量化对冲基金策略开发体系探秘

正文

请到「今天看啥」查看全文

接下来，我们将讨论作为一个量化开发人员在数据源方面的工作。

主要包括四个方面的工作：连接到数据源和获取数据，将这些数据以统一的格式进行存储，数据清洗以避免错误，将数据以简单、易于使用的方式提供给量化研究员。

我们基金的主要交易机制是利用股票多/空模型。我们主要关注以下资产类别：全球股票、固定收益宏观和衍生数据、外汇现货数据（期货）、商品（期货及期权）和指数如标准普尔500指数、富时100指数、VIX指数等。

构建这种类型的证券数据库的第一步是创建所谓的证券主列表。它将在单一的、非复制的数据库列出可能感兴趣的每一个证券/资产。如此主列表的其中一个关键问题是，同一证券的不同数据源使用的是不同的代码。因此，有必要构建一个证券映射列表为每个证券提供独特的价格数据。

我们的价格数据通过专有通道和免费渠道获得，通常是通过应用程序编程接口（API），因此，可以通过可重复、自动化的方式执行。我们构建了一个系统来检查错误并标记缺失数据或是与其他数据源同一证券不匹配的数据。我们的数据被存储在一个关系数据库管理系统（RDBMS），广泛微调性能和我们的用例。

Python机器学习策略工作坊（深圳）

请到「今天看啥」查看全文