从0实现Python股票量化:(二)根据策略选择适合的数据源
昨天文章推荐了Python量化常用的数据源， 后来想想，这样写对大家帮助并不大。为什么， 大家都知道 python量化实盘选择 迅投qmt或恒生Ptrade， 研究学习用聚宽等。剩下的时间就是自己看文档或让AI帮自己看文档的工作了， 实用性并不强。 其实关注我的群里同学都知道，但可能不知道怎么用，怎么用好。怎么理解这句话。 策略一般来说，常见的几个派别， 资金流派， 情绪派， 技术指标派，图形派，机器学习派， AI分析预测流派。 这些方向并不是孤立的，大部分人选择混合着用。何为资金流派? 跟踪资金流。 这里说下常见的用法。 1是直接跟踪 个股的近5日或近3日或当日tick的 资金流变化实现追涨杀跌。这种流派个人感觉还是需要头一天晚上最好预案计划，初步筛选一个池子。 全市场跟踪的话，市场噪音还是比较大的。1是跟踪个股且板块资金变化。 说人话， 就是 追寻 个股和板块共振。 本质也是一样，跟踪近5日、近3日、当日的板块、个股资金变化。既然说到资金流，免不了说下资金的计算方式。 不管是 采购L2数据源（ptrade、迅投投研版官方、 jvquant等），还是直接用迅投miniqmt的L1 tick数据， 还是网络爬虫（同花顺、东方财富、 开盘啦、短线侠等， 你得考虑疯狂访问ip封禁 ，或破解tcp协议 ，亦或者解决js加密）。 我之前写过怎么获取板块资金动向的思路文章。何为情绪派? 情绪派，就是衡量当日或前一日大盘情绪变化。 比如昨日涨跌家数、昨日连板、昨日最高板。 今日竞价、今日盘中数据变化。 所谓情绪， 就是物极必反，否极泰来。 情绪越低迷，机会可能就来了。 情绪越高涨， 风险可能就来了。情绪的话， 不管是自己通过迅投miniqmt计算， 还是用爬虫数据（通达信、同花顺、开盘啦等情绪数据）， 作为开仓平仓的依据。 关键是自己的理论。何为技术指标派? 通过rsi 超买超卖指标， macd 金叉死叉指标， boll上轨下轨指标， 量价指标等。 这里的指标选择 ， 每个人有自己的思路。技术实现方式， 还是迅投miniqmt等自己计算（借助Ta-lib、或pandas等） ，或者用 通达信公式 或者 同花顺问财问句。 全凭自己选择。何为图形派？ 比较典型的缠论、 箱体突破、 支撑位压力位等分析图形。 技术实现方式， 可以网上找找一些开源库。比如缠论通过czsc， 亦或者自己计算。我见过大部分人是借助通达信的画线工具实现， 其实这些可以让AI帮忙用python实现。 这里需要注意， 不少画线，其实存在数据漂移，随着时间变化会跟着变化。 技术指标派 和 图形派其实可以放在一起说的。 为什么分开呢， 技术指标一般是用数据给出结论 可以反馈在图形上， 图形是根据主观图形转换成数据来给出操作建议。 我把这2个分开，就好比 看文章画图 和 看图写话。何为机器学习派? 通过提供大量的样本数据，通过机器学习训练。 比如我前几天介绍的微软qlib 亦或者其他的库。 模型不管是 LightGBM、XGBoost、lstm等，每个人有自己独到的思路，这里就不班门弄斧。太过偏技术，技术门槛较高。 最近群里大家经常问 清华开源的Kronos 怎么预测股票不准， 别人开源库只是提供思路，降低你学习技术的门槛。 至于优化什么的还是得靠自己。如果靠hello world都能赚钱，那和天下掉馅饼有什么区别。 何为AI分析预测流派？ 就是把股票扔给AI，让AI分析哪些股票是否存在潜在机会等。 对于现在而言，AI大家都能用，需要自己对股票、行业有很深的了解。技术实现方式， 把自己的想法制作成skill。 随着龙虾openclaw、 爱马仕hermes的火爆， 我发现最近不少人用来辅助分析。最后总结下， 不要问我哪个流派好。 据我所知，每个流派都有人赚钱。 赚钱的方法都是好方法，关键是怎么深入吃透它。不要把量化狭义理解为高频， 把自己的赚钱的思路程序化，可能适合大部分人。 最后说句扎心话， 可能你的思路并不赚钱， 或者赚钱但由于没按照规则严格执行导致亏损。 那么量化来了， 思路不赚钱通过量化回测去其他换思路， 赚钱但没好的规则 那就想办法 程序化，按照信号严格执行。
