- 博客(248)
- 收藏
- 关注
RSS订阅原创 【零代码量化教程】WorkBuddy 搭建股票舆情监测系统（下）：定时任务与效果实战
本篇教程完成舆情系统自动化部署：配置每日定时任务，实现自选股舆情日报的自动抓取、AI分析与邮件推送。报告包含市场情绪概览、高风险预警、行业解读及个股明细，信息可追溯。通过添加“无人值守”强制规则，突破默认人工确认限制，真正实现零代码、全自动运行。结合上篇基础搭建，全流程无需编码，助力投资者高效监控风险与机会，提升决策效率。
2026-11-04 15:36:40
185
原创 零代码量化教程】Work Buddy 搭建股票舆情监测系统（上）：环境与技能部署
本文手把手教程带你零代码部署量化舆情系统：通过可视化AI智能体平台WorkBuddy，安装「自选股每日舆情监测」技能，配置邮箱连接器，实现自动抓取股票公告与全网舆情、AI情绪分析及风险评级，并生成结构化报告邮件推送。全程无需编程，支持自定义股票列表、时间范围与预警敏感度，助力投资者高效监控个股动态。下篇将详解任务执行与定时设置。工具仅作信息参考，不构成投资建议。
2026-11-04 15:32:19
231
原创 A 股 ETF 的成交结构能择时吗？统计显著性与跨市场差异深度解析（下）
本文基于31只A股ETF、5.5年数据，验证了日内成交结构信号（如尾盘量能偏度）的择时价值，优于传统放量/缩量信号。通过Bootstrap检验，信号正夏普概率约83%，但95%置信区间跨零，显示统计显著性不足，存在过拟合风险。研究强调三大边界：市场规则（T+1、尾盘尖峰）制约因子有效性；结论为样本内结果，未经样本外验证与成本扣除；从论文到实盘需完成滚动回测、成本模拟等多步落地。跨市场对比揭示，A股“尾盘集中放量”特征源于制度设计，海外市场因连续交易、无涨跌停等机制导致成交分布更平缓。结论：该类信号具研究价值
2026-10-29 15:13:12
249
原创 A 股 ETF 的成交结构能择时吗？基于日内量能分布的量化实证研究（上）
本文通过31只A股ETF的实证研究，验证日内成交结构（如尾盘量能偏度、开盘占比）的择时价值。结果表明，量能“形状”远优于量能“大小”，尾盘偏度信号在77%标的上实现正收益，年化夏普达0.38，显著高于传统放量信号（夏普仅0.06）。策略在高波动环境更优，具中期延续性，但受市场逻辑切换影响，2025年后失效。核心结论：量能分布形态蕴含超额收益，但需匹配市场状态。
2026-10-29 15:08:20
251
原创 统计套利的最后一公里（下）：从配对交易到组合套利的破局之路
本文剖析配对交易实盘困境，指出其四大壁垒：资金容量小、效率低、成本高、信号浪费。传统“多空对冲”虽具市场中性优势，却牺牲效率；单边做多虽提升资金利用率，却暴露于系统风险。破局之道在于思维跃迁——从“逐对交易”转向“组合套利”，将多组配对信号聚合为个股相对估值得分，构建多空均衡的量化组合，在保持市场中性的同时大幅提升资金效率与信号可靠性，实现从“捕捉机会”到“经营系统”的进化。
2026-10-19 16:35:06
286
原创 统计套利的最后一公里（上）：为什么配对策略回测封神，实盘却赚不到钱？
配对交易虽被视作“市场中性”稳赚策略，实盘却常因四大瓶颈失效：资金容量有限，百组信号仅能落地少数；双份资金投入却仅单边产生收益，效率低下；交易成本翻倍而收益不增，侵蚀利润；重复标的隐藏真实Alpha，导致风险集中。这些“最后一公里”难题，使回测辉煌难转实盘盈利。唯有破解资金、成本与信号聚合之困，方能实现统计套利的真正价值。
2026-10-19 16:26:56
192
原创 从零读懂配对交易（下）：统计套利的核心 —— 为什么它是概率游戏？
本文解析“统计套利”命名本质，揭示其核心在于概率思维与期望逻辑。不同于确定性套利，统计套利不依赖单次交易成功，而是通过大样本重复，依靠正期望实现长期盈利。它本质是数学期望游戏，强调胜率与盈亏比的平衡，依赖纪律与大数定律。从经典套利到统计套利，演进逻辑体现为：从无风险套利，到价差收敛博弈，最终落脚于概率优势下的可持续收益。理解“统计”即理解量化交易的底层哲学——接受不确定性，追求长期正向期望。
2026-10-12 17:02:14
164
原创 从零读懂配对交易（上）：从套利本源到配对交易的核心逻辑
本文从零解读配对交易的本质，摒弃复杂模型，回归交易思想本源：两资产长期同步，短期偏离后终将收敛。通过对比经典套利的“无风险”理想与现实摩擦，引出配对交易作为普通投资者可参与的价差策略——构建多空对冲组合，赌价差回归。其核心非锁定利润，而是基于历史相关性的统计概率。策略本质是“概率性套利”，而非“确定性套利”。下一篇将深入标的筛选与风控逻辑。
2026-10-12 15:44:35
388
原创 什么是有效策略（下）
趋势交易难做，因其对手盘不明确，逻辑不如资金流扎实，失效概率高。加密货币因估值混乱易出趋势，而标普500则因信息高效定价导致趋势稀薄。检验策略只需三问：谁在错误定价？为何轮得到我？如何买卖控风险？若答不上，再漂亮曲线也可能是数据幻觉。研究应先有假设，后验证，而非反向编故事。真正策略始于对“谁在亏钱”的清醒认知。
2026-10-09 10:15:28
112
原创 什么是有效策略（上）：别把价格形态当成交易逻辑
量化策略的陷阱常在于将价格形态误作交易逻辑。看似高收益、低回撤的曲线，可能只是统计巧合。真正有效的策略需兼具统计显著性与内在逻辑——必须回答“为何发生”。例如，下跌后反弹的背后可能是被动调仓、强平抛售或对冲机制等可预测的资金流。若仅凭历史走势盲目回测，终将陷入噪声陷阱。唯有先构建合理逻辑，再验证数据支持，才能穿越市场随机性迷雾。
2026-10-09 10:07:18
460
原创 如何开通基于 AI 打造的 A 股量化策略（下）：特征工程与大模型决策落地
本文聚焦AI量化策略核心环节——特征工程与大模型决策表构建。通过提取7类市场特征（如收益率、波动率、趋势得分等），将原始行情转化为大模型可理解的“市场语言”。基于一日滞后统计，设计严谨提示词，约束模型仅输出“LONG”或“FLAT”等可执行指令，确保策略具备风险控制逻辑与实盘可复现性。强调“非预测、重约束”的核心理念，通过默认偏向长期持仓、严格JSON输出与重试机制，实现策略稳定落地。
2026-10-08 10:45:07
205
原创 如何开通基于 AI 打造的 A 股量化策略（上）：三层策略骨架与代码落地
本文系统阐述AI驱动的A股量化策略构建方法，基于“市场识别→仓位决策→风控纠错”三层架构，结合大模型语义理解与规则化风控，实现可落地的智能交易体系。上篇聚焦特征工程、参数配置与带缓存的行情数据模块，通过前复权日线数据获取、滚动训练窗口与波动率目标控制等设计，保障策略稳定性与可回测性，为下篇特征工程与代码实现奠定基础。
2026-10-08 10:38:59
306
原创 用风险管理的思路做 A 股量化（下）：让 LLM 当好风控官，搭建可迭代的策略框架
本文聚焦大语言模型在A股量化中的实操应用，强调应让模型扮演“风控官”而非“分析师”，通过设计合理提示词，基于历史数据评估风险收益比，动态调整仓位。系统采用“模型决策+硬性护栏”双重风控机制，确保极端行情下及时止损。核心价值不在于直接盈利，而在于提供可迭代的量化实验框架，鼓励用户不断测试、优化策略，实现从“运行—打碎—重建”的学习闭环。本质是LLM辅助的风险管理工具，重在控制回撤、守住底线，最终决策权始终在人手中。
2026-09-30 11:32:59
179
原创 用风险管理的思路做 A 股量化（上）：不预测涨跌，只做动态仓位风控
本文提出摒弃盲目预测股票涨跌，转而利用大模型进行动态风险评估与仓位管理。通过三层架构——市场状态分桶、历史统计决策、风控硬性护栏，将行情转化为可理解的“人话”状态，基于历史数据生成50%-100%的动态仓位建议，避免未来函数偏差，结合滚动波动率阈值与自然语言状态描述，实现自适应风控。核心在于：不赌方向，只管风险，追求长期稳健收益。
2026-09-29 14:50:47
283
原创 量化投资的 “工业革命”（下）：AI 原生时代如何开通高质量量化交易能力
量化投资正从“指标拼凑”迈向AI驱动的系统化时代。网红技术如双均线、MACD在专业机构中仅是候选因子，真正核心是融合深度学习、智能体与另类数据的多策略体系。未来趋势为：技术上AI原生化，策略上重质量与多元化，行业向头部集中，监管趋严倒逼合规与可解释性成为竞争力。普通投资者需构建适配的量化能力，方能跟上这场由AI重塑的投资革命。
2026-09-29 10:46:06
187
原创 量化投资的 “工业革命”（上）：别再迷信单策略回测，专业量化是一整套工业系统
近几年，网上量化投资的教程层出不穷，大多打着 “用 AI 写代码，收益能吊打大盘” 之类的噱头吸引入门者。深夜十二点，程序员小王把 AI 生成的 MACD 策略跑出了一条三年翻五倍的完美回测曲线，截图发朋友圈，配文："量化，不过如此。三个月后，他的实盘账户安静地亏掉了 30%。这样的故事，每天都在量化圈反复上演。
2026-09-28 16:16:52
232
原创 深入了解 Redis OM（二）：字段进阶：可选字段、数据校验与约束规则
本文深入讲解RedisOM模型字段的进阶配置：通过Optional[T]定义可选字段，利用Pydantic实现自动类型校验与复杂约束（如邮箱格式、正则匹配、取值范围等），支持创建时及保存时双重校验，确保数据合法性，无需额外编码即可满足多数业务校验需求。
2026-09-23 13:25:58
407
原创 深入了解 Redis OM（二）：核心模型 HashModel 与 JsonModel 深度解析
本文深入解析RedisOM核心的HashModel与JsonModel模型模块。两者均基于声明式定义，API一致，差异在于存储格式：HashModel基于Redis哈希，扁平存储，性能高但不支持嵌套结构；JsonModel则序列化为JSON，原生支持嵌套模型、列表、字典等复杂类型，适用于需内嵌或索引容器字段的场景。选型建议：常规场景优先用HashModel，需嵌套或容器字段则必选JsonModel。模型定义兼容Pydantic，支持类型注解与默认值设置，上手简单，适合高效构建数据持久化应用。
2026-09-23 13:12:58
347
原创 如何开通量化交易系统？量化交易是一门系统工程（下）：新手成长路径与风险管理
新手量化应摒弃暴富幻想，遵循“分离资金、聚焦稳定、简化逻辑、实证验证”的成长路径。核心在于将长期投资与实验资金隔离，追求可重复的长期收益而非高风险爆发。真正决定成败的是风险管理——必须先问“最坏情况能承受吗？”，再谈收益。通过多策略分散降低波动，构建稳健的量化系统。量化的本质是经营一门生意，而非赌博，唯有建立正确框架，方能在市场中长久生存。
2026-09-22 11:23:55
205
原创 量化交易技术栈：深入了解 Redis OM（一）高级查询、内嵌模型与原生命令（下）
本文深入讲解RedisOM在RediSearch与RedisJSON支持下的高级功能：通过index=True开启索引，使用类ORM语法实现条件查询；利用EmbeddedJsonModel构建嵌套模型，支持多层结构化数据存储与嵌套查询；并通过db()或get_redis_connection()调用原生Redis命令，实现与底层完全兼容。结合Pydantic校验与对象化操作，RedisOM让Redis具备轻量文档数据库能力，适用于量化系统中高频数据的高效存储与检索。
2026-09-22 11:15:06
175
原创 量化交易技术栈：Redis OM 入门完全指南（一）—— 安装、数据建模与校验
本文介绍Redis官方推出的对象映射工具RedisOM，助力量化交易系统高效管理高频数据。通过声明式模型定义K线、订单、持仓等数据结构，实现类似SQL ORM的面向对象操作，自动处理序列化、校验与持久化，大幅提升代码可维护性。基于Pydantic的内置校验机制确保数据质量，配合RedisStack轻松部署，显著降低开发复杂度。下一篇将深入讲解索引查询与JSON模型进阶用法。
2026-09-22 11:09:43
165
原创 量化交易是一门系统工程（上）：别执着于 “圣杯” 策略，新手先建立正确认知
量化交易非“躺赢”捷径，而是需系统构建的长期生意。新手常陷两大误区：回测收益的幸存者偏差与对回撤的过度乐观。真实策略需经受市场冲击，而非完美曲线。个人量化者优势在于灵活，可深耕小众机会。应以“生存”为先，从简单策略起步，专注细分领域，严控风险，逐步迭代。把量化当作创业，本金安全、风控优先、持续优化，方能在市场长跑中胜出。
2026-09-21 16:52:24
313
原创 经典均线进化论（下）：跨市场实战应用与选型指南
本文剖析均线在股票、期货、外汇、加密货币四大市场的应用差异，揭示其与市场特性（如参与者结构、波动性、交易制度）的匹配关系。从A股短期均线到加密货币高频策略，不同市场需适配相应周期与类型均线。强调“无圣杯”，核心在于理解各类均线的设计哲学，根据场景灵活组合，构建动态工具箱，实现精准择时与风险控制。
2026-09-18 10:43:31
142
原创 经典均线进化论（上）：量化交易百年工具演进史
本文梳理移动平均线百年演进，从经典MA的滞后缺陷，到EMA的快速响应，再到KAMA、DEMA、TEMA、HMA等自适应与数学优化算法的崛起，揭示均线在“快”与“稳”间的博弈。VWMA引入资金量能，JMA则以保密算法逼近极致平滑与低延迟。均线进化本质是趋势捕捉能力的持续突破。
2026-09-18 10:37:45
457
原创 量化投资的 “盲人摸象” 时代（下）：从算力军备到认知深潜 | 如何开通量化交易
这是 AI 目前最无法企及的领域。正如 2026 年陆家嘴金融沙龙上专家指出的，AI 无法理解宏观政策、资金情绪等非量化软信息，容易产生脱离市场逻辑的无效因子。产业周期的判断：AI 可以总结过去十年半导体周期的规律，但无法前瞻性地把握下一个人工智能驱动的硬件创新拐点。宏观风险的应对：面对地缘政治突变、汇率大幅波动、全球货币体系动荡，AI 基于历史数据的模型往往容易出现偏差。而人类基金经理可以基于对 “市场非理性” 的理解，做出对冲或加仓的决策。风控纪律的制定。
2026-09-17 14:21:31
39
原创 量化投资的 “盲人摸象” 时代（上）：情绪因子红利消退 | 如何开通量化交易（轻松存文）
量化圈曾视“情绪因子”为圣杯，依赖市场反应滞后获利。但随着AI深度嵌入投研，信息解析与交易执行已压缩至秒级，传统时间差红利消失。回测模型多基于AI未普及时代的数据，如今策略同质化、动量失效、拥挤交易频发，历史规律普遍失效。未来验证需假设对手为超速AI，否则回测或成“幻觉”。
2026-09-17 14:17:33
246
原创 Tornado 部署公域网络安全与防护（上）
本文详解Tornado在公网部署时的身份验证安全机制，重点介绍签名Cookie防篡改、自定义登录态实现、@authenticated装饰器使用及第三方OAuth登录。强调避免使用普通Cookie，禁止明文存储敏感信息，密钥需保密并支持轮换；提醒开发者注意cookie_secret安全与配置分离，避免硬编码。适用于量化交易等高风险场景，为构建安全的Web服务提供基础防护方案。
2026-09-14 15:41:38
161
原创 Tornado 如何增加网页操作（下）
本文续接Tornado模板讲解，聚焦国际化与UI模块。通过self.locale和_()函数实现多语言支持，支持单复数翻译与命名占位符；可自定义get_user_locale()切换用户语言，加载.mo或.csv翻译文件并自动匹配最接近语言。UI模块封装可复用组件，通过ui_modules注册，在模板中用{%module%}调用，支持嵌入CSS/JS且仅输出一次；纯HTML模块可通过{%moduleTemplate()%}调用，具备独立作用域，区别于{%include%}。
2026-09-11 11:09:46
262
原创 Tornado 如何增加网页操作（上）
本文介绍如何为Tornado框架添加网页功能，实现类似QMT的网页化操作。基于Python+Tornado环境，重点讲解模板配置与语法，包括模板路径设置、模板继承、内置对象使用及安全转义机制。通过render方法渲染HTML模板，结合控制语句与表达式实现动态页面生成，并强调防范XSS攻击的关键措施。适用于量化交易系统中可视化交互需求，助力开发者构建高效、安全的Web界面。
2026-09-11 11:01:56
520
原创 如何开通 Python 市场收租系统：波动率策略动态仓位管理与自动化实现（下）
本文详解波动率“收租”策略的动态仓位管理机制，核心为以VIX指数锚定仓位比例（VIX/100），实现“低波动小仓、高波动大仓”的风险匹配。结合eVRP与期限结构双重信号，通过Python自动化执行，每日收盘前自动调仓，仅需15分钟。策略设2%调仓阈值，降低交易成本，适配上班族。虽基于美股设计，但其思想可迁移至A股，用沪深300/中证500波动率指数替代VIX，通过期权卖权或价差组合捕捉波动溢价，构建低频、稳健的自动化收益系统。
2026-09-10 11:18:52
308
原创 用 Python 打造你的 “市场收租” 系统 ——VIX 双重波动率策略（上）
本文揭秘量化大赛获奖的VIX双重波动率策略，解析其“波动率保险”逻辑：通过eVRP与期限结构双重信号过滤，择机做空（SVXY）或做多（VXX）波动率，在牛熊市中稳定获取风险溢价收益。回测显示年化16.3%、夏普1.0，与大盘相关性仅15%，可作组合压舱石。下篇将用Python实现自动化交易逻辑。⚠️风险提示：ETN产品展期损耗高，实盘需谨慎。
2026-09-10 11:14:52
372
原创 miniqmt 行情的备选方案 ---tdxrs（下）
本文延续上篇，完成双均线策略的参数网格搜索、风控止损优化及本地私有行情数据库搭建。通过遍历多组均线参数，选取夏普比率最优组合；引入动态仓位与2%固定止损，强化风险管理；利用tdxrs实现全市场日线数据本地化存储与高速读取，并支持CLI命令行查询。结合Backtrader完成从数据获取到回测评估的完整链路，构建接近实盘的量化系统，为后续开发多因子、套利等策略奠定基础。强调回测需样本外验证，防范过拟合。#量化交易 #tdxrs #backtrader
2026-09-09 14:03:05
183
原创 miniqmt 行情的备选方案 ---tdxrs（上）
本文介绍高性能通达信行情解析库tdxrs，基于Rust实现，性能较纯Python提升9-11倍，支持本地高速解析A股、基金等多周期数据，内置复权计算，兼容Pandas、TA-Lib、Backtrader等主流量化生态。通过完整代码演示从数据获取到双均线策略回测全流程，可直接运行，解决miniqmt停服后数据缺失难题，助力高效量化开发。
2026-09-09 13:30:23
432
原创 如何开通 Walk-Forward Harness 回测？Python+Backtrader 步进向前回测实战（下）
<think>我们只需要根据用户要求，生成≤150字的文章摘要。摘要需要概括原文内容。原文是介绍用Python+Backtrader搭建Walk-Forward回测框架的文章。摘要应包含核心要点：滚动窗口训练-测试、避免过拟合、双均线策略示例、框架结构、以及反直觉经验。字数限制150字。</think>使用Backtrader搭建Walk-Forward回测框架，以双均线策略为例，实现滚动训练-测试循环、参数寻优与滑窗验证，有效避免过拟合。代码涵盖策略定义、单次回测封装及核心Harn
2026-09-08 10:54:20
127
原创 如何开通量化进阶回测：Walk-Forward Harness 滚动验证框架详解（上）
<think>我们根据要求生成≤150字的文章摘要。需要简洁概括：介绍Walk-Forward Harness是量化策略验证框架，解决回测三大坑（未来函数、过拟合、忽略成本），通过滚动训练+样本外验证提高实盘可靠性，并给出落地步骤和评估要点。注意字数限制。</think>Walk-Forward Harness是量化策略“照妖镜”，用滚动训练+样本外验证，规避未来函数、过拟合与交易成本坑。按训练/测试窗口滚动调参，只计样本外结果，助你筛掉纸面策略、提升实盘稳健性，并需关注回撤与参数稳
2026-09-08 10:52:29
478
原创 通达信【分时主力启动】指标｜详细图文安装教程（下）
<think>我们根据用户要求，生成≤150字的文章摘要。内容是关于通达信分时主力启动指标的安装教程，需要概括主要步骤和注意事项，包括风险提示。字数限制严格。摘要应简洁，包含关键点：安装步骤（Ctrl+F、其他类型、主图叠加、用户标签）、坑点（括号缺失、PC专用）、风险提示（不构成投资建议）。控制在150字内。</think>摘要：本文为通达信「分时主力启动」指标PC端安装教程，涵盖五步：Ctrl+F打开管理器、选“其他类型”新建、粘贴源码并设“主图叠加”、分时右键调用、用户标签加载
2026-09-04 14:07:33
543
原创 通达信【分时主力启动】副图指标，捕捉盘中主力异动启动信号
<think>我们要求根据内容生成≤150字的摘要。需提炼核心：分享通达信分时副图公式，用于学习研究，非投资建议；源码基于换手率、量价、均线等输出标记；安装步骤简述；风险提示。字数限制严格，需精炼。</think>分享一款通达信分时副图公式，基于换手率、量价、均线等数据输出支撑阻力、买点等文字标记，仅供学习公式语法与分时逻辑，不构成投资建议。安装需新建技术指标并检查括号，信号存在大量假象，切勿直接实盘交易，股市有风险。
2026-09-04 13:59:20
697
原创 普通人怎么搭建自己的股票交易体系？（下）——纯文字贴
<think>我们根据要求，对给定内容生成≤150字的文章摘要。需要提炼核心内容：波动率决定仓位和交易频率，用公式计算止损/仓位/频率，移动止损、分散持仓等原则，风控重要性。保持简洁。</think>摘要：本文构建一套完整仓位管理体系，以波动率为核心标尺绑定仓位与交易频率，通过移动止损（X×波动率）、公式计算单股仓位及匹配交易次数实现风控，强调分散持仓与动态复盘，避坑固定止损、止盈和时间止损。
2026-09-03 10:12:57
199
原创 普通人怎么搭建自己的股票交易体系？（上）——轻松文字贴
<think>我们根据用户要求，需要根据给定内容生成≤150字的文章摘要。内容主要讲散户亏损根源是没有标准化交易体系，重点介绍止损用移动止损法匹配标的波动率，仓位按风险平价计算，账户风险目标和标的波动率决定仓位。最后说下篇预告。摘要要简洁，涵盖核心观点，不超过150字。需要提炼。</think>散户亏损主因是缺乏标准化交易体系。搭建体系先解决止损与仓位：止损应用移动止损法，依标的波动率设定宽度，而非固定比例或金额；仓位则基于风险平价，由账户风险目标除以标的波动率确定，如低波动品种仓位
2026-09-03 10:09:31
417
原创 Redis Client 从了解到精通（六）下：redis-py 时间、库管理与持久化辅助函数详解
<think>我们根据用户提供的内容，生成≤150字的摘要。需要涵盖主要点：redis-py辅助函数覆盖服务端时间获取、库容量统计、数据库清空、RDB持久化控制。要点包括time()获取统一时间戳、dbsize() O(1)统计、flushdb/flushall异步模式、save/bgsave建议用bgsave。内容简洁。</think>本文梳理了redis-py中剩余四大运维辅助函数：time()获取服务端统一时间戳，保证分布式时间一致；dbsize()以O(1)复杂度统计当前库k
2026-09-02 11:17:25
219
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人