Klang
  • Klang安装使用文档(Windows)

    Klang使用
    3
    2
    0 赞同
    3 帖子
    1k 浏览
    A
    https://www.lfd.uci.edu/~gohlke/pythonlibs/ talib whl地址
  • Klang zip代码

    Klang使用
    1
    0 赞同
    1 帖子
    318 浏览
    尚无回复
  • tauri 如何解决 Klang 需要的python环境?

    技术讨论
    1
    0 赞同
    1 帖子
    421 浏览
    尚无回复
  • 尝试 使用 tauri开发 Klang windows桌面版本

    技术讨论
    1
    0 赞同
    1 帖子
    505 浏览
    尚无回复
  • 整理了一些宏观指标

    技术讨论
    1
    0 赞同
    1 帖子
    576 浏览
    尚无回复
  • 从0学习量化的基础知识 简单计算

    量化WIKI
    1
    0 赞同
    1 帖子
    664 浏览
    尚无回复
  • 从0学习量化的基础知识股票数据

    量化WIKI
    3
    0 赞同
    3 帖子
    570 浏览
    A
    上面介绍的是第一种方法。其实还可以用Klang库来操作。具体步骤如下: 下载 Klang 并使用Klang来获取数据 git clone https://github.com/asmcos/Klang cd Klang pip3 install -r requirements.txt python3 setup.py install 第二步、下载数据 4000只股票,200天的日K,大约25M。正常网速3分钟左右。 python3 tools/download.py 如果遇到talib安装问题,请参考: 安装过程中可能会遇到 TA-Lib 库问题。 Windows 用户可以参考这篇文章 Klang安装使用文档(Windows)https://forum.klang.org.cn/topic/30/klang安装使用文档-windows/2 Linux用户 可以这样试试 $ wget http://prdownloads.sourceforge.net/ta-lib/ta-lib-0.4.0-src.tar.gz #下载 $ tar -xvf ta-lib-0.4.0-src.tar.gz # 解压 $ cd ta-lib # 进入目录 $ ./configure --prefix=/usr $ make $ make install
  • 仅用macd指标测试 光伏板块

    技术讨论
    1
    0 赞同
    1 帖子
    394 浏览
    尚无回复
  • Kdata 及其新接口设计上线

    系统公告
    1
    0 赞同
    1 帖子
    402 浏览
    尚无回复
  • 股票因子表结构设计

    技术讨论
    1
    0 赞同
    1 帖子
    505 浏览
    尚无回复
  • 0 赞同
    1 帖子
    495 浏览
    尚无回复
  • 股票的列表和基本信息

    技术讨论
    5
    0 赞同
    5 帖子
    1k 浏览
    A
    表的建立按照日更和周更,半月更新来分类。 日更新表,每个都是独立的。 周更和半月更新的 要按照 100个因子左右建立一个表 来建设。 因为因子可能比较多,不可能每个因子建立一个表。 所以有个总表来登记因子存放表的位置和管理表的建立。
  • 5.8日技术开发todo list

    技术讨论
    3
    0 赞同
    3 帖子
    960 浏览
    大
    3 backtrader 探索,年华率和最大回撤显示
  • btr data和indicator

    技术讨论
    1
    0 赞同
    1 帖子
    389 浏览
    尚无回复
  • backtrader demo

    技术讨论
    2
    0 赞同
    2 帖子
    313 浏览
    A
    from __future__ import (absolute_import, division, print_function, unicode_literals) from Klang import Kl,Klang import backtrader as bt import pandas as pd import math class LongOnly(bt.Sizer): params = (('stake', 1),) def _getsizing(self, comminfo, cash, data, isbuy): # buy 1/2 cash = math.floor(cash * 95 / 100 ) if isbuy: divide = math.floor(cash/data.close[0]) self.p.stake = divide return self.p.stake # Sell situation position = self.broker.getposition(data) if not position.size: return 0 # do not sell if nothing is open return self.p.stake class PandasData(bt.feeds.PandasData): params = ( ('datetime', None), ('open','open'), ('high','high'), ('low','low'), ('close','close'), ('volume','vol'), ('openinterest',None), ) # Create a Stratey class KStrategy(bt.Strategy): def log(self, txt, dt=None): ''' Logging function for this strategy''' dt = dt or self.datas[0].datetime.date(0) print('%s, %s' % (dt.isoformat(), txt)) def __init__(self): # Keep a reference to the "close" line in the data[0] dataseries self.dataclose = self.datas[0].close self.order = None self.macdhist = bt.ind.MACDHisto(self.data) def notify_order(self, order): if order.status == order.Completed: pass if not order.alive(): self.order = None # indicate no order is pending if order.status in [order.Submitted, order.Accepted]: # Buy/Sell order submitted/accepted to/by broker - Nothing to do return if order.status in [order.Completed, order.Canceled, order.Margin]: if order.isbuy(): self.log( 'BUY EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f,value %.2f' % (order.executed.price, order.executed.value, order.executed.comm,self.broker.getvalue())) self.buyprice = order.executed.price self.buycomm = order.executed.comm else: # Sell self.log('SELL EXECUTED, Price: %.2f, Cost: %.2f, Comm %.2f,value %.2f' % (order.executed.price, order.executed.value, order.executed.comm,self.broker.getvalue())) self.order = None def next(self): # Simply log the closing price of the series from the reference if not self.position: if self.macdhist > 0: self.order=self.buy() else: if self.macdhist < 0: self.order = self.sell() def init_btr(): cerebro = bt.Cerebro(stdstats=False) # Add a strategy cerebro.addstrategy(KStrategy) Kl.code("sh.600062") df = Kl.currentdf['df'] df.index=pd.to_datetime(df.datetime) df['openinterest'] = 0 df= df[['open','high','low','close','vol','openinterest']] data = PandasData(dataname=df) cerebro.adddata(data) cerebro.addsizer(LongOnly) cerebro.broker.setcash(100000.0) print('成本: %.2f' % cerebro.broker.getvalue()) # Run over everything cerebro.run() print('总剩余: %.2f' % cerebro.broker.getvalue()) # Plot the result cerebro.plot(style='bar') if __name__ == '__main__': Klang.Klang_init(); #加载所有股票列表 init_btr(); 结果: 正在从文件 /Users/jiashenghe/.klang_stock_list.csv 加载股票列表 正在从网上下载股票数据,时间将会有点长 成本: 100000.00 2021-09-02, BUY EXECUTED, Price: 11.55, Cost: 94998.75, Comm 0.00,value 100082.25 2021-10-27, SELL EXECUTED, Price: 11.60, Cost: 94998.75, Comm 0.00,value 100411.25 2021-11-19, BUY EXECUTED, Price: 11.75, Cost: 95386.50, Comm 0.00,value 100979.51 2022-01-27, SELL EXECUTED, Price: 12.15, Cost: 95386.50, Comm 0.00,value 103658.45 2022-03-08, BUY EXECUTED, Price: 12.54, Cost: 98627.10, Comm 0.00,value 99883.25 2022-03-09, SELL EXECUTED, Price: 12.10, Cost: 98627.10, Comm 0.00,value 100197.85 2022-03-23, BUY EXECUTED, Price: 12.84, Cost: 95182.92, Comm 0.00,value 100271.98 总剩余: 228220.36
  • Klang back test 系统规划

    技术讨论
    9
    3
    0 赞同
    9 帖子
    2k 浏览
    A
    剩下的就是回测看结果了。 结果分统计,总计。 看是否盈亏。 也可以点进去看每一只股票的交易细节。
  • 在linux上安装Klang时提示 failed building wheel for pillow

    Klang使用
    3
    2
    0 赞同
    3 帖子
    696 浏览
    明
    @asmcos 谢谢指导
  • pytorch 特征图绘制 gradcam

    AI研究
    1
    1
    0 赞同
    1 帖子
    424 浏览
    尚无回复
  • 如何定义和找到便宜的好公司

    观点碰撞
    2
    1
    1 赞同
    2 帖子
    889 浏览
    A
    这个数据 同花顺,通达信软件上有吗?
  • Klang 作为server + online配合使用问题

    Klang使用
    1
    0 赞同
    1 帖子
    387 浏览
    尚无回复