- 博客(112)
- 资源 (7)
- 收藏
- 关注
原创 大量化平台也有坑?khQuant回测横评第二弹,一次“排雷”实录【AI量化第28篇】
这次 KhQuant 与聚宽的对比测试,虽然中间出了点小插曲,但最终结果令人满意,也很有启发。此次遇到的问题再次提醒我们,不能迷信任何平台,尤其是涉及到钱的时候。写策略的时候一定要多留个心眼,对关键的函数最好做点测试验证,发现不对劲的地方要知道怎么在自己的代码里去修正,这样才能保证回测结果靠谱。而 KhQuant 这次能和修正后的聚宽结果对得这么严丝合缝,也说明了我当初设计它的一些想法是对路的。比如,在框架底层就内置了精确的成本计算和下单量控制逻辑,这样用户写策略时就不用太操心这些细节。
2025-04-25 22:57:12
853
原创 【AI量化第26篇】以配置为核心的工程化研究管理——基于miniQMT的量化交易回测系统开发实记
量化交易研究,尤其在策略回测阶段,通常涉及大量的代码编写和反复实验。许多研究者初期采用零散脚本验证想法,虽然看似快捷,但随着策略复杂度和研究深入,很快会遇到瓶颈:代码结构混乱、难以维护、重复工作多、实验结果难以精确复现。
2025-04-20 10:09:11
921
原创 【AI量化第24篇】KhQuant 策略框架深度解析:让策略开发回归本质——基于miniQMT的量化交易回测系统开发实记
日志系统是任何复杂软件不可或缺的组成部分,它记录着软件运行过程中的关键信息、用户交互、潜在问题以及发生的错误。尤其在量化交易这样对稳定性、精确性和可追溯性有着严苛要求的领域,一个设计精良的日志系统更是至关重要。看海量化交易系统(KhQuant)构建了一套全面且用户友好的日志体系,旨在帮助用户实时监控策略动态、高效诊断系统问题,并为优化交易流程提供数据支持。
2025-04-17 23:37:54
654
原创 【AI量化第24篇】KhQuant 策略框架深度解析:让策略开发回归本质——基于miniQMT的量化交易回测系统开发实记
本篇要讲到量化的核心了——策略。说白了每个投资者在股市中都是有一套自己的经验模式的,策略代码是把这些经验的固化,在排除掉人的情感的程序系统中运行。对于AI炒股,策略是实现人类思想与机器精密执行的桥梁,这就需要一个既符合用户使用直觉,又能精确衔接量化交易系统的标准化框架。
2025-04-15 22:27:29
822
原创 【AI量化第23篇】数据下载/补充模块升级,并与回测系统正式集成——基于miniQMT的量化交易回测系统开发实记
一直关注我的朋友们都知道,目前我正在开发量化回测系统,前期看海量化交易系统开源了数据获取的模块,不过大家在使用过程中也反馈了一些问题:一是数据在下载过程中,程序会进入未响应的状态,影响软件使用体验。二是数据下载过程中没办法操作停止,只能通过退出软件停止下载。三是对于“数据下载”和“数据补充”的区别不甚了解。本篇将解决上述问题。同时数据模块将会正式作为组件嵌入到量化主系统当中。
2025-04-13 12:36:58
655
原创 【AI量化第22篇】如何轻松看懂回测结果——基于miniQMT的量化交易回测系统开发实记
之前文章讲到了评价回测效果的量化指标,不过仅靠指标数字来评估策略,往往会忽略掉至关重要的细节,如同盲人摸象,只知其一不知其二。量化指标,比如年化收益率、最大回撤、夏普比率等,本质上是对策略在整个回测期间表现的高度概括和总结。它们就像给策略拍了一张“证件照”,能看到大概轮廓,但很多生动的细节、动态的过程都被“压缩”掉了。对此需要更多工具揭示这些细节的“放大镜”和“显微镜”。下图就是回测结果分析模块,当策略运行完后,这个模块会自动弹出。
2025-04-11 20:41:30
609
原创 【深度学习量化交易21】行情数据获取方式比测(2)——基于miniQMT的量化交易回测系统开发实记
之前在测试单股订阅 subscribe_quote时,仅订阅了10只股票进行测试,测试发现这种订阅方式,由于每只股票数据都要单独触发一次回调函数,该过程变得有些低效。对于少量股票订阅该效率尚可,股票数量多了后,可能会带来不能接受的低效。对于非研投版的MiniQMT,单股订阅的上线是300只,那么就需要测试一下在订阅了300只股票时,单股订阅的实际表现了。
2025-04-02 22:22:18
1095
原创 【深度学习量化交易20】量化交易策略评价指标全解析——基于miniQMT的量化交易回测系统开发实记
之前开发过程中,对于回测结果有一个初步的评估(主要是看收益率),为进一步丰富评估指标体系,又加入了本文中所提到的这些指标。为了便于大家理解和查阅,在本文中一并进行介绍。
2025-04-02 22:20:12
902
原创 【深度学习量化交易19】行情数据获取方式比测(1)——基于miniQMT的量化交易回测系统开发实记
最佳方法:订阅全推行情 subscribe_whole_quote次选方法:单股订阅subscribe_quote也就是两种方式可兼具,根据订阅的股票数量和策略场景自由选择。其实所谓“订阅全推行情”,并不是一定要把沪深的股票全部订阅,是可以指定要订阅的股票代码的。
2025-04-02 22:18:14
1190
原创 【深度学习量化交易18】盘前盘后回调机制设计与实现——基于miniQMT的量化交易回测系统开发实记
盘前时间是交易者准备当日交易计划、分析隔夜数据和市场情绪的黄金时段,而盘后则适合总结当日表现、调整策略参数并为次日交易做准备。本文将详细介绍盘前盘后回调机制的设计与实现过程,探讨如何在量化交易框架中优雅地集成这一功能,使策略开发者能够充分利用非交易时段进行策略优化和执行。
2025-03-19 21:07:34
882
原创 【深度学习量化交易16】触发机制设置——基于miniQMT的量化交易回测系统开发实记
触发模式设置了4种:tick触发、1分钟触发、5分钟触发、自定义触发时间。
2025-03-18 19:40:26
1105
原创 【深度学习量化交易16】韭菜进阶指南:A股交易成本全解析
最近很多朋友问我回测系统开发的怎样了,目前我正以最快的速度把它肝出来。今天我们来聊一个看似枯燥但实际上关乎每一分收益的重要话题——A股交易成本。这些成本就像是股市里的"隐形税收",不知不觉中侵蚀着我们的投资回报。本文将详细解析量化交易框架中的交易成本计算机制,包括佣金、印花税、过户费以及滑点等各项成本的计算方法,帮助投资者更全面地理解交易成本对策略绩效的影响。
2025-03-11 01:12:02
905
原创 【深度学习量化交易15】基于miniQMT的量化交易回测系统已基本构建完成!AI炒股的框架初步实现
我现在所做的工作,是为AI量化搭桥铺路,当前的技术路径中,实时数据获取免费、深度学习工具足够开放、并且代码完全开源,我希望能真正让大家使用较低的学习成本,就能开发属于自己的量化交易策略。
2025-02-23 23:27:12
1019
原创 【深度学习量化交易13】继续优化改造基于miniQMT的量化交易软件,增加补充数据功能,优化免费下载数据模块体验!
近期主要做了两项工作:1.我根据大家的使用反馈,将当前系统进行了完善。感谢提供反馈的朋友们,系统在大家共同的建议下将会越来越完善和易用。2.同时我为数据下载模块添加了一个重要功能——数据补充。
2025-01-05 23:57:05
1341
原创 【深度学习量化交易12】基于miniQMT的量化交易框架总体构建思路——回测、模拟、实盘通吃的系统架构
MiniQMT是一种轻量级的量化交易解决方案,使用MiniQMT可实现对交易过程的完全控制,借此优势实现最灵活的系统构建和最前沿的算法应用。然而,MiniQMT也有其挑战,它要求用户具有较强的编程能力,因为很多功能需要自己开发。在之前的工作中,我介绍了“看海量化交易系统”的开发进展,即目前已经开发完成数据下载、数据清洗和可视化的工作。(如下图演示)我开发的此系统免费向大家开放使用,获取方式在文末此外我还用五篇文章的内容详细介绍了一下miniQMT的行情接口和。
2025-01-05 23:55:32
2100
原创 【深度学习量化交易11】miniQMT快速上手教程——使用XtQuant进行实盘交易篇(一万七千字超详细版本)
XtTrade是XtQuant中专门用于交易的模块。系统设置接口:用于创建API实例、注册回调、启动交易线程等基础功能操作接口:提供下单、撤单、订阅等交易操作功能查询接口:用于查询账户资产、持仓、委托、成交等信息回调接口:用于接收交易推送信息创建API实例并注册回调启动交易线程并建立连接订阅账户信息进行交易操作(下单、撤单等)接收交易推送信息程序结束时取消订阅并断开连接。
2025-01-05 23:53:51
2990
原创 【深度学习量化交易7】miniQMT快速上手教程案例集——使用xtQuant进行历史数据下载篇
这篇文章我将着重介绍其中的历史数据获取功能,其他功能我将在后续系列文章中介绍。
2024-12-13 20:39:26
1976
原创 【深度学习量化交易6】优化改造基于miniQMT的量化交易软件,已开放下载~(已完成数据下载、数据清洗、可视化模块)
之前写到,目前我已经完成了数据下载、数据清洗和数据可视化三个模块的开发。期间一直有朋友问,毕竟通过该手段获取到的股市数据是免费的,且质量也不错。并且目前开发的清洗和可视化模块也能为数据分析预处理提供一些便利。这段时间我主要瞄向需要这个软件系统的朋友,为更加稳定和方便地使用,做了一些易用性的提升和功能完善,并且对于开通券商QMT的朋友开放此软件的使用。下边来讲一讲目前软件系统可以实现的功能,有需要的朋友在文末可以获取软件~
2024-12-13 20:25:03
1181
2
原创 【深度学习量化交易5】 量化交易历史数据可视化模块(基于miniQMT)
第一,确认一下下载的数据的总体概况,比如总共有多少只股票的数据、占用的空间等基本信息。第二,任意选取其中的某一只股票,绘制其数据文件中的各类数据的图线,也就是数据的可视化。
2024-11-21 17:15:16
887
原创 【深度学习量化交易3】为了轻松免费地下载股票历史数据,我开发完成了可视化的数据下载模块
这篇开始正式介绍我开发的量化交易系统,量化交易的第一步就是获取历史数据,用于后续的数据处理、训练以及回测。
2024-10-17 23:32:14
1838
原创 【深度学习量化交易2】财务自由第一步,三个多月的尝试,找到了最合适我的量化交易路径
一晃三个多月时间过去了,十一前后股市突然爆火,行情也像过山车一样,笔者在其中靠直觉辗转腾挪,勉强落得个不赔不赚。此事也给我打了一针鸡血,加快了量化交易研究和系统开发进度。
2024-10-15 00:47:23
1784
原创 【Python】类EMD的“信号分解方法”横向对比详解,EMD,EEMD,CEEMD,CEEMDAN,ICEEMDAN,EWT,VMD优劣对比。附一行代码实现所有分解方法,7合1的python代码!
目前网上没有iceemdan的python版本代码,本篇中将该方法予以补全。另外vmd分解使用的vmdpy工具包在分解奇数数量的信号时,其分解结果的数据长度会缩短1,对于此bug,在本文的代码中也予以修复。
2024-07-31 21:04:52
1684
原创 类EMD的“信号分解方法”横向对比详解,EMD,EEMD,CEEMD,CEEMDAN,ICEEMDAN,EWT,VMD优劣对比。附一行代码实现所有分解方法,7合1的MATLAB代码!
在之前的一系列文章中,我介绍了包括EMD,EEMD,CEEMD,CEEMDAN,ICEEMDAN,EWT,VMD在内的一系列所谓“类EMD”的分解方法。同学们在使用过程中经常会需要对比这些算法的优劣,并在论文中加以呈现;也有一些同学想直接知道结论,究竟哪个方法最好呢?这篇文章就来回答这个问题,并且给出一系列的评价方法,方便大家使用,并且同样封装了极其易用的函数。
2024-06-29 17:57:31
3746
2
原创 【深度学习量化交易1】一个金融小白尝试量化交易的设想、畅享和遐想
今天开始,我将一步步记录后续做量化交易的实现过程,既是对纷繁的思路的归纳梳理,也是为推动这项一个人的赚钱大业增加一些鞭策激励。读者朋友们如果有好的想法欢迎一起讨论~
2024-06-16 23:02:05
1925
原创 【深度学习-第6篇】使用python快速实现CNN多变量回归预测(使用pytorch框架)
这一篇我们讲CNN的多变量回归预测。是的,同样是傻瓜式的快速实现。本篇是之前MATLAB快速实现CNN多变量回归预测的姊妹篇。
2024-05-30 23:02:10
10406
10
原创 【熵与特征提取】从近似熵,到样本熵,到模糊熵,再到排列熵,包络熵,散布熵,究竟实现了什么?(第六篇)——“散布熵”及其MATLAB实现
Rostaghi 和 Azami于 2016 年提出了散布熵。该算法克服近似熵、样本熵与排列熵的部分缺陷,具有计算速度快、受突变信号影响较小等优点,在滚动轴承、齿轮箱等旋转机械特征提取及故障诊断中得到较好应用。
2024-04-24 23:02:59
2206
原创 【熵与特征提取】从近似熵,到样本熵,到模糊熵,再到排列熵,包络熵,散布熵,究竟实现了什么?(第五篇)——“包络熵”及其MATLAB实现
今天要讲的包络熵,是比较简单和直观的,不过很多论文里都有用到,尤其是在做寻优算法时,包络熵经常被用来作为适应度函数。
2024-04-24 22:59:18
2427
原创 【深度学习-第5篇】使用Python快速实现CNN分类(模式识别)任务,含一维、二维、三维数据演示案例(使用pytorch框架)
CNN也可以扩展到非图像领域使用,比如对一组一维数据,也是同样可以实现分类的。本篇文章是之前CNN分类的MATLAB实现那篇文章的姊妹篇,通过这篇文章,大家将会快速掌握使用pytorch框架进行CNN分类的编程方法,另外对于主体代码流程,我也做了傻瓜化使用的封装,方便大家使用。
2024-04-22 22:00:32
9051
2
原创 【深度学习-番外1】Win10系统搭建VSCode+Anaconda+Pytorch+CUDA深度学习环境和框架全过程
本文将介绍在Windows 10系统下搭建深度学习环境的完整过程,包括安装Anaconda、CUDA、NVIDIA显卡驱动以及Pytorch框架。后续本专栏的Python语言下的深度学习环境都以本篇搭建的为准。
2024-04-21 01:35:40
3099
3
原创 【优化算法】VMD分解算法的16种优化,对K和alpha参数寻优,附MATLAB代码
在实际的研究中,适应度函数往往要复杂得多。本篇我们就以VMD算法的优化为例,讲一讲这种较为复杂的算法的寻优该怎么做,此外我还提供了修改好的VMD寻优代码,供大家参考使用!
2024-04-02 00:22:35
7047
2
原创 【优化算法综述】一行代码实现16种优化算法,常用寻优算法合集及MATLAB快速实现,写好1个就等于写好了16个~
欢迎来到动物园!在已有的众多的优化算法里,生物的行为是研究者们最常模仿的对象,所以你就会经常看到狼啊、麻雀啊、鲸鱼啊,甚至还有小龙虾。当然这些算法的解决思路都很优秀,而对优化算法的应用和改进,也是写论文中极佳的创新点——能研究出新的优化算法固然最好;就算没有,单是将参数寻优加到你的主算法流程中,也可以算是可以说道说道的创新点之一了,在我们乏善可陈(并不)的论文中,也可以提一点亮色~然而此时同学们可能就纠结了,究竟哪一种优化算法更好呢?又该怎样实现“无痛”编程呢?
2024-03-17 21:15:02
10134
原创 【滤波专题-第9篇】类EMD分解算法联合小波阈值降噪及MATLAB代码实现(以ICEEMDAN-样本熵-小波阈值降噪方法为例)
今天这篇介绍的算法,由于其高度的灵活性、使用方法的丰富性以及不错的效果,堪称水论文神器。对于需要使用滤波算法的同学们,这篇文章不可错过~
2024-03-15 00:40:17
2514
1
原创 【滤波专题-第8篇】ICA降噪方法——类EMD联合ICA降噪及MATLAB代码实现(以VMD-ICA为例)
今天来介绍一种效果颇为不错的降噪方法。(针对高频白噪声)。在现实世界的许多情况下,噪声往往接近高斯分布,而有用的信号(如语音、图像特征等)往往表现出非高斯的特性。FastICA通过最大化输出信号的非高斯性来恢复这些有用的信号,从而有效地从噪声中分离出信号。下面将详细解释这种结合的算法流程、优势以及MATLAB代码实现。
2024-03-13 01:03:49
2172
小波阈值MATLAB代码,可以实现软阈值、硬阈值以及5种改进阈值方法,封装好的函数快速实现
2022-12-07
功率谱熵、奇异谱熵、能量熵、近似熵、样本熵、排列熵、模糊熵的特征提取MATLAB程序
2022-12-05
特征提取(时域有量纲特征、时域无量纲特征、频域指标和谱峭度相关参数)的MATLAB程序
2022-07-11
使用python从零开始写一个两层神经网络
2019-09-01
MATLAB读取TDMS文件函数
2018-07-02
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人