IT里的交易员-博客

量化交易，数据先行。可你是不是也经常遇到：行情没下载读取不到，下载了读取不够快，直接订阅行情数量又不够，或者速度不够快。那么你可以尝试一下下面这个方法。我们这里只是简单的介绍了DiskCache的一下主要操作和用法，并对量化需要用到的行情信息读写进行了展示，作为基本应用已经足够用了，基本操作也就这些了。在使用了mysql，sqlite，txt，redis，综合速度和持久化，个人更倾向于DiskCache。量化交易，数据先行。

描述曲线走势可以使用多种方法，其中余弦相似度和皮尔逊相关系数是两种常用的指标。它们各有优缺点，适用于不同的场景。对于描述曲线走势，皮尔逊相关系数通常更有效，因为它不仅考虑方向，还考虑大小，能够更全面地反映两个时间序列数据之间的线性相关性。而余弦相似度只关注方向，对于大小的变化不敏感，因此在曲线走势分析中不如皮尔逊相关系数有效。在行情里，close也好，ma均线也好，本质都是一个序列值，也就是一组list。一个list也就是一条曲线。你想到了什么？

在量化实践过程中，经常因为不同库使用不同的股票代码形式，所以需要来回转换股票代码，以符合作业环境。为方便不同形式的要求，现将常用的格式做了函数，方便调用。这个函数考虑了股票常用的各种形式，包括大小写，调用的时候选择相应的kind即可。

提示：以下是本篇文章正文内容，下面案例可供参考我们在量化选股的后，有时候需要将股票添加到通达信里使用各种指标再检验检验，但如果有许多代码需要添加，一个一个输入就太low了。这里给大家介绍一种方法，可以将选出的股票批量导入通达信自选股。导入完毕后，在通达信终端打开自选板块就可以直接查看。这里我们以通达信版最新版本（通达信金融终端 V7.642）为例，不同版本自选股文件位置和名称可能不一致，我们可以在安装目录搜索*.blk即可。最近，又折腾起了通达信，为方便自选股操作就写了以上代码。需要的小伙伴可以拿走使用。

前面很多人提到逆回购，但是经常一忙就忘了收盘后下单逆回购，白给的肉又飞了。这里我们使用QMT玩玩逆回购，代码简单，复制到本地，配置好即可运行，收益无负担，送你的钱不要白不要。简单来讲，逆回购从本质上讲是一种短期贷款，就是你把钱借给别人，获得固定利息；别人用债券（国债或企业债）作抵押，到期还本付息。使用xtquant调用迅投MiniQMT客户端定时操作逆回购，再也不担心忘了赚零花钱了（含完整源代码）让更多人可以看到！

SQLite 内存中数据库是完全存储在内存中（而不是磁盘上）的数据库。使用特殊数据源文件名 :memory: 可创建内存中数据库。连接关闭后，数据库会被删除。使用 :memory: 时，每个连接都会创建自己的数据库。今天我们介绍了如何在内存中使用sqlite数据库。其中以下分别为不同形式的数据库，有兴趣的可以自行测试，对比读写速度。db = os.path.dirname(os.path.abspath(__file__))+"\\sqlite_stock.db" # 本地文件数据库。

发现一个方便写webui的库nicegui，闲来就试一试。方便数据展示，做个数据大屏。。

【大麦小米学量化】通过pywencai访问同花顺问财接口实现智能选股很多小伙伴应该已经用得很六了。但最近出了点小问题？解决后发出来，希望可以帮到大家。以后库报错了，很有可能是系统有调整，先来一个 -U 升级一下。也许作者已经解决了，个人就别瞎折腾了。

很多人开通了迅投QMT量化平台，可是进入编辑器界面，写python代码，那种感觉如同回到了原始时代，连调试代码最常用到行、块注释这么简单的操作都能把人整疯。想让迅投QMT即可修改编辑器，一时半会儿不现实。那么有没有一种方法？可以使用外部的编辑器编写，在迅投QMT里运行就行了，不也鱼与熊掌可兼得了吗？经过笔者孜孜探索，还真找到了一个方法，其实也很简单。就是坑有几个，不过我都填上了。提示：以下是本篇文章正文内容，其中代码为QMT默认自动生成，这里拿来仅作演示，不可用于实盘。............

前面很多人提到逆回购，但是经常一忙就忘了收盘后下单逆回购，白给的肉又飞了。这里我们使用xtquant玩玩逆回购，代码简单，复制到本地，配置好即可运行，收益无负担，送你的钱不要白不要。如何优雅地调教QMT量化平台编写量化策略（使用notepad++、pycharm、vscode等外部IDE编写量化交易代码）抛出了mpython的秘密，当时MiniQMT并不为人知晓。此篇文章也算是对上文的承接。

有时候我们需要将list写入本地文件，作为交换信息由其它程序进行读取。就比如，做量化交易的时候，一个程序进行选股，一个程序读取选股信息后进行交易。当然也可以写入redis等，方法很多。但写入本地csv文件最简单，毕竟自选股的结果就是一个list就够了。下面进入正文。为了快速实现信息交换，博主尝试了很多方法，这个方法既简单，需要的代码也最少。极容易上手也不容易出错。如果有人说我要保存成dict，可以移步到博主TOML的文章。【TOML配置文件】配置文件我用TOML！人性化，少出错！

AI已经发到到可以写代码了，那是不是也可以写写量化交易代码呢？带着这个问题，我们试试文心一言。提示：以下是本篇文章正文内容，下面案例可供参考通过演示和运行测试，可以看出，使用AI已可以辅助我们书写策略代码，但代码仍有优化的空间。之前还测试过一些AI写出的代码，还需要进行debug。不过至少AI给我们提供了一些将文字策略转变为代码的思路，再结合各种量化交易API就可以进行模拟测试了。如果要进行实盘，大家还是要谨慎再谨慎，毕竟真金白银可不是闹着玩的额，AI可不承担损失！

量化交易是一种基于数学和计算机技术的交易方法，通过量化分析和模型预测市场走势，实现投资收益。与传统的定性投资相比，量化交易不依赖于主观判断和经验，而是通过数据和模型来决策。量化交易的核心是量化分析和模型预测。量化分析是指通过统计分析、时间序列分析、机器学习等方法对大量历史数据进行分析，挖掘市场规律和趋势。模型预测则是基于这些规律和趋势，对未来市场走势进行预测，从而制定投资策略。量化交易的应用范围非常广泛，包括股票、期货、外汇、期权等各类金融市场。

之前使用的iwencai，最近出现无法访问的问题，几经辗转，发现pywencai库可以替代其功能，原有的帖子已无法继续使用，所以建此帖，推荐大家使用这个库访问同花顺问财。实现问财选股固然方便，但对于智能交易，这也仅代表又近了一步。AI可以帮助我们更快的选股，但不能代替我们交易和把控风险。而投资从来都伴随这风险。如何控制亏损，让利润奔跑才是投资路上最简单也是最难的学问！另，此库不是官方库，维护更新也要根据官方情况而定。请大家且用且更新。

学习时间：对于初学编程者，大概需要一周时间；对于有编程基础的老手，看个人情况，也许一下午就OK了。学习目标：掌握Python的基本语法，可以灵活运用list、dict，掌握时间转化和文件操作。学习难点：函数、模块，以及list、dict、时间转换等。len(): 计算序列的长度，例如len(‘hello’)输出5。max(): 返回序列中的最大值，例如max([1, 2, 3, 4, 5])输出5。min(): 返回序列中的最小值，例如min([1, 2, 3, 4, 5])输出1。

天勤的tqSDK确实很不错，业内也多有赞誉。万事开头难，这里抛砖引玉，其实官方的在线说明简直太贴心了，你想到的他们都做好了文档！另外，目前主要是做期货，其它等官方更新后再看吧。另：tqsdk.ta 模块中包含了大量技术指标. 每个技术指标是一个函数, 函数名为全大写, 第一参数总是K线序列, 以pandas.DataFrame格式返回计算结果。这个简直太方便了，大家尽可直接参考官方文档调用即可。更多精彩，欢迎大家发掘分享。