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 es un potente lenguaje de programación de propósito general. Se utiliza en ciencia de datos, creación de prototipos de software, aprendizaje automático, etc. Python se utiliza en aplicaciones y sitios web populares como Google, Netflix, Dropbox y muchos otros.
Afortunadamente para los principiantes, Python tiene una sintaxis sencilla y fácil de usar. Estas características hacen de Python un gran lenguaje para aprender a programar para principiantes. Este post es el comienzo de una serie de artículos que discuten y demuestran los diversos usos para el análisis con StrategyQuantX. Cada mes añadiremos uno, siempre centrado en un problema concreto.
Python es un lenguaje visual bien estructurado y fácil de leer. Es similar a la notación clásica en inglés. Esto hace que el código sea más claro incluso para un programador aficionado, lo que resulta especialmente beneficioso al principio.
Muy importante. Lo que otro lenguaje puede hacer en 60 líneas, tú lo puedes hacer en Python en 6 líneas. Y como de lo que se trata es de desarrollar estrategias de trading y no de programar demasiado, creo que eso es fundamental. Ahorras tiempo y energía. Además, cuenta con gestión automática de la memoria para que puedas centrarte en el desarrollo y no en la arquitectura del ordenador.
Python es un lenguaje popular y ampliamente utilizado, cuenta con una fuerte comunidad y apoyo, que se puede ver en la plataforma web StackExchange, una red de sitios de preguntas y respuestas (Q&A) sobre diversos temas, cada sitio cubre un tema específico. Para programación, está el sitio Stack Overflow. En programación, a menudo me pasa que algo no me funciona o simplemente no puedo hacerlo, y esto suele ser un atajo de ideas o soluciones. He aquí un chiste ingenioso sobre el tema:
Python tiene un ecosistema sólido y saludable. No es necesario reinventarlo todo. Abrir el archivo XLS es cuestión de 1 línea.
Esto, técnicamente, una línea de código abrirá su banco de datos StrategyQuantX exportado. Se puede trabajar con una enorme cantidad de datos para manipularlos, utilizar una fácil paralelización, etc. Los algoritmos de aprendizaje automático, que a menudo son operaciones matemáticas complejas, se pueden escribir incluso en unas pocas líneas.
Programar un flujo de trabajo analítico deja de ser un problema tras una breve formación de unas horas. Podrá utilizarlo una y otra vez y ahorrar una cantidad significativa de tiempo. Puede automatizar la gestión de estrategias. Puede automatizar fácilmente actividades sencillas y ahorrar mucho tiempo.
Jupyter Notebook es un IDE sencillo, que funciona desde la ventana de tu navegador. Gracias a él, puedes crear fácil y rápidamente prototipos de códigos e ideas sin tener que configurar y controlar aplicaciones IDE innecesariamente complicadas.
Pandas es una biblioteca para la manipulación y presentación de datos. Me gusta porque puede reemplazar completamente a Excel y manipular datos rápidamente siendo más sencillo que Excel. Prueba a abrir un conjunto de datos con 1,2 millones de filas en Excel. En Pandas, es cuestión de segundos.
Hay muchas posibilidades, y pueden simplificar su flujo de trabajo.
Aprender a programar no es tarea fácil. Sin embargo, si empiezas con Python, es mucho más fácil. Prueba a instalar un IDE de Jupyter y mira uno de los muchos tutoriales, aunque sólo sean 5 minutos al día. Te sorprenderá cómo progresas en 1 mes.
El siguiente post explica cómo instalar y ejecutar Jupyter IDE para facilitar al máximo la programación y el aprendizaje. Y En el post siguiente, empezaremos a aprovechar al máximo las capacidades de Panda para analizar estrategias en bases de datos exportadas desde StrategyQuant X.
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 …
En esta entrevista, nos ponemos al día con Naoufel, un trader experimentado, para explorar su viaje a través del tormentoso mercado de 2023. Naoufel es un operador de éxito con un historial ...
La ciencia de datos es lo más importante,
¡gran post mi chico!
Creo que una de las mayores singergias de python y sq es via web testing, puedes automatizar todas las cosas manuales que haces en SQ usando acceso remoto trought tu navegator y usando selenium por ejemplo. Incluso flujos de trabajo complejos como la selección de parámetros WFM pueden ser automatizados. Esta serie parece prometedora, estoy muy interesado en saber cómo se utiliza el aprendizaje automático para SQ.