<fontcolor="brown"一、引言</font <fontcolor="red"Python的核心不是“炫技”，而是“实用”</font  到此，我们已探讨完Python核心且重要的知识点，涵盖数据结构、流程控制、函数用法、类与对象，以及Numpy、Pandas等常用库。而在本次“Python进阶2”的内容中，我们将进一步介绍Python的其他高级用法与科学计算库——不仅会讲解Python风格（Pythonic）及各类高级编程技巧，还会重点...

先上战绩 两个账号总持仓190手黄金期货，浮盈近600万，收益率近19%！ |交易标的|保证金比率|杠杆率|截图最新价| |-|-|-|-| |AU2602.SHF|≈16%|6.25|1012.44| |账号|持仓手数|持仓均价|持仓市值|保证金|浮动盈亏|收益率| |:-----|:------|:--------|:--------|:------|:------|:-----| |账号1|127手|980.74|≈1.286亿|≈2057万|+402万|+19.57%| |账号2|6...

QuantFabric系统架构革新：共享内存驱动的超低延迟新时代 继续跟随天山老妖的QuantFabric教程深入学习，这次迎来了系统架构的里程碑式重大升级。如果说之前的HFTrader展现了纳秒级的极致性能，那么这次基于共享内存的架构革新则是从根本上重构了系统的通信基础，将低延迟性能提升到了新的高度。 这次升级的核心在于彻底消除TCP通信的延迟瓶颈，通过共享内存（SHM）技术实现内存级速度的数据传输。同时，引入全新的XQ策略进程组件，实现了策略层与基础设施层的完全解耦，既保证了核心组件的稳定性，又提供了策略开发的极致灵活性。 这次学习让我深刻认识到，优秀的系统架构不仅要追求性能的极限，...

<fontcolor="brown"一、引言</font <fontcolor="red"强化学习已经开始“闯”量化！</font  在参加《量变学院》第五期线下课程后，我首次接触到AlphaGen这一基于强化学习的公式化Alpha因子挖掘框架。其核心思想是通过策略梯度方法（如PPO算法）自动生成具有协同作用的Alpha因子集合，从而提升量化投资策略的性能。为深入理解《GeneratingSynergisticFormulaicAlphaCollec...

框架基本方法 基础方法说明 该策略为事件驱动性策略，需要实现框架中约定的事件回调方法，实现后回测、仿真、实盘通用。 策略头部需要默认引用内置API，运行代码为：`frompanda_backtest.api.apiimport`，后文不再重复赘述。 --- 策略初始化（必选） 函数：`initialize` 描述：策略初始化，主要用于初始化策略上下文中的变量，只在策略启动时运行一次 代码 python definitialize(context): 参数 |字段|类型|描述| |--|--|--| |context|Context对象|策略上下文对象| 例子 python d...

<fontcolor="brown"一、引言</font <fontcolor="red"统计是量化分析中的核心关键环节！</font  上次介绍过统计学的重要性，还说明了它的词源的和古代国王必修课的背景知识。从这次开始，我们正式进入统计基础部分，现在也是时候换一种思路学习统计学了。 对我而言，因为在学习量化的过程中必须攻克统计学这道难关，所以几年前我强迫自己报名了《中级统计》考试。该考试的教材内容包含统计学与数据、数据描述、参数估计、假设检验等章...

踏入天山老妖QuantFabric教程的技术巅峰——HFTrader高频交易系统，这是整个学习旅程中最激动人心的核心篇章。如果说前面的环境搭建、工具配置是在打地基，那么HFTrader就是真正的速度与技术的终极较量。在这个以纳秒计算的高频交易世界里，1008纳秒的最小延迟和4184纳秒的最大延迟，每一个数字都代表着技术实力的极致展现。 HFTrader作为QuantFabric量化交易系统的高频核心，承载着将毫秒级市场机会转化为实际收益的重任。从四线程架构设计到CPU亲和性绑定，从无锁队列优化到多层风控体系，每一个技术细节都在诠释什么叫"细节决定成败"。这不仅仅是一个交易系统，更是现代金融科...

一般投研写代码开始，环境会固定下来，生产时的环境更是如此。但是一旦需要新建更新迁移环境，添加删除更新相关的库，还是会耗费不少时间精力。我写几个目前为止可能有用的实践经验。 管理工具 conda用于环境创建管理是最好，对库的安装管理就未必（确实比较慢）。pip的资源最全面，较新mamba的管理也很全面，逻辑更优化速度会快很多。 库源 就我们金融量化领域最重的几个库源：-cconda-forge-cpytorch还有英伟达。 添加到默认路径里condaconfig--addchannels-conda-forge 如果慢，可以把清华和阿里的也添加进去，但优先级设置低一点。 安装更新 确定本次...

<fontcolor="brown"一、引言</font <fontcolor="red"文科生学量化需要学编程吗？</font  上次我们已经学习了Python安装与配置的相关内容。这次将运用已学的编程知识，简要介绍Python的4个基础模块：数据结构、流程控制、函数用法、类与对象。在开启编程学习之旅前，我们需要明确为什么要学编程，以及该怎么学。 <fontcolor="brown"二、编程</font <fontcolor="darkblue"为什...

一、数据是量化投资的第一步 1、量化投资是什么？因子投资是什么？ 量化投资(QuantitativeInvesting)是一种投资思想和方法论。 它的核心是用数学模型代替人的主观判断。它不依赖于基金经理的“感觉”或“灵光一闪”，而是通过计算机程序，系统性、纪律性地执行一套预先设定好的、基于数据的投资逻辑。 因子投资（FactorInvesting）是量化投资中最主流、最核心的一个分支。把你的投资组合想象成一个人的身体。传统的市场指数投资（比如沪深300指数基金）就像是给身体提供了基础的总热量（卡路里），这代表了市场的平均回报，也就是我们常说的贝塔（Beta）。 因子（Factor）就像是蛋...

继续深入天山老妖QuantFabric教程的技术精髓，这次我们踏入了高频交易的核心——低延迟技术的全栈优化。如果说前面的HFTrader系统架构让我们看到了高频交易的整体框架，那么这次的低延迟技术分享则是深入到每一个技术细节的极致追求。从硬件超频到内核旁路，从CPU隔离到零拷贝优化，每一个环节都在诠释什么叫"毫秒必争，纳秒见真章"。 在这个以纳秒计算的技术世界里，250纳秒的ef_vi延迟与2-3微秒的标准网络栈延迟之间的差距，可能就是盈利与亏损的分水岭。这不仅仅是技术的较量，更是对工程极限的挑战和对商业价值的精准把握。 这次学习让我深刻认识到，高频交易的低延迟优化是一门综合性的系统工程：...

⭐️内测心得 最近拿到PandaAI量化平台的内测名额，抱着试试看的心态把从策略导入到仿真实盘的流程完整走了一遍。说实话，之前折腾过几个平台，要么环境搭半天，要么界面找半天按钮，这次是真的有点惊喜——整个过程顺得让我怀疑“量化还能这么简单？” 最爽的就是这流程顺畅多了：模板一拖就进来，想改两行参数点几下就存好，接着建个仿真账户、划点钱进去，一键开跑，日志和成交记录直接就出来了。以前手动交易的时候，得一直守着屏幕，怕错过信号，一天下来眼睛累得不行；现在全让策略自己跑，看着它该下单就下单、该平就...

一、代码整体功能概览 本周的设定时间交易代码使用的是一套期货分钟级都策略模板，运行在Pandaai的回测/实盘框架里，核心功能是： 交易标的：固定为白银主力某个合约AG2604.SHF 频率：框架每分钟调用handle_data，策略每分钟决策一次 信号逻辑： 用上一分钟K线的阴阳来决定是否开仓： 阳线（收盘价开盘价）→无持仓时开多 阴线（收盘价<开盘价）→无持仓时开空 十字线（收盘价开盘价）→不开仓 持有后满5分钟就无条件平仓（不再看后面的行情） 可以把它理解为一个“超简化的1分钟反应策略模板...

<fontcolor="brown"一、引言</font <fontcolor="red"Python是一种“胶水语言”，能够整合多种库与工具！</font  Python是“胶水语言”，能够将各种不同的库和工具粘合在一起，创造出强大的解决方案。 在上一次的介绍中，我们已经讲解了Python基础的4个模块（数据结构、流程控制、函数用法、面向对象）；本次将聚焦Python的进阶使用方法，以及数据分析领域的核心工具库。对于刚开始接触量化分析或数据分析初...

代码方面的精细化 1.期货品种更换、添加、筛减  2.开仓逻辑的添加 

最近读了一篇关于预测市场套利的论文，让我对"市场效率"这个概念有了全新的认识。作为一个关注量化交易和市场微观结构的人，这篇论文揭示的现象既令人震惊，又在情理之中。 核心发现很简单：在2024年美国大选期间，一群神秘的套利者从Polymarket这个预测市场平台中，悄无声息地提取了约4000万美元的利润。 他们没有预测谁会当选，没有分析选情走势，甚至不关心最终结果。他们只做一件事：在市场定价出现错误的瞬间，闪电般地完成买卖，锁定无风险利润。 这个故事让我想起华尔街的一句老话："在别人恐慌时贪婪，在别人贪婪时恐惧。"但这些套利者做的更极致——他们在别人混乱时，保持着机器般的冷静。 --- ...

1.创建实盘任务 在“实盘”模块中，找到已通过回测验证的策略工作流，选择“创建实盘”功能。 2.账户绑定 在弹出的账户列表中，选择指定的仿真实盘账户进行绑定。确认账户信息无误后，启动实盘运行任务。系统将开始基于实时行情数据执行策略逻辑。 三、多策略运行与管理 1.存量策略管理 对于此前已在运行的策略（如多空持仓控制策略），建议保持其独立账户及运行状态，无需停止。这有助于隔离不同策略的风险与绩效，便于独立监控与评估。 2.新策略独立运行与测试 为本次需检验的回测策略（如跨期套利、MACD策略等）分配独立的仿真实盘账户进行测试。此举至关重要，可以确保： 风险隔离：单一策略的异常不...

--- 吐槽： 公式我习惯用latex打，但是好像上下角标有问题，编辑界面是正常的，比如最后一行，但是实际上网页显示不出来，我用图片替换了一部分，然后我发现图片大小也没法改，看得很丑，已经告诉it了，先凑付看吧，等改完再说吧。 --- 引言 金融世界本质上是一个由不确定性驱动的大规模、实时的“数据实验室”。每一天，全球市场都在产生海量的数据——股票价格如心跳般起伏，宏观经济指标牵动着亿万资金的流向，公司财报则像一次次突然的“...

<fontcolor="brown"一、引言</font <fontcolor="red"想成为王者，必须懂统计</font  此前已经写过几个关于量化分析“代码篇”的分享，接下来要进入的，既是量化领域的核心内容，也是我们很多文科生觉得难度最大的“数理”部分，而我们“数理”的第一站，就是“统计学”。  在量化分析的数理基础里，线性代数、微积分、概率统计、计量经济等缺一不可，但其中统计检验直接关系到数据结论的可靠性——...