有没有基于python pandas的回测框架

1. 有没有基于python pandas的回测框架

Quantopian开源的zipline可以，但是本地的回测程序，做美股研究可以，但是A股不适合。
自己写个回测框架吧，模仿vn.py或者joinquant自己写个本地框架来也是可以的，如果想做的好看点学点数据库➕flask，可以做的好看些。

2. 有没有基于python pandas的回测框架

本地运行：
Quantopian开源的zipline可以，但是本地的回测程序，做美股研究可以，但是A股不适合。

线上运行：
想线上回测美股可以使用Quantopian，不过有时链接不是很稳定；
因为A股独特的交易机制，使得没有一款本地可以运行回测的python包。一、你可以到JoinQuant聚宽量化交易平台，他们自己写的A股回测框架，还提供处理好的数据，这一点非常好，省去了自己数据清洗的过程。除了A股还有基金期货的数据，可以做个轮动，对冲等等。二、就是自己写回测框架，优点是灵活，自己随意改，缺点就是需要一定的编程基础。

总结：
JoinQuant和Quantopian数据都可以取到DataFrame格式的，并且都提供notebook以及回测模式，回测研究都可以在线完成。

3. 有没有基于python pandas的回测框架

本地运行：
Quantopian开源的zipline可以，但是本地的回测程序，做美股研究可以，但是A股不适合。

线上运行：
想线上回测美股可以使用Quantopian，不过有时链接不是很稳定；
因为A股独特的交易机制，使得没有一款本地可以运行回测的python包。一、你可以到JoinQuant聚宽量化交易平台，他们自己写的A股回测框架，还提供处理好的数据，这一点非常好，省去了自己数据清洗的过程。除了A股还有基金期货的数据，可以做个轮动，对冲等等。二、就是自己写回测框架，优点是灵活，自己随意改，缺点就是需要一定的编程基础。

总结：
JoinQuant和Quantopian数据都可以取到DataFrame格式的，并且都提供notebook以及回测模式，回测研究都可以在线完成。

4. python pandas 判断数据框是否有值

在pandas中有两类非常重要的数据结构，即序列Series和数据框DataFrame。Series类似于numpy中的一维数组，除了通吃一维数组可用的函数或方法，而且其可通过索引标签的方式获取数据，还具有索引的自动对齐功能；
DataFrame类似于numpy中的二维数组，同样可以通用numpy数组的函数和方法，而且还具有其他灵活应用，后续会介绍到。

5. python pandas 判断数据框是否有值

启动IPython notebook，加载pylab环境： ipython notebook --pylab=inline Pandas提供了IO工具可以将大文件分块读取，测试了一下性能，完整加载9800万条数据也只需要263秒左右，还是相当不错了。 import pandas as pd reader = pd.read_csv('dat

6. 使用python做量化交易策略测试和回验，有哪些比较成熟一些的库

比较成熟的库可以参考如下几个：
pybacktest
pyalgotrader
zipline
bt
backtrader

pybacktest基于vector，不是event based，快得多得多，缺点也明显。

7. 只掌握简单的R和Python基础,想学习Pandas,请问有什么好的在线平台...

Python与R的区别是显而易见的，因为R是针对统计的，python是给程序员设计的。2012年R是学术界的主流，但是现在Python正在慢慢取代R在学术界的地位。
Python与R相比速度要快。Python可以直接处理上G的数据；R不行，R分析数据时需要先通过数据库把大数据转化为小数据（通过groupby）才能交给R做分析，因此R不可能直接分析行为详单，只能分析统计结果。所以有人说：Python=R+SQL/Hive，并不是没有道理的。
Python的一个最明显的优势在于其胶水语言的特性，很多书里也都会提到这一点，一些底层用C写的算法封装在Python包里后性能非常高效(Python的数据挖掘包Orange canve 中的决策树分析50万用户10秒出结果，用R几个小时也出不来，8G内存全部占满)。但是，凡事都不绝对，如果R矢量化编程做得好的话（有点小难度），会使R的速度和程序的长度都有显著性提升。

8. python 回测用什么包

我没钱，支持免费开源 抛开版权不说，初期入手策略测试、数据分析用matlab非常方便 但是策略测试方法、框架弄清楚后，要做正规的回测，还是Python方便，这里的正规是指严格的事件流驱动，虽然速度慢，但是避免未来函数影响、接近实盘的逻辑