Python 进阶视频课 - 8. 高频数据采样

这是 Python 进阶课的第八节 - 高频数据采样，进阶课的目录如下：

1. NumPy 上

2. NumPy 下

3. Pandas 上

4. Pandas 下

5. SciPy 上

6. SciPy 下

7. 时间序列
   

之前基础版的 11 节的目录如下：

1. 编程概览

2. 元素型数据

3. 容器型数据

4. 流程控制：条件-循环-异常处理

5. 函数上：低阶函数

6. 函数下：高阶函数

7. 类和对象：封装-继承-多态-组合

8. 字符串专场：格式化和正则化

9. 解析表达式：简约也简单

10. 生成器和迭代器：简约不简单

11. 装饰器：高端不简单

在做量化时，经常会用到下面格式的金融数据。

这条数据 (后文称作 bar) 包含 6 个属性：

• 日期时间 (date_time) 是 2013 年 9 月 1 日 19 时 32 分 23 秒 387 毫秒
  

• 起始价 (open) 是 1640.25

• 最高价 (high) 是 1642.00

• 最低价 (close) 是 1639.00

• 结束价 (high) 是 1642.00

• 成交量 (volume) 为 28031

注意我并有把 open 和 close 翻译成开盘价和收盘价，因为这条数据并不是按日来收集的，而它对应的时间精确到 387 毫秒。

另外为什么在一个时点上有四种不同的价格，即市场常见的 OHLC？ (每个字母代表 open, high, low, close 四个单词的首个字母)。原因是 OHLC 数据是在一段时间内 (上面 09/01/2013 19:32:23.387 是这段时间的终点) 收集很多 tick 数据的价格而决定的它们的 open, high, low, close，这段时间可以是

• 一天

• 一小时

• 一分钟

• 一秒

• 包含 1000 笔交易的那段时间

• 包含成交 100 个合约的那段时间

• 包含成交 10000 美元的那段时间

收集 tick 数据而生成某些统计量的操作叫抽样 (sample)，这些统计量可以是这些 tick 数据的

• 起始值、最大值、最小值、终止值 (OHLC)

• 简单平均值 (下面要介绍的 TWAP)

• 成交量加权平均值 (下面要介绍的 VWAP)

上完本节后，你就会从大量「tick 级别」的高频数据，选出有代表性「bar 类型」的样本。你会彻底理解 tick 级别的高频数据和各种预处理技巧，以及从 tick 数据采样到 bar 数据的四种方法：等时采样、等笔采样、等量采样和等额采样。本贴即从零开始介绍如何实现上述四种采样方法，也介绍硬核量化交易工具包 mlfinlab 的实现方法。用到的数据包括：

• 比特币/美元永续掉期 tick 数据

• 标普 500 价值股 ETF tick 数据

付费用户（付 1 赠 1）可以获得：

• 观看课程视频 (93 分钟)

• Python 代码 (Jupyter Notebook)