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 | Menu Přejít k hlavnímu | Přejít k vyhledávání
Python è un potente linguaggio di programmazione di uso generale. È utilizzato nella scienza dei dati, nella prototipazione del software, nel Machine Learning e così via. Python è utilizzato in applicazioni e siti web popolari come Google, Netflix, Dropbox e molti altri.
Fortunatamente per i principianti, Python ha una sintassi semplice e facile da usare. Queste caratteristiche rendono Python un ottimo linguaggio per imparare la programmazione per i principianti. Questo post è l'inizio di una serie di articoli che discutono e dimostrano i vari usi dell'analisi con StrategyQuantX. Ogni mese ne aggiungeremo uno, sempre incentrato su un problema particolare.
Python è un linguaggio visivo ben strutturato e di facile lettura. È simile alla notazione classica in inglese. Questo rende il codice più chiaro anche per un programmatore dilettante, il che è particolarmente vantaggioso all'inizio.
Molto importante. Quello che un altro linguaggio può fare in 60 righe, in Python si può fare in 6 righe. E poiché lo scopo è quello di sviluppare strategie di trading e non di programmare troppo, credo che questo sia essenziale. Si risparmia tempo ed energia. Inoltre, la gestione automatica della memoria consente di concentrarsi sullo sviluppo e non sull'architettura del computer.
Python è un linguaggio popolare e ampiamente utilizzato, ha una forte comunità e un forte supporto, che può essere visto sulla piattaforma web StackExchange, una rete di siti di domande e risposte (Q&A) su vari argomenti, ogni sito copre un argomento specifico. Per la programmazione, c'è il sito Stack Overflow. Nella programmazione, capita spesso che qualcosa non funzioni o che non riesca a farlo, e questa è spesso una scorciatoia per trovare idee o soluzioni. Ecco una battuta intelligente sull'argomento:
Python ha un ecosistema solido e sano. Non c'è bisogno di reinventare tutto. Aprire un file XLS è questione di una riga.
Questa, tecnicamente, unica riga di codice aprirà la banca dati StrategyQuantX esportata. È possibile lavorare con un'enorme quantità di dati per manipolarli, utilizzare una facile parallelizzazione, ecc Gli algoritmi di apprendimento automatico, che spesso sono operazioni matematiche complesse, possono essere scritti in poche righe.
Programmare un flusso di lavoro analitico non è più un problema dopo una breve formazione di poche ore. Potrete utilizzarlo più volte e risparmiare una quantità significativa di tempo. È possibile automatizzare la gestione delle strategie. È possibile automatizzare facilmente semplici attività e risparmiare molto tempo.
Jupyter Notebook è un semplice IDE che funziona dalla finestra del browser. Grazie ad esso, è possibile prototipare facilmente e rapidamente codici e idee senza dover impostare e controllare applicazioni IDE inutilmente complicate.
Pandas è una libreria per la manipolazione e la presentazione dei dati. Mi piace perché può sostituire completamente Excel e manipolare rapidamente i dati, pur essendo più semplice di Excel. Provate ad aprire un set di dati con 1,2 milioni di righe in Excel. In Pandas è una questione di secondi.
Le possibilità sono molte e possono semplificare il flusso di lavoro.
Imparare a programmare non è un compito facile. Tuttavia, se si inizia con Python, è molto più facile. Provate a installare un IDE Jupyter e guardate uno dei tanti tutorial, anche solo 5 minuti al giorno. Sarete sorpresi dai progressi che farete in un mese.
Il seguente post spiega come installare ed eseguire Jupyter IDE per semplificare al massimo la programmazione e l'apprendimento. E Nel post successivo, inizieremo a sfruttare appieno le funzionalità di Panda per analizzare le strategie nei database esportati da 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 …
In questa intervista, incontriamo Naoufel, un trader esperto, per esplorare il suo viaggio attraverso il tempestoso mercato del 2023. Naoufel è un trader di successo con un curriculum di successo che ...
La scienza dei dati è al centro dell'attenzione!
ottimo post ragazzo mio!
Credo che una delle più grandi potenzialità di python e sq sia il web testing: è possibile automatizzare tutte le operazioni manuali che si fanno in sq utilizzando l'accesso remoto tramite navegator e, ad esempio, selenium. Anche i flussi di lavoro complessi, come la selezione dei parametri WFM, possono essere automatizzati. Questa serie sembra promettente, sono molto interessato a sapere come utilizzate l'apprendimento automatico per SQ.