实时行情数据源

A 股全市场日频选股回测记录：从数据接入到复权对齐的工程细节摘要：本文记录了用全量A股做日频选股回测的完整过程，重点分析复权因子方向选择对回测绩效的影响，以及在 vnpy 中封装统一 DataFeed 的工程实践。

MCP行情数据接入配置踩坑全记录：从Claude Code到Zed八大客户端适配实战摘要：本文记录在八个主流MCP客户端中配置TickDB行情数据服务的完整踩坑过程，涵盖配置文件路径差异、Zed非标准字段名、Cherry Studio的GUI格式要求及Header鉴权变迁，附通用三步排查法。

Python 行情数据清洗实战：Z-Score、MAD 与分位数过滤的异常值检测拿到 10 年历史 K 线数据后，大多数人的第一反应是直接跑策略回测。结果出来夏普比率 3.2，最大回撤仅 8%，年化收益 35%。兴奋地部署实盘，三个月后亏了 15%。

Python 获取美股盘前盘后数据：yfinance 的坑与解法第一次接美股数据时漏掉盘前盘后，系统上线 3 天后被用户问"为什么开盘前是空的"——这是绝大多数工程师首次接入美股数据的同款坑。

实时行情系统设计：从协议选择到高可用架构，再到数据源选型在构建实时行情系统时，我们面对的不是单一的技术问题，而是一系列环环相扣的工程挑战。数据延迟超过几十毫秒，交易策略可能错失最佳点位；WebSocket 连接频繁断开，数据流出现断层，导致指标计算失真；系统扩展性不足，当市场剧烈波动时，数据洪流直接压垮采集集群。更棘手的是，多市场数据格式各异、时间戳不统一，清洗与对齐的复杂度往往被低估。

我是有底线的