密码登录
手机号
密码
<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...
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"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...
一体验感受 1.1操作界面 简单易上手，在创建工作流时，模块化的结点使用户更加清晰明了的了解各个节点的功能，里面还内置AI助手，对于不会编程的新手也可以通过简单的提示词让AI助手为用户编写策略代码，当运行程序出现错误时，AI助手会自动检测到上次运行错误，并进行AI智能修复; 1.2优化建议 1.AI助手编码准确率不高，多次修改过后运行代码仍出现错误; 2.在右侧点击运用AI助手修改过的代码后仍需要点击左侧的运用键吗，再点击保存...
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...
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...
一仿真实盘内测心得 1.1三步操作，轻松启动 先把程序准备好就行，将群里（修改交易规则为做多时，价格高于10日均线买入开仓，价格低于10日均线卖出平仓，做空时价格低于10日均线卖出开仓，价格高于10日均线买入平仓）这句话用AI修改，运行 进仿真交易账号找着添程序名的地方，把名字输进去，关联上就行 1.2绑上账号就能用 1.从弄程序到添账号，一步接一步特别顺，看视频最简单 2.不用再搞什么额外的设置或者验证，输完程序名直接就能运行，新手也能很快弄明白。 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...
优秀的AI量化普及仿真软件平台1 1.1传统算法和机器学习的融合 由于博士期间做管理学和AI交叉融合的研究，然而AI让我非常惊喜经验，管理学却让我无比痛苦。因此毕业以后，不再从事管理学，而是决定寻找AI的其他研究方向。尝试过AI机器方向后发现这个方向还有中期来难以克服的困难导致其不能投入工厂工作，这意味着中短期内很难转化为生产力，此外也需要补充非常多机械自动化的基础知识，专业壁垒较大;后来同学推荐AI量化方向，这个方式与博士期间的研究基础相通的更多，并且学透以后能够尽快转化为生产力，因此自学已经三五个月了。这个方向的传统算法比较受限，如VARMA主要是基于线性拟合特性来进行时间序列预测，而...
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。 --- ...
内测 官方给的指导很具体，按照官方给的指导文档或视频教程，很顺利的完成了仿真实测。 1.1策略编写  使用简单的ai交互，用自然语言的方式写出策略 我是用突破前高买入，跌破前低卖出 1.2添加仿真账号  在账号管理的上面很容易就可以增加想测试的策略的模拟盘
一、引言 1.1研究背景 在金融投研领域，量化投资已成为不可或缺的一部分，它通过数学模型和计算机算法来执行交易决策，极大地提高了投资效率和准确性。 本文旨在为那些希望踏入量化投资领域，但缺乏技术基础的投资者提供一个全面的技术因子整理框架。我们将详细解析各类技术指标因子的计算方法及其在市场分析中的应用，帮助投资者构建坚实的量化投资基础。 1.2研究目的与范围 核心目的：构建一套可直接复用的技术因子计算框架，明确各类因子的“计算逻辑→应用场景→信号含义”，避免投资者陷入“指标堆砌”的误区。 研究范围：聚焦技术面因子（不涉及基本面因子如PE、ROE），覆盖8大类指标（移动平均线类、趋势指标、动量指标...
内测第一周仿真实盘初体验 总体上操作便捷有ai进行代码修改调整方便小白入手  用AI可以一键修改代码方便代码小白入手  可以使用仿真实盘测试代码的效果  可以直观看到收益情况
<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——...
