- 博客(14)
- 收藏
- 关注
RSS订阅原创 美股实时行情到手，技术指标怎么算才准？数据源对比、滑动窗口、乱序处理与Flink实战
本文探讨了美股量化交易中实时指标计算的关键技术细节与常见误区。主要内容包括： 主流美股数据源对比（Polygon、Alpaca等），分析延迟、精度和成交量差异对指标的影响 移动平均线计算的两种窗口类型：滚动窗口滞后性高，滑动窗口更适合实时更新 事件时间与处理时间的区别，强调必须使用事件时间并设置水印处理乱序数据 状态管理优化方案，推荐增量聚合和RocksDB状态后端以降低内存消耗 拆股复权问题的解决方案，避免价格跳变导致指标失真 文章通过生活化比喻和Flink代码示例，帮助读者理解实时指标计算的核心原理与实
2026-04-04 13:15:24
230
原创 Yahoo Finance、akshare、Polygon 数据太乱怎么办？美股行情清洗实战：字段映射、时间对齐、复权处理
无论接入哪个数据源，最终都要转换成内部统一的格式。字段名类型说明单位/格式symbolstring统一 ticker（如AAPL.US带市场后缀timestampintUnix 毫秒时间戳UTCopenfloat开盘价美元/股highfloat最高价美元/股lowfloat最低价美元/股closefloat收盘价美元/股volumeint成交量股把源数据映射到这个模型。各数据源的原始数据结构与常见“坑”字段映射、时间对齐（含交易日历）、复权处理、缺失值填充的具体代码。
2026-04-03 11:27:19
224
原创 实时行情系统的第一道槛：如何应对数据源的“限流”与“断流”
应对数据源的限流与断流，本质上是在不确定性中构建确定性。限流适配：解析响应头，动态调整请求频率，令牌桶算法应对突发。自适应调度：批量大小动态调整，优先级队列保证实时数据优先。断流恢复：指数退避重试，多源冗余自动切换。在实际项目中，数据源的选择也至关重要。如果希望简化客户端复杂度，可以考虑像 TickDB 这样提供统一 WebSocket 推送、套餐模式清晰的数据源，让开发者更专注于业务逻辑。
2026-04-01 10:20:19
356
原创 为什么你的投资组合需要全球视野？三大数据源对比，帮你轻松配置全球资产
全球资产配置的数据工具对比与实战指南 本文对比了三种主流全球资产数据工具：Investing.com适合查看行情但缺乏API支持；TradingView擅长技术分析但功能受限；TickDB专为开发者设计，覆盖2.77万种资产，提供实时API接口。文章通过Python示例演示了如何用TickDB同时获取美股、港股和黄金的实时数据，并介绍了其AI功能如何简化查询流程。TickDB的REST/WebSocket接口特别适合构建全球资产配置模型，实现动态监控和策略回测，帮助投资者避免单一市场风险。
2026-03-30 15:23:47
401
原创 量化团队：从自研爬虫到统一引擎，我们如何打破数据源的“不可能三角”？
去年 8 月，我们团队上线了一套跨市场套利策略——做多 A 股宁德时代，同时做空美股特斯拉，捕捉新能源板块的估值收敛。回测年化 37%，夏普 2.1，所有人都觉得稳了。很多 API 文档只给一个最小示例，但 TickDB 的文档直接给出了带心跳保活、断线重连、指数退避的完整实现。更致命的是，那天宁德时代先启动，策略基于“领先”信号加仓，而美股特斯拉的报价还在路上。等特斯拉的下跌信号传来，仓位已经过重，滑点吞噬了全部利润。对于追求长期稳定性的量化团队，在传统方案中，一个跨市场策略的接入层通常是这样的：。
2026-03-26 11:09:41
324
原创 揭秘低延迟：WebSocket 实时行情如何拯救你的量化策略？——Python 生产级实现
从 HTTP 轮询升级到 WebSocket，不只是换个库那么简单。它代表着你对实时性的重视，对系统健壮性的追求，以及对生产级代码的尊重。
2026-03-23 12:55:21
411
原创 心跳设60秒就断？数据4分钟断层？WebSocket实时行情API接入的6个致命陷阱（附真实灾难数据）
实盘策略的成败，往往不取决于策略有多聪明，而取决于基建有多稳固。WebSocket作为行情接入的生命线，必须从设计之初就考虑“为失败而设计”，把心跳、重连、队列、内存管理作为一等公民。如果你想亲自验证TickDB的WebSocket稳定性，访问官网注册即可获取API Key：https://tickdb.ai（复制链接到浏览器打开）。
2026-03-18 20:35:27
419
原创 文科生小白入门AI量化：每天2小时，3个月跑通人生第一个LSTM模型
《AI量化学习手记》系列首篇文章记录了作者从零开始学习AI量化的真实经历。文章以文科生的视角，分享了3个月入门过程中的关键方法和工具： 学习策略：采用"干中学"模式，通过具体项目（LSTM预测股价）驱动学习，避免"收藏家"陷阱 工具组合： 定制AI导师（DeepSeek）提供学习路径指导 NotebookLM构建个人知识库，快速掌握核心概念 Notion AI系统化整理数学、编程、金融等跨学科知识点 实战经验：详细对比了国内主流数据源（Tushare/AKShare等
2026-03-17 22:15:19
400
原创 宏观数据从哪来？一篇文章理清主流经济数据库与API
FRED做历史回测CEIC避免未来函数TickDB捕捉数据发布瞬间的市场反应另类数据留给机构卷当所有人盯着同一个GDP数字时，你能从它的构成、修订、预期差中看到什么？你能在多快的时间内捕捉到市场的第一反应？那才是宏观交易的“锚”之外，真正的风浪。核心观点速览BEA数据会变脸，交易要用预期差。BLS非农发布日网站必崩，提前准备备用方案。国际组织数据越来越透明（COFER 100%覆盖），但API复杂。CEIC/Haver是回测不踩坑的唯一选择，但贵。
2026-03-12 11:13:00
269
原创 两会行情量化研究：从历史规律到实战回测，看这一篇就够了
两会行情并非简单的日历效应，而是政策预期、资金博弈、宏观环境共同作用的结果。量化研究者需要警惕幸存者偏差、预期差错位、数据断层等陷阱，使用历史成分快照、高频数据、多因子模型等方法提升回测可靠性。数据是研究的基石，Wind、Tushare、TickDB等工具各有优势，选择适合自身需求的即可。本文提供的所有统计方法和代码示例，均可在TickDB的30天免费试用期内完整复现。如果你对实时数据流或历史高频数据感兴趣，欢迎访问官网申请体验。注：文中提及的数据接口和代码示例仅为技术演示，不构成投资建议。
2026-03-02 20:29:22
782
原创 2月23日13万人爆仓那天，我们的数据系统扛住了——Crypto Quant 2026参赛手记
摘要（148字）： 比特币2月23日暴跌至65000美元引发市场震荡，凸显量化交易中数据系统的重要性。本文对比三种主流加密数据服务（Kaiko、CoinAPI、TickDB），指出TickDB在低延迟、统一接口和成本效益上的优势。通过实战案例说明，直连交易所面临多平台兼容、历史数据获取等痛点，而聚合层服务能显著降低开发维护成本。文章强调，在机构化、AI驱动的加密市场中，标准化数据流正成为量化策略的基础设施，TickDB的协议归一化设计尤其适合多交易所监控和实时套利场景。
2026-02-26 11:44:08
632
原创 马年开工，AI先行：用TickDB实时行情API捕捉A股AI板块分化行情（附Python源码）
摘要 2026年马年首个交易日A股AI板块呈现明显分化行情，润泽科技涨停20%而掌阅科技跌停。本文介绍如何利用TickDB统一行情API构建实时监控系统，涵盖数据分层设计、WebSocket心跳保活、限频处理等核心技巧。TickDB的优势在于统一接口覆盖多市场、标准化符号映射及国内优化接入。文章提供完整的Python实现代码，包括混合资产订阅、指数退避重试机制及生产级WebSocket实现，并给出常见错误规避建议。通过这套系统，开发者可快速捕捉板块分化中的交易机会。
2026-02-24 13:08:46
1229
原创 2026 美股行情 API 选型指南：Polygon、Alpha Vantage 与 TickDB 深度横评
本文对比了2026年三款主流美股数据API的特点。Polygon.io是机构级黄金标准，提供低延迟数据但价格较高；AlphaVantage适合入门者，内置技术指标但实盘能力弱；TickDB作为新兴选择，以高性价比、全球市场覆盖和开发者友好设计脱颖而出，特别适合独立开发者和跨市场套利团队。文章还提供了TickDB的Python接入示例，展示了其简洁的API设计。根据使用场景给出了推荐：机构高频选Polygon，研究教学选AlphaVantage，独立开发/跨市场实盘推荐TickDB。
2026-01-30 11:39:17
785
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人