东莞整合网站建设推广,学校网页设计html代码,专业建公司网站,简单网页设计html代码一直以来#xff0c;Python 都在量化金融领域扮演着至关重要的角色。得益于 Python 强大的库和工具#xff0c;用户在处理金融数据、进行数学建模和机器学习时变得更加便捷。但作为一种解释性语言#xff0c;相对较慢的执行速度也限制了 Python 在一些需要即时响应的场景中的…一直以来Python 都在量化金融领域扮演着至关重要的角色。得益于 Python 强大的库和工具用户在处理金融数据、进行数学建模和机器学习时变得更加便捷。但作为一种解释性语言相对较慢的执行速度也限制了 Python 在一些需要即时响应的场景中的应用。
同时由于 GILGlobal Interpreter Lock的存在在应对多线程和 CPU 密集型任务时Python 始终无法充分发挥出硬件性能和并行执行任务的优势。
历时2年DolphinDB 开发了可以识别 Python 语言的全新脚本引擎 Python Parser它让用户可以用自己最熟悉的 Python 语法实现计算逻辑并在 DolphinDB 的计算框架上高效运行享受到 DolphinDB 高性能和分布式的计算能力。想要体验“高性能分布式 python ”的朋友欢迎扫描下方二维码试用。 在这里我们挑选了6个具有代表性的因子用 Python Parser 进行了实现并对比DolphinDB Script 和 Python 的实现进行了简单性能测试为大家提供一些参考。
测试环境 测试数据 2023 年单个交易所某日的 level-2 全天数据 快照数据24,313,086 行 × 62 列 [约 20.6 GB] 逐笔成交108,307,125 行 × 19 列 [约 11.0 GB] 逐笔委托141,182,534 行 × 16 列 [约 11.6 GB] 性能测试结果 以下为各因子计算逻辑描述点击链接可获取详细脚本。
双均线因子 双均线是根据两条周期不一样的均线的相对位置来跟踪趋势的一种方法本测试中我们使用双均线交叉的方式来判断买卖方向 短周期均线从下向上突破长周期均线时意味着当前时间段具有上涨趋势突破点就是常说的金叉是股票的买入信号在代码里使用前一短均值小于前一长均值且当前短均值大于当前长均值的方式来判断金叉赋予信号值为 1 短周期均线从上向下跌破长周期均线时意味着当前时间段具有下跌趋势跌破点就是常说的死叉是股票的卖出信号在代码里使用前一短均值大于前一长均值且当前短均值小于当前长均值的方式来判断金叉赋予信号值为 -1。
在这里我们使用简单移动平均Simple Moving Average其中 n 为窗口大小 因子计算示例代码请点击链接获取
十档净委买增额 十档净委买增额因子指的是在有效十档范围内买方资金总体增加量即所有买价变化量的总和计算公式如下 其中 level10_Difft 表示 t 时刻的十档净委买增额bidi,t 表示 t 时刻的第 i 档买方报价bidQtyi,t 表示 t 时刻的第 i 档买方挂单数量指示函数 I 表示报价是否在有效释放范围内。
有效十档范围内表示不考虑已不在十档范围内的档位即表示只考虑以下区间的档位 最后对过去 n 时间窗口内的十档净委买增额求和。
价格变动与一档量差的回归系数
回归模型 其中 ΔPt 表示 t 时刻的价格变动lastPricet 表示 t 时刻的最新价格 NVOLt 表示 t 时刻的买卖一档量差bidQty1,t 表示 t 时刻的买方一档挂单笔数askQty1,t 表示 t 时刻的卖方一档挂单笔数 α 表示截距λ 表示斜率εt 表示 t 时刻的残差。
其中回归系数 λ 为目标因子值。
主动成交量占比 主动成交占比即主动成交量占总成交量的比例其计算公式如下 其中 tradeQtyi 表示 i 时刻的成交量actVolumet 表示 t 时刻起的前 lag 笔订单的主动成交量之和totalVolumet 表示 t 时刻起的前 lag 笔订单的总成交量指示函数 I 含义如下 早盘买卖单大小比
早盘买卖单大小比即早盘时间段买入订单平均委托量占卖出订单平均委托量的比例的对数其计算公式如下 其中 openBidVol 表示早盘时间段买入订单平均委托量openAskVol 表示早盘时间段卖出订单平均委托量orderQtyt 表示 t 时刻的委托量
Ibid 是指示函数当订单为买方委托单时值为 1否则为 0Iask 是指示函数当订单为卖方委托单时值为 1否则为 0。
委托量加权平均委托价格 委托量加权平均委托价格是将多笔委托单的委托价格按各自的委托量加权而算出的平均价格其计算公式如下 其中 vwapt 表示 t 时刻起的前 lag 笔委托单的委托量加权平均委托价格orderQtyi 表示 i 时刻委托单的委托量orderPricei 表示 i 时刻委托单的委托价格。
获取以上6个因子及性能测试的详细脚本请点击链接查看详情。
想要试用 Python Parser 的朋友欢迎扫描下方二维码抢先体验。
