<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Haoyunyi的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/Haoyunyi</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; Haoyunyi]]></copyright><item><title><![CDATA[成都线下会议：散户注定是韭菜？不一定。但如果你不懂这件事，你就真的是]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/166014966</link><guid>https://blog.csdn.net/Haoyunyi/article/details/166014966</guid><author>Haoyunyi</author><pubDate>Sat, 19 Sep 2026 22:41:21 +0800</pubDate><description><![CDATA[如果你本身就是金融行业的（券商、基金、期货公司），学会量化之后，你可以从传统的研究岗或销售岗，转型到量化研究岗。你用免费数据跑的回测，可能是建立在"错误的前提"上。你可以自己摸索——先研究发动机原理，再自己组装一辆车，然后在空旷的马路上试开，撞了几次之后终于学会了。在你之前，已经有一大批人走过这条路，踩过你即将踩的每一个坑，总结出了避开这些坑的方法。你没有季度考核的压力，你不需要向LP汇报业绩，你可以空仓等三个月只为了一个信号。他最擅长的，就是把机构里成熟的量化方法论，"翻译"成散户可以理解和操作的语言。]]></description><category></category></item><item><title><![CDATA[0 基础学量化，这份路径直接抄作业]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/165752447</link><guid>https://blog.csdn.net/Haoyunyi/article/details/165752447</guid><author>Haoyunyi</author><pubDate>Thu, 17 Sep 2026 17:27:48 +0800</pubDate><description><![CDATA[【第二阶段：工具打底】 学习 Python 编程基础、数据处理基础 重点掌握量化投资会用到的 Python 技能 不用学太杂，够用就行，针对性学效率更高。【第一阶段：建立认知】 先搞懂量化交易到底是什么 清楚它的优势和风险，以及完整策略的核心要素 先搭好框架，别上来就埋头写代码。【第三阶段：策略开发实战】 从量化策略框架设计学起 先吃透经典量化策略，再进阶多因子策略开发 一步步学会自己写策略，迭代优化。【第五阶段：系统落地】 从回测到实盘，完整量化交易系统构建 学完就能真正落地，跑自己的策略。]]></description><category></category></item><item><title><![CDATA[5秒K线上的战争——期魔方秒周期策略的设计哲学与工程约束]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/165620299</link><guid>https://blog.csdn.net/Haoyunyi/article/details/165620299</guid><author>Haoyunyi</author><pubDate>Wed, 16 Sep 2026 17:20:56 +0800</pubDate><description><![CDATA[在5秒K线的周期下，100毫秒的延迟便占据了周期的2%，足以改变信号的时效性。对于想尝试秒周期策略的开发者，务实的建议是：不要一开始就追求极致的频率，可以从30秒或15秒周期入手，逐步验证信号的有效性；5秒K线上的战争，拼的不是谁更快，而是谁在更快的节奏中，依然能保持清醒与纪律。从日线到小时线，从分钟线到秒线，每一次周期的下探，都意味着信号密度的提升与噪声比例的剧增。开发者在部署秒级策略时，应选择靠近交易所机房的服务器，使用硬件时钟同步服务，并对策略进行严格的性能压测，确保在极端行情下仍能稳定运行。]]></description><category></category></item><item><title><![CDATA[被低估的那一层：期魔方自定义指标与图表可视化工程]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/165483004</link><guid>https://blog.csdn.net/Haoyunyi/article/details/165483004</guid><author>Haoyunyi</author><pubDate>Tue, 15 Sep 2026 16:34:43 +0800</pubDate><description><![CDATA[期魔方把指标系统做成基于 Python，而不是另一门封闭脚本语言，这个选择的长期价值常被低估：它意味着指标不再是"画图的装饰"，而是可以和 pandas、TA-Lib、sklearn 同处一个命名空间的可计算对象。你可以写一个指标，既用于绘图，又用于策略信号，还用于事后归因分析，三处共用同一份代码，彻底消除"图上画的和实际用的不一致"这类隐蔽 bug。另外要注意索引语义的一致性。曾经有团队出现过"图上信号完美、实盘一塌糊涂"的情况，排查半天发现是绘图用了 [-1]（含未闭合 bar），产生了视觉上的重绘。]]></description><category></category></item><item><title><![CDATA[期魔方架构解析：事件驱动引擎与一条完整的量化闭环]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/165326906</link><guid>https://blog.csdn.net/Haoyunyi/article/details/165326906</guid><author>Haoyunyi</author><pubDate>Mon, 14 Sep 2026 16:49:00 +0800</pubDate><description><![CDATA[第一派是自研语言派（如文华、开拓者、金字塔等），生态成熟、教程丰富，但语言封闭，无法直接复用 pandas、sklearn 等现代数据科学生态，策略资产的可移植性受限。第二派是纯后端 SDK 派（如天勤量化），轻量、可编程性强，适合服务器部署，但缺少前端可视化交互，策略运行状态"看不见"，对入门者和需要直观复盘的用户不够友好。对于微秒级的高频做市、需要 GPU 集群的深度模型训练、或者跨资产（股票、期权希腊值对冲）的统一风控，它更适合作为执行端与研究端的衔接层，而非唯一基础设施。长期回测必然涉及换月。]]></description><category></category></item><item><title><![CDATA[从复制代码到独立创作：告别麦语言积木式编程，期魔方模块化 Python 策略教会我搭建可迭代的交易系统]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164748086</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164748086</guid><author>Haoyunyi</author><pubDate>Wed, 09 Sep 2026 17:14:18 +0800</pubDate><description><![CDATA[在 B 站看完期魔方策略编写合集 16 节短视频课程之后，我接触到模块化策略搭建思想，彻底改变了我编写策略的方式，从照猫画虎复制代码，变成可以独立设计、迭代自己的交易系统。掌握模块化思想之后，写策略就像玩乐高积木，平台已经准备好数据、下单、风控这些标准化积木块，我只需要聚焦自己的交易逻辑，把积木组装起来。期魔方的整套策略架构，把一套完整的自动化策略拆分为五个独立模块：数据获取模块、信号生成模块、交易执行模块、风控模块、外置参数模块，各个模块之间依靠标准接口通信，模块之间相互解耦。]]></description><category></category></item><item><title><![CDATA[交易的“另一条路“——什么是量化交易？]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164623496</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164623496</guid><author>Haoyunyi</author><pubDate>Tue, 08 Sep 2026 16:41:45 +0800</pubDate><description><![CDATA[根据螺纹钢主力合约的历史数据回测，类似的均线突破策略在2016年至2023年的回测周期内，胜率约为38%-42%，但盈亏比可达2.5-3.0——也就是说，虽然大部分时候是亏小钱，但一旦捕捉到趋势，盈利会非常可观。他会将"感觉要涨"这个想法，转化为一条清晰的规则：“当螺纹钢（RB）主力合约的收盘价连续3个交易日站上20日均线，并且当天的成交量放大至过去5日平均成交量的1.5倍以上时，在下一根K线开盘时开多仓。：同样的规则，无论谁来执行，无论在哪台电脑上运行，只要输入相同的数据，就应该得到完全相同的交易信号。]]></description><category></category></item><item><title><![CDATA[期魔方的破局：打通指标与策略， 终结量化交易者的“双线割裂“困境]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164463815</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164463815</guid><author>Haoyunyi</author><pubDate>Mon, 07 Sep 2026 16:36:23 +0800</pubDate><description><![CDATA[轻量化编写、极速渲染、实时盘面展示，零成本实现趋势判断、高低点预警、突破信号、震荡过滤等基础交易逻辑，完美适配短线盯盘、人工辅助交易、快速复盘的日常需求，守住普通交易者的使用舒适区。强大的跨周期、跨品种、跨市场数据调用能力，搭配深度可视化界面，让复杂量化算法不再是"黑盒代码"，而是直观可见、可复盘、可优化的盘面信号，彻底解决Python策略可视化难的行业痛点。在期魔方平台，无论是麦语言编写的简易信号指标，还是Python开发的高阶算法指标，所有指标逻辑均可直接复用为自动化交易的开平仓条件。]]></description><category></category></item><item><title><![CDATA[与人性对弈，期魔方是你最忠实的执剑人]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164372509</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164372509</guid><author>Haoyunyi</author><pubDate>Fri, 04 Sep 2026 17:31:08 +0800</pubDate><description><![CDATA[对于不想做全自动交易的主观交易者，它的智能盯盘系统就像不知疲倦的“哨兵”，支持电脑弹窗、微信、邮件多终端预警，你可以设置“当螺纹钢15分钟级别突破布林带上轨时提醒我”，哪怕你在吃饭、开车，也不会错过任何交易信号，既保留了主观交易的灵活性，又避免了人工盯盘的精力消耗。它不会骗你，只会帮你提前发现策略的所有漏洞，让你在实盘前就把所有风险都排雷完毕。期魔方不是帮你赚钱的神器，而是帮你把交易纪律固化为代码的执剑人，它替你执行止损，替你过滤情绪，替你在每一个你犹豫的瞬间做出最理性的决策。它更懂你对策略安全的焦虑。]]></description><category></category></item><item><title><![CDATA[期魔方量化回测——在时间的长河中淘洗真金 穿越迷雾的时光机器]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164300349</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164300349</guid><author>Haoyunyi</author><pubDate>Wed, 02 Sep 2026 17:03:51 +0800</pubDate><description><![CDATA[它以每根K线的收盘价作为信号触发和成交判断的唯一依据，如同站在一座高山上俯瞰整个战场——你看到的是大势的轮廓，是趋势的方向，但你看不到战场上的每一个细节。更为难得的是，期魔方的数据维度远不止于传统的开高低收与成交量。正因如此，期魔方在回测模块中提供了收盘价、模拟Tick、真实Tick三种模式的对比设计——当你发现同一套策略在收盘价回测中收益丰厚，但在真实Tick回测中却大幅缩水时，这本身就是一个极其重要的信号：它告诉你，你的策略可能过度依赖那些在现实中难以捕捉的"理想成交价"，需要重新审视入场与出场逻辑。]]></description><category></category></item><item><title><![CDATA[ATR——丈量风暴的无形之尺]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164262964</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164262964</guid><author>Haoyunyi</author><pubDate>Tue, 01 Sep 2026 16:55:36 +0800</pubDate><description><![CDATA[ATR恰好提供了这个"自适应"的标尺——以2倍ATR作为止损距离，便能让止损宽度随市场波动自动调整，既不会被正常波动误杀，也不会在真正的风暴中束手无策。波动率是市场的"体温"，是价格的"心跳"。这种"波动率归一化"的仓位管理方法，让交易者在不同品种之间实现了真正的风险均衡。平台的跨品种数据调用能力，让交易者可以在同一张图表上叠加多个品种的ATR曲线，直观比较不同品种的波动率差异。它将波动的"瞬时值"平滑为"趋势值"，让交易者能够清晰地感知波动率的变化方向：ATR上升，意味着市场的波动正在加剧；]]></description><category></category></item><item><title><![CDATA[从一个交易想法到实盘信号：期魔方的全链路闭环方法论]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164149864</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164149864</guid><author>Haoyunyi</author><pubDate>Fri, 28 Aug 2026 17:15:27 +0800</pubDate><description><![CDATA[据其截至2026年8月公开披露的信息，期魔方内置15年以上全品种历史行情数据，覆盖国内期货交易所全部上市品种的全周期K线（1分钟、3分钟、5分钟、15分钟、30分钟、1小时、日线、周线，以及5s/10s/15s/30s秒级周期），同时提供库存、仓单、现货价格、基差、外盘报价、宏观经济指标等六维衍生数据。回测系统支持收盘价回测、模拟tick回测、真实tick回测三种精度模式，输出逐笔交易明细、分年度绩效分析、参数敏感性分析等多维度报告，支持套利回测、CTA组合回测、截面策略回测等多种回测类型。]]></description><category></category></item><item><title><![CDATA[一行代码解决获取品种的现货和基差数据的烦恼]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164120701</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164120701</guid><author>Haoyunyi</author><pubDate>Thu, 27 Aug 2026 16:39:10 +0800</pubDate><description><![CDATA[在期货交易中，K线告诉你价格在哪里，技术指标告诉你趋势是什么方向，但有一个数据维度能告诉你更本质的东西——期货价格偏离现货价格的程度，以及这种偏离背后的供需逻辑。这就是现货价格和基差数据的核心价值。什么是基差？为什么它如此重要？**基差 = 现货价格 - 期货价格。**这个看似简单的减法，背后蕴含着极其丰富的市场信息：基差为正（现货升水/期货贴水）：说明当前现货比期货贵，市场呈现"供不应求"的格局，持有现货的人愿意为即时交割支付溢价。这种情况常见于库存偏低、现货紧张的品种。]]></description><category></category></item><item><title><![CDATA[AI技术赋能量化：从幻方的行业级壁垒到期魔方的普惠化落地]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164089535</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164089535</guid><author>Haoyunyi</author><pubDate>Wed, 26 Aug 2026 16:58:36 +0800</pubDate><description><![CDATA[二是海量数据积累，拥有超10PB的市场行情、交易行为、舆情数据，为模型训练提供了充足的燃料；三是技术与业务的正向闭环，2025年幻方量化实现56.55%的平均收益率，在百亿级量化私募业绩榜中位列第二，近三年收益均值85.15%，近五年收益均值114.35%，管理规模长期稳定在700亿元以上，丰厚的业绩收益持续反哺其孵化的通用人工智能公司DeepSeek的研发投入，而DeepSeek的模型能力又反过来优化幻方的量化策略，形成了“金融盈利反哺AI研发，AI技术升级量化收益”的飞轮效应。]]></description><category></category></item><item><title><![CDATA[期魔方机器学习模块的工程化落地：零门槛构建期货智能交易策略]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164056786</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164056786</guid><author>Haoyunyi</author><pubDate>Tue, 25 Aug 2026 15:36:28 +0800</pubDate><description><![CDATA[针对机器学习策略容易出现的过拟合问题，期魔方独创了策略逻辑-机器学习模型双向验证机制：模型训练完成后，系统会自动在样本外数据上进行验证，同时提供特征重要性分析、过拟合预警等辅助工具，帮助用户识别无效特征与过拟合风险。，覆盖了分类、回归、聚类等绝大多数量化场景的需求。用户无需编写复杂的模型训练代码，通过可视化的参数配置界面即可完成特征选择、模型训练、效果评估的全流程操作，同时平台内置了6个金融特征工程模板，包含动量因子、波动率因子、期限结构因子等常用量化特征，用户可直接调用或在此基础上扩展，避免重复造轮子。]]></description><category></category></item><item><title><![CDATA[机构量化系统几大痛点，期魔方这样破局]]></title><link>https://blog.csdn.net/Haoyunyi/article/details/164027391</link><guid>https://blog.csdn.net/Haoyunyi/article/details/164027391</guid><author>Haoyunyi</author><pubDate>Mon, 24 Aug 2026 16:54:49 +0800</pubDate><description><![CDATA[给私募和期货公司做量化系统选型咨询3年了，接触了大大小小20多家机构，发现一个共性问题：大部分机构的量化系统都是"拼凑"出来的——策略用一套系统、风控用一套、多账户管理用一套、CRM又是另一套，系统之间的数据不通、运维成本高、策略安全没保障。管理多个产品账户的私募，每天需要花大量时间在账户管理上：统计各账户的盈亏、持仓、风控状态，执行跟单操作，处理风控预警。不同机构的风控要求差异很大：有的要求单品种持仓不超过总资金的20%，有的要求日内最大亏损不超过1%，有的要求波动率超过阈值时自动降仓位。]]></description><category></category></item></channel></rss>