跟在&f=例如股票名称的符号是之后n，它是这样输入的：http://finance.yahoo.com/d/quotes.csv?s=STOCKNAME&f=n

在此先感谢您的帮助！

要求是计算 C# 中滚动窗口的最大回撤，例如返回的时间序列。即在每次新观察时，我们重新计算新时间窗口的最大回撤。

我试图将收益转换为价格指数来模拟 ffn 库的收盘价，但没有成功。

import pandas as pd

times = pd.to_datetime(pd.Series(['2014-07-4',
'2014-07-15','2014-08-25','2014-08-25','2014-09-10','2014-09-15']))

strategypercentage = [0.01, 0.02, -0.03, 0.04,0.5,-0.3]
df = pd.DataFrame({'llt_return': strategypercentage}, index=times)

df['llt_close']=1
df['llt_close']=df['llt_close'].shift(1)*(1+df['llt_return'])

df.head(10)


        llt_return  llt_close
2014-07-04  0.01    NaN
2014-07-15  0.02    1.02
2014-08-25  -0.03   0.97
2014-08-25  0.04    1.04
2014-09-10  0.50    1.50
2014-09-15  -0.30   0.70

我怎样才能使这个正确？

我试图在滚动窗口上对 SPY 收盘价应用赫斯特指数。如果我将以下代码（我从这里获得：https : //www.quantstart.com/articles/Basics-of-Statistical-Mean-Reversion-Testing）应用于收盘价列，则效果很好。然而，这给了我一个静态值。考虑到最近 200 个收盘价，我想在滚动窗口上应用赫斯特指数。我的目标是获得一列，其中考虑到最近 200 个收盘价，在每一行中更新 Hurst 指数。

from numpy import cumsum, log, polyfit, sqrt, std, subtract
from numpy.random import randn
import pandas_datareader as dr
from datetime import date

df = dr.data.get_data_yahoo('SPY',start='23-01-1991',end=date.today())

def hurst(ts):
    """Returns the Hurst Exponent of the time series vector ts"""
    # Create the range of lag values
    lags = range(2, 100)

    # Calculate the array of the variances of the lagged differences
    tau = [sqrt(std(subtract(ts[lag:], ts[:-lag]))) for lag in lags]

    # …

嗨，我正在尝试在 python 中安装 ibapi 但是该包似乎不可用，因为每次我尝试安装它时都会出现错误，还有另一种方法可以安装这个包。对你的帮助表示感谢。我留下了我使用的代码。尝试安装软件包

pip install ibapi