深入浅出Python量化交易实战--第4章-借助量化交易平台_深入浅出python量化交易交易实战

第4章-借助量化交易平台

现在，小瓦已经对算法交易的基本概念、简单的交易策略、最基 本的回测方法有了一定的了解，也尝试了使用机器学习技术来进行股 票涨跌的预测。虽然作为简单的实验，KNN算法的预测准确率还不是 很理想，但小瓦猜想，如果我们扩展样本的数据维度，模型的准确率 不就可以提高了吗？此外，我们只是随机挑选了一只股票来进行实 验，假如能够选出更多涨幅明显的股票来组成投资组合，收益率不也 可以大幅提高吗？ 为了验证小瓦的猜想，我们就来寻找一些方法来展开实验。本章 的主要内容如下。

1. 量化交易平台的基本使用方法。
2. 利用量化交易平台获取股票的概况与财务数据。
3. 利用财务指标进行简单选股。
4. 利用量化交易平台获取股东数据。
5. 利用量化交易平台查询资金流入／流出数据。

4.1　数据不够，平台来凑

既然要进行进一步的实验，我们就需要找到更多的数据（仅仅使用 tushare获取的数据不够），而让小瓦自己开发一个爬虫程 序去各大网站“爬”数据，学习成本又太高，还要花费大量的时间，那小 瓦还不如直接用别人已经整理好的数据呢。也就是说，小瓦可以借助现 有的量化交易平台来进行研究。

4.1.1　选择量化交易平台

现在有很多现成的量化交易平台，不但有大量已经整理好的数据， 并且可以让小瓦在平台上直接编写策略并进行回测。例如，Quantopian 的开源回测工具zipline可以说在业内是无人不知，无人不晓，但zipline 在本地的配置有点麻烦，而Quantopian平台上面的中国股市数据包还需 要单独付费。这样一来，小瓦就需要找一找国内的量化交易平台了。 国内的量化平台也有几个比较有名的，如聚宽（JoinQuant）、米筐 （RiceQuan）、BigQuant等。这几个平台对于小瓦目前的水平来说，都 是够用的。小瓦要做的无非是挑一个用着比较顺手、文档比较完善、有 成熟社区的平台即可。 结合上述几个方面的考虑，我们就让小瓦先从“聚宽”开始，等熟悉 之后，要转向其他平台，也是比较容易操作。

要使用“聚宽”平台，只需要浏览器打开网址 JoinQuant聚宽量化投研平台 即可。

注册一个新用户:过程十分简单，我们这里就不详细讲解了

4.1.2　量化交易平台的研究环境

注册完成之后，我们就和小瓦一起来熟悉平台的使用方法。“聚 宽”平台的功能还是比较多的，包括策略的编写、回测、研究等。我们 先从研究环境开始

4.1.3　在研究环境中运行代码

“聚宽”平台研究环境的用法与小瓦在本地安装的Jupyter Notebook一 样，而且一些常用的第三方库也已经安装好，还是非常方便的。下面我 们就和小瓦一起在研究环境中做一点练习，熟悉相关的函数的使用方 法。 例如，要获取某只股票在2023年1月1日至2023年3月13日之间的行情 数据，只要使用get_price函数即可，输入代码如下

#导入需要的库
import pandas as pd
 
#获取股票002624.XSHE 2023年1月1日至2023年3月13日之间的的日级交易数据
df = get_price('002624.XSHE', start_date='2023-01-01', end_date='2023-03-13', frequency='daily') 
df