⑴ 使用python做量化交易策略測試和回驗，有哪些比較成熟一些的庫
量化交易大多用在股票交易上，量化是指將某隻股票或者摸個行業的數據進行量化，在更具各家機構自己的量化公式進行選擇，量化交易只是選擇，並不涉及交易
程序化交易也是一種量化交易，但是是更具已有的數據進行，比如各種行情指標，MACD KDJ等，無法像量化交易那樣把能涉及到的所有數據進行量化，程序化交易更側重交易的自動進行，沒有認為干預，且模型編寫簡單，個人用戶也可以進行！
⑵ 如何用python做回歸 判斷這個股票和股指間的關系
一個大項目的完成不是樓主以為的一天就能完成，通常會延續一年月乃至數年，看當時的風有多大了。所以去深究一天的盤口意義不是特別大。
大作手如果對大的基本面判斷失誤，籌碼、發動時機控制不好，鎖籌小夥伴背後捅刀子，走水出現大的老鼠倉，資金鏈出問題，碰到其他有錢任性的機構，老婆偷人槍殺兒子導致腦子短路等等雞飛狗跳的事情，項目做折掉，從莊家變股東的可能性也是非常大的，以億計的現金灰飛煙滅不過分分鍾的事情。
===============================================================
A股的死穴——要賺錢必須漲，做多是唯一出路。
做莊的基本原理：比如5元的標的，在底部拿夠籌碼，配合風信，能做多高做多高，比如做到50塊，然後就一路壓低賣下來，賣到15塊，乃至10塊。總有人覺得夠
便宜了會要的。
===============================================================
步驟1：做底倉，一般是先買到流通盤的30%。
具體做法就是在熊市末期，對著往上敲，然後虧本往下砸。賣1個，跟著會掉下來2-3個，接住。做底吸籌這個時間段有時會很長，視實際籌碼的收集情況和大盤走勢而定。
看下圖成交量，主力第一注就是下在中間偏左點的位置，進而不斷往震盪吸籌。那麼大的成交量，你總不會覺得是公眾交易者干出來的吧。
tip:標准底部的特徵就是脈沖式放量縮量，公眾交易者不參與任何震盪，切記。底部持續時間越長，籌碼控制越集中，以後上漲的高度越高，即所謂的橫有多長豎有多高。同時盡量挑選底部形態比較標準的標的，一年時間跨度以上的大圓弧底、復合頭肩、矩形底最好。越漂亮的走勢圖形控盤度越高，籌碼散亂的狀態下往往代表著多方博弈。
⑶ 為什麼人工智慧用Python
Python是一種通用的腳本開發語言，比其他編程語言更加簡單、易學，其面向對象特性甚至比Java、C#、.NET更加徹底，非常適合快速開發，Python在軟體質量控制、開發效率、可移植性、組件集成、庫支持等方面均處於先進地位！
中國人工智慧行業正處於一個創新發展時期，對人才的需求也在同步急劇增長，如今Python語言的學習已經上升到了國家戰略的層面上。國家相關教育部門對於「人工智慧普及」格外重視，不僅將Python列入到小學、中學和高中等傳統教育體系中，並藉此為未來國家和社會發展奠定了人工智慧的人才培養基礎，逐步由底層向高層推動「全民學Python」，從而進一步實現人工智慧技術的推動和社會人才結構的更迭。可見Python在人工智慧領域的重要性，那麼，做人工智慧為什麼要學Python呢？
人工智慧為什麼要用Python語言?
1. Python除了極少的事情不能做之外，其他基本上可以說全能，系統運維、圖形處理、數學處理、文本處理、資料庫編程、網路編程、web編程、多媒體應用、pymo引擎、黑客編程、爬蟲編寫、機器學習、人工智慧等等都可以做。
2. Python是解釋語言，程序寫起來非常方便，寫程序方便對做機器學習的人很重要。
3. Python的開發生態成熟，有很多有用的庫可以用。相比而言，Lua雖然也是解釋語言，甚至有LuaJIT這種神器加持，但其本身很難做到Python這樣。
4. Python效率超高，解釋語言的發展已經大大超過許多人的想像。毫無疑問使用Python語言的企業將會越來越多，Python程序猿的人才缺口也將越來越大，認准時機，把握機遇。