史上最全量化资源整理

有些国外的平台、社区、博客如果连接无法打开,那说明可能需要“科学”上网

量化交易平台

国内在线量化平台:

国外量化平台:

相关平台:

  • 掘金量化 - 支持C/C++、C#、MATLAB、Python和R的量化交易平台
  • DigQuant - 提供基于matlab量化工具
  • SmartQuant - 策略交易平台
  • OpenQuant - 基于C#的开源量化回测平台

基于图表的量化交易平台

  • 文华赢智 、TB、金字塔、MultiCharts 中国版 - 程序化交易软件、MT4、TradeStation
  • Auto-Trader - 基于MATLAB的量化交易平台
  • BotVS - 云端在线量化平台

开源框架

  • Pandas - 数据分析包
  • Zipline - 一个Python的回测框架
  • vnpy - 基于python的开源交易平台开发框架
  • tushare - 财经数据接口包
  • easytrader - 进行自动的程序化股票交易
  • pyalgotrade - 一个Python的事件驱动回测框架
  • pyalgotrade-cn - Pyalgotrade-cn在原版pyalgotrade的基础上加入了A股历史行情回测,并整合了tushare提供实时行情。
  • zwPython - 基于winpython的集成式python开发平台
  • quantmod - 量化金融建模
  • rqalpha - 基于Python的回测引擎
  • quantdigger - 基于python的量化回测框架
  • pyktrader - 基于pyctp接口,并采用vnpy的eventEngine,使用tkinter作为GUI的python交易平台
  • QuantConnect/Lean - Lean Algorithmic Trading Engine by QuantConnect (C#, Python, F#, VB, Java)
  • QUANTAXIS - 量化金融策略框架

其他量化交易平台:

Progress Apama、龙软DTS、国泰安量化投资平台、飞创STP、易盛程序化交易、盛立SPT平台、天软量化回测平台 、量邦天语、EQB-Quant

数据源

数据库

网站、论坛、社区、博客

国外:

国内:

交易API

编程

Python

安装

教程

R

安装

教程

C++

教程

Julia

教程

编程论坛

编程能力在线训练

  • Solve Programming Questions | HackerRank - 包含常用语言(C++, Java, Python, Ruby, SQL)和相关计算机应用技术(算法、数据结构、数学、AI、Linux Shell、分布式系统、正则表达式、安全)的教程和挑战。
  • LeetCode Online Judge - C, C++, Java, Python, C#, JavaScript, Ruby, Bash, MySQL在线编程训练

Quant Books

    • 《投资学》第6版[美]兹维·博迪.文字版 (link)
    • 《打开量化投资的黑箱》 里什·纳兰
    • 《宽客》[美] 斯科特·帕特森Scott Patterson) 著;译科卢开济 译
    • 《解读量化投资:西蒙斯用公式打败市场的故事》 忻海
    • 《Trends in Quantitative Finance》 Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm
    • 《漫步华尔街》麦基尔
    • 《海龟交易法则》柯蒂斯·费思
    • 《交易策略评估与最佳化》罗伯特·帕多
    • 《统计套利》 安德鲁·波尔《信号与噪声》纳特•西尔弗
    • 《期货截拳道》朱淋靖
    • 《量化投资—策略与技术》 丁鹏
    • 《量化投资—以matlab为工具》 李洋faruto
    • 《量化投资策略:如何实现超额收益Alpha》 吴冲锋
    • 《中低频量化交易策略研发(上)》 杨博理
    • 《走出幻觉走向成熟》 金融帝国
    • 《失控》凯文·凯利
    • 《通往财务自由之路》范K撒普
    • 《以交易为生》 埃尔德
    • 《超越技术分析》图莎尔·钱德
    • 《高级技术分析》布鲁斯·巴布科克
    • 《积极型投资组合管理》格里纳德,卡恩
    • 《金融计量学:从初级到高级建模技术》 斯维特洛扎
    • 《投资革命》Bernstein
    • 《富可敌国》Sebastian Mallaby
    • 《量化交易——如何建立自己的算法交易事业》欧内斯特·陈
    • 聪明的投资者》 本杰明·格雷厄姆
    • 《黑天鹅·如何应对不可知的未来》 纳西姆·塔勒布
  • 《期权、期货和其他衍生品》 约翰·赫尔
  • 《Building Reliable Trading Systems: Tradable Strategies That Perform As They Backtest and Meet Your Risk-Reward Goals》 Keith Fitschen
  • 《Quantitative Equity Investing》by Frank J. Fabozzi, Sergio M. Focardi, Petter N. Kolm
  • Barra USE3 handbook
  • 《Quantitative Equity Portfolio Management》 Ludwig Chincarini
  • 《Quantitative Equity Portfolio Management》 Qian & Hua & Sorensen

Quant Papers

Machine Learning Related

  • Cavalcante, Rodolfo C., et al. "Computational Intelligence and Financial Markets: A Survey and Future Directions." Expert Systems with Applications 55 (2016): 194-211.(link)

Low Frequency Prediction

  • Atsalakis G S, Valavanis K P. Surveying stock market forecasting techniques Part II: Soft computing methods. Expert Systems with Applications, 2009, 36(3):5932–5941. (link)
  • Cai X, Lin X. Feature Extraction Using Restricted Boltzmann Machine for Stock Price Predic- tion. 2012 IEEE International Conference on Computer Science and Automation Engineering (CSAE), 2012. 80–83.(link)
  • Nair B B, Dharini N M, Mohandas V P. A stock market trend prediction system using a hybrid decision tree-neuro-fuzzy system. Proceedings - 2nd International Conference on Advances in Recent Technologies in Communication and Computing, ARTCom 2010, 2010. 381–385. (link)
  • Lu C J, Lee T S, Chiu C C. Financial time series forecasting using independent component analysis and support vector regression. Decision Support Systems, 2009, 47(2):115–125. (link)
  • Creamer G, Freund Y. Automated trading with boosting and expert weighting. Quantitative Finance, 2010, 10(4):401–420. (link)
  • Batres-Estrada, Bilberto. "Deep learning for multivariate financial time series." (2015). (link)
  • Xiong, Ruoxuan, Eric P. Nicholas, and Yuan Shen. "Deep Learning Stock Volatilities with Google Domestic Trends." arXiv preprint arXiv:1512.04916 (2015).(link)
  • Sharang, Abhijit, and Chetan Rao. "Using machine learning for medium frequency derivative portfolio trading." arXiv preprint arXiv:1512.06228 (2015).(link)

Reinforcement Learning

  • Dempster, Michael AH, and Vasco Leemans. "An automated FX trading system using adaptive reinforcement learning." Expert Systems with Applications 30.3 (2006): 543-552. (link)
  • Tan, Zhiyong, Chai Quek, and Philip YK Cheng. "Stock trading with cycles: A financial application of ANFIS and reinforcement learning." Expert Systems with Applications 38.5 (2011): 4741-4755. (link)
  • Rutkauskas, Aleksandras Vytautas, and Tomas Ramanauskas. "Building an artificial stock market populated by reinforcement‐learning agents." Journal of Business Economics and Management 10.4 (2009): 329-341.(link)
  • Deng, Yue, et al. "Deep Direct Reinforcement Learning for Financial Signal Representation and Trading." (2016).(link)

Natual Language Processing Related

  • Bollen J, Mao H, Zeng X. Twitter mood predicts the stock market. Journal of Computational Science, 2011, 2(1):1–8. (link)
  • Preis T, Moat H S, Stanley H E, et al. Quantifying trading behavior in financial markets using Google Trends. Scientific reports, 2013, 3:1684. (link)
  • Moat H S, Curme C, Avakian A, et al. Quantifying Wikipedia Usage Patterns Before Stock Market Moves. Scientific Reports, 2013, 3:1–5. (link)
  • Ding, Xiao, et al. "Deep learning for event-driven stock prediction." Proceedings of the 24th International Joint Conference on Artificial Intelligence (ICJAI’15). 2015. (link)
  • Fehrer, R., & Feuerriegel, S. (2015). Improving Decision Analytics with Deep Learning: The Case of Financial Disclosures. arXiv preprint arXiv:1508.01993. (link)

High Frequency Trading

  • Nevmyvaka Y, Feng Y, Kearns M. Reinforcement learning for optimized trade execution. Proceedings of the 23rd international conference on Machine learning ICML 06, 2006, 17(1):673–680. (link)
  • Ganchev K, Nevmyvaka Y, Kearns M, et al. Censored exploration and the dark pool problem. Communications of the ACM, 2010, 53(5):99. (link)
  • Kearns M, Nevmyvaka Y. Machine learning for market microstructure and high frequency trading. High frequency trading - New realities for traders, markets and regulators, 2013. 1–21. (link)
  • Sirignano, Justin A. "Deep Learning for Limit Order Books." arXiv preprint arXiv:1601.01987 (2016). (link)
  • Deng, Yue, et al. "Sparse coding-inspired optimal trading system for HFT industry." IEEE Transactions on Industrial Informatics 11.2 (2015): 467-475.(link)
  • Ahuja, Saran, et al. "Limit order trading with a mean reverting reference price." arXiv preprint arXiv:1607.00454 (2016). (link)
  • Aït-Sahalia, Yacine, and Jean Jacod. "Analyzing the spectrum of asset returns: Jump and volatility components in high frequency data." Journal of Economic Literature 50.4 (2012): 1007-1050. (link)

Portfolio Management

  • B. Li and S. C. H. Hoi, “Online portfolio selection,” ACM Comput. Surv., vol. 46, no. 3, pp. 1–36, 2014. (link)
  • Heaton, J. B., Polson, N. G., & Witte, J. H. (2016). Deep Portfolio Theory. (link)
  • Eugene F. Fama, Kenneth R. French. The cross-section of expected stock returns. Journal of Finance, 47 (1992), pp. 427–465.

学术期刊

一堆学术期刊可以常常去浏览一下,也会有许多思路,作者常常看的有:

    • Journal of FinanceJournal of Financial Economics
    • Review of Financial Studies
    • Journal of Accounting and Economics
    • Review of Accounting Studies
    • Journal of Accounting Research
    • Accounting Review
    • Journal of Financial and Quantitative Analysis
    • Financial Analysts Journal
    • Financial Management
    • Journal of Empirical Finance
    • Quantitative Finance
    • Journal of Alternative Investments
    • Journal of Fixed Income
    • Journal of Investing
    • Journal of Portfolio Management
    • Journal of Trading
    • Review of Asset Pricing Studies
    • 经济研究
    • 经济学(季刊)
    • 金融研究
    • 管理世界
    • 会计研究
    • 投资研究

原文地址:https://www.cnblogs.com/fangbei/p/8393298.html

时间: 2024-10-11 02:11:05

史上最全量化资源整理的相关文章

史上最全“大数据”学习资源整理

史上最全"大数据"学习资源整理 当前,整个互联网正在从IT时代向DT时代演进,大数据技术也正在助力企业和公众敲开DT世界大门.当今"大数据"一词的重点其实已经不仅在于数据规模的定义,它更代表着信息技术发展进入了一个新的时代,代表着爆炸性的数据信息给传统的计算技术和信息技术带来的技术挑战和困难,代表着大数据处理所需的新的技术和方法,也代表着大数据分析和应用所带来的新发明.新服务和新的发展机遇. 为了帮助大家更好深入了解大数据,云栖社区组织翻译了GitHub Aweso

史上最全的开发和设计资源大全

史上最全的开发和设计资源大全2016-08-09 技术最前线链接:blog.jobbole.com/104313GitHub 上的 Awesome 系列(资源大全系列),是一个汇总了优秀工具资源的大集合,并由 GitHub 社区用户持续维护和更新.初始的版本都是英文,伯乐在线组织整理了热门资源大全的中文版.目前,中文版的资源列表在 GitHub 总计已经有超过 10,000 star 和 数千 fork .以下是各个开发和设计资源的详细介绍. Java 资源大全 Java资源大全中文版,包括:构

开源框架】Android之史上最全最简单最有用的第三方开源库收集整理,有助于快速开发

[原][开源框架]Android之史上最全最简单最有用的第三方开源库收集整理,有助于快速开发,欢迎各位... 时间 2015-01-05 10:08:18 我是程序猿,我为自己代言 原文  http://blog.csdn.net/caoyouxing/article/details/42418591 主题 开源 安卓开发 http://www.tuicool.com/articles/jyA3MrU Android开源库 自己一直很喜欢Android开发,就如博客签名一样, 我是程序猿,我为自

Kindle资源-史上最全60GB的Kindle技术电子书资源网盘打包下载

Kindle资源-史上最全60GB的Kindle 技术资源网盘打包下载 Kindle资源-史上最全60GB的Kindle电子书资源,主要格式是azw3和mobi,排版质量都很好,需要百度云网盘链接的加微信公众号 胜山的大力史 获取 原文地址:https://blog.51cto.com/ciossfang/2425813

史上最全网站降权原因解析

在互联网时代飞速发展的前景下加上昂贵的竞价费用让多数企业苦不堪言于是低成本投入的职业-seo就诞生了,从业人数也每年呈递增状态,然而互联网的垃圾信息也越来越多,于是搜索引擎为了更好的迎合用户体验也频繁的展开了各项算法调整.在这期间当然也有很多网站被降权甚至被K掉,至于什么原因,有很多从职朋友还不能彻底的找到问题的根源,下面笔者以个人多年经验为大家展开一下分享,希望能帮助你早日恢复网站排名. 直接进入正题: 一.空间问题 因为空间访问速度不稳定,有时慢有时打不开的情况,因这个被降权的案列也是很多的

.Net魔法堂:史上最全的ActiveX开发教程——ActiveX与JS间交互篇

一.前言 经过上几篇的学习,现在我们已经掌握了ActiveX的整个开发过程,但要发挥ActiveX的真正威力,必须依靠JS.下面一起来学习吧! 二.JS调用ActiveX方法 只需在UserControl子类中(即自定义的ActiveX控件中),编写公共方法即可. C# [Guid("0203DABD-51B8-4E8E-A1EB-156950EE1668")] public partial class Uploader : UserControl, IObjectSafety { p

zz 史上最全--各银行借记卡的年费、小额管理费、转账费等!

史上最全--各银行借记卡的年费.小额管理费.转账费等! 发布时间:2015-01-14 17:28:10 还在迷茫借记卡自费的菜主儿们~菜菜特别整理关于各银行借记卡.存折账户等的年费.小额管理费.转账费等实用信息,欢迎大家更新或者补充完善.觉得有用一定要收藏和分享哟! 工商银行 办卡费5元,年费10元/年,低于300元收小额账户管理费3元/季度,同城跨行取款2元/笔.异地存取款:存款按照结算金额的0.5%收取,最低2元,最高100元;取款按照结算金额的1%收取,最低2元,最高100元; 中国农业

史上最全的maven的pom.xml文件详解

史上最全的maven的pom.xml文件详解 http://www.cnblogs.com/hafiz/p/5360195.html <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 h

史上最全、最深、最细JAVA300集全套39.4G视频课程免费分享

尚学堂JAVA300集大型基础视频课程(史上最全.最深.最细) 中国首套大型JAVA技术视频 [已更新完至300集] 还在为如何学习JAVA技术而迷茫吗?还在为如何学习Android技术而迷茫吗? java300集大型基础视频课程,现已发布第三季更新至(300)集. 史上最全:覆盖工作中需要的所有技术点. 史上最细:讲师授课代码全部手工敲出,真正的手把手教授您如何编程. 史上最深:我们的基础视频也深刻的从内存结构进行分析.JDK源代码进行分析,这都是高手的必备技能.高手从入门抓起.入门时培养良好