<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[森林木的专栏（fasiondog）]]></title><description><![CDATA[静心潜思中……]]></description><link>https://blog.youkuaiyun.com/KongDong</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; KongDong]]></copyright><item><title><![CDATA[Hikyuu | RSI均值回归交易策略实现]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/170550467</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/170550467</guid><author>KongDong</author><pubDate>Wed, 11 Nov 2026 18:01:23 +0800</pubDate><description><![CDATA[本文在 Hikyuu 框架中实现 RSI 均值回归策略，通过“改参数、看标的”快速验证逻辑。策略基于上升趋势中短期超卖买入、超买平仓，未设止损止盈。回测显示，单标的年化收益中位 -8.2%，全 A 池年化中位 -1.6%，Profit Factor 仅 0.93，扣除交易成本后转负，表明该规则无正期望。样本外测试结果一致，成本敏感性强，零成本下可盈利，实盘费率下亏损。结论：框架可复用，但规则需独立验证，不能依赖历史表现。]]></description><category></category></item><item><title><![CDATA[Hikyuu 单机共享内存数据服务（shm）的设计与实现：多进程零拷贝共享同一份行情数据]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/170249350</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/170249350</guid><author>KongDong</author><pubDate>Sun, 08 Nov 2026 19:12:23 +0800</pubDate><description><![CDATA[hikyuu 2.8.3+ 引入插件 shmserver，通过单机共享内存实现全市场数据零拷贝共享。服务端预加载数据并发布只读快照，客户端零拷贝读取，实时行情由服务端统一写入，显著降低内存占用与启动时间。核心库仅定义契约与视图，IPC、共享内存等由插件实现，支持静默降级。采用无锁发布-订阅、fork 门控、角色标记与加载事件总线，保障性能与一致性。部署上要求单实例服务端、同一 datadir 与 IPC 路径，适用于量化回测与行情系统。]]></description><category></category></item><item><title><![CDATA[一键导入QMT板块信息到Hikyuu，轻松实现股票分类分析]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/154751664</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/154751664</guid><author>KongDong</author><pubDate>Wed, 12 Nov 2025 20:48:26 +0800</pubDate><description><![CDATA[本文介绍了如何将QMT平台的板块信息导入Hikyuu系统进行量化分析。通过四个步骤：获取QMT板块列表、提取板块前缀、分类整理板块、导入Hikyuu创建Block对象，实现板块数据的无缝对接。文章提供了完整的Python代码示例，包括板块分类函数和数据导入方法，并演示了如何在Hikyuu中使用这些板块数据。该方法支持概念板块、行业分类等多种类型，为量化交易研究提供了便捷的板块分析工具。]]></description><category></category></item><item><title><![CDATA[Hikyuu教程 | 滚动回测与滚动寻优系统]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/143061329</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/143061329</guid><author>KongDong</author><pubDate>Fri, 18 Oct 2024 20:20:35 +0800</pubDate><description><![CDATA[前面介绍了如何使用 hikyuu 进行策略回测参数优化，同时也提到了这种简单的参数优化本质其实是对历史数据的过拟合，通常并不具备直接使用的意义。那么有什么办法来减缓这种过拟合影响，让参数优化发挥实际的作用呢？答案是——使用滚动系统，但依然需要保持谨慎的态度，因为回测是拟合的本质并没有改变。]]></description><category></category></item><item><title><![CDATA[Hikyuu教程 | 如何进行策略回测参数优化]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/143061204</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/143061204</guid><author>KongDong</author><pubDate>Fri, 18 Oct 2024 19:55:40 +0800</pubDate><description><![CDATA[不久前看到一篇文章QMT使用技巧的文章——“震惊！策略回测参数从500多秒提升到1秒，竟然这么简单？当时进去看了下，大概是对单股的双均线策略的快线参数和慢线参数进行寻优，从2001年起至今对50组参数进行寻优，从使用纯 python 到使用 VBA 公式，从380秒优化到 1.3 秒。便想着动手看看 hikyuu 实现同样的参数寻优需要多久。其实曾经也有人问过如何用 hikyuu 进行参数寻优，但觉得这种参数寻优本质是一种过拟合，一直不怎么感兴趣。]]></description><category></category></item><item><title><![CDATA[Hikyuu教程：简单波动率（EMV）择时交易系统的构建与实现]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/139523746</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/139523746</guid><author>KongDong</author><pubDate>Fri, 07 Jun 2024 12:31:43 +0800</pubDate><description><![CDATA[首先，我们需要了解EMV指标的基本原理。简易波动指标（EMV），是为数不多的考虑价量关系的技术指标。在股价下跌的过程中，由于买盘力量的逐渐减弱，成交量会相应减少，进而导致EMV数值的下降。当股价跌至某一合理的支撑区域时，低价买入的订单会重新激活市场，使得成交量再度增加，此时EMV数值也会相应上升。当EMV数值由负转正并逐渐趋近于零时，这通常意味着有坚定的资金成功扭转了股价的下跌趋势，市场行情开始反转上扬，并发出新的买入信号。]]></description><category></category></item><item><title><![CDATA[Hikyuu性能实测：A股全市场1915万日K Bar，HDF5首次加载计算6.5秒]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/139301426</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/139301426</guid><author>KongDong</author><pubDate>Wed, 29 May 2024 17:25:15 +0800</pubDate><description><![CDATA[测试使用了 AMD 7950x，香橙派5 分别进行，操作系统均为 Ubuntu22.04，仅加载全部日线数据，证券总数7556支，K线Bar总量 1915万7千多条，分别使用 MYSQL 数据存储和本地 HDF5 数据存储。，否则百万数据2秒反而是显的慢了，对此重新更新了相关描述：“AMD 7950x 实测：A股全市场（1913万日K线）仅加载全部日线计算 20日 MA 并求最后 MA 累积和，首次执行含数据加载 耗时 6秒，数据加载完毕后计算耗时 166 毫秒"。]]></description><category></category></item><item><title><![CDATA[Hikyuu-SYS-趋势布林带交易策略实现]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/139040638</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/139040638</guid><author>KongDong</author><pubDate>Sun, 19 May 2024 11:57:16 +0800</pubDate><description><![CDATA[今天，我们一起来看下，十大经典技术分析交易策略中的“布林带”交易系统在 Hikyuu 中的多种实现方法，以及其在全部A股市场中的普适情况以及可能的改进。]]></description><category></category></item><item><title><![CDATA[Hikyuu高性能量化研究框架助力探索]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/138755853</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/138755853</guid><author>KongDong</author><pubDate>Sun, 12 May 2024 14:58:44 +0800</pubDate><description><![CDATA[Hikyuu Quant Framework 是一款基于C++/Python的开源量化交易分析与研究工具，主要用于A股市场的交易策略分析与回测，目前不支持期货等，需要自行改造。]]></description><category></category></item><item><title><![CDATA[Hikyuu-PF-银行股轮动交易策略实现]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/138588370</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/138588370</guid><author>KongDong</author><pubDate>Wed, 08 May 2024 22:25:18 +0800</pubDate><description><![CDATA[今天，带来的是“如何使用 Hikyuu 中的投资组合来实现银行股轮动交易策略”。这个策略的逻辑很简单：持续持有两支市净率最低银行股，然后每月换仓]]></description><category></category></item><item><title><![CDATA[Hikyuu-SYS-趋势双均线交易策略实现]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/138476166</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/138476166</guid><author>KongDong</author><pubDate>Sun, 05 May 2024 22:55:28 +0800</pubDate><description><![CDATA[本篇中，我们将通过技术分析流派中经典的“趋势双均线策略”，向大家展现如何 Hikyuu 来测试自己的想法，并最终将它转化为策略！]]></description><category></category></item><item><title><![CDATA[Hikyuu-教程-如何利用 FINANCE 指标计算市盈率]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/138373288</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/138373288</guid><author>KongDong</author><pubDate>Wed, 01 May 2024 15:10:53 +0800</pubDate><description><![CDATA[本篇主要讲解如何利用 FINANCE 指标计算市盈率，其他市净率等指标可以参考此文实现。]]></description><category></category></item><item><title><![CDATA[Hikyuu-tips-如何使用自定义的 host]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/138196866</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/138196866</guid><author>KongDong</author><pubDate>Thu, 25 Apr 2024 18:39:43 +0800</pubDate><description><![CDATA[上面需要去修改 pytdx 中的 hosts.py，但 pytdx 实际是一个 python 的软件包，直接修改其安装的文件并不合适。在 hikyuu 中，其实支持使用自定义的 hosts.py。使用 HikyuuTdx 下载数据时，会优先使用自定义的 hosts.py，顺便附上一段检测脚本，可以自行检查这些服务器，只保留可用的。打印输出中，如果为 False，就是不通的，可以直接手工注释掉或直接删除。你可以直接编辑该文件，只保留自己希望使用的通达信服务器地址。]]></description><category></category></item><item><title><![CDATA[Hikyuu 2.0.2 发布，高性能量化交易研究框架]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/138016557</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/138016557</guid><author>KongDong</author><pubDate>Sun, 21 Apr 2024 00:52:59 +0800</pubDate><description><![CDATA[Hikyuu 是一款基于 C++/Python 的高性能开源量化交易研究框架，用于快速策略分析及回测。与其他量化平台或回测软件相比，具备：
1.超快的回测速度；
2.针对系统交易理念进行组件化，灵活组合
更多信息，参见项目主页: https://hikyuu.org 或 http://fasiondog.gitee.io/hikyuu]]></description><category></category></item><item><title><![CDATA[Hikyuu 1.3.0 发布，高性能量化交易研究框架]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/134301806</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/134301806</guid><author>KongDong</author><pubDate>Thu, 09 Nov 2023 01:10:16 +0800</pubDate><description><![CDATA[Hikyuu 1.3.0 版本发布，该版本更新如下]]></description><category></category></item><item><title><![CDATA[树莓派下编译 PyMiniRacer]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/130182040</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/130182040</guid><author>KongDong</author><pubDate>Sun, 16 Apr 2023 14:35:15 +0800</pubDate><description><![CDATA[因需要在树莓派（及其其他各类派）下使用 akshare，但 akshare 的依赖库 PyMiniRacer 缺少 arm64 架构的包（该包已经不再维护），故在此记录下在 linux arm64 架构下编译 PyMiniRacer 的过程。]]></description><category></category></item><item><title><![CDATA[如何修改 pytdx 中对应的通达信 IP 地址]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/127952215</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/127952215</guid><author>KongDong</author><pubDate>Wed, 23 Nov 2022 08:45:00 +0800</pubDate><description><![CDATA[如何查询通达信行情服务器对应的IP地址]]></description><category></category></item><item><title><![CDATA[配置Doxygen显示函数所在的头文件]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/126756644</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/126756644</guid><author>KongDong</author><pubDate>Thu, 08 Sep 2022 00:49:07 +0800</pubDate><description><![CDATA[最近查阅 OpenCV 帮助文档，发现其C++帮助说明中都自动包含了所在的头文件，对比了下 Hikyuu C++ API 的帮助发现没有显示所在的头文件。]]></description><category></category></item><item><title><![CDATA[Hikyuu 1.2.5 发布，高性能量化交易研究框架]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/126680961</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/126680961</guid><author>KongDong</author><pubDate>Sat, 03 Sep 2022 18:44:49 +0800</pubDate><description><![CDATA[Hikyuu 1.2.5 发布，高性能量化交易研究框架]]></description><category></category></item><item><title><![CDATA[Hikyuu 1.1.0 发布，高性能量化交易研究框架]]></title><link>https://blog.youkuaiyun.com/KongDong/article/details/88078061</link><guid>https://blog.youkuaiyun.com/KongDong/article/details/88078061</guid><author>KongDong</author><pubDate>Sat, 02 Mar 2019 16:53:34 +0800</pubDate><description><![CDATA[Hikyuu 1.1.0 已发布，这是一款基于C++/Python的高性能量化交易研究框架。该版本更新如下：

复权增加周线及其以上支持
支持历史分笔、分时数据
添加日志打印的等级控制
MoneyManagerBase增加对成本计算
Datetime增加 dateOfWeek,startOfWeek,endOfWeek,nextWeek,preWeek等系列便捷方法
fix：Stock.realt...]]></description><category></category></item></channel></rss>