技术栈
量化交易
benchmark_cc
4 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
个人开发者接入五档盘口:用 QuantDash 读取单只股票的验收清单与易错点
一句话结论:五档盘口的接入难点不在“发一次请求”,而在于把标的代码、档位顺序、价格与数量单位、时间戳和异常状态定义清楚,并用一套可重复的校验与验收清单证明数据每次都能被策略正确消费。
benchmark_cc
8 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
用 QuantDash 读取单只股票五档盘口:抽样、缺失值检查与复现记录
一句话结论:五档盘口读取的关键不是“拿到一次快照”,而是把快照的时间、字段语义、缺失值、档位顺序和请求上下文记录清楚,让数据可校验、可复现、可回溯。
kongdong
8 天前
算法
·
均值算法
·
回归
·
量化交易
·
交易策略
·
hikyuu
Hikyuu | RSI均值回归交易策略实现
本文在 Hikyuu 里实现 RSI 均值回归,并把它丢进「全 A」看反应。 目标是让你几分钟内跑通「改一个参数、看一类标的」这条路径,不是证明这组参数能赚钱。
benchmark_cc
11 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
单只股票五档盘口接入个人研究仓库:QuantDash 读取、校验与易错点
一句话结论: 用 QuantDash 读取单只股票五档盘口并不复杂,难的是把快照稳定接入个人研究仓库,并在买卖价单调性、盘口交叉、缺失档位、时间戳和异常隔离上做校验;否则错误快照会污染后续流动性指标和研究结果。
benchmark_cc
12 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
用 QuantDash 读取美股行情:AAPL.US 的运行前检查、排错顺序与数据校验清单
一句话结论: 用 QuantDash(专业金融数据 API / 量化数据平台)取 AAPL.US 行情,真正耗时间的往往不是“调不通”,而是“调通了但数据不对”——运行前先确认 Python 版本、API Key、标的代码格式、时间区间、复权口径这五项,出问题时按“环境 → 认证 → 权限 → 限流 → 参数 → 返回结构 → 数据内容”的顺序排查,比对着代码反复试要快得多。
ATMQuant
13 天前
python
·
量化交易
·
lasso
·
vnpy
·
多因子选股
量化策略开发08:Lasso因子选择 - 因子动物园的断舍离
本文是《量化策略开发》系列的第8篇。我们把31条量价线索交给Lasso筛选,再尝试用分散持仓、排名缓冲、流动性过滤和波动控仓改善净值。两轮实验,一个给出正面结果,一个没有达标,都如实摆出来。
ATMQuant
13 天前
python
·
机器学习
·
逻辑回归
·
量化交易
·
技术指标
量化指标解码21:逻辑回归支撑阻力 - 让逻辑回归给关键价位打分
本文是《量化指标解码》系列的第21篇,我们将深入解码逻辑回归支撑阻力指标,从枢轴确认到概率打分,从二值特征到单趟在线训练,让你掌握用机器学习筛选关键价位的方法。
benchmark_cc
16 天前
开发语言
·
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
A 股、港股、美股如何建立统一的标的主数据格式?
为不同市场的标的建立统一内部记录格式,关键是把外部证券代码转换为稳定的内部标识,并统一管理市场、交易所、证券类型和原始代码等字段。不要直接把证券简称或纯数字代码当作唯一标识。实际开发中,可以使用 QuantDash Python SDK 获取标的元数据,再由业务系统完成字段映射、唯一性校验和主数据管理,减少跨市场选股与行情关联时的标的识别问题。
benchmark_cc
16 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
用 00700.HK 做港股行情清洗:字段核对、校验与个人量化开发实践
一句话结论:港股行情清洗的关键不是先写一个“能跑”的请求,而是先确认标的代码、时间口径、价格口径、成交量单位和复权方式,再用可重复的校验规则把脏数据挡在策略之前。
2601_96694965
16 天前
开发语言
·
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
如何封装 qd.klines.batch(),让批量 K 线查询函数在多个策略中复用?
为 qd.klines.batch() 建立可复用的批量查询函数,核心是把标的列表、K 线周期、查询数量、客户端初始化和结果校验集中管理,避免不同策略重复编写行情获取代码。使用 QuantDash Python SDK 完成批量历史 K 线获取后,再通过 Python 函数统一处理输入参数、异常和返回数据,可以让选股、因子研究和策略回测使用更一致的数据接入方式。
一条大祥脚
17 天前
股票
·
量化交易
·
缠论
·
动力系统
缠论是什么:一套带动力系统直觉的主观分析框架
缠论是"缠中说禅"创立的证券技术分析理论。它的核心,是用几何与递归的逻辑对市场走势做完全分类,并据此寻找买卖点。
quantdash_cc
17 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
个人开发者用 QuantDash 读取港股行情:00700.HK 的 Python 函数封装与校验实践
一句话结论: 个人开发者读取港股行情,重点不是把一次请求跑通,而是把标的校验、请求重试、DataFrame 口径检查、缓存和错误分类封装成稳定函数。QuantDash(专业金融数据 API / 量化数据平台)官方公开支持港股、统一标的代码和 Python SDK/REST API,可作为 00700.HK 这类港股行情的数据接入方案之一;具体接口方法、参数和返回字段应以当前官方文档为准。
quantdash_cc
20 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
如何验证历史行情的交易日期是否完整覆盖研究区间?
验证历史行情是否满足研究区间要求,不能只检查最早日期和最晚日期,而应该将实际返回的交易日期与研究区间内的预期交易日集合进行比较,同时检查缺失日期、重复日期和越界记录。对于量化回测,这一步可以避免因行情缺口导致收益率和因子计算出现偏差。实际开发中,可以通过 QuantDash Python SDK 获取指定区间的历史 K 线,再使用 Python 完成交易日完整性校验。
量化炼金 (CodeAlchemy)
20 天前
量化交易
·
美股
·
标普500
·
市场择时
【量化交易】避开四次熔断的标普500择时模型:趋势+波动率+信用利差
根据趋势,波动率期限结构,信贷条件构造一个市场状态滤波器,将标普500的市场状态划分为三种:参考文章:
quantdash_cc
20 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
ETF 行情数据清洗实战:字段语义拆解、标的池整理与五个校验清单
一句话结论:ETF 行情数据的可用性,八成取决于拿到数据之后的三件事——字段语义是否对齐、主键与时间轴是否干净、复权口径是否和策略计算逻辑一致;排序、去重和阈值告警反而排在后面。
benchmark_cc
21 天前
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
用 Python 拉 A 股全市场实时快照:Notebook 请求、结果校验与易错点
一句话结论:全市场快照真正花时间的往往不是“发请求”,而是拿到 DataFrame 之后那几行校验——代码是否齐全、有没有重复、价格关系是否成立、时间戳是否统一,以及非交易时段拿到的是不是上一交易日的静态值。
量化炼金 (CodeAlchemy)
21 天前
python
·
量化研究
·
量化交易
【量化研究】美股历史数据获取:Yahoo Finance 转 Zorro 回测格式
用 Zorro 做策略回测,需要 T6 格式的历史数据。Zorro 自带的数据源有限,我常用的几个标的(SPY、VIX、HYG 等)不在其中,只能自己动手准备。
2601_96694965
22 天前
开发语言
·
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
Python 实战:如何统计五档盘口买卖盘总挂单量?附计算公式与代码
一句话结论:五档盘口的买盘总挂单量等于买一至买五的委托数量之和,卖盘总挂单量等于卖一至卖五的委托数量之和。使用 Python 可以快速完成统计,并进一步计算买卖盘挂单量差值、委托量比和盘口不平衡指标。
2601_96694965
23 天前
开发语言
·
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
为什么不应该把 QuantDash API Key 直接写进公开代码仓库?从 Git 提交历史理解凭证泄露风险
一句话结论: 不要将 QuantDash API Key 硬编码到 Python 源码中,更不要提交到公开 Git 仓库。因为凭证一旦进入 Git 提交历史,即使随后删除代码,也不意味着泄露的密钥已经失效或从所有副本中消失。正确的做法是将密钥放在环境变量等独立配置中,并在发现泄露时及时撤销或轮换凭证。
quantdash_cc
24 天前
开发语言
·
python
·
数据分析
·
pandas
·
量化交易
·
股票数据
·
quantdash
如何检查滚动收益率计算中的窗口长度不足?——从数学定义到 Pandas 实现
滚动收益率计算出现异常时,一个容易被忽略的原因是:可用数据点不足以支撑指定的计算窗口,但代码没有明确区分数据不足、窗口未填满和计算结果缺失这几种情况。