/stock_playground

关于量化交易的一些片段

Primary LanguageJupyter Notebook

股票游乐场

一步一步完善的自己交易系统搭建的代码片段仓库, 当前代码结构比较混乱

通往工作时间/地点自由之路.

数据篇

环境配置

  1. Python3(推荐Anaconda安装)
  2. 安装依赖 pip install -r requirement.txt
  3. 安装nobody python setup.py install
  4. 启动elasticsearch, kibana
# 拉取镜像
docker pull sebp/elk:720

# 启动镜像
docker run -p 5601:5601 -p 9200:9200 -p 5044:5044 -v /home/elasticsearch/:/var/lib/elasticsearch -itd  sebp/elk

配置自己的token

在当前目录下配置一个config.json文件, 内容如下

{
    "token": "<your_token>"
}

如果可以的话, 可以用我的推荐链接注册吧:)

https://tushare.pro/register?reg=277890

数据存储

话说我的增量更新没有考虑复权,所以使用请谨慎, 可以每次全量更新 保存股票日线行情数据到当前工作目录的data目录,以csv格式存储,下载2012-01-01之后的所有数据

python -m nobody save_data

配置elasticsearch

将settings.py里面的config["es_host"] = ["192.168.56.102:9200"]配置中的ip:port改成你自己的elasticsearch ip地址

将数据上传到elasticsearch

python -m nobody dump

配置kibana

配置kibana是需要一定的时间的,好在kibana现在是大多数配置都支持导入导出,所以大家可以通过我仓库的export.ndjson文件直接导入

import

效果展示

market_status

stock_selector

参考文章: https://github.com/youerning/blog/tree/master/stock_data

回测篇

market_status

参考文章: https://github.com/youerning/blog/tree/master/backtest

策略篇

实战篇