高级算法交易

Py FX交易机器人 介绍 Deleveop是一款部署在外汇市场上的交易机器人，它使用不同的短期交易策略，以系统和算法的方式捕获交易机会。 交易策略 波动突破策略 乌龟交易者追随趋势 基于支撑和阻力的简单水平交易

TradingView图表数据提取器 影片教学 如何进行屏幕录制： ： 上面教程中的结果文件： : 发布图表之前，请确保缩放/平移，以便在TradingView上可以看到所需的最早日期。 指标太多或时间分辨率太低都会增加数据点，并可能使空闲服务器超载。 为避免这种情况，请在本地计算机上托管/运行脚本，或者使用较少的指示符多次抓取脚本，然后手动组合CSV。 用法 只需将在TradingView上发布的图表/想法的URL添加到下面的链接。 这不是证券图表的URL，而是用户发布的图表的URL： : url 即对于此图表： : 您将使用： : : 安装 pip3 ins

xBacktest: 基于C++的国内期货交易策略回测系统 架构 xBacktest是一个使用C++编写的期货交易策略回测系统，它借鉴了PyAlgoTrade的设计，采用事件驱动架构。 功能 xBacktest支持以下功能： 支持多策略、多合约、多周期组合 支持多种性能分析指标 内置多种技术指标，可外接TA-Lib 支持策略参数寻优，支持遗传算法寻优 抽象DataSeries接口，方便用户使用 策略编写使用事件驱动模式 说明 xBacktest已停止开发，其存在的主要问题是过度设计。回测系统如果考虑太多现实中不常用的需求，会导致不必要的复杂性。 改进版本的回测系统被集成到AlgoSE算法策略引擎中，实现回测与实盘接口的完全一致。

ML交易-第二版 旨在说明ML如何以实用而全面的方式为算法交易策略增加价值。 它涵盖了从线性回归到深度强化学习的各种机器学习技术，并演示了如何建立，回测和评估由模型预测驱动的交易策略。 本书分为四个部分，共23章，另加附录，涵盖800余页： 数据采购，财务功能工程和资产组合管理的重要方面， 基于监督和无监督的机器学习算法的多空策略的设计和评估， 如何从SEC文件，收益电话记录或财务新闻等财务文本数据中提取可交易信号， 使用带有市场和替代数据的CNN和RNN等深度学习模型，如何使用生成的对抗网络生成综合数据，以及使用深度强化学习来训练交易代理 此回购包含150多个笔记本，这些笔记本将书中讨论的概念，算法和用例付诸实践。 他们提供了许多例子，说明 如何处理市场，基本和替代文本和图像数据并从中提取信号， 如何训练和调整可预测不同资产类别和投资范围的回报的模型，包括如何复制最近发表的

使用Python进行算法交易 克里斯·康兰（Chris Conlan）的《 Python算法交易》（2020）的源代码。 可以购买平装本。 有用的资源 无论有没有附带的书，这些独立的资源对于研究人员都是有用的。该存储库中的其余材料取决于书中给出的解释和上下文。 用于评估交易策略的绩效指标： 纯熊猫的常见技术指标： 将常见技术指标转换为三元信号： 用于数值优化的通用网格搜索包装器： 用于投资组合模拟的面向对象的构建基块： 用于多核重复K折交叉验证的通用包装器： 免费使用的模拟EOD库存数据和替代数据流：

successful-algorithmic-trading中文与英文版(含代码）