- 博客(1573)
- 资源 (7)
- 收藏
- 关注
RSS订阅原创 什么是Numpy？
⚙️ Python 的「数值计算底层引擎」：一个开源库，提供高效 n 维数组对象 ndarray + 广播机制 + 向量化数学函数；⚡ 循环太慢：纯 Python for 算 100 万条收益均值要 1 秒 → NumPy 向量化 10 ms。：ndarray 让循环进 C 语言，速度×100，内存省，所有量化/ML 库都站在这块基石上。1️⃣ 量化研究员：回测里 10 年 3000 只股票日收益 → 一行。🖥️ 本地：Anaconda 自带，无需额外安装。⚡ 线性代数：求协方差、特征值、矩阵乘法，调用。
2025-12-21 13:18:54
219
原创 Jupyter是什么？如何安装使用？
⚡ 教学/博客：Markdown 贴公式，Cell 输出动态图，读者一键「Run All」复现。⚡ 可视化汇报：代码旁就是折线图，老板拖动滑杆看参数敏感性，无需再导 Excel。⚡ 远程弱电脑：老笔记本只当浏览器，GPU 算力放服务器，Jupyter 做桥梁。量化人用它边跑边画边写，探索快、汇报靓、复现易，是数据科学界最主流的「实验台」。2️⃣ 高校教师：课堂实时演示「跑策略→出图→改参数→再跑」，学生浏览器同步看。）里，边写边跑边看图，像会“活”的实验报告。⚡ 探索阶段：策略因子未知，按。
2025-12-21 12:54:03
402
原创 [鸿蒙2025领航者闯关] 我如何 72 小时把 30 万行 Android 代码无痛迁移至 HarmonyOS NEXT，下载量翻 3 倍？
鸿蒙2025领航者闯关]我如何 72 小时把 30 万行 Android 代码无痛迁移至 HarmonyOS NEXT，下载量翻 3 倍？——一次“生死时速”式迁移的全记录。
2025-12-18 12:51:49
919
原创 PyQt5是什么？谁在用？什么时候用？如何用？
AI 时代不是未来，是此刻的键盘声。当别人还在卷提示词，你已经用 PyQt5 把算法包装成“双击即跑”的桌面神器，这才是 AI 落地的最后一公里！我是张大鹏，今天一支烟的功夫，带你拆透 PyQt5 的底层逻辑：从大众仪表到特斯拉中控，从量化盯盘到医疗影像标注，全程高能，学完就能把手里的 Python 脚本升级成商业级软件。
2025-12-18 12:31:49
14
原创 小智 vs 小爱 vs 天猫精灵：同一句“打开空调”谁更快更准？硬核横评
关键词：小智 AI 音箱、小爱同学、天猫精灵、语音唤醒、响应延迟、横评、智能家居测试环境：Wi-Fi 6 路由器 + 100 M 宽带、同一位置、同一空调（格力云佳 1.5 匹，支持三种平台）、夜间 24 dBA 本底噪声。
2025-12-15 08:13:13
674
原创 拆机报告：小智 AI 音箱里到底藏了啥？BK7252 主控 + 四麦阵列全解析
关键词：小智 AI 音箱、拆机、BK7252、四麦阵列、成本预估、嵌入式硬件阅读提示：全程无外链、无图，纯文字还原真实硬件细节，可放心食用。
2025-12-15 08:12:10
866
原创 30 分钟白嫖小智 AI 音箱：从开箱到 MCP 自定义“晚安”技能，全流程实录
关键词：小智 AI 音箱、MCP 开发、自定义技能、语音交互、智能家居运行环境：Python 3.9 + 小智 MCP SDK（官方镜像已集成）
2025-12-15 08:10:52
906
原创 别再用 PPT 拼图了！Matplotlib 30 秒生成 4 联 SCI 子图，Impact Factor 翻倍
关键词：Matplotlib、subplots、SCI 论文、Python、配图、Impact Factor运行环境：Python 3.9 + Matplotlib 3.8（代码向下兼容 3.5+）
2025-12-15 08:05:25
283
原创 什么是 Backtrader？一篇给 Python 量化爱好者的超全说明书
你需要单机轻量零配置Jupyter 即时可视化；策略 idea 快速迭代，10 行代码跑回测；主要交易美股、加密、IB 外盘，或教学演示；希望回测与实盘同一套代码，减少迁移成本。如果你做国内期货 CTP、需要毫秒级实盘风控，请转向 vn.py；如果你做多因子股票大容量，再考虑 rqalpha + 聚源/米筐数据。
2025-12-14 21:23:35
1062
原创 利用 vn.py 实现波动率倒数仓位：把螺纹钢回测年化从 9% 提到 89% 的完整笔记
给出一种“波动率倒数仓位”(Volatility Targeting) 的工程实现。评论区交流：你在 vn.py 里还用过哪些“一行代码提升夏普”的技巧？若 strategy 平均盈利 < 3 跳，需再压缩滑点或提高周期。在 CTA 趋势策略中，“双均线突破”是最简单的入场信号之一。螺纹钢 1 跳即 1 元/吨，1 手 10 吨 → 10 元。本文基于国内主流开源框架。，已满足多数私募内盘标准。组件，一行配置即可。
2025-12-14 21:20:28
743
原创 “Rust + Python” 也太香了吧！零成本抽象 + 内存安全，性能直接起飞
fill:#333;color:#333;color:#333;fill:none;YesI/OPython 慢CPU 密集?Rust 扩展Async零成本抽象内存安全原生性能。
2025-12-13 14:43:02
780
原创 一篇让 Python 提速 100 倍的“黑魔法”！ 3 分钟学会，老板都给你鼓掌
先写对算法 🧠再把循环换成向量化/编译 🚀最后把 GIL 甩了用多核/异步 🌪️graph TDA[Python 慢] --> B{算法对?B -->|O(n²)| C[改 O(n)]B -->|已最优| D{循环多?D -->|是| E[NumPy 向量化]D -->|否| F{热函数?F -->|是| G[Numba JIT]F -->|否| H{多核?H -->|极致| K[Rust 扩展]每跳一级，速度 ≈乘 10！Python 慢？99% 是你没用对执行模型！记住3 板斧。
2025-12-13 14:37:17
251
原创 别再被GIL“PUA”了！一文拆穿Python虚拟机真面目，提速10倍只需3招
Python虚拟机=**“中间码+栈机+指令派发”**三件套，掌握字节码缓存、自适应加速、GIL绕行，就能让脚本飞起！现在，轮到你“近道超车”了！评论区说说：你用哪招让Python提速最爽？#Python #性能优化 #虚拟机 #GIL #JIT #Numba #技术干货。
2025-12-13 14:33:55
288
原创 《Python学习手册》第2章 Python如何运行程序
1、搞懂“旅程地图”能口述.py→ 字节码 → PVM → 机器码的完整链路能独立用dis模块展示函数的字节码，并指出每条指令作用2、掌握“多方式启动”至少会用 3 种不同手段运行 Python 程序（命令行、模块导入、可执行文件等）知道何时生成、何时复用、如何清除3、理解“字节码价值”能向同事解释“为什么 Python 要先编译成字节码而不是直接生成机器码”能列举字节码在性能排查、安全分发、跨平台中的 3 个具体用途4、剖析“虚拟机内部”
2025-12-13 14:28:09
57
原创 《Python学习手册》第1章 课堂练习题
记住“通用=同一语法跨领域”，比喻生活化即可拿满分。榜单是风向标，顺势而为可降低学习机会成本。把抽象优点嫁接到“我”身上，记忆最深刻。运行方式≠能力天花板，案例最有说服力。胶水能力的本质是“复用”，ROI 是最有力论据。步骤少→反馈快→调试效率高，是 Python 吸引初学者的核心。好比喻可让外行秒懂，跨平台=省适配费。性能短板可局部弥补，关键是“把慢圈起来”。认清 GIL 边界，选对并行模型才能不踩坑。内存占用是面试常考题，知道“对象头+指针”即可快速估算。技术演讲以业务价值收拢，最容易拿到资源。
2025-12-12 17:28:17
22
原创 《Python学习手册》第1章 Python概述
脚本语言（Scripting Language）是一种“边解释边执行”的轻量级编程语言。它不像 C/C++ 那样需要先把源代码全部编译成机器码，再生成独立的可执行文件；而是由解释器逐行读取、即时翻译并立刻运行。你可以把解释器想象成一位“同声传译员”：你每说一句，它就立刻翻译给计算机听，计算机马上照做。Python 正是这样一位“翻译官”——你写完 print(“hello”) 直接回车，屏幕立刻出现 hello，无需漫长的编译等待。因为省去了编译环节，脚本语言天生适合“写一点、跑一点”的快速迭代场景。
2025-12-12 17:23:01
20
原创 《Python学习手册》第5章 作业
输出其二进制补码中 1 的个数（指定 64 位宽）。接收用户输入的两个十进制小数（字符串形式），分别用。Python 向负无穷取整，与 C 语言截断不同。输入整数列表，统计其中奇数个数，要求用位运算完成。，手动加括号使其等价于默认优先级，并打印结果验证。，输出其 float 值并保留 15 位小数。的随机整数作为彩票号码，两次运行结果需一致。），累加后输出总计（元），保留到分，使用。，根可为复数，输出两个根保留 2 位小数。可封装函数返回 tuple，方便单元测试。自动解析科学计数法；
2025-12-11 18:34:51
33
原创 《Python学习手册》第5章 课堂练习
Python 整数无溢出，内存即上限。财务场景务必用Decimal从源头消除近似。牢记//向下取整，符号由右操作数决定。[::-1]反转技巧通用。一把梭。理解异或对称性即可。Python 原生支持科学计数法字符串解析。complex运算与浮点同样高效。字符串构造Fraction即可精确计算。x & 1是最快奇偶判定。财务系统先转「分」单位，再整数运算。比快。cmath与math接口一致，扩展域到复数。老版本可用。财务法规需明确舍入模式。种子固定则序列固定。即可得十进制位数。说明符均可，但,` 符合财务习惯。
2025-12-11 18:31:28
25
原创 《Python学习手册》第5章 数字与表达式
在底层采用「变长数组」实现，理论上只要内存够，就能表示任意大小的整数。，53 位有效数字，64 位双精度。适合表示连续量，但无法精确存储十进制小数。模块提供十进制算术，适合财务、汇率、税务报表。用「分子 + 分母」保存有理数，自动约分，支持四则运算。：订单流水号、雪花算法 ID、金额分单位、列表索引。：教学演示、比例计算、需要无限循环小数精确值。，可参与算术运算，但别这么写，可读性差。：信号处理、电路分析、控制理论。：支付系统、发票金额、报表合计。：坐标、速度、温度、科学计算。：逻辑判断、流程控制、掩码。
2025-12-11 18:19:14
35
原创 《Python学习手册》第4章 课后作业
分别用「列表推导」和「for 循环」生成 1~10^6 的平方列表，比较耗时。编写函数，判断字典所有键是否都是「整数、字符串或元组」三种不可变类型。计算 1~10^8 中所有奇数的平方和，内存占用 <100 MB。输入两个列表，返回它们的交集、并集、差集（都用集合表示）。，去掉首尾各一个字符后，将剩余部分逆序返回。统计文本文件的总行数、空行数、注释行数（以。返回列表中所有大于 10 的元素的索引列表。，支持数字相加、字符串拼接、列表拼接。把列表去重，并保持元素首次出现顺序。
2025-12-10 14:23:58
18
原创 《Python学习手册》第4章 课堂练习
掌握切片三参数，就能对任何序列“指哪打哪”“可变对象原地改”是后续调试 Bug 的高频关键词理解哈希表 O(1) 查询的前提：键不可变熟练掌握序列通用函数，代码自然 Pythonic集合负责“快”，列表负责“序”，协作完成需求splitjoin是字符串与序列之间的桥梁字典推导式让「反转」操作秒级完成掌握with open与逐行处理，轻松应对大文件“能做什么” > “是什么”，让接口自动适配不可变对象天然线程安全，适合函数式风格栈是后续 DFS、表达式求值等算法基础去重 + 数学集合运算，首选setget。
2025-12-10 14:18:23
336
原创 《Python学习手册》第4章 Python对象基础
第一次“正式约会”，7 大内置对象一次认全。看懂它们 = 看懂半部 Python。本文 5 min 速览「万物皆对象」的世界观，细节留待后续章节慢慢拆解。
2025-12-10 14:15:14
126
原创 《Python学习手册》第3/39章 课后作业
macOS/Linux：Ctrl+D”，拍照上传。在 VS Code 安装 Python 插件，用右上角 ▶️ 运行脚本，提交底部终端截图。在终端输入一条命令，返回“Python 3.x.x”字样并截图上交。若提示“不是内部或外部命令”，需重新安装或配置环境变量后再截图。若用 VS Code，内置编辑器可直接查看 .log 文件。若系统 UTF-8 已完全启用，可能无错，属正常现象。首次打开需下载运行时，请在 Wi-Fi 环境完成。，使 Windows 双击后窗口停留，上传源码。
2025-12-09 08:09:40
25
原创 《Python学习手册》第3/39章 课堂练习题
确认版本号出现即可进入下一题；否则回到教材附录 A 补课安装。体验「一行代码解决数学难题」。退出方式虽简单，却是日常最高频操作之一。记住「编辑 → 保存 → 运行」三步曲。input()是 Windows 演示神器。掌握与>>差异。sys.argv是最简参数解析方案。__name__技巧是 Python 模块入口核心。修改→reload→继续测试，无需重启解释器。shebang 让脚本脱离python3前缀。IDLE 内置高亮与调试器，适合教学。
2025-12-09 08:05:03
294
原创 《Python学习手册》第2章 Python 程序运行原理配套练习和作业
对应《Python学习手册》第2章覆盖源码→字节码→PVM→硬件全流程，兼顾 CPython 变体、打包、性能权衡等扩展点。
2025-12-08 09:05:50
125
原创 《Python学习手册》第2章 Python 程序究竟是怎么跑起来的？
把“写完代码按下回车”之后发生的所有故事，像放电影一样逐帧讲给你听。理解这一章，你就能解释“为什么 Python 不需要编译也能跑”“为什么第一次运行会卡顿一下”“为什么 .pyc 文件会冒出来”这些灵魂三问。
2025-12-08 08:58:09
131
原创 代码量省60%、调试快80%：Python效率神话的技术底层揭秘
下一章，我们将揭开「Python 到底怎么跑起来」的内部机制，准备好深入引擎盖了吗？“Batteries included” 早于 Java 的“开箱即用”提出。四个维度，把新人最常见的 6 个疑问一次讲透，为技术选型提供可落地的依据。更值得注意的是，它在「最想学」与「最满意」两项调查中连续 7 年双冠。的直接收益是“试错成本”指数级下降，为重构与持续集成提供勇气。一句话：你能叫出名字的公司，几乎都在用 Python。结论：能小也能大，脚本与工程之间并无鸿沟。，形成“越爽越学→越学越爽”的飞轮。
2025-12-07 21:36:52
113
原创 为什么人们偏爱 Python：一场技术与生态的双赢
Python 的胜利并非单一维度碾压，而是「可读性 → 效率 → 生态对小团队，它让产品更快上市对大团队，它让协作更低摩擦对个体，它让学习者更快获得正反馈当开发效率成为产品竞争力的核心变量，Python 的偏爱就不再是「个人口味」，而是工程经济学的必然选择。
2025-12-07 21:33:03
75
原创 MiniQMT 才是散户之光？手把手教你搭建一套“本地化”的 Python 交易系统
MiniQMT 的出现，真正打通了专业量化和散户之间的最后一道墙。你不需要去学复杂的 C++ CTP 接口，也不需要忍受 PTrade 的诸多限制。只要你会一点 Python，你就能拥有一套属于自己的、跑在本地的、安全可控的算法交易系统。这，才是真正的“散户之光”。
2025-12-02 08:48:06
849
原创 告别付费行情软件：利用 QMT 免费“白嫖”全市场 Tick 级数据 (附 Python 代码)
在这个数据即资产的时代，善用手中的工具，就是最大的降本增效。通过 QMT，我们不仅省下了购买数据的费用，更拥有了一套自主可控的实时行情系统。把省下来的钱，去买两本书，或者请自己喝杯咖啡，它不香吗？
2025-12-02 08:39:42
385
原创 QMT vs PTrade：散户量化到底该选谁？深度评测与避坑指南
如果你是 Python 老手 / 程序员 / 极客无脑选 QMT (MiniQMT)。本地开发的掌控感是无与伦比的，你可以把它接入 Docker，接入 AI，接入万物。如果你是量化小白 / 只需要简单条件单PTrade 更适合你。界面友好，回测数据全，不用折腾环境配置，上手即用。如果你是日内高频 / 打板选手必须选 QMT。本地内存直连的速度优势，在抢单时是致命的。工具没有绝对的好坏，只有适不适合。但对于每一个有志于构建复杂交易系统的开发者来说，自由（QMT）永远是最高的权重。
2025-12-02 08:35:28
806
原创 比特币破 10 万刀后的新玩法：用 Python 捕捉 AI 识别的“情绪溢价”
这套策略的代码逻辑其实不难，难点在于数据清洗。空投广告：满屏的 “Claim your airdrop” 会严重干扰 AI 的判断。诈骗机器人：自动回复的垃圾评论。避坑指南在把文本喂给 AI 之前，务必加一层正则过滤（Regex Filter）。把包含http链接、GiveawayWhatsApp等关键词的推文直接扔掉。清洗过的数据，才是 Alpha 的来源。比特币 10 万刀之后，市场进入了“无人区”。在这个阶段，传统的 K 线图可能只是一张废纸。
2025-12-01 09:06:23
639
原创 你的 Backtrader 该扔了：2025 年 AI Agent 驱动的量化架构实战
我们不再继承，而是定义一个BaseAgent类。import abcself.memory = [] # 短期记忆：最近的决策逻辑"""输入市场状态，输出结构化决策"""你是一个专业的量化交易 Agent。请根据传入的 JSON 格式市场数据，判断交易方向。必须调用 tools 中的 'execute_trade' 函数来执行操作，或者返回 'wait'。"""messages=[],tools=[{"description": "执行买卖操作",},}],
2025-12-01 08:58:25
888
原创 GPT-5 亏损 28%？为什么文科生模型做不好量化交易（附 Python 避坑指南）
1. 所有的 AI 输出必须“归一化”。不要让 AI 输出自由文本。一定要强制它输出 JSON，并且把结果限制在特定范围内（如 -1 到 1，或 0 到 100）。只有数字化的结果才能进入量化回测系统。2. 相信逻辑，不要相信预测。LLM 的强项是推理（Reasoning），不是预测（Forecasting）。让它分析“为什么跌”，而不是“跌到多少”。前者是它的舒适区，后者是它的幻觉区。3. 永远保留“人工否决权”。在你的 Python 脚本里，务必加一行代码：检查stop_loss（止损）。
2025-12-01 08:54:54
876
原创 别再手动盯盘了：手把手教你用 Python + DeepSeek 搭建 24 小时交易机器人
过去写一个交易机器人，你需要自己写很多if-else逻辑：“如果 RSI > 70 就卖出，但是如果 MACD 金叉就不卖，除非成交量跌了…”写到最后，代码会变成一坨难以维护的“面条逻辑”。一旦市场风格变了（比如从单边上涨变成震荡），你的规则就全失效了。而的加入，让机器人有了“大脑”。它不再是死板地执行规则，而是能理解市场状态。逻辑强：它能理解“缩量上涨”和“放量滞涨”的区别，这是传统指标很难量化的。成本低。
2025-12-01 08:37:05
525
原创 量化圈的“降维打击”：DeepSeek 凭什么比 GPT 更懂交易？
量化交易的本质，是信息差的变现。过去，这种信息差掌握在拥有几千台 H100 的顶级私募手里。而现在，通过 DeepSeek 这样的接口，我们普通开发者也能以极低的成本，调用这种机构级的“大脑”。不要只是在群里讨论“哪个模型强”了。打开你的 IDE，用 Python 跑通上面的代码。行动，才是离 Alpha 最近的路径。
2025-12-01 08:33:32
462
原创 实盘收益翻倍：DeepSeek 凭什么在量化赛道“吊打”GPT-5？
DeepSeek 在 Alpha Arena 的胜利，不是偶然，而是垂类模型对通用模型的一次胜利。对于我们开发者而言，不需要迷信“参数量越大越好”。在量化交易这个赛道，一个逻辑严密、懂概率、能输出结构化数据的 7B/67B 模型，远比一个只会写诗的万亿参数模型更有价值。既然工具已经准备好了，剩下的，就是看谁能把 Python 代码写得更风骚了。
2025-12-01 08:27:46
503
原创 强化学习炒股：是“圣杯”还是“人工智障”？用 Stable-Baselines3 跑个 Demo
这是最关键的一步。我们需要告诉机器：什么是市场？怎么算赢？"""一个极简的单资产交易环境"""# 动作空间：0=持有/观望, 1=买入, 2=卖出# 观察空间：[当前价格, 持仓状态(0或1)]# 这是一个极简的观察，实际中你会放入更多因子（如MACD, RSI）# 账户初始状态# 返回当前步的观察值# 执行动作if action == 1: # 买入# 简单起见，每次全仓买入elif action == 2: # 卖出# 每次全仓卖出# 推进到下一步。
2025-11-30 12:42:11
806
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人