什么是量化交易？

Python015

什么是量化交易？,第1张

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。

原理参考 文章 ，主要思想我认为是求出所有分布的可能（中间的一般为零假设），出现这种分布的概率。

distribution= 参数可为exact（精确模式，即依据所有可能的排列组合，仅适用于两样本问题）、approxiamate(nresample=#)（蒙特卡洛抽样，#指需要重复的次数）、asymptotic（渐进分布抽样）

lmPerm包更擅长方差分析。示例实验设计仍为5组接受不同治疗方法的多组结果比较。

实验示例仍为关节炎的治疗（两种）与效果（无、部分、显著）间的关系

实验示例为研究文盲率与谋杀率是否相关

主要为 lmp() 、 aovp() 两个函数分别对应参数法的 lm() 线性回归、 aov() 方差分析。主要格式上的区别是添加了 perm= 参数。可以为Exact（精确模式）、Prob（不断从可能的序列中抽样，直至估计的标准差在估计的p值0.1之下）、SPR（使用贯序概率比检验来判断何时停止抽样）。值得注意的是当样本观测大于10，perm="Exact"自动默认转为"Prob"，因此精确检验只适用于小样本问题。

（1）简单线性回归

实验示例仍为以身高预测体重的设计

（2）多项式回归

高精度拟合身高体重回归关系

（3）多元回归

探究谋杀率与多因素的回归关系

（1）单因素方差分析

（2）单因素协方差分析

实验示例仍为药物对刚出生小鼠体重影响，协变量为怀孕时间

（3）双因素方差分析（交互效应）

实验示例：两种药物分别在不同剂量下对小鼠牙齿长度的影响。

核心思想是有放回的抽样多次（1000次）

（1）写一个能返回带研究统计量的函数；

（2）确定重复数，使用 boot() 函数处理；（一般重复1000次即可；此外有人认为初始样本大小为20-30即可得到足够好的结果）；

（3） boot.ci() 函数计算统计量置信区间。

实验示例：使用mtcar数据框，采用多元回归，根据车重和发动机排量来预测汽车的每加仑行驶的英里数。想获得95%的R平方值（预测变量对响应变量可解释的方差比）的置信区间

（1）首先写函数

（2）然后使用boot()函数

（3）最后boot.ci()函数求置信区间

实验示例：使用mtcar数据框，采用多元回归，根据车总和发动机排量来预测汽车的每加仑行驶的英里数。想获取一个统计量向量--三个回归系数（截距项、车总、发动机排量）95%的置信区间。

5个月。

python凭借其突出的语言优势与特性，已经融入到各行各业的每个领域。一般来说，python培训需要脱产学习5个月左右，这样的时长才能够让学员既掌握工作所需的技能，还能够积累一定的项目经验。当然如果你想要在人工智能的路上越走越远，则需要不断的积累和学习。

python培训的5个月时间里，有相当大一部分时间是在实战做项目，第一阶段是为期一个月学习python的核心编程，主要是python的语言基础和高级应用，帮助学员获得初步软件工程知识并树立模块化编程思想。学完这一阶段的内容，学员已经能够胜任python初级开发工程师的职位。

扩展资料：

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。

参考资料来源：百度百科-Python量化交易从入门到实战