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 é uma poderosa linguagem de programação de propósito geral. É utilizada em ciência de dados, prototipagem de software, aprendizado de máquinas e assim por diante. Python é usado em aplicativos e websites populares como Google, Netflix, Dropbox e muitos outros.
Felizmente para os iniciantes, Python tem uma sintaxe simples e fácil de usar. Estas características fazem de Python uma ótima linguagem para aprender programação para iniciantes. Este post é o início de uma série de artigos discutindo e demonstrando os vários usos para análise com StrategyQuantX. A cada mês acrescentaremos um, sempre focado em um problema particular.
Python é uma linguagem visual bem estruturada e de fácil leitura. É semelhante à notação clássica em inglês. Isto torna o código mais claro até mesmo para um programador amador, o que é especialmente benéfico no início.
Muito importante. O que outra língua pode fazer em 60 linhas, você pode fazer em Python em 6 linhas. E como o objetivo é desenvolver estratégias comerciais e não programar muito, acho que isso é essencial. Você economiza tempo e energia. Além disso, possui gerenciamento automático de memória para que você possa se concentrar no desenvolvimento e não na arquitetura de computadores.
Python é uma linguagem popular e amplamente utilizada, tem uma forte comunidade e suporte, que pode ser vista na plataforma web StackExchange, uma rede de sites de perguntas e respostas (Q&A) sobre vários tópicos, cada site cobrindo um tópico específico. Para programação, há o Stack Overflow do site. Na programação, muitas vezes acontece que algo não funciona para mim ou simplesmente não consigo fazê-lo, e isto é muitas vezes um atalho para idéias ou soluções. Aqui está uma piada inteligente sobre o assunto:
Python tem um ecossistema sólido e saudável. Não há necessidade de reinventar tudo. A abertura do arquivo XLS é uma questão de 1 linha.
Esta, tecnicamente, uma linha de código abrirá seu banco de dados StrategyQuantX exportado. Você pode trabalhar com uma enorme quantidade de dados para manipulá-los, usar algoritmos de paralelização fácil, etc. Os algoritmos de Aprendizagem de Máquina, que são freqüentemente operações matemáticas complexas, podem até ser escritos em algumas linhas.
A programação de um fluxo de trabalho analítico não é mais um problema após um breve treinamento em poucas horas. Você será capaz de usá-lo repetidamente e economizar um tempo significativo. Você pode automatizar a gestão da estratégia. Você pode automatizar facilmente atividades simples e economizar muito tempo.
Jupyter Notebook é uma IDE simples, que funciona a partir da janela do seu navegador. Graças a ele, você pode fácil e rapidamente criar protótipos de códigos e idéias sem ter que configurar e controlar aplicações IDE desnecessariamente complicadas.
Pandas é uma biblioteca para manipulação e apresentação de dados. Gosto dela porque pode substituir completamente o Excel e manipular dados rapidamente enquanto é mais simples do que o Excel. Tente abrir um conjunto de dados com 1,2 milhões de linhas no Excel. Em Pandas, é uma questão de segundos.
Há muitas possibilidades, e elas podem simplificar seu fluxo de trabalho.
Aprender a programar não é uma tarefa fácil. No entanto, se você começar com Python, é muito mais fácil. Tente instalar uma IDE Jupyter e assista a um dos muitos tutoriais, mesmo que sejam apenas 5 minutos por dia. Você ficará surpreso com o seu progresso em 1 mês.
O seguinte post explica como instalar e executar o Jupyter IDE para tornar a programação e o aprendizado o mais fácil possível. E No posto seguinte, começaremos a aproveitar ao máximo as capacidades da Panda para analisar estratégias em bancos de dados exportados 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 …
Nesta entrevista, conversamos com Naoufel, um trader experiente, para explorar sua jornada no tempestuoso mercado de 2023. Naoufel é um operador bem-sucedido com histórico comprovado que ...
A ciência dos dados é onde está!
ótimo post meu cara!
Acredito que uma das maiores cantorias de python e sq é via web testing, você pode automatizar todas as coisas manuais que você faz no SQ usando acesso remoto através de seu navegador e usando selênio, por exemplo. Mesmo fluxos de trabalho complexos, como a seleção de parâmetros WFM, podem ser automatizados. Esta série parece promissora, estou muito interessado em saber como você utiliza a aprendizagem de máquinas para SQ.