作者文章归档:course

量化交易平台-功能地图


数据获取(data)、 可视化(plot)、 选股(stock)和 量化回测(backtest)四个模块

时间跨度

1日 三日 五日 十日

一周 一月 一季度 半年 一年 3年

盯盘

分钟级别获取已购买股票池中的价格变化,
时时计算收益,
达到收益预期自动通知(语音-邮件-微信),需要卖出操作

交易日历

选股

共有功能

功能:

策略开发与回测、

实时数据获取与分析、

风险管理工具、

交易执行接口、

可视化分析面板,

用户友好的界面

价格走势

成交量

三天的价格变化

解决问题:

如何找到明天能够上涨的股票?

涨停板股票 数据特征

参考产品功能

登录功能

  • 密码登录
  • 短信登录
  • 快捷...

Read more

个人量化


QMT(Quantitative Market Trading)量化是一种使用数学模型和统计分析来指导投资决策的方法。它结合了数据分析、算法交易和风险管理,通常涉及以下几个步骤:

  1. 数据收集:获取历史市场数据、财务报表、经济指标等。

  2. 数据清洗与处理:去除噪声和缺失值,转换数据格式,以便分析。

  3. 策略开发:使用数学模型和算法来识别交易机会,可能包括趋势跟踪、套利、市场中性等策略。

  4. 回测:在历史数据上测试策略的表现,以评估其有效性。

  5. 执行与监控:实施策略并实时监控其表现,根据市场变化进行调整。

QMT量化的优势在于能够处理大量数据,减少情绪干扰,并提供更系统的决策依据。如...

Read more

数据分析-


数据分析是从原始数据中提取有用信息的过程,通常包括数据收集、清洗、处理和可视化。通过这些步骤,分析师可以识别趋势、模式和关系,以支持决策和策略制定

数据分析是对数据进行系统检查、清理、转换和建模的过程,旨在发现有用的信息并支持决策。它在各个领域中都是一个至关重要的过程,使组织能够从原始数据中提取洞察,以指导战略和行动。

数据分析的关键组成部分

1. 数据收集:
第一步是从各种来源收集相关数据,这些来源可能包括数据库、调查或外部数据集。确保所收集数据的质量和完整性对于准确分析至关重要。

2. 数据清理:
这一阶段处理数据中的错误、缺失值和不一致性。清洁的数据对于可靠的结果至关重要,因为不准...

Read more

数据包分析


数据包分析是网络安全和故障排查的重要工具。以下是数据包分析的一些关键方面:

  1. 工具:
  2. Wireshark:最常用的开源数据包分析工具
  3. tcpdump:命令行数据包分析工具
  4. Fiddler:主要用于HTTP/HTTPS流量分析

  5. 协议分析:

  6. TCP/IP协议栈
  7. 应用层协议(HTTP, DNS, SMTP等)

  8. 关键步骤:

  9. 捕获:收集网络流量
  10. 过滤:使用过滤器筛选感兴趣的数据包
  11. 解码:分析数据包内容
  12. 统计:生成流量统计信息

  13. 安全分析:

  14. 检测异常流量模式
  15. 识别潜在的恶意活动
  16. 分析网络攻击的特征

  17. 性能优化:

  18. 识别网络瓶颈
  19. 分析延迟和丢包情况

  20. 隐私和法律考虑:

  21. ...

Read more

Halo-开源建站工具


Halo 是一款强大且易用的开源建站工具,特别适合想要快速搭建博客、内容管理系统(CMS)或者个人网站的用户。它具有灵活的插件机制、丰富的主题模板和简单的操作界面,即便是没有编程经验的用户也能轻松上手。Halo 的一些核心特点包括:

  1. 插件与主题:支持动态加载、卸载插件,并可以通过插件扩展站点功能,如评论系统、搜索功能等。用户还可以从官方和社区提供的插件中选择,如 Umami 分析插件和阿里云 OSS 插件,极大增强了灵活性【30†source】【32†source】。

  2. 主题自定义:通过可视化的主题设置界面,用户可以自由定制网站外观,并支持预览不同设备的显示效果。默认模板名为 "E...

Read more