❶ Quant 应该学习哪些 Python 知识
1. 如果还需要Deep Learning方面的东西的话，可以考虑Theano或者Keras。这两个东西可能会用在分析新闻数据方面。不过不是很推荐使用这类方法去做量化模型，因为计算量实在是太大，成本很高。
2. 交易框架方面，除了vn.py，还推荐PyAlgoTrade框架，github上可以搜到。私以为这个框架比vn.py牛逼太多了，毕竟是一个在金融IT领域混迹近20年的老妖的作品，架构设计不是一般的优秀。
3. 国内的话，ricequant是个不错的选择，虽然使用的是Java，但是团队我见过，都是做金融IT出身的，基本上都有7、8年以上经验，底层功底非常扎实，做事情都很靠谱。现在他们也在考虑把SDK扩展到Python这边。
4. 国内的行情和交易接口，使用的是自己的协议（比如CTP接口使用的是FTD协议），而不是国际上广泛使用的FIX协议，并且都不开源。如果需要连接行情，还需要考虑将接口SDK为python封装一下。（修改：评论中有人提到很多券商也开放了FIX接口，不过似乎是在内网使用）
5. 有人谈到数据库了，这里我也说一下，对于高频tick级别的数据，其量级可以达到每天TB级别，普通的关系数据库是扛不住的。如果试图使用传统的关系数据库，比如Oracle之类的可以省省了。对付这种级别的数据，采用文件系统+内存索引会更好。不过这种场景，一般也就是机构里面能碰到了，个人quant可以不用考虑。
❷ 求助，Matlab的hdf5read这个命令的具体用法
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的参考页
❸ 什么是金融数据
怎么给你说呢，学术化的定义很多，通俗点的例子，某只股票一段时期的价格数据按既定的时间顺序排列就可以称之为一种金融时间序列数据。
❹ 如何评价微软研究院开发的AI量化投资平台Qlib
鸡肋。
Quantopian当年那么火，Point72给他投资，Steve Cohen的资源给他用，今年还是倒闭了。原因是量化平台的盈利模式是有问题的，第一，它不专业，第二，因为不专业，用它的人不赚钱。Point72旗下的Cubist很赚钱，但Cubist不会把infra给Quantopian用，因为能赚钱的infra是稀缺资源。所以Quantopian的框架在专业人士看来非常业余。也正是因为业余，专业的人不用，业余的人用Quantopian的赚不了钱，因此无法和平台分成，所以这样的平台无法盈利。
微软的高管去量化界也有先例，微软前COO Kevin Turner曾到Citadel Securities担任CEO，但是没有太大建树，最终Griffin任命赵鹏，是赵鹏将CitSec发扬光大。
所以说，程序员在不懂套路的情况下，直接跨界去做投资，难度极大。不是因为程序员技术不行，主要是他们不懂投研体系。好的程序员只有在培训以后才能成为好的QR。打个比方，James Simons何等样人，他很早就想做股票，一群科学家一直不得要领，摸索了好几年没什么进展，当时PDT和DE Shaw股票都比RenTech做得好得多。最后RenTech是靠PDT的前雇员把统计套利的策略框架做好，然后另一个既懂架构，又懂股票的程序员，把策略细节调好，才有了这么牛比的大奖章。
拿统计套利来说，谈谈为什么微软的这个QLib平台注定不行。统计套利类策略的核心是信号。怎么从各种数据源里挖掘有意义的信号，如何检验信号的有效性，这些都是统计学的范畴。A股简单的量价信号目前仍然很好用，只要是懂套路的机构，近两年超额30个点没什么问题。可是美股做统计套利可没这么容易，大部分简单的量价信号都是没用的，大奖章return on GMV也做不到10个点。成熟市场里，不了解市场就想挖一些信号是很难的。
模型上，有机器学习的程序员在调参上的确有一些优势，但是label怎么处理，feature怎么engineering这种问题，一般人可能就找不到北了。
其他方面，风格怎么控，算法怎么下单，这些都需要实战经验。不了解市场，想靠机器学习里一些fancy的算法搞个印钞机，太难。现在好多家私募都说深度学习多么有用，的确会有点用，但是绝对没有那么神，事实上大家做得都差不多，不算很深，深度学习真要那么有用，谁会到处说？量化这行，真正有用的东西，虽然最终都会被同行知道，但很少有人会在公开场合大说特说的。
综上，量化策略涉及到统计、数据挖掘、交易、市场理解、机器学习等各个方面，光靠一套机器学习算法库，再加上一个优化器，就想搅动市场，没这么容易的。
❺ 第1章 为什么将Python用于金融
python是一门高级的编程语言，广泛应用在各种领域之中，同时也是人工智能领域首选的语言。
为什么将python用于金融？因为Python的语法很容易实现金融算法和数学计算，可以将数学语句转化成python代码，没有任何语言能像Python这样适用于数学。
❻ 目前国内做金融大数据的创业企业有哪些
金融是货币流通和信用活动以及与之相联系的经济活动的总称，广义的金融泛指一切与信用货币的发行、保管、兑换、结算，融通有关的经济活动，甚至包括金银的买卖，狭义的金融专指信用货币的融通。
金融的内容可概括为货币的发行与回笼，存款的吸收与付出，贷款的发放与回收，金银、外汇的买卖，有价证券的发行与转让，保险、信托、国内、国际的货币结算等。从事金融活动的机构主要有银行、信托投资公司、保险公司、证券公司，还有信用合作社、财务公司、投资信托公司、金融租赁公司以及证券、金银、外汇交易所等。
❼ hdf5和mysql比较怎么样
奥图码HDF537ST总结如下：
优点：
1、投影很清晰，1080P以上的片源都有很不错的效果，使用电视盒子播放的效果也很不错；
2、使用方便，不用很复杂的调整，多个活动支点调节非常实用；
3、短焦省心，投150寸画面轻松搞定；
4、相对来说，价格实惠，性价比可以。
缺点：
1、防尘盖没有内嵌一体式方便；
附拉窗帘和不拉窗帘的效果照片。
❽ 如何搜集金融类数据
Tushare金融大数据开放社区,
1、拥有丰富的数据内容，如股票、基金、期货、数字货币等行情数据，公司财务、基金经理等基本面数据。
2、SDK开发包支持语言，同时提供HTTP Restful接口，最大程度方便不同人群的使用。
3、提供多种数据储存方式，如Oracle、MySQL，MongoDB、HDF5、CSV等，为数据获取提供了性能保证。