邢不行Python量化实操 - 数字货币量化投资入门

邢不行Python量化实操 - 数字货币量化投资入门

零基础也能学

无需编程基础小白从零上手,大量实战案例作为配套作业

量化投资从字面上来理解是可量化的投资,也称定量投资,我们可以从量化投资起源感受一下:

我们为什么要做量化交易

什么是量化交易?

量化交易就是用先进的数学模型替代人为的主观判断,利用计算机技术从过去众多的数据中选择能带来收益的,可能性比较大的事件以制定策略,减少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。

简单的说,量化就是结合数学方法、计算机技术以及金融知识,选择收益的可能性最大最好的股票、期货、数字货币等产品,制定投资决策。

从全球市场的参与主体来看,按照管理资产的规模,全球排名前四以及前六位中的五家资管机构,都是依靠计算机技术来开展投资决策,由量化及程序化交易所管理的资金规模在不断扩大。

币圈是否适合量化交易?

首先数字货币交易具备以下特点,使得量化交易与数字货币交易的契合度非常高。 ①无涨跌停限制;7*24*365不间断交易;②门槛极低,几美金也可以下单,用户都可以申请交易所API;③不限制交易次数,手续费低;④.市场繁荣,期货现货市场都很活跃;⑤数字货币交易平台众多,交易量较大,具有一定的资金承载量,对于量化投资而言有着更多的套利操作机会。以上都复合金融交易市场及衍生品的特点。所以币圈非常适合进行量化交易。

量化交易的优势?

纪律性:机器交易无情绪,严格按照按照策略执行。

系统性:多层次、多角度、多数据

套利思想:金融市场都存在套利的机会,套利都是无风险的。

概率取胜:根据比较成熟的策略和大数据分析来进行交易。

为什么我们韭菜需要做量化交易

不知道市场走向,总是凭感觉?

管不住手,要去追涨杀跌?

空仓时,USDT还会被收割;

一入场,币价就跌,一出场,币价就涨……

交易所赚手续费,庄家们割韭菜,做合格韭菜不容易,那我们韭菜该怎么生存?

邢不行Python量化实操 - 数字货币量化投资入门

适用人群:

对量化投资、数字货币感兴趣的同学

邢不行简介:

经管之家论坛(原人大经济论坛)量化投资版块版主,著有热门系列教程《量化小讲堂》。
全额奖学金毕业于香港科技大学,多年量化投资经验,实战经验丰富!
2017年6月进入币圈后投入较多精力。搬砖、套利、选币、多空择时等,各种交易都参与。

邢不行是在2017年6月进入币圈,他将之前在股票市场近十年的量化投资经验应用于此。他在量化界可谓是声名远播,五个学量化的人里,有四个都会推荐他。他硕士毕业于香港科技大学,并获得全额经学金。此外,他还是经管之家论坛(原人大经济论坛)量化投资板块版主,著有热门系列教程《量化小课堂》,有近10年的交易经验,也有多年授课经验。

其实,邢不行的量化投资经验可以追溯到在南京大学就读期间,在那时他便开始借鉴巴菲特的投资理论,分析上市公司财报。而后,他在阅读书籍中看到有效的炒股方法,就用过往数据进行测试。那时,他还不知道这就是量化投资。

在数据越发繁杂的时候,邢不行开始学习编程。第一套选股的策略编程就已告捷,首次尝试实盘交易时,他在当天买入,次日便涨了。

放眼十余年的经验,邢不行也攒下了一个教训。在2015年,股票市场曾有过一波牛市,在牛市快到顶点时,其实已经稍微有些下滑。当时系统发出要平仓卖出的信号。“我整个人已经陷入了一个思路,认为这个市场不会跌,只会继续涨。因此,在程序快要下单平仓之时,他却主动关闭了程序,导致了不少损失。

“操作过程中并不提倡手动干预。”邢不行更加坚信量化投资是有一套客观的操作规律的。除此之外,邢不行还提及量化投资的另一特点,即通过历史数据回测这套规律的可行性。

从量化交易到课程输出,始于人大经济论坛的帖子。2017年,邢不行在人大经济论坛发帖分享多年累积的量化投资经验。期间,不少网友通过微信向邢不行请教问题,也有网友提出需求:“要不要完整地讲一讲量化投资?”

从20个人的课程尝试起,邢不行开始讲授量化投资课程。得益于自己多年实盘经验的积累,课程得到了很多学员的好评。一位小白学员表示学到熟练使用编程,只花了2个月时间,并能将之运用到日常工作中。还有一位设计师零编程基础,却在一个多月后,开始开发自己的交易系统,实盘来赚取收益。邢老师在量化交易方面的积累不言而喻。

1、本资源为网络收集整理,版权归原作者所有!
2、只做本地研究使用,产生一切后果责任自负!
3、若侵犯到您的权益,请联系本站,我们将及时处理!
4、侵权删帖/投稿等联系邮箱:ms6084681@qq.com!

成长分享网 » 邢不行Python量化实操 - 数字货币量化投资入门
官方微信号【成长分享团】
关注我们,免费领取此课程,加入学习自律社群!
12163人已关注
分享到:
赞(1)

评论抢沙发

评论前必须登录!