量化交易

隐私计算技术有哪些？隐私计算技术是一类在保护数据隐私和安全的前提下，实现数据价值挖掘与共享的技术体系，核心目标是“数据可用不可见”。目前主流的隐私计算技术可以分为三大类，具体分类及细节如下：

DeepVis Research

【AGI/Simulation】2026年度通用人工智能图灵测试与高频博弈仿真基准索引 (Benchmark Index)为了验证强人工智能（Strong AI）在封闭沙箱环境下的自我意识觉醒（Self-Awareness），以及高频交易算法在极端市场环境下的博弈策略，我们整理了 "Benchmark-2016-AGI" 核心测试集。

2026量化新基建(二) - sqlite 与 sqlite-utils很多人（包括我）对 sqlite 有一个错觉，第一，它是玩具；第二，它不能用于生产环境。但实际上， sqlite 是一个非常优秀的数据库。在过去的 2025 年中，它与 postgres 一起名列数据库前二；并且一直是最多人使用的数据库。

GitHub开源项目日报 · 2025年12月30日 · 开源热榜精选概览本榜按技术领域和应用场景对开源项目进行分类梳理，涵盖 Lean 量化交易引擎、RustPython 解释器、Postiz 与 vibe-kanban 的 AI 协作与排程、TrendRadar 的多平台趋势分析、终端文本编辑器、系统提示与跨工具 AI 框架、Stirling-PDF 跨设备 PDF 编辑、Chatterbox 的开源文本转语音系统、Gumroad 的市场快速验证、TheAlgorithms/Python 的算法合集，以及 Jellyfin 的自托管媒体服务器等代表性项目，简要介绍了各自用途

量化指标解码11：挤压动量 - 捕捉低波动后的爆发行情本文是《量化指标解码》系列的第11篇，我们将深入解码挤压动量（Squeeze Momentum）指标，从布林带与肯特纳通道的挤压判断到动量方向的精准捕捉，从状态标记的视觉化到背离信号的智能检测，让你掌握在市场低波动整理后捕捉突破行情的核心技术。

散户如何做手机T0程序化交易（下）我们继续接上文，继续了解我们散户如何做手机T0程序化交易！其实T0算法的运行过程很简单，接口在云服务器24小时运行，不断电不断网。初始化设置参数之后，接口将按照策略进行自动交易。达到设定条件自动买入或者卖出，无须长时间盯盘。第四：具体运行流程！ 1、制定交易策略与仓位分配：

天一生水water

均值回归（配对交易）策略先抛开金融，看两个生活例子：核心规律：事物的发展会围绕一个“长期均值”波动，短期偏离后，有很大概率向均值靠拢。

DolphinDB智臾科技

多资产回测实战 | 用 DolphinDB 搭建股票期货对冲与期权套利策略在金融市场中，涵盖多种资产的投资策略早已成为主流实践。无论是跨市场套利、大类资产配置，还是套期保值与波动率管理，投资组合往往需要同时运用股票、期货、期权等多种工具。相比单一资产，联合回测能够更真实地反映资金使用、风险暴露和执行路径，从而更贴近实盘表现。基于这一需求，DolphinDB 推出了多资产混合回测，使用户能够在同一框架下实现多品种协同回测，并通过单一账户或多账户灵活管理现金和持仓。本文将以两个典型案例——股票与股指期货对冲策略，以及期货与期权套利策略，来展示 DolphinDB 多资产回测引擎的使

天一生水water

量化交易的开源框架量化交易的开源框架覆盖回测、实盘、高性能计算、AI集成等多个场景，以下按功能分类整理主流框架，附核心特点与适用场景，方便根据需求选择：

天一生水water

AI+量化的数据类型有哪些好的，这是一个非常核心的问题。在“AI+量化”领域，数据是模型的基石和燃料。数据的质量、类型和处理方式直接决定了AI模型的有效性和最终策略的盈利能力。

星星之火之

【通达信L2黑科技】用 DLL 把 10 年机构大单净额 1 秒拖进本地，选股、排序、回测快到飞起！通达信L2数据中，有一个L2_AMO资金流向函数：那么，定义下面这个公式，就可以得到机构大单净额：上面的这个数据，我可以把他们用DLL下载出来（这里演示的是64位DLL，32位同样的操作）：图片新建下面的“大单下载”公式：

Java 大视界 -- 基于 Java 的大数据实时流处理在金融高频交易数据分析中的应用亲爱的 Java 和大数据爱好者们，大家好！我是CSDN（全区域）四榜榜首青云交！在《大数据新视界》与《 Java 大视界》专栏的技术征程中，我们已共同见证 Java 大数据在 20 + 领域掀起的变革风暴。

『量化人的概率 03』PDF is all you need在上一篇中，我们提到了二项分布，并且指出：二项分布究竟意味着什么呢？实际上，有一个名为 Galton Board 的装置，可以很好地可视化它的含义：

Java 大视界 -- Java 大数据机器学习模型在金融衍生品市场波动特征挖掘与交易策略创新中的应用（363）嘿，亲爱的 Java 和大数据爱好者们，大家好！我是CSDN四榜榜首青云交！《2024 年金融衍生品市场风险报告》显示，85% 的机构面临 “波动预测失效” 难题：某量化基金因未捕捉到利率互换隐含波动率突变，单日亏损达 2300 万元；沪深 300 股指期货主力合约在 2023 年出现 17 次日内涨跌幅超 5% 的极端行情，传统 ARMA 模型预测误差率高达 42%；71% 的交易策略依赖 “静态参数”，在 2024 年美联储加息周期中，某期权套利策略因未动态调整对冲比率，回撤幅度达 38%。

高频交易服务器篇在 Binance 进行高频交易（HFT）时，服务器的低延迟、高稳定性和快速网络是关键。亚马逊云（AWS）提供了多种适合高频交易的方案，以下是推荐的配置和优化策略：

AI 对冲基金模拟系统content:AI对冲基金模拟系统是一个教育研究项目，通过模拟16位著名投资策略师(包括沃伦·巴菲特、查理·芒格等)的决策过程，探索AI在金融投资领域的应用潜力。系统包含完整的Web界面(React前端+FastAPI后端)，支持可视化操作和策略回测。

DolphinDB智臾科技

如何计算股票复权因子与复权行情量化交易中，经常需要对股票历史行情进行复权处理，以消除分红、送股、拆股等权息事件对股价走势的影响。本教程面向已掌握 DolphinDB 基础操作（部署、建表、代码调试）的初级量化用户，指导如何基于未复权的股票日 K 数据计算前复权和后复权因子，并生成相应的复权行情数据。我们将结合“涨跌幅复权”算法解释计算逻辑，在 DolphinDB 中逐步实现。

Python量化交易12——Tushare全面获取各种经济金融数据两年前写过Tushare的简单使用： Python量化交易08——利用Tushare获取日K数据_skshare-

AI量化交易是什么？它是如何重塑金融世界的？在电子交易普及之前，证券交易依赖于交易所内的公开喊价系统。交易员通过手势、喊话甚至身体语言传递买卖信息，这种模式虽然直观，但效率低下且容易出错。例如，某厂早期的交易数据显示，一笔订单平均需要5分钟才能完成撮合，而如今，电子交易平台可以在微秒级时间内完成相同操作。

人大博士的交易之路

今日行情明日机会——20250409今日行情还需要考虑关税对抗~当日涨停主线聚焦军工（国防安全）和免税（政策红利）两大方向，直接受政策与战略驱动。机器人（智能制造）与中欧/一带一路（国际合作）因地缘合作表现强劲，芯片（国产替代）及农业（粮食安全）延续自主的逻辑。