Release of SQX 139 Dev 1 and what’s planned for year 2024
We’d like to announce the release of the new SX 139 Dev 1 version – note that this is a development version for testing, not the final 139 version. Most …
Přejít k obsahu | Přejít k hlavnímu menu | Přejít k vyhledávání
Python ist eine leistungsstarke Allzweckprogrammiersprache. Sie wird in den Bereichen Data Science, Software-Prototyping, maschinelles Lernen und so weiter verwendet. Python wird in beliebten Apps und Websites wie Google, Netflix, Dropbox und vielen anderen verwendet.
Zum Glück für Anfänger hat Python eine einfache, leicht zu verwendende Syntax. Diese Eigenschaften machen Python zu einer großartigen Sprache, um das Programmieren für Anfänger zu erlernen. Dieser Beitrag ist der Beginn einer Reihe von Artikeln, in denen die verschiedenen Anwendungsmöglichkeiten von StrategyQuantX diskutiert und demonstriert werden. Jeden Monat werden wir einen Artikel hinzufügen, der sich immer auf ein bestimmtes Problem konzentriert.
Python ist eine gut strukturierte, leicht zu lesende visuelle Sprache. Sie ähnelt der klassischen Notation im Englischen. Dadurch wird der Code auch für einen Amateurprogrammierer klarer, was besonders am Anfang von Vorteil ist.
Sehr wichtig. Was man in einer anderen Sprache in 60 Zeilen machen kann, kann man in Python in 6 Zeilen machen. Und da es darum geht, Handelsstrategien zu entwickeln und nicht zu viel zu programmieren, ist das meiner Meinung nach sehr wichtig. Man spart Zeit und Energie. Außerdem verfügt es über eine automatische Speicherverwaltung, so dass Sie sich auf die Entwicklung und nicht auf die Computerarchitektur konzentrieren können.
Python ist eine beliebte und weit verbreitete Sprache, die von einer starken Gemeinschaft unterstützt wird, wie man auf der Webplattform StackExchange sehen kann, einem Netzwerk von Frage-und-Antwort-Seiten zu verschiedenen Themen, wobei jede Seite ein bestimmtes Thema behandelt. Für die Programmierung gibt es die Website Stack Overflow. Beim Programmieren kommt es oft vor, dass etwas nicht funktioniert oder ich es einfach nicht hinbekomme, und dies ist oft eine Abkürzung zu Ideen oder Lösungen. Hier ist ein cleverer Witz zu diesem Thema:
Python hat ein solides und gesundes Ökosystem. Es besteht keine Notwendigkeit, alles neu zu erfinden. Das Öffnen der XLS-Datei ist eine Sache von 1 Zeile.
Diese eine Codezeile wird Ihre exportierte StrategyQuantX-Datenbank öffnen. Sie können mit einer riesigen Datenmenge arbeiten, um sie zu manipulieren, eine einfache Parallelisierung nutzen usw. Algorithmen des maschinellen Lernens, bei denen es sich oft um komplexe mathematische Operationen handelt, können sogar in ein paar Zeilen geschrieben werden.
Die Programmierung eines analytischen Workflows ist nach einer kurzen Schulung in wenigen Stunden kein Problem mehr. Sie werden ihn immer wieder verwenden können und dabei viel Zeit sparen. Sie können das Strategiemanagement automatisieren. Sie können einfache Tätigkeiten leicht automatisieren und viel Zeit sparen.
Jupyter Notebook ist eine einfache IDE, die über Ihr Browserfenster funktioniert. Dank ihr können Sie einfach und schnell Codes und Ideen prototypisieren, ohne unnötig komplizierte IDE-Anwendungen einrichten und steuern zu müssen.
Pandas ist eine Bibliothek zur Datenmanipulation und -darstellung. Ich mag sie, weil sie Excel vollständig ersetzen und Daten schnell manipulieren kann und dabei unkomplizierter ist als Excel. Versuchen Sie einmal, einen Datensatz mit 1,2 Millionen Zeilen in Excel zu öffnen. In Pandas ist das eine Sache von Sekunden.
Es gibt viele Möglichkeiten, und sie können Ihren Arbeitsablauf vereinfachen.
Programmieren zu lernen ist keine leichte Aufgabe. Wenn Sie jedoch mit Python beginnen, ist es viel einfacher. Installieren Sie eine Jupyter-IDE und schauen Sie sich eines der vielen Tutorials an, auch wenn es nur 5 Minuten pro Tag sind. Sie werden überrascht sein, welche Fortschritte Sie in 1 Monat machen.
Der folgende Beitrag erklärt, wie man die Jupyter IDE installiert und ausführt, um das Programmieren und Lernen so einfach wie möglich zu machen. Und Im nächsten Beitrag werden wir damit beginnen, die Möglichkeiten von Panda zur Analyse von Strategien in aus StrategyQuant X exportierten Datenbanken voll auszuschöpfen.
We’d like to announce the release of the new SX 139 Dev 1 version – note that this is a development version for testing, not the final 139 version. Most …
Dive into Algorithmic Trading Without the Coding Headache! Are you intrigued by algorithmic trading but dread the thought of coding? Today marks the beginning of our exciting series that’s about …
In diesem Interview sprechen wir mit Naoufel, einem erfahrenen Trader, über seine Reise durch den stürmischen Markt des Jahres 2023. Naoufel ist ein erfolgreicher Händler mit nachgewiesener Erfolgsbilanz, ...
Data Science ist das Gebot der Stunde!
Toller Beitrag, mein Junge!
Ich glaube, eine der größten Stärken von Python und SQ ist das Web-Testen. Sie können alle manuellen Aufgaben, die Sie in SQ erledigen, automatisieren, indem Sie einen Fernzugriff über Ihren Navegator und z.B. Selenium verwenden. Selbst komplexe Workflows wie die Auswahl von WFM-Parametern können automatisiert werden. Diese Serie sieht vielversprechend aus, ich bin sehr daran interessiert zu erfahren, wie Sie maschinelles Lernen für SQ einsetzen.