tb回测用指数还是连续

❶ 在中国，做量化交易一天的工作是怎样的

做量化交易一天的工作：

8:00~9:00： 打开交易策略，设置一些运营参数

9:00~9:30： 观察策略运转，确保没有问题

9:30~15:30: 解决已有策略的问题并研究新策略，测试新想法

15:30~17:00: 分析交易记录， 确定第二天的交易计划

17:00~18:00: 运动

岗位职责：
分析金融市场（期货、股票等）数据，寻找可利用的机会；开发与维护量化交易策略；提供机器学习/数据挖掘相应的技术支持；

岗位要求：
1.熟练计算机编程能力，熟练掌握至少一门编程语言，python优先；

理工科背景，具有良好的数理统计、数据挖掘等相关知识储备，熟悉机器学习方法（分析科学问题和相应数据，建立模型和方法，验证模型和方法，应用模型和方法并分析结果，改进模型和方法）；

有处理分析大量数据的经验，并能熟练选择和应用数据挖掘和机器学习方法解决科研和工作中的实际问题；良好的自我学习和快速 学习能力，有工作激情，喜欢金融行业；两年及以上实验室研究经验或研发类工作经验优先；

(1)tb回测用指数还是连续扩展阅读

量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，

极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。

❷ 量化策略一般用什么平台回测分别有什么优劣势

河北稳升为您服务。
要看策略是用什么语言编写的，不同平台支持语言会有差别。
一般用的较多的平台如文华，TB，金字塔等。
说一下在用的文华，优势的回测可以测试TICK数据，更为精准。另外文华的客服还是很不错的，24小时都有人。劣势的话应该在更高级的策略支持上，目前流行的这几家都有这方面的缺点。

❸ 用证券化率水平给上证指数估值这个方法科学吗

首先，需要了解证券化率是如何计算出来的。证券化率是指一国各类证券的总市值占GDP的比重。这里的证券不仅仅包括股票，也包括债券、基金等其他类型的权益凭证。在假定GDP增速稳定不变的前提下，证券化率主要受到两个方面的影响，一个是一国所有证券的整体价格水平，另一个是一国发行的证券总量。综上，我们可以得出两个结论：1.证券化率是一个宽泛的指标，虽然证券市场是大头，但是债券市场与基金市场还是会对一国的证券化率有影响；2.证券化率主要受到两个方面的影响，一个是证券整体价格水平，另一个是当年证券的发行情况。用证券化率直接展示股票价格相对于GDP的变化情况其实是有较大偏误的。学术上，一般将证券化率指标用作衡量一国证券市场发达程度的指标，而非衡量一国股票二级市场价格水平的指标。严格意义上讲，您的论述是有瑕疵的。
既然您使用的是长期价格背离回归策略，那直接使用指数增速与GDP增速的剪刀差作为indicator就可以了，何必舍近求远使用更复杂的证券化率指标呢？
作为理论，您提出的原理是有瑕疵的。但作为交易策略，我们只看结果就好。我没有专门做过这个交易策略的评估，您可以尝试回测一下这个交易策略的表现。但是由于您的交易策略周期太长了，可能能够获取的回测机会不是很多。在少量回测的情况下其实是无法确定该策略的最大回撤的。

❹ 如何用TB交易者进行期货交易历史测试

你通过TB编写你的交易策略，把你的策略设定为公式应用，然后编译成功后，在你想测试的品种界面上调出该公式应用，然后点击测试，你就可以看到相应的回测报告了。

❺ 用Python怎么做量化投资

本文将会讲解量化投资过程中的基本流程，量化投资无非这几个流程，数据输入------策略书写------回测输出
其中策略书写部分还涉及到编程语言的选择，如果不想苦恼数据输入和回测输出的话，还要选择回测平台。
一、数据
首先，必须是数据，数据是量化投资的基础
如何得到数据？

Wind：数据来源的最全的还是Wind，但是要付费，学生可以有免费试用的机会，之后还会和大家分享一下怎样才Wind里摘取数据，Wind有很多软件的借口，Excel，Matlab，Python，C++。
预测者网：不经意间发现，一个免费提供股票数据网站 预测者网，下载的是CSV格式
TB交易开拓者：Tradeblazer，感谢@孙存浩提供数据源
TuShare：TuShare -财经数据接口包，基于Python的财经数据包，利用Python进行摘取
如何存储数据？
Mysql
如何预处理数据？

空值处理：利用DataFrame的fill.na()函数，将空值（Nan）替换成列的平均数、中位数或者众数
数据标准化
数据如何分类？
行情数据
财务数据
宏观数据
二、计算语言&软件

已经有很多人在网上询问过该选择什么语言？笔者一开始用的是matlab，但最终选择了python
python：库很多，只有你找不到的，没有你想不到，和量化这块结合比较紧密的有：
Numpy&Scipy：科学计算库，矩阵计算
Pandas：金融数据分析神器，原AQR资本员工写的一个库，处理时间序列的标配

Matplotlib：画图库
scikit-learn：机器学习库
statsmodels：统计分析模块
TuShare：免费、开源的python财经数据接口包

Zipline：回测系统
TaLib：技术指标库
matlab：主要是矩阵运算、科学运算这一块很强大，主要有优点是WorkSpace变量可视化

python的Numpy+Scipy两个库完全可以替代Matlab的矩阵运算
Matplotlib完克Matlab的画图功能
python还有很多其他的功能
pycharm（python的一款IDE）有很棒的调试功能，能代替Matlab的WorkSpace变量可视化
推荐的python学习文档和书籍
关于python的基础，建议廖雪峰Python 2.7教程，适合于没有程序基础的人来先看，涉及到python的基本数据类型、循环语句、条件语句、函数、类与对象、文件读写等很重要的基础知识。

涉及到数据运算的话，其实基础教程没什么应用，python各类包都帮你写好了，最好的学习资料还是它的官方文档，文档中的不仅有API，还会有写实例教程
pandas文档
statsmodels文档
scipy和numpy文档
matplotlib文档

TuShare文档
第二，推荐《利用Python进行数据分析》，pandas的开发初衷就是用来处理金融数据的
三、回测框架和网站
两个开源的回测框架
PyAlgoTrade - Algorithmic Trading

Zipline, a Pythonic Algorithmic Trading Library

❻ A股市场个人量化交易者，需要哪些工具

量化交易的前来提是量化，源而量化就是建立数学模型。数学模型是理解量化交易的前提。数学模型就是把具体事物数字化的过程，比如股票跌涨的统计图，如果没有统计图我们就必须通过研究具体的数字并且通过加减法去了解某只股票的近期走向，但当某一天有人发明了折线统计图，只要简单的把代表某个数字的点画出来然后连接起这些点，就可以一眼看出跌涨幅度。其实数学模型就是这样一种抽象现实事物的工具。
股票量化交易中的模型建立是非常复杂的，拥有非常多的参数，数据量也非常大，数据分析的过程也十分复杂。这样做的好处就是数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。
量化交易技术盛行于现今多种金融交易机构当中，已经成为了机构交易当中占据重要地位的交易手法，然而散户如何能够跨过量化交易的门槛，成为一名量化交易者呢?答案就是使用策略炒股通软件平台进行交易。

❼ 目前哪个程序化软件可以支持套利程序化历史回测

用程序化交易软来件自动自交易，你盯盘就好，不要干涉首先，要把这个交易策略写成程序
其次，用程序化交易软件（比如TB）进行历史回测，优化参数（警惕过度优化风险）并模拟运行
最后，你要有一套明确可量化的期货交易策略
然后

❽ 在沪深300指数上对这个策略做了回测，只做一手，按点数计算收益。这句话是什么意思，尤其是按点数那句

相当于指数型基金，300指数包括300种优质蓝筹股票涨跌的综合情况，当三百种股票中和上涨时，指数上涨高于你买入的指数你将其卖出就能赚钱，反之就会夸本！

❾ 如何利用matlab对交易策略进行回测

这个很简单啊，我现在就在用matlab做期货量化的回测呢
关键的构成：
一是：形成自己策略的思想和流程图
二是：从TB或者其他软件中导出需要的tick等级别的数据，根据自己的思想和流程图编辑程序，最好多使用function函数句柄，是程序的可适性增强。
三是：绘制图片，plot，mesh或者GUI，来观测自己参数对策略的影响，进而进一步完善策略
四是：多用cell元胞数组，根据TB等回测报告形成自己的测试报告，比如空多盈亏，回撤等等。