- 博客(268)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 看财报最坑的一步：不复权，你看到的全是假数字
同一家公司，两个软件里"最高价"能差出一半 大家好，我是船长。 你有没有过这种经历：同一只票，你在 A 软件里看历史最高价是 80 块，切到 B 软件里一看，居然只有 52 块。明明是同一家公司、同一天的数据，价格怎么还能打架？你第一反应是"这软件数据坏了"，其实两个都没坏——坏的是"复权"这件事，你被它悄悄摆了一道。 这不是个别软件的 bug。我做过数据这行，可以负责任地讲：凡是跟历史价格打交道的场景，只要你不先搞清楚"复权还是不复权"，你看到的每一个数字，都可能是在骗你。 本文仅为个人方法研究与经验分享
2026-09-23 10:15:06
199
原创 今晚美联储议息，普通人只需要看懂这3个口径（只聊框架）
美联储一开会，朋友圈就有人开始"算命" 大家好，我是船长。 每次美联储一开议息会议，朋友圈和群里就热闹了：有人说"这次肯定降息，A股要起飞"，有人说"八成加息，赶紧清仓"，还有人就差把会议纪要逐字背下来。可你让他说清楚"这次到底议了什么、你怎么判断的"，十个人有九个支支吾吾。 说白了，大多数人不是在看美联储，是在借美联储给自己壮胆。真把议息这件事拆开，普通人根本不用懂那么多，只要看懂三个"口径"就够了。 本文仅做机制与口径的科普解读，不预测加息或降息路径，不预测任何市场走势，不涉及个股与行情预判，不构成任何
2026-09-18 10:13:23
115
原创 信息过载时代，我的系统靠“信号分级“滤掉80%噪音
每天几十条"利好"，最后真正有用的没几条 大家好，我是船长。 你有没有这种感觉：行情软件一打开，研报、快讯、龙虎榜、资金流、北向、政策解读……几十条消息一起砸过来，每一条都写着"重大利好""即将爆发"，看得你热血上头，生怕错过一个亿。可真下手的时候，又觉得哪条都差点意思，最后稀里糊涂买了、套了，回头一看，当初那些"重大利好"，一大半压根跟你的操作没关系。 信息越多，决策越乱——这不是你定力不行，是"噪音"太多，把真正有用的"信号"给淹没了。 本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任
2026-09-16 10:23:43
103
原创 同样一套策略，为什么牛市赚、熊市亏？因为少了“环境感知“
同一套策略，去年赚、今年亏，问题到底出在哪 大家好，我是船长。 很多自己做策略的朋友都有过这种崩溃：同一套均线金叉、同一个多因子打分，去年跑得好好的，今年一进实盘就一路回撤，怎么调都不对劲。你会怀疑是不是参数过拟合了，是不是逻辑写错了，甚至怀疑自己根本不是这块料。 但我想先说一个可能被忽略的答案：策略没变，是"环境"变了。 本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。 一个只会在"顺势"里赚钱的策略，放到震荡市里，就是被反复打脸的工具
2026-09-14 12:58:51
141
原创 半年后我重看Circle：6个维度，重新给它定价
大家好，我是船长。 半年前我连写两篇 Circle（CRCL，稳定币第一股）：一篇说"它是什么、为什么 80 美元可能是机会"，一篇把"百倍怎么算出来"的账一层层拆开。那时候 CRCL 在 80 美元附近，市值约 200 亿美元。 今天（2026 年 9 月初）它回到 90–102 美元区间，市值约 230–260 亿美元。股价没怎么"暴走"，但公司本身变了好多——有变好的，也有变弱的。我想趁着半年节点，用你给我列的 6 个维度，把账重新算一遍。 本文仅为个人研究记录与信息整理，不构成任何投资建议或标的推荐
2026-09-04 00:48:49
219
原创 孙哥不是盖茨比：他算清了所有账，唯独算不清“她爱的是我还是钱“
今天刷屏这篇长文，我停下车看完，心里咯噔一下 大家好，我是船长。 今天开车途中，手机突然弹出一位女星登顶热搜。几乎同一时间，孙宇晨那篇《我的女友XXX》万字长文也在全网刷屏。两件事撞在一起，荒诞得有点不真实——一个人，用一篇长文，给这个时代重写了一版《了不起的盖茨比》。 本文仅为个人感悟与决策心理的方法分享，不构成任何投资建议、个股推荐或行情预判。文中所涉长文情节均引自孙宇晨本人公开发布、且作者已注明"纯属虚构"的文本；相关人物关系与事件以司法机关最终认定为准，非本号独立核实结论。已对原文露骨内容作剔除处理
2026-08-27 23:57:21
288
原创 孙哥不是盖茨比：一个“无限买盘“式的止损寓言
今天刷屏的那篇万字长文，我读出了交易员的味道 大家好，我是船长。 今天开车途中，手机突然弹出一位女星登顶热搜。同一时间，孙宇晨那篇《我的女友XXX》万字长文也在全网刷屏。两件事撞在一起的一瞬间，荒诞感拉满——一个人用一篇长文，给加密时代重写了一版《了不起的盖茨比》。 本文仅为个人交易心理与投资决策方法的研究分享，不构成任何投资建议、个股推荐或行情预判。文中所涉长文内容均引自孙宇晨本人公开发布、且作者已注明"纯属虚构"的文本；相关人物关系与事件以司法机关最终认定为准，非本号独立核实结论。 但我没把它当瓜吃。我
2026-08-27 23:44:19
199
原创 我做了相关性监控，发现大多数人把鸡蛋都放一个板块
大家好，我是船长。 上个月，我把自己的持仓"拆开"看了一遍，吓出一身汗 上个月中报季，我想着给自己做一次"体检"，就把模拟盘里的持仓一股脑导出来，写了段代码，让系统把每只票两两算一遍相关性。结果出来的那一刻，我心里咯噔一下：我自以为分散的那一篮子票，相关性系数一大半都超过了0.8。 翻译成人话就是——我以为自己在做分散，其实是在同一个判断上，反复押了好几份。名字不一样，行业标签不一样，可背后全是一根线。这不是我一个人的毛病，后来我把这个观察跟不少朋友聊了聊，发现这才是散户最普遍的盲区。 本文仅为个人方法与经
2026-08-27 02:42:23
175
原创 智谱把 Opus 4.8 做到了 1/40 价格，背后是国产芯片撑住了 OpenRouter 榜首
昨晚 22:11 智谱上线了一个东西，我先说三件事 大家好，我是船长。 昨晚 22:11，智谱把一个模型同时做了两件事——上线、原生开源。它叫 GLM-5.3-Flash。先说三件事： 📌 第一件事，AA 综合智能指数 57 分，与 Anthropic 的 Claude Opus 4.8 持平，已经迈进了"全球前沿区间"（来源：智谱官方 2026-08-26 22:11 推送）。 📌 第二件事，输入 0.15 美元/百万 Token、输出 0.50 美元/百万 Token，是 Opus 4.8 的 1/
2026-08-27 02:38:39
202
原创 智谱把 Opus 4.8 做到了 1/40 价格，背后是国产芯片撑住了 OpenRouter 榜首
昨晚 22:11 智谱上线了一个东西，我先说三件事 大家好，我是船长。 昨晚 22:11，智谱把一个模型同时做了两件事——上线、原生开源。它叫 GLM-5.3-Flash。先说三件事： 📌 第一件事，AA 综合智能指数 57 分，与 Anthropic 的 Claude Opus 4.8 持平，已经迈进了"全球前沿区间"（来源：智谱官方 2026-08-26 22:11 推送）。 📌 第二件事，输入 0.15 美元/百万 Token、输出 0.50 美元/百万 Token，是 Opus 4.8 的 1/
2026-08-27 02:28:49
295
原创 我做了相关性监控，发现大多数人把鸡蛋都放一个板块
大家好，我是船长。 上个月，我把自己的持仓"拆开"看了一遍，吓出一身汗 上个月中报季，我想着给自己做一次"体检"，就把模拟盘里的持仓一股脑导出来，写了段代码，让系统把每只票两两算一遍相关性。结果出来的那一刻，我心里咯噔一下：我自以为分散的那一篮子票，相关性系数一大半都超过了0.8。 翻译成人话就是——我以为自己在做分散，其实是在同一个判断上，反复押了好几份。名字不一样，行业标签不一样，可背后全是一根线。这不是我一个人的毛病，后来我把这个观察跟不少朋友聊了聊，发现这才是散户最普遍的盲区。 本文仅为个人方法与经
2026-08-26 10:20:57
148
原创 看财报最坑的一步：不复权，你看到的全是假数字
大家好，我是船长。明天（8月22日）东方财富要发中报，后天（8月25日）恩捷股份也发——财报季最热闹的两天，也是最容易看走眼的两天。 很多人打开行情软件，第一眼看到的是那个"向下跳空的大坑"，心里一紧：这票是不是暴跌了？先别急着下结论——那个坑，很可能根本不是市场跌出来的，而是"除权除息"这道算术题，软件帮你把价格重新算了一遍。 财报季里，分红、送转、除权扎堆。你如果拿"不复权"的价格去看财报、去算收益，看到的基本都是假数字：该赚的没赚到，该亏的没亏到，甚至把"扭亏为盈"读成了"继续暴亏"。这不是你不够用功
2026-08-21 10:18:11
236
原创 半导体中报月底扎堆，用相关性视角看科技赛道拥挤度
大家好，我是船长。 8月下旬，A股科技赛道的中报要集中"交卷"了 半导体、光通信这些科技赛道，中报披露的高峰全压在8月下旬。拿半导体来说，绝大多数公司的半年报都要等到8月下旬才陆续披露，龙头更是压轴出场。前几天已经陆续有几家先交了卷——成绩单普遍亮眼，但我要说的不是"谁赚了多少"，而是另一个被大多数人忽略的问题。 你有没有发现，最近科技板块里的票，跌起来是一起跌，涨起来也是一起涨？中芯国际、华虹、寒武纪这些龙头发完业绩，整个板块跟着动。这背后的现象，用专业的话讲，叫"相关性升高"——当一堆股票越来越像同一只
2026-08-14 10:01:50
202
原创 银行中报马上来，普通人看财报盯这3个数就够了
大家好，我是船长。 8月15号，A股银行中报正式开闸 再有8天，平安银行就会打响2026年银行中报第一枪。随后南京银行、宁波银行接棒，到8月29号，工、农、中、建、交、邮储六大行加招商、民生、华夏等近20家银行同一天"交卷"——42家上市银行的成绩单，在短短两周内全部揭晓。 但说实话，大多数普通人打开一份银行财报，看到的是一堆数字：总资产几万亿、营收几百亿、净利润增长率百分之几……看了半天，还是不知道这家银行到底"底子怎么样"。 本文仅为个人研究方法与经验分享，不构成任何投资建议，无任何标的推荐。文中数据来
2026-08-07 09:58:56
222
原创 北向资金数据怎么读：净买额 vs 持股变化，用 Python 拆解两组口径差异
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。文中代码均为示意版（模拟数据），非实盘交易建议，不涉及任何具体策略参数。 一组北向数据，我先泼盆冷水 很多人每天开盘第一件事，就是看"北向资金净流入多少亿"，然后据此决定今天该贪婪还是恐惧。我把这套逻辑反复拆过，结论有点扎心：大部分人盯的那根"净买额"，和北向真正做了什么，根本不是一回事。 先看一个被我反复验证过的现象：某日北向单日净买额显著为正，但我用持股数据反推，发现真实持股数的变化要微
2026-07-25 19:39:40
293
原创 量化数据层怎么搭：三级缓存 + 前复权 + 多数据源容错的 Python 实现
大家好，我是船长。 下午 4 点，你长舒一口气，收盘了。你打开回测系统，跑了一遍去年写的均线策略，年化收益 28%，夏普 1.6，资金曲线漂亮得像教科书。你准备明天就把它写进模拟盘。 但先停一下：你有没有想过，你喂给回测的那一根根 K 线，可能是假的？ 不是数据商骗你，是你取数的姿势错了。复权没做、缓存没设、源只有一家，随便哪一个环节漏了，回测跑出来的"漂亮业绩"就是空中楼阁。今天我把系统数据层这三块地基——三级缓存、前复权、多数据源——一块块拆给你看。 做量化的都知道一句话：垃圾进，垃圾出。数据层不干净，
2026-07-25 19:36:46
223
原创 从0搭一个量化选股器：十类模式、三级缓存与候选池收敛（Python实战）
本文为量化选股方法研究，所有数据为示意版（模拟数据），不构成任何投资建议，不涉及真实策略参数与实盘指引。下文代码可直接运行，用于学习"多模式筛选 + 缓存收敛"的思路，参数均为教学占位。 一、选股器的本质：先缩圈，再精选 很多人对"选股器"的想象是一个黑箱，喂进去全市场，吐出来一只牛股。真实可用的选股器远没有那么神话——它的核心价值是批量排除：把 5000 多只标的，按一组规则快速收敛到几十只候选池，让人把精力花在"该不该动手"上，而不是"满市场找机会"。 这套收敛通常分两层：第一层是模式筛选，用若干把"尺
2026-07-23 19:25:00
338
原创 不同资金量，量化玩法完全不同：用 Python 把冲击成本与分档建仓算清楚（实战）
本文为量化资金量级方法研究，所有数据为示意版（模拟数据），不构成任何投资建议，不涉及真实策略参数与实盘指引。下文代码可直接运行，用于学习"按资金量分流玩法"的思路，均为教学示意，参数占位。 一、为什么资金量决定了玩法，而不是策略 做量化的人大多有过一种错觉：只要策略够好，小账户和大账户跑出来应该差不多。真实情况往往相反——同一套逻辑，放到 5 万、50 万、500 万的账户上，到手收益能差出一个量级，差的那一块通常不是策略亏的，是"下单这门手艺"没跟着资金量升级亏的。 核心矛盾有两个。第一是冲击成本随资金量
2026-07-21 18:02:28
277
原创 别把鸡蛋放一个板块：用 Python 计算持仓相关性 + 集中度预警，把风险关进笼子里
本文为量化风控方法研究，所有价格与收益序列均为示意版（模拟数据），不构成任何投资建议。代码可直接运行，用于学习"相关性监控 + 集中度预警"的思路，非实盘交易依据，不涉及任何真实策略参数与真实阈值。 一、为什么"买了 10 只"不等于分散：相关性才是那把尺 做量化的人大多有过这种自信：账户里挂了一排不同名字的票，行业看着也散，就觉得自己分散得漂亮。可一旦把它们的日收益序列拉出来做相关矩阵，常常会傻眼——名字五花八门，收益却齐涨齐跌。分散的本质是"收益来源不相关"，不是"标的名字不重样"。几只票一起涨一起跌，
2026-07-20 17:58:19
302
原创 市场状态感知：用 Python 识别趋势/震荡/高波动，并让策略权重随市况自适应
本文为量化方法研究，所有数据为示意版（模拟数据），不构成任何投资建议。代码可直接运行，用于学习"市场状态识别 + 状态自适应权重"的思路，非实盘交易依据，不涉及任何真实策略参数。所有阈值均为占位示意，真实研究中为可配置项。 一、为什么同一套策略，牛熊震荡表现天差地别 做量化的人，大多踩过这种坑：一套信号逻辑写得密密麻麻，回测里怎么跑怎么顺，可一换市况就变脸。牛市里净值一路向上，熊市里几乎腰斩，震荡期来回坐电梯、到头来勉强打平。问题往往不在策略本身，在于你一直用同一种下注，去应对三种完全不同的市场。 市场分明
2026-07-20 02:32:20
361
原创 量化避坑大全：我用100个回测案例拆出3道致命防线（附Python检测代码）
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。 一、为什么90%的回测，实盘第一年就露馅 去年我帮一个朋友看他引以为傲的"年化30%"策略，回测曲线漂亮得像教科书。结果实盘跑半年，没赚反亏，还搭进去无数个盯盘的夜晚。一个回测年化30%的策略，实盘可能只跑出5%；而为了调出这条曲线，他花的时间是写代码3个月+盯盘半年。 很多人以为是"行情不好"，其实根本不是。大多数策略从第一步——数据准备——就埋了雷。本文基于船长自研量化系统的回测V3，
2026-07-18 22:51:45
167
原创 30天量化入门路线图：用Python跑通选股引擎+composite加权投票+模拟盘复盘（附完整代码）
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。文中代码均为示意版（模拟数据），非实盘交易建议，请结合自身情况独立判断后使用。 为什么大多数人量化入门卡在第一步 很多人以为入门量化要先啃完数学和Python，于是收藏夹里躺着十几篇《量化入门》，一篇都没真正开始。我做了5年量化，陪过十几个零基础读者跑完30天，结论是：入门最大的敌人不是难度，是"不知道顺序"。 船长自研量化系统的用法可以拆成一张30天路线图：前10天当观众看懂系统，中间10
2026-07-18 22:50:01
294
原创 我拆了均线交叉的信号逻辑，发现90%的人连「金叉在哪个周期生效」都搞反了（附完整Python）
本文仅为个人方法研究与经验分享，不构成任何投资建议。市场有风险，决策请结合自身情况独立判断。文中代码均为可运行的示意版（模拟数据），非实盘交易建议。 一、为什么我要专门拆均线交叉 均线交叉（ma_cross）是量化里最常被提起、也最容易被用废的指标。我在自己的量化系统里把 ma_cross 拆成三层信号后，跑了一组对比回测：同一批 412 只票池，分别用「日线金叉」和「周线金叉」跑 180 天，日线触发信号 1,243 次，周线只触发 90 次，但周线那 90 次里，信号后 20 日跑赢沪深 300 的比例
2026-07-18 22:48:18
202
原创 你的回测为什么是假的：多源数据校验 + 三级缓存，用 Python 把“假数据“挡在门外
本文为量化数据工程方法研究，所有数据为示意版（模拟数据），不构成任何投资建议。代码可直接运行，用于学习多源校验与缓存限流思路，非实盘交易依据，不涉及任何真实策略参数。 一、为什么你那根漂亮的回测曲线，可能建立在假数据上 做量化的人，大多经历过这种时刻：策略逻辑写得密密麻麻，因子挖了一层又一层，回测一跑，年化 30%、回撤 5%，高兴得以为离财富自由就差一个"实盘开关"。可一旦往实盘挪，画风突变——亏得不明不白。 问题往往不在策略，在源头。我把很多人的回测数据反复交叉比对，结论有点扎心：你那根漂亮的曲线，很可
2026-07-18 22:32:43
199
原创 量化避坑大全：我用100个回测案例拆出3道致命防线（附Python检测代码） - 船长Talk
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。 一、为什么90%的回测，实盘第一年就露馅 去年我帮一个朋友看他引以为傲的"年化30%"策略，回测曲线漂亮得像教科书。结果实盘跑半年，没赚反亏，还搭进去无数个盯盘的夜晚。一个回测年化30%的策略，实盘可能只跑出5%；而为了调出这条曲线，他花的时间是写代码3个月+盯盘半年。 很多人以为是"行情不好"，其实根本不是。大多数策略从第一步——数据准备——就埋了雷。本文基于船长自研量化系统的回测V3，
2026-07-16 02:46:31
93
原创 30天量化入门路线图：用Python跑通选股引擎+composite加权投票+模拟盘复盘（附完整代码）
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。文中代码均为示意版（模拟数据），非实盘交易建议，请结合自身情况独立判断后使用。 为什么大多数人量化入门卡在第一步 很多人以为入门量化要先啃完数学和Python，于是收藏夹里躺着十几篇《量化入门》，一篇都没真正开始。我做了5年量化，陪过十几个零基础读者跑完30天，结论是：入门最大的敌人不是难度，是"不知道顺序"。 船长自研量化系统的用法可以拆成一张30天路线图：前10天当观众看懂系统，中间10
2026-07-16 02:43:27
171
原创 我拆了均线交叉的信号逻辑，发现90%的人连「金叉在哪个周期生效」都搞反了（附完整Python）
本文仅为个人方法研究与经验分享，不构成任何投资建议。市场有风险，决策请结合自身情况独立判断。文中代码均为可运行的示意版（模拟数据），非实盘交易建议。 一、为什么我要专门拆均线交叉 均线交叉（ma_cross）是量化里最常被提起、也最容易被用废的指标。我在自己的量化系统里把 ma_cross 拆成三层信号后，跑了一组对比回测：同一批 412 只票池，分别用「日线金叉」和「周线金叉」跑 180 天，日线触发信号 1,243 次，周线只触发 90 次，但周线那 90 次里，信号后 20 日跑赢沪深 300 的比例
2026-07-16 02:41:36
520
原创 30天量化入门路线图：用Python跑通选股引擎+composite加权投票+模拟盘复盘（附完整代码）
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。文中代码均为示意版（模拟数据），非实盘交易建议，请结合自身情况独立判断后使用。 为什么大多数人量化入门卡在第一步 很多人以为入门量化要先啃完数学和Python，于是收藏夹里躺着十几篇《量化入门》，一篇都没真正开始。我做了5年量化，陪过十几个零基础读者跑完30天，结论是：入门最大的敌人不是难度，是"不知道顺序"。 船长自研量化系统的用法可以拆成一张30天路线图：前10天当观众看懂系统，中间10
2026-07-16 02:38:30
442
原创 DOM探测-未点发布博客
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。文中代码均为示意版（模拟数据），非实盘交易建议，请结合自身情况独立判断后使用。
2026-07-16 02:35:26
202
原创 我拆了均线交叉的信号逻辑，发现90%的人连「金叉在哪个周期生效」都搞反了（附完整Python）
均线交叉的本质是"趋势确认的放大镜"。把它当开关的人亏在噪声，把它当门槛的人赢在过滤。三个要点记住就行：周线做资格、量能做确认、个股分参数。代码已全给出，建议先在小样本上跑通再谈参数微调，切勿过度拟合历史。
2026-07-16 02:03:29
201
原创 量化避坑大全：我用100个回测拆出3道致命防线（附Python检测代码）
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。
2026-07-13 00:57:14
241
原创 量化避坑大全：我用100个回测拆出3道致命防线（附Python检测代码）
本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。
2026-07-13 00:41:42
329
原创 每天扫5500只A股：用Python实现量化选股引擎的10种模式（多因子打分+共振筛选实战）
很多刚接触量化的朋友，把选股理解成"找一个神奇指标"——MACD 金叉、KDJ 超卖，图形好看就买。单一指标在任何市场里都会阶段性失效，真正稳的是"多模式覆盖不同市况 + 共振才动手"。我自己的 A 股量化系统，选股引擎内置10 种模式。
2026-07-10 09:04:30
198
原创 收盘后30分钟比盯盘4小时更重要：用Python实现量化盘后自动化（多因子选股+信号复盘+CSV导出实战）
很多刚接触量化的朋友，把 90% 的精力花在"盘中盯盘"上：看着分时图心跳加速，涨了欢天喜地，跌了如坐针毡。但残酷的真相是——盘中的波动大多是噪音，真正决定你账户长期走向的，是收盘后那 30 分钟做了什么。我自己的 A 股量化系统跑了一段时间后，把盘后流程彻底自动化了：15:30 收盘后，调度器自动做几件事——盘后选股、信号复盘、模拟盘 CSV 导出、夜间统计。本文把这几块的核心代码拆出来，全部可运行，你可以直接抄进自己的项目。环境：Python 3.9+，依赖。下面所有代码都用模拟数据，复制即可跑。
2026-07-10 01:02:52
290
原创 收盘后30分钟比盯盘4小时更重要：用Python实现量化盘后自动化（多因子选股+信号复盘+CSV导出实战）
很多刚接触量化的朋友，把 90% 的精力花在"盘中盯盘"上：看着分时图心跳加速，涨了欢天喜地，跌了如坐针毡。但残酷的真相是——盘中的波动大多是噪音，真正决定你账户长期走向的，是收盘后那 30 分钟做了什么。我自己的 A 股量化系统跑了一段时间后，把盘后流程彻底自动化了：15:30 收盘后，调度器自动做三件事——盘后选股、信号复盘、模拟盘 CSV 导出。本文把这三块的核心代码拆出来，全部可运行，你可以直接抄进自己的项目。环境：Python 3.9+，依赖。下面所有代码都用模拟数据，复制即可跑。
2026-07-10 00:41:18
246
原创 A股量化交易系统实战：从选股到回测的完整Python实现
A股量化交易系统实战：从选股到回测的完整Python实现 2万行代码的实战复盘，纯本地离线运行 题记 数据不说谎，但会误导人。量化系统的价值，是让数据说人话。 本文介绍一个完整的A股量化交易系统，涵盖选股、策略、回测、风控四大模块。系统采用纯Python实现，代码量约22,000行，支持本地离线运行。 22,130 行 Python 代码 系统架构 系统分为5大模块，每个模块都可以独立运行，也可以串联起来： 🔍 选股引擎（9种模式） 从5500+只A股中，按不同策略筛选出值得买的股票。包括：平衡型、龙头榜
2026-07-09 19:45:34
480
原创 Python特征工程实战：从数据清洗到模型提效的完整流程
特征工程的标准流程可以概括为：1.数据清洗：处理缺失、异常、重复2.特征构造：统计特征、交叉特征、分桶、编码3.特征选择：相关性、重要性、正则化4.模型验证：对比特征工程前后的效果这套流程不是一成不变的，需要根据业务场景调整。但核心思路是：让模型看到更多"有意义的信号"，而不是"更多的噪声"。【数据来源】本文数据集为模拟生成，方法参考 sklearn 官方文档及主流机器学习工程实践。你在特征工程中最常用的技巧是什么？评论区一起交流。觉得有用，转给正在做数据分析和机器学习的朋友。
2026-07-04 19:17:59
27
原创 Python特征工程实战：从数据清洗到模型提效的完整流程
特征工程的标准流程可以概括为：1.数据清洗：处理缺失、异常、重复2.特征构造：统计特征、交叉特征、分桶、编码3.特征选择：相关性、重要性、正则化4.模型验证：对比特征工程前后的效果这套流程不是一成不变的，需要根据业务场景调整。但核心思路是：让模型看到更多"有意义的信号"，而不是"更多的噪声"。【数据来源】本文数据集为模拟生成，方法参考 sklearn 官方文档及主流机器学习工程实践。你在特征工程中最常用的技巧是什么？评论区一起交流。觉得有用，转给正在做数据分析和机器学习的朋友。
2026-07-04 15:43:38
92
原创 Python特征工程实战：从数据清洗到模型提效的完整流程
特征工程的标准流程可以概括为：1.数据清洗：处理缺失、异常、重复2.特征构造：统计特征、交叉特征、分桶、编码3.特征选择：相关性、重要性、正则化4.模型验证：对比特征工程前后的效果这套流程不是一成不变的，需要根据业务场景调整。但核心思路是：让模型看到更多"有意义的信号"，而不是"更多的噪声"。【数据来源】本文数据集为模拟生成，方法参考 sklearn 官方文档及主流机器学习工程实践。你在特征工程中最常用的技巧是什么？评论区一起交流。觉得有用，转给正在做数据分析和机器学习的朋友。
2026-07-04 15:37:51
63
原创 Python特征工程实战：从数据清洗到模型提效的完整流程
特征工程的标准流程可以概括为：1.数据清洗：处理缺失、异常、重复2.特征构造：统计特征、交叉特征、分桶、编码3.特征选择：相关性、重要性、正则化4.模型验证：对比特征工程前后的效果这套流程不是一成不变的，需要根据业务场景调整。但核心思路是：让模型看到更多"有意义的信号"，而不是"更多的噪声"。【数据来源】本文数据集为模拟生成，方法参考 sklearn 官方文档及主流机器学习工程实践。你在特征工程中最常用的技巧是什么？评论区一起交流。觉得有用，转给正在做数据分析和机器学习的朋友。
2026-07-04 15:34:00
77
停车场管理系统完整技术文档 VIP资源
2026-03-23
2022年5月最新最全县级shp文件.zip
2022-05-17
2022整理新版全国省市区县行政区划边界九段线矢量地图数据shp/arcgis
2022-05-06
全国省/市/县级行政区划及其他SHP文件.zip
2022-05-28
自动合并同列名表格工具
2022-05-19
02Python 版本 - Jupyter Noteboo.html
2020-05-25
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人