作者文章归档：course
Backtesting.py 是一个高效、轻量级的 Python 回测框架，专注于单资产交易策略的开发和优化。以下是其核心特性和使用指南：
Strategy 类并重写 init() 和 next() 方法即可定义策略，支持技术指标集成（如 TA-Lib）。bt.plot() 生成交互式图表，展示资金曲线、交易信号、持仓变化等，支持动态缩放...Backtrader 是一个功能强大的 Python 量化交易回测框架，支持策略开发、回测、优化及实盘交易。以下是关于 Backtrader 的核心要点及使用指南：
bt.Strategy 并实现 next() 方法。bt.feeds 加载。Indicators：内置技术指标（如移动平均线、RSI、MACD），可直接调用...
通联数据商城是一个为量化投资和人工智能领域提供海量数据的平台，具有多方面优势： 1. 数据丰富多样
- **行情数据**：涵盖沪深、基金期货、债券和港股行情，具备及时、准确、权威的特点。
- **基本面数据**：全面、精准、丰富，多层次、多维度覆盖多市场品种数据。
- **其他数据**：包含资讯、宏观、股票、基金、研报、债券、电商数据等，还涉及社交数据，满足各类数据需求。
淘股吧是中国大陆知名的财经社交平台，专注于股票投资交流与服务，其定位和功能覆盖了信息分享、实战交易、公益慈善等多个维度。以下是对淘股吧的综合性介绍：
特征挖掘是构建交易策略的核心环节，旨在从海量市场数据中提取有效信号，为模型或决策提供关键输入。以下是特征挖掘的系统化方法论，结合金融市场的实际应用场景：
| 类别 | 典型特征与公式 | 应用场景 |
|---|---|---|
| 趋势类指标 | - MACD：EMA(12)-EMA(26)，信号线EMA(9) - ADX：衡量趋势强度（>25为强趋势） |
趋势跟踪策略 |
| 动量类指标 | - RSI：100 - 100/(1 + 平均涨幅/平均跌幅) - CCI：(TP-MA)/(0.015×标准差)，TP=(H+L+C)/3 |
超买超卖判断 |
| 波动率指标 | - ATR：True R... |
金融量化（Quantitative Finance）是利用数学、统计学和计算机技术来分析和解决金融问题的一种方法。量化金融广泛应用于投资管理、风险管理、定价模型、算法交易等领域。以下是金融量化的一些关键概念和应用：
交易体系是交易者在金融市场中实现稳定盈利的核心框架，它是一套系统化的规则和流程，涵盖市场分析、策略执行、风险管理等多个维度。以下是构建交易体系的关键要素和步骤：
市场情绪分析：监测VIX恐慌指数、新闻舆情、社交媒体热度等情绪指标。
交易策略设计
信号生成：明确入场/出场条件（例...
自动化数据工程（Automated Data Engineering）是通过引入智能化工具、AI/ML技术和标准化流程，减少数据工程中重复性人工操作，提升数据管道的构建、维护和优化效率的技术方向。其核心目标是降低数据工程复杂性、加速数据交付速度，并提高系统的自适应性。
智能数据集成（Intelligent Data Ingestion）
自动发现与连接数据源：AI自动识别数据源格式（如JSON、CSV）、模式推断（Schema Inference），并建立连接。
工具示例：