⑴ 國外股票程序化交易中所用的程序是用什麼語言編輯的
國外的交易軟體基本都是程序化交易系統。編寫的語言很多，又分散戶和投資機構用。無論哪種語言編輯，執行都是c++
⑵ 東方財富量化交易怎麼用
東方財富量化交易怎麼用如下
經常買東財的股票，股票賬戶也是在東財開戶的，因此比較信賴他們公司的軟體。
嘗試使用東方財富（相信如果未來可以實盤，東財應該會很快跟上的）的量化交易。目前看這個還不是太成熟，現在是模擬交易功能。配置界面可以設置的功能還有不少bug，估計還需要一段時間才能真正投入實際使用。
首先需要安裝一個SDK，在命令行輸入（沒裝python需要先裝python）：
在智能策略中我體驗了一下拐點交易，把條件設置為上漲1%拐點0.1%賣出；下跌1%拐點0.1%買入。運行一天，看下收益如何。
開盤後因為信立泰低開，所以就開始自動成交
實盤交易好像要申請，我周末申請了一下，過了一天還沒收到任何反饋。
⑶ 怎樣用 Python 寫一個股票自動交易的程序
網址都沒有給出怎麼測試呢？ 這個應該是伺服器生成的token吧，可以urllib2抓一下，如果抓不到的話那麼他可能用的js動態載入，這個得分析js源碼了，如果他用了flash來算出這個值的(我記得酷狗就是這么做的)，那麼恭喜你，不能算出這個值了
⑷ 怎樣用Python寫一個股票自動交易的程序
方法一前期的數據抓取和分析可能python都寫好了慶察，所以差這交易指令介面最後一步。
對於股票的散戶，正規的法子是華寶，國信，興業這樣願意給介面的券商，但貌似開戶費很高才給這權利，而且只有lts，ctp這樣的c++介面，沒python版就需要你自己封裝。方法二是wind這樣的軟體也有直鎮攔接的介面，支持部分券商，但也貴，幾萬一年是要的。方法三滑鼠鍵盤模擬法，很復雜的，就是模擬鍵盤滑鼠去操作一些軟體，比如券商版交易軟體和大智慧之類的。方法四就是找到這些軟體的關於交易指令的底層代碼並更改，不過T+1的規則下，預譽旅茄測准確率的重要性高於交易的及時性，花功夫做數據分析就好，交易就人工完成吧⑸ 如何用Python和機器學習炒股賺錢
相信很多人都想過讓人工智慧來幫你賺錢，但到底該如何做呢？瑞士日內瓦的一位金融數據顧問 Gaëtan Rickter 近日發表文章介紹了他利用 Python 和機器學習來幫助炒股的經驗，其最終成果的收益率跑贏了長期處於牛市的標准普爾 500 指數。雖然這篇文章並沒有將他的方法完全徹底公開，但已公開的內容或許能給我們帶來如何用人工智慧炒股的啟迪。
我終於跑贏了標准普爾 500 指數 10 個百分點！聽起來可能不是很多，但是當我們處理的是大量流動性很高的資本時，對沖基金的利潤就相當可觀。更激進的做法還能得到更高的回報。
這一切都始於我閱讀了 Gur Huberman 的一篇題為《Contagious Speculation and a Cure for Cancer: A Non-Event that Made Stock Prices Soar》的論文。該研究描述了一件發生在 1998 年的涉及到一家上市公司 EntreMed（當時股票代碼是 ENMD）的事件：
「星期天《紐約時報》上發表的一篇關於癌症治療新葯開發潛力的文章導致 EntreMed 的股價從周五收盤時的 12.063 飆升至 85，在周一收盤時接近 52。在接下來的三周，它的收盤價都在 30 以上。這股投資熱情也讓其它生物科技股得到了溢價。但是，這個癌症研究方面的可能突破在至少五個月前就已經被 Nature 期刊和各種流行的報紙報道過了，其中甚至包括《泰晤士報》！因此，僅僅是熱情的公眾關注就能引發股價的持續上漲，即便實際上並沒有出現真正的新信息。」
在研究者給出的許多有見地的觀察中，其中有一個總結很突出：
「（股價）運動可能會集中於有一些共同之處的股票上，但這些共同之處不一定要是經濟基礎。」
我就想，能不能基於通常所用的指標之外的其它指標來劃分股票。我開始在資料庫裡面挖掘，幾周之後我發現了一個，其包含了一個分數，描述了股票和元素周期表中的元素之間的「已知和隱藏關系」的強度。
我有計算基因組學的背景，這讓我想起了基因和它們的細胞信號網路之間的關系是如何地不為人所知。但是，當我們分析數據時，我們又會開始看到我們之前可能無法預測的新關系和相關性。
如果你使用機器學習，就可能在具有已知和隱藏關系的上市公司的寄生、共生和共情關系之上搶佔先機，這是很有趣而且可以盈利的。最後，一個人的盈利能力似乎完全關乎他在生成這些類別的數據時想出特徵標簽（即概念（concept））的強大組合的能力。
我在這類模型上的下一次迭代應該會包含一個用於自動生成特徵組合或獨特列表的單獨演算法。也許會基於近乎實時的事件，這可能會影響那些具有隻有配備了無監督學習演算法的人類才能預測的隱藏關系的股票組。
⑹ 聽朋友說他用盈首AI全自動炒股機器人炒股，效果很好，請問一下用過的朋友，不知道是否是真的
應該是真的，現在是人工智慧時代，科學炒股是必然選擇，國家也在出了很多支持人工智慧的政策，之前在各大新聞上看見你說的這個了，有負面就是有利空啦，如果對公司造成實際影響當然股價會下挫。但在A股，利空出來的時候往往意味著主力主動借機打壓股價拿籌碼，一段時間整理後再拋出利好拉升股票，這就是所謂帶血的籌碼。不是騙局，很靠譜，我用了幾年了，效果很好，最有發言權。而且是國際國內高水平的智能炒股機器人，獲得了多項發明專利，盈首AI全自動炒股機器人，我用了幾年了，效果很好，而且是全自動交易的，策略是自己可以很方便的設計的。而且不需要自己寫編程，只要添加8個數據即可設置交易策略。核心功能編輯，語音，180個模型，180個AI全自動半成品模型，根據人工智慧的綜合科技，包括神經網路、大數據統計、特殊演算法、主力資金流向統計計算等，綜合幾十種以上影響股票漲跌的因子組合而成的全智能全自動AI策略模型。模型同樣具有6個去風險因子的功能，能及時規避大盤的風險和捕捉大盤和個股的上漲機會。自定義編寫，用戶打開界面後，對於會編程又懂股票的用戶如果想要把自己的操作思路編寫為策略進行自動交易，可以在自定義策略編寫裡面用Python語言編寫自己的策略。自定義標的。用戶如果不願點擊組合策略模型，也不會編寫程序，則可以把自己想要操作的標的添加到策略標的添加欄，然後在（自定義）交易資金買賣設定欄，設定自己的參數即可，標的需要每天添加，進行全自動交易。機器人就會按照這些設定的條件長期自動執行這些指令操作。去風險因子，特有的6個AI去風險因子能幫助用戶規避掉極大多數系統性風險，能自動預測大盤及個股即將上漲或下跌，能自動在第一時間根據大盤及個股的走勢，自動規避大盤及個股下跌風險及自動捕捉住大盤上漲的起點。全自動交易用戶用自己組合的策略或自編的策略進行歷史回測，驗證歷史年化收益率達到自己滿意後，即可把策略保存在策略保存區，組合一個屬於個人獨立的全自動交易機器人。策略保存區一般應保存三個策略。保存後，三個策略同時交易，點擊自動交易按鈕，機器人就會按照這些設定的條件長期自動執行這些指令了。
⑺ 怎樣用 Python 寫一個股票自動交易的程序
國外有自動交易軟體。只需要寫插件就可以。如果用python重新寫，有些麻煩。如果證券交易公司提供API，就容易。 我記得2004年左右是通過API實現的。 有個朋友做過一個貴金屬的自動交易。不過2年後，虧了不少。
⑻ 想編寫股票自動交易軟體，學什麼語言好
Python 作為自動化交易的入門編程的計算機語言還不錯。也可參考現有的雲交易（或自動炒股交易）軟體，畢竟已投入使用的產品相對來說會更成熟和穩定。
⑼ python量化哪個平台可以回測模擬實盤還不要錢
Python量化投資框架：回測+模擬+實盤
Python量化投資 模擬交易 平台 1. 股票量化投資框架體系 1.1 回測 實盤交易前，必須對量化交易策略進行回測和模擬，以確定策略是否有效，並進行改進和優化。作為一般人而言，你能想到的，一般都有人做過了。回測框架也如此。當前小白看到的主要有如下五個回測框架： Zipline ：事件驅動框架，國外很流行。缺陷是不適合國內市場。 PyAlgoTrade ： 事件驅動框架，最新更新日期為16年8月17號。支持國內市場，應用python 2.7開發，最大的bug在於不支持3.5的版本，以及不支持強大的pandas。 pybacktest ：以處理向量數據的方式進行回測，最新更新日期為2個月前，更新不穩定。 TradingWithPython：基於pybacktest，進行重構。參考資料較少。 ultra-finance：在github的項目兩年前就停止更新了，最新的項目在谷歌平台，無奈打不開網址，感興趣的話，請自行查看吧。 RQAlpha：事件驅動框架，適合A股市場，自帶日線數據。是米筐的回測開源框架，相對而言，個人更喜歡這個平台。 2 模擬 模擬交易，同樣是實盤交易前的重要一步。以防止類似於當前某券商的事件，半小時之內虧損上億，對整個股市都產生了惡劣影響。模擬交易，重點考慮的是程序的交易邏輯是否可靠無誤，數據傳輸的各種情況是否都考慮到。 當下，個人看到的，喜歡用的開源平台是雪球模擬交易，其次是wind提供的模擬交易介面。像優礦、米筐和聚寬提供的，由於只能在線上平台測試，不甚自由，並無太多感覺。 雪球模擬交易：在後續實盤交易模塊，再進行重點介紹，主要應用的是一個開源的easytrader系列。 Wind模擬交易：若沒有機構版的話，可以考慮應用學生免費版。具體模擬交易介面可參看如下鏈接：http://www.dajiangzhang.com/document 3 實盤 實盤，無疑是我們的終極目標。股票程序化交易，已經被限制。但對於萬能的我們而言，總有解決的辦法。當下最多的是破解券商網頁版的交易介面，或者說應用爬蟲爬去操作。對我而言，比較傾向於食燈鬼的easytrader系列的開源平台。對於機構用戶而言，由於資金量較大，出於安全性和可靠性的考慮，並不建議應用。 easytrader系列當前主要有三個組成部分： easytrader：提供券商華泰/傭金寶/銀河/廣發/雪球的基金、股票自動程序化交易，量化交易組件 easyquotation : 實時獲取新浪 / Leverfun 的免費股票以及 level2 十檔行情 / 集思路的分級基金行情 easyhistory : 用於獲取維護股票的歷史數據 easyquant : 股票量化框架，支持行情獲取以及交易 2. 期貨量化投資框架體系 一直待在私募或者券商，做的是股票相關的內容，對期貨這塊不甚熟悉。就根據自己所了解的，簡單總結一下。 2.1 回測 回測，貌似並沒有非常流行的開源框架。可能的原因有二：期貨相對股票而言，門檻較高，更多是機構交易，開源較少； 去年至今對期貨監管控制比較嚴，至今未放開，只能做些CTA的策略，另許多人興致泱泱吧。 就個人理解而言，可能wind的是一個相對合適的選擇。 2.2 模擬 + 實盤 vn.py是國內最為流行的一個開源平台。起源於國內私募的自主交易系統，2015年初啟動時只是單純的交易API介面的Python封裝。隨著業內關注度的上升和社區不斷的貢獻，目前已經一步步成長為一套全面的交易程序開發框架。如官網所說，該框架側重的是交易模塊，回測模塊並未支持。 能力有限，如果對相關框架感興趣的話，就詳看相關的鏈接吧。個人期望的是以RQAlpha為主搭建回測框架，以雪球或wind為主搭建模擬框架，用easy系列進行交易。
⑽ 怎樣用 Python 寫一個股票自動交易的程序
股票自動交易助手提供了一個 Python 自動下單介面，參考代碼
#股票自動交易助手Python自動下單使用例子
#把此腳本和StockOrderApi.pyOrder.dll放到你自己編寫的腳本同一目錄
fromStockOrderApiimport*
#買入測試
#Buy(u"600000",100,0,1,0)
#賣出測試,是持倉股才會有動作
#Sell(u"000100",100,0,1,0)
#賬戶信息
print("股票自動交易介面測試")
print("賬戶信息")
print("--------------------------------")
arrAccountInfo=["總資產","可用資金","持倉總市值","總盈利金額","持倉數量"];
foriinrange(0,len(arrAccountInfo)):
value=GetAccountInfo(u"",i,0)
print("%s%f"%(arrAccountInfo[i],value))
print("--------------------------------")
print("")
print("股票持倉")
print("--------------------------------")
#取出所有的持倉股票代碼,結果以','隔開的
allStockCode=GetAllPositionCode(0)
allStockCodeArray=allStockCode.split(',')
foriinrange(0,len(allStockCodeArray)):
vol=GetPosInfo(allStockCodeArray[i],0,0)
changeP=GetPosInfo(allStockCodeArray[i],4,0)
print("%s%d%.2f%%"%(allStockCodeArray[i],vol,changeP))
print("--------------------------------")