量化策略

如何判断盘中最新价相对昨日收盘涨跌幅，并实时触发止盈止损条件单：QuantDash Python 实战针对“如何判断盘中最新价相对于昨日收盘价的涨跌幅，并实时触发止盈止损条件单？”这个问题，核心就是实时获取 last_price 与 prev_close，再计算 (last_price / prev_close - 1) × 100%，最后将结果与止盈、止损阈值比较。

Python 量化数据质量校验：如何确保股票历史日线数据不存在缺失交易日？针对“如何确保从第三方接口获取的股票历史日线数据不存在缺失交易日”这一量化开发中的核心痛点，本文给出直接结论：缺失交易日的根源在于数据源本身的完整性缺陷与本地缺乏系统性校验流程。解决方案是建立一套“获取 → 字段校验 → 缺失值统计 → 交易日完整性核查”的自动化流水线。QuantDash Python SDK 返回的 DataFrame 自带标准字段（trade_date、open、high、low、close、volume），配合 Pandas 数据质量校验与交易日历对齐，可在数行代码内完成全链路数据

Python 量化核心基础：前复权、后复权与不复权有什么区别？基于 QuantDash 的数据处理与回测避坑指南本文深入剖析量化交易回测中极易混淆的“复权”概念，详细对比前复权、后复权与不复权的计算原理和适用场景，并展示如何使用 QuantDash API 快速调取不同复权类型的数据，避免回测过程中产生虚假的股价跳空或指标失真。

用 Streamlit + QuantDash 10分钟拼装一个跨市场持仓风险与相关性诊断面板无论你是多市场股票的价值投资者，还是活跃的量化多策略交易者，当你持有横跨 A 股（如贵州茅台）、港股（如腾讯控股）、美股（如特斯拉、苹果）的跨市场组合时，都会面临一个痛点：

玖菜量化笔记

用2万起步量化投资1年，亏了多少，学到了什么？这是一个悲伤的实盘复盘，也是一篇价值可能远超本金的“避坑指南”。交学费了背景：2005年就开了股票账户，但一直没有买卖过股票，觉得看不懂。直到2025年初，才开始学习研究量化，并用2.5万起步人工或量化实盘。

AI 量化实战：布林带均值回归策略，回测收益 17.26%均值回归（Mean Reversion）是金融市场中一种常见的现象，指的是资产价格在偏离其长期平均值后，最终会回归到该平均值。比如某一资产价格不会无限上涨，亦不会无限下跌，总会在某个时间回归到价值中枢水平。金融市场并非永远趋势单边，更多时候，它在一个中枢附近反复震荡。在这样的环境中，“均值回归策略”便成为极具优势的交易方法。布林线指标正是在上述条件的基础上，引进了“股价信道”的概念，其认为股价信道的宽窄随着股价波动幅度的大小而变化，而且股价信道又具有变异性，它会随着股价的变化而自动调整。正是由于它具有灵

国信 iQuant 自动国债逆回购实战：Python 自动化闲钱理财国债逆回购本质是以国债为抵押的短期低风险借贷，你作为资金出借方，通过证券交易所把钱借给机构，到期收回本金 + 固定利息，违约风险几乎为零，是股票账户闲钱的 “专属理财工具”。

在金融决策场景中，任何无法被审计的输出，都不构成合法建议在金融决策场景中，任何无法被审计的输出，都不构成合法建议。这一判断不依赖模型能力，也不取决于解释是否“看起来合理”。

数量技术宅

数字合约价格发现功能更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。期货市场的价格发现

VectorBT量化入门系列：第五章 VectorBT性能评估与分析VectorBT量化入门系列：第五章 VectorBT性能评估与分析本教程专为中高级开发者设计，系统讲解VectorBT技术在量化交易中的应用。通过结合Tushare数据源和TA-Lib技术指标，深度探索策略开发、回测优化与风险评估的核心方法。从数据获取到策略部署，全面提升量化交易能力，助力开发者构建高效、稳健的交易系统。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

VectorBT量化入门系列：第一章 VectorBT基础与环境搭建VectorBT量化入门系列：第一章 VectorBT基础与环境搭建本教程专为中高级开发者设计，系统讲解VectorBT技术在量化交易中的应用。通过结合Tushare数据源和TA-Lib技术指标，深度探索策略开发、回测优化与风险评估的核心方法。从数据获取到策略部署，全面提升量化交易能力，助力开发者构建高效、稳健的交易系统。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

VectorBT量化入门系列：第三章 VectorBT策略回测基础VectorBT量化入门系列：第三章 VectorBT策略回测基础本教程专为中高级开发者设计，系统讲解VectorBT技术在量化交易中的应用。通过结合Tushare数据源和TA-Lib技术指标，深度探索策略开发、回测优化与风险评估的核心方法。从数据获取到策略部署，全面提升量化交易能力，助力开发者构建高效、稳健的交易系统。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

VectorBT：使用PyTorch+LSTM训练和回测股票模型进阶三VectorBT：使用PyTorch+LSTM训练和回测股票模型进阶三本方案融合 LSTM 时序预测与动态风险控制。系统采用混合架构，离线训练构建多尺度特征工程和双均线策略，结合在线增量更新持续优化模型。技术要点包括三层特征筛选、波动率动态仓位管理、混合精度训练提升效率，以及用 VectorBT 验证收益。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

VectorBT：使用PyTorch+LSTM训练和回测股票模型进阶二VectorBT：使用PyTorch+LSTM训练和回测股票模型进阶二本方案基于LSTM神经网络构建多时间尺度股票收益率预测模型，结合VectorBT进行策略回测。核心原理是通过不同时间窗口（5/10/20/30日）捕捉股价的短期、中期、长期模式，使用注意力机制融合多尺度特征，最终生成交易信号。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

tsfresh：时间序列特征自动提取与应用tsfresh：时间序列特征自动提取与应用本文系统介绍了 tsfresh 技术在 A 股市场数据分析与量化投资中的应用。从基础特征提取到高级策略开发，结合实战案例，详细讲解了如何利用 tsfresh 构建量化投资策略，并优化风险控制，助力读者全面掌握时间序列特征提取在量化领域的技术应用。文中内容仅限技术学习与代码实践参考，市场存在不确定性，技术分析需谨慎验证，不构成任何投资建议。适合量化新手建立系统认知，为策略开发打下基础。

量化策略分类体系：量化交易策略有哪些？在投资领域，量化策略已成为一种重要的投资手段。通过对大量数据的分析和处理，量化策略能够帮助投资者做出更加科学、理性的投资决策。本文将根据不同的分类标准，对量化策略进行详细的分类和介绍。

数量技术宅

初学者的量化 “利器”，哪种策略才是你的菜？更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。这篇文章专为量化投资领域的小白精心打造，量化大神们请自动略过哦。

数量技术宅

最优订单执行策略的深度剖析与模型比较更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。摘要：本文深入探讨了最优订单执行策略相关问题，详细介绍了多种模型下的策略推导、最优性条件及特性。通过对 Almgren - Chriss 模型、Obizhaeva 和 Wang 模型、Alfonsi 和 Schied 模型等的分析，阐述了各模型中最优策略的形式及其与市场因素的关系。同时，讨论了价格操纵对最优策略存在性的影响，以及在不同假设下（如 ABM 和 GBM）最优策略的差异。此外，还介绍了线性瞬态市场影响

数量技术宅

再谈量化策略失效的问题更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。我们在交易量化策略的时候，经常会遇到量化策略出现持续性的回撤。此时，必须考虑一种情况，即正在交易的策略可能失效了。于是，我们的首要工作是，判断这个量化策略是否失效。

数量技术宅

如何使用Tushare+ Backtrader进行股票量化策略回测更多精彩内容，欢迎关注公众号：数量技术宅，也可添加技术宅个人微信号：sljsz01，与我交流。典型的股票量化策略回测流程包括以下几个步骤：