墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
1.5k累计阅读
1.6k平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
一、欧K
环境配置：
API文件
1、API
API文件
2、策略参数
futures_strategy_params
3、新建输出文件夹
注意linux环境中保存文件夹是否已经建好，且写入权限是否打开
4、bash
bash_quant
多账户K线数据收集打开
collect_candle_data
Linux环境多个命令同时运行
二、
二、okex v5 API 单账户
multi_trade.py选择BlockingScheduler
阻塞版即可，通过nohup+&实现后台运行
nohup python3 -u Trade_okv5.py >>test.out &
迅投QMT量化实盘入门：Python策略编写、回测与本地部署实战
量化交易通过数学模型和计算机程序执行投资决策，其核心在于将投资逻辑转化为可自动执行的代码，以实现纪律性、高效性和风险可控性。Python因其简洁语法和丰富的生态库，已成为量化策略开发的主流语言，广泛应用于数据处理、策略回测和交易执行。对于希望从策略研究迈向实盘交易的开发者而言，本地化部署的量化交易平台提供了数据自主、延迟可控的解决方案。迅投QMT正是这样一款集行情、回测、模拟与实盘于一体的终端软件，它通过提供友好的Python API，降低了专业量化工具的使用门槛。本文将围绕Python策略开发、历史数据回
okv5 API常见问题
发起请求 所有REST请求头都必须包含以下内容：（公共数据不需要） OK-ACCESS-KEY字符串类型的APIKey。 OK-ACCESS-SIGN使用HMAC SHA256哈希函数获得哈希值，再使用Base-64编码（请参阅签名）。 OK-ACCESS-TIMESTAMP发起请求的时间（UTC），如：2020-12-08T09:08:57.715Z OK-ACCESS-PASSPHRASE您在创建API密钥时指定的Passphrase。 所有请求都应该含有application/json类型内容，并且是
量化策略从回测到实盘：完整验证框架与实战部署指南
量化交易是通过数学模型和计算机程序实现系统化投资决策的方法。其核心原理是基于历史数据验证的交易逻辑，通过回测评估策略在过往市场环境中的表现。量化策略的技术价值在于能够克服人为情绪干扰，实现纪律化执行，但回测结果与实际表现往往存在显著差异。在实际应用中，策略需要经历数据质量验证、执行成本考量、风险控制体系构建等关键环节。本文聚焦量化策略开发中的回测验证和实盘部署挑战，深入分析夏普比率、最大回撤等关键指标的实际意义，探讨如何建立从实验室回测到实盘交易的完整验证框架，帮助投资者避免过度拟合陷阱，构建稳健可靠的交易
okex okx v5api下单，23年接口改版引发的问题
一、网上的python代码，生成sign后，需要再从byte转一下str。二、使用nodejs、C#实现的下单，23年上半年还是正常的，后来报错：Invalid Sign",“code”:"50113。（Post请求会报这个错，Get请求不会）python生成的json，在冒号、逗号后有一个空格（如下示例）。而nodejs、C# 默认是没有这个空格的。对比调试了python代码，python可以成功下单，发现差别就在data转json时的差别。另外还要注意下生成json时，要按字段名的字母顺序排序。
量化交易系统搭建指南：从策略回测到实盘部署
量化交易是基于数学模型和统计分析的自动化投资决策系统，其核心原理包括均值回归、动量效应和市场微观结构分析。通过算法模型实现精准的交易信号生成，量化交易能够提升资金利用效率并优化风险收益比。在工程实践中，完整的量化系统包含数据获取、策略回测、风险控制和实盘执行等关键模块。使用Python搭配backtrader等框架可以快速构建回测系统，而动态仓位调整和多重风险控制机制则确保了策略的稳健性。本文以日内趋势跟踪策略为例，深入探讨了如何通过技术手段实现资金的高效增长，特别是在资金利用率优化和风险可控的前提下构建完
okex v5 api，包含了大部分功能，交易，账户操作，查询等
okex v5 api，包含了大部分功能，交易，账户操作，查询等，获取到的数据为官方返回数据没有进行二次处理，本人有二次处理经验，具体的可以看博客内容
OKEX v5接口鉴权认证---Python
OKEX v5接口鉴权认证 pass_phrase = '***' # 申请 api_key = "***" # 申请 secret_key = "***" # 申请 timestamp = requests.get('https://www.okex.com/api/general/v3/time').json()['iso'] # 根据需要选择对应的时间格式 def signature(timestamp, method, request_path, body, secret_key):
VisDrone2019数据集实战：从下载到YOLO格式转换的完整指南
本文提供了一份完整的VisDrone2019数据集实战指南，详细介绍了从数据集下载、理解其独特的标注格式，到转换为YOLO模型可直接训练格式的全过程。通过清晰的代码示例和步骤讲解，帮助读者掌握处理复杂无人机视觉数据集的核心技能，为基于YOLO的目标检测模型训练做好准备。
推荐开源项目：OKEX V5 SDK for Go - 高效、安全地接入OKEX交易接口
推荐开源项目：OKEX V5 SDK for Go - 高效、安全地接入OKEX交易接口 项目地址:https://gitcode.com/gh_mirrors/ok/OKEX_V5SDK_GO 项目简介 是一个由社区开发者Caronwang开发的用于与OKEX交易所V5 API交互的Go语言库。它允许开发者轻松地在Go应用中集成OKEX交易平台的功能，如账户管理、订单操作、市场数据获取等。 技术...
ISCC-Amy‘s Code CTF-Reverse
ISCC-Amy's Code CTF-Reverse
泛微E9统一待办接口说明
需要第三方表单，在提交自己的流程后，通过【window.location.href=‘oa地址/workflow/request/ViewRequestOS.jsp?需要第三方表单，在提交自己的流程后，通过【window.location.href=‘oa地址/workflow/workflow/WfRefreshList.jsp’】通过中转页面与第三方系统对接，按照第三系统的验证方式开发中转页面中的程序。C）第三方根据相同的数据加密，结果一致就认证成功，打开流程。优点：可以灵活的对接各个系统。
OKEX数据获取python脚本api_v5
一个小程序，可以实现OKEX平台上所有行情数据的获取，v5版本，这个是数据获取以及以csv格式保存到本地的py 先上代码 分三段讲解一下如何使用 1.模块导入以及类的实例化 把自己的api_key啥的填一下就OK import datetime import time import pandas as pd from gary import OkexSpot ok = OkexSpot( symbol="ETH-USDT-SWAP", access_key="", s
生产环境下oracle19c rac恢复节点2
现状：目前节点1数据库集群服务处于正常，节点2服务器由于系统故障无法恢复，确认系统重装。目标：不影响业务的情况下，重新把节点2添加回集群中。
4.2.2 QMT实盘部署：让策略跑起来
print(f"[{now()}] {status} | 价格={current_price:.3f} | MA={ma:.3f}")print(f"快线: {ContextInfo.fast_period}, 慢线: {ContextInfo.slow_period}")entry = f"{now()} | {action} | 价格={price:.3f} | MA={ma:.3f}"print(f" 快线: {fast_ma:.3f}, 慢线: {slow_ma:.3f}")
深度学习&故障诊断初学者 - 学习路线
针对初学者，一头雾水，不知如何学习，本文给出了一个学习路线 Python学习 - 打好编程基础 https://www.bilibili.com/video/BV1vA411b7Rn?spm_id_from=333.337.search-card.all.click B站免费课程 学到P49 建议时长 2周 深度学习理论 - 浅浅理解神经网络 https://www.bilibili.com/video/BV1FT4y1E74V?p=41 建议时长 2周...............
C语言 100道经典编程题适用于专升本，专接本【详细分析版】_c语言专升本题目
/法2//left指向起始 right指向数组末尾= 0){left++;//如果*left是奇数就循环接着向后指,直到指向偶数就退出//（left
突破交易策略：从原理到Python实盘部署完整指南
突破交易是量化投资中的经典趋势跟踪策略，其核心原理基于市场关键价位的突破行为。当价格突破重要支撑或阻力位时，往往意味着新趋势的形成，这种技术分析概念在股票、期货和加密货币市场具有普适性。从技术实现角度，突破策略通过计算历史价格的高低点阈值来识别交易信号，结合成交量确认和风险管理模块提升策略稳定性。在量化交易实践中，Python配合Backtrader等回测框架能够高效验证策略效果，而参数优化和风险控制则是保证策略长期盈利的关键。本文以UNIT 13的Strategy 8为蓝本，详细解析突破策略的代码实现与实
PowerPMAC配置EtherCAT设备
本文详细介绍了在PowerPMAC IDE环境下配置EtherCAT伺服电机的完整流程。主要内容包括：准备工作（连接硬件和获取ESI文件）、通过ESI管理器加载配置文件、网络扫描识别从站设备、变量映射（定义输入输出位置参数）、激活EtherCAT通讯（验证状态字和实际位置）以及相关参数说明。文章还概述了主站配置的8个方面和从站配置的7个选项，重点说明了PDO映射和变量分配机制，为伺服电机的EtherCAT通信配置提供了系统指导。
期货量化策略部署上线全流程_从回测到实盘的关键步骤
作为一名在期货量化领域深耕了二十年的老交易员，我见证了太多策略在回测中表现优异，却在实盘中折戟沉沙的案例。免责声明：本文基于个人使用体验，与任何厂商无商业关系。内容仅供技术交流参考，不构成投资建议。：回测代码和实盘代码一致，部署时改一行代码即可，大大减少出错可能。：本文基于个人学习经验整理，仅供技术交流参考，不构成任何投资建议。：从模拟到实盘，只需要改一行代码，这是TqSdk的优势之一。很多时候，问题不在策略本身，而在于。每个环节都不能省略，下面逐一详解。，希望能帮助大家少踩坑。，覆盖不同的市场环境。
【AUTOSAR-COM】-10.5-APP CAN Frame/PDU“发送周期不准“的影响因素
一个Tx PDU在COM模块中的数据流； Tx APP CAN Frame/PDU"发送周期不准"的影响因素;
C# WinForm 基于DirectShow.dll编写的程序，可边预览边保存视频，音频和图片
基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择（默认选中第一个）2.可录制wmv和avi两种格式的视频并且都带有音频，avi可以录制的分辨率和帧数进行选择，wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照，也可边录制视频边拍照4.添加了视频和音频的压缩功能（酌情使用）这次二次开发发现C#对DirectShow的相关信息太少，这次做完也不敢藏私共享出来，还望大家指正
从回测到实盘：AutoTrader实现量化策略无缝部署指南
AutoTrader是一个基于Python的自动化交易系统开发平台，能够帮助交易者从策略回测、优化到实盘交易实现全流程管理。本文将为您详细介绍如何利用AutoTrader实现量化策略从回测到实盘的无缝部署，让您的交易策略快速落地并高效运行。 ## 一、AutoTrader平台简介 AutoTrader作为一款功能强大的量化交易开发平台，为用户提供了从策略编写、回测验证到实盘交易的完整解决方案。
假人有限元模型
假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
量化交易入门：从策略回测到实盘部署的技术实践指南
量化交易是一种利用数学模型和计算机程序进行自动化投资决策的方法。其核心原理是通过历史数据分析，构建统计模型以识别交易机会，并由程序自动执行买卖指令。这项技术的价值在于能克服人为情绪干扰，实现纪律性交易，并快速处理海量数据。在应用场景上，它广泛用于股票、期货、加密货币等金融市场，进行高频交易、套利或趋势跟踪。对于初学者而言，理解从策略开发、回测验证到模拟盘测试的完整链路至关重要。本文以Python技术栈为基础，结合**双均线交叉**这一经典策略案例，详细拆解了使用**Backtrader框架**进行回测、通过
Outlook Express 6 (OE6) for Win7/Win8/Win10
英文版 Outlook Express6.0， 兼容Win7/Win10/WinXP，解压就可用。
锂电池充电器电路设计 里面有电路
锂电池充电器电路设计 里面有电路 3.7V升压到5V电路设计。
Python量化投资框架实战：从策略回测到实盘部署
量化交易是通过数学模型和计算机程序进行投资决策的方法，其核心在于将投资理念转化为可执行的算法。其原理基于历史数据统计和概率分析，通过回测验证策略的有效性。在技术实现上，模块化框架能显著提升开发效率，将数据获取、策略逻辑、回测引擎和绩效分析等环节解耦。事件驱动模型模拟真实市场环境，确保回测的严谨性，避免未来函数。这类技术的价值在于将主观投资经验转化为客观、可复制的系统，实现风险可控的自动化交易。其应用场景广泛，涵盖股票、期货、加密货币等多资产类别的趋势跟踪、套利、多因子选股等策略。本文以开源框架为例，详细解析
gs-quant量化策略开发：从历史回测到实盘部署
你是否还在为量化策略开发中的历史回测复杂、实盘部署困难而困扰？本文将系统讲解如何使用gs-quant（Goldman Sachs Quantitative Finance Library，高盛量化金融库）构建完整的量化策略开发流程，从策略编写、历史回测到绩效分析与实盘部署，帮助你解决量化投资全流程中的核心痛点。读完本文你将掌握： - gs-quant策略开发的核心组件与架构设计 - 历史回测引擎...
量化策略部署与验证：从回测到实盘的全流程实践
量化交易通过数学模型和计算机程序实现投资决策自动化，其核心原理是基于历史数据的统计分析和策略回测验证。在金融科技领域，量化策略的价值在于能够系统性地挖掘市场规律，规避人为情绪干扰。实际应用中，量化策略广泛应用于股票选股、期货套利、资产配置等场景。本文聚焦量化策略的本地化部署与验证流程，涵盖环境配置、回测测试、性能监控等关键环节。针对策略回测和批量任务处理等高频需求，提供了具体的内存优化和API集成方案，帮助开发者快速验证策略效果并集成到现有交易系统中。
基于Backtrader与Alpaca API的量化交易策略实盘部署指南
量化交易的核心在于通过系统化方法实现投资决策，其技术基础通常包括策略回测与实盘执行两大环节。策略回测依赖历史数据验证模型有效性，而实盘交易则需处理实时市场接口与订单管理。Backtrader作为Python领域广泛使用的开源回测框架，提供了灵活的策略开发与回测环境；Alpaca API则提供了简洁的现代交易接口，降低了实盘交易门槛。将两者结合，能够打通从策略研究到生产部署的完整链路，实现策略逻辑的快速验证与安全执行。本文通过解析alpaca-backtrader-api这一桥梁工具，详细介绍了如何配置数据流
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
449
扫一扫
