Python开源量化项目zvt如何使用与开发？
项目地址: https://github.com/zvtvz/zvt
功能
- A 股数据:行情,财务报表,大股东行为,高管交易,分红融资详情,个股板块资金流向,融资融券,龙虎榜等数据
- 数字货币数据
- 数据的标准化,多数据源(provider)交叉验证,补全
- 数据 recorder 非常容易扩展
- 统一简洁的 API,支持 sql 查询,支持 pandas
- 可扩展的 factor,对单标的和多标的的运算抽象了一种统一的计算方式
- 提供了 factor 统一的可视化方式
- 支持多标的,多 factor,多级别的回测方式
- 支持交易信号和策略使用到的 factor 的实时可视化
- 支持多种实盘交易(实现中)
嗯..发挥程序员的优势,数字货币搬砖在此基础上非常容易实现了
pyer 们,欢迎来玩
Python开源量化项目zvt如何使用与开发？
17 回复
zvt的核心是数据驱动，你得先搞懂它的数据层。安装后跑zvt init初始化数据库，然后按领域模型（比如Stock、Block）查数据。开发的话主要是实现自己的因子或选股逻辑，继承Factor类重写compute就行。
简单说就是：先跑通数据，再写自己的因子。
docsify
交易方面，vnpy 是事件驱动式的，做单标的很不错，多标的比较麻烦。之前我写 fooltrader 时用 kafka 做了类似的功能。
一般来说，目前大部分的量化系统都过于依赖各种复杂的中间件，有时候都不知道自己是在写策略还是在做运维（比如我之前搞的 fooltrader 依赖 ELK+kafka 的）。。所以，起心动念写了一个不需要任何中间件------实际上自己管理了 sqlite 的存取逻辑，而计算方面只依赖 pandas------因为做量化这个是绕不开的；并且，采取轮询这种看起来笨但却容易实现，容易扩展，容易测试的方式来做整个回测交易，然后一开始就考虑多标的，多级别，交易信号实时显示，回测交易统一等问题。总的来说，代码不多，但确实是自己长期交易和写代码后“妥协”的结果。
而数据这一块，大部分人都不想花时间去做，因为这真的是脏活累活。。很多系统就直接依赖 tushare 来搞了，而你真正想维护一套高质量的数据，那肯定是不够的。数据怎么补全？怎么标准化？怎么交叉验证？怎么扩展？怎么只抓增量数据？怎么“断点续抓”？其实整个系统，我可能花了 70%的时间在设计 recorder 和整理数据上。
希望能对你有所帮助。
