❶ Quant 應該學習哪些 Python 知識
1. 如果還需要Deep Learning方面的東西的話，可以考慮Theano或者Keras。這兩個東西可能會用在分析新聞數據方面。不過不是很推薦使用這類方法去做量化模型，因為計算量實在是太大，成本很高。
2. 交易框架方面，除了vn.py，還推薦PyAlgoTrade框架，github上可以搜到。私以為這個框架比vn.py牛逼太多了，畢竟是一個在金融IT領域混跡近20年的老妖的作品，架構設計不是一般的優秀。
3. 國內的話，ricequant是個不錯的選擇，雖然使用的是Java，但是團隊我見過，都是做金融IT出身的，基本上都有7、8年以上經驗，底層功底非常扎實，做事情都很靠譜。現在他們也在考慮把SDK擴展到Python這邊。
4. 國內的行情和交易介面，使用的是自己的協議（比如CTP介面使用的是FTD協議），而不是國際上廣泛使用的FIX協議，並且都不開源。如果需要連接行情，還需要考慮將介面SDK為python封裝一下。（修改：評論中有人提到很多券商也開放了FIX介面，不過似乎是在內網使用）
5. 有人談到資料庫了，這里我也說一下，對於高頻tick級別的數據，其量級可以達到每天TB級別，普通的關系資料庫是扛不住的。如果試圖使用傳統的關系資料庫，比如Oracle之類的可以省省了。對付這種級別的數據，採用文件系統+內存索引會更好。不過這種場景，一般也就是機構裡面能碰到了，個人quant可以不用考慮。
❷ 求助，Matlab的hdf5read這個命令的具體用法
helphdf5read
.
hdf5readisnotrecommended.UseH5READinstead.
.Ifthe
nameofthedatasetisknown,thenhdf5readwillsearchthefile
forthedata.Otherwise,useHDF5INFOtoobtainastructure
.Thefieldsofthestructure
containedinthefile.
.Theseoptionsare
describedindetailbelow.
DATA=hdf5read(FILENAME,DATASETNAME)returnsinthevariableDATA
.
DATA=hdf5read(FILENAME,LOCATION,ATTRIBUTENAME)returnsinthe
.Location
canbeeitheradatasetoragroup.
DATA=hdf5read(HINFO)
.HINFOisa
(seeexample).
[DATA,ATTR]=hdf5read(...,'ReadAttributes',BOOL)returnsthe
.Bydefault,BOOLis
false.
[...]=hdf5read(...,'V71Dimensions',BOOL)specifieswhetherto
changethemajorityofdatasets.IfBOOListrue,thefirsttwo
.Thisbehaviormaynot
,
(MATLAB7.1
[R14SP3]andearlier).WhenBOOLisfalse(thedefault),thedata
thefile.
dimensioninthefile.
.Itisstronglyrecommended
thatyouusethelow-,compound,
orvariablelengthdatasets.Toreadasubsetofadataset,youmust
usethelow-levelinterface.
Example:
%.
info=hdf5info('example.h5');
dset=hdf5read(info.GroupHierarchy.Groups(2).Datasets(1));
Pleasereadthefilehdf5right.txtformoreinformation.
Seealsoh5read,h5readatt,hdf5,H5D.read.
hdf5read的參考頁
❸ 什麼是金融數據
怎麼給你說呢，學術化的定義很多，通俗點的例子，某隻股票一段時期的價格數據按既定的時間順序排列就可以稱之為一種金融時間序列數據。
❹ 如何評價微軟研究院開發的AI量化投資平台Qlib
雞肋。
Quantopian當年那麼火，Point72給他投資，Steve Cohen的資源給他用，今年還是倒閉了。原因是量化平台的盈利模式是有問題的，第一，它不專業，第二，因為不專業，用它的人不賺錢。Point72旗下的Cubist很賺錢，但Cubist不會把infra給Quantopian用，因為能賺錢的infra是稀缺資源。所以Quantopian的框架在專業人士看來非常業余。也正是因為業余，專業的人不用，業余的人用Quantopian的賺不了錢，因此無法和平台分成，所以這樣的平台無法盈利。
微軟的高管去量化界也有先例，微軟前COO Kevin Turner曾到Citadel Securities擔任CEO，但是沒有太大建樹，最終Griffin任命趙鵬，是趙鵬將CitSec發揚光大。
所以說，程序員在不懂套路的情況下，直接跨界去做投資，難度極大。不是因為程序員技術不行，主要是他們不懂投研體系。好的程序員只有在培訓以後才能成為好的QR。打個比方，James Simons何等樣人，他很早就想做股票，一群科學家一直不得要領，摸索了好幾年沒什麼進展，當時PDT和DE Shaw股票都比RenTech做得好得多。最後RenTech是靠PDT的前雇員把統計套利的策略框架做好，然後另一個既懂架構，又懂股票的程序員，把策略細節調好，才有了這么牛比的大獎章。
拿統計套利來說，談談為什麼微軟的這個QLib平台註定不行。統計套利類策略的核心是信號。怎麼從各種數據源里挖掘有意義的信號，如何檢驗信號的有效性，這些都是統計學的范疇。A股簡單的量價信號目前仍然很好用，只要是懂套路的機構，近兩年超額30個點沒什麼問題。可是美股做統計套利可沒這么容易，大部分簡單的量價信號都是沒用的，大獎章return on GMV也做不到10個點。成熟市場里，不了解市場就想挖一些信號是很難的。
模型上，有機器學習的程序員在調參上的確有一些優勢，但是label怎麼處理，feature怎麼engineering這種問題，一般人可能就找不到北了。
其他方面，風格怎麼控，演算法怎麼下單，這些都需要實戰經驗。不了解市場，想靠機器學習里一些fancy的演算法搞個印鈔機，太難。現在好多家私募都說深度學習多麼有用，的確會有點用，但是絕對沒有那麼神，事實上大家做得都差不多，不算很深，深度學習真要那麼有用，誰會到處說？量化這行，真正有用的東西，雖然最終都會被同行知道，但很少有人會在公開場合大說特說的。
綜上，量化策略涉及到統計、數據挖掘、交易、市場理解、機器學習等各個方面，光靠一套機器學習演算法庫，再加上一個優化器，就想攪動市場，沒這么容易的。
❺ 第1章 為什麼將Python用於金融
python是一門高級的編程語言，廣泛應用在各種領域之中，同時也是人工智慧領域首選的語言。
為什麼將python用於金融？因為Python的語法很容易實現金融演算法和數學計算，可以將數學語句轉化成python代碼，沒有任何語言能像Python這樣適用於數學。
❻ 目前國內做金融大數據的創業企業有哪些
金融是貨幣流通和信用活動以及與之相聯系的經濟活動的總稱，廣義的金融泛指一切與信用貨幣的發行、保管、兌換、結算，融通有關的經濟活動，甚至包括金銀的買賣，狹義的金融專指信用貨幣的融通。
金融的內容可概括為貨幣的發行與回籠，存款的吸收與付出，貸款的發放與回收，金銀、外匯的買賣，有價證券的發行與轉讓，保險、信託、國內、國際的貨幣結算等。從事金融活動的機構主要有銀行、信託投資公司、保險公司、證券公司，還有信用合作社、財務公司、投資信託公司、金融租賃公司以及證券、金銀、外匯交易所等。
❼ hdf5和mysql比較怎麼樣
奧圖碼HDF537ST總結如下：
優點：
1、投影很清晰，1080P以上的片源都有很不錯的效果，使用電視盒子播放的效果也很不錯；
2、使用方便，不用很復雜的調整，多個活動支點調節非常實用；
3、短焦省心，投150寸畫面輕松搞定；
4、相對來說，價格實惠，性價比可以。
缺點：
1、防塵蓋沒有內嵌一體式方便；
附拉窗簾和不拉窗簾的效果照片。
❽ 如何搜集金融類數據
Tushare金融大數據開放社區,
1、擁有豐富的數據內容，如股票、基金、期貨、數字貨幣等行情數據，公司財務、基金經理等基本面數據。
2、SDK開發包支持語言，同時提供HTTP Restful介面，最大程度方便不同人群的使用。
3、提供多種數據儲存方式，如Oracle、MySQL，MongoDB、HDF5、CSV等，為數據獲取提供了性能保證。