<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[standingflower的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/standingflower</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; standingflower]]></copyright><item><title><![CDATA[散户如何实现自动化交易下单——篇1：体系介绍与获取同花顺资金账户和持仓信息]]></title><link>https://blog.csdn.net/standingflower/article/details/145949006</link><guid>https://blog.csdn.net/standingflower/article/details/145949006</guid><author>standingflower</author><pubDate>Sat, 01 Mar 2025 15:54:31 +0800</pubDate><description><![CDATA[一、为什么要实现自动化交易在瞬息万变的金融市场中，越来越多的散户投资者开始尝试构建自己的交易策略：有人通过技术指标捕捉趋势突破，有人利用基本面分析挖掘低估标的，还有人设计出复杂的网格交易或均值回归模型。然而，一个残酷的现实是——。也许你会说我可以手动下单进行交易，作者本人亲自实验表明手动交易会有很多意想不到的情况出现。许多短线策略需要全天候盯盘（如分时均线突破、盘口挂单监测），但散户难以像职业交易员一样保持高强度专注。]]></description><category></category></item><item><title><![CDATA[【量化】基于遗传规划的因子自动挖掘系统]]></title><link>https://blog.csdn.net/standingflower/article/details/138198273</link><guid>https://blog.csdn.net/standingflower/article/details/138198273</guid><author>standingflower</author><pubDate>Thu, 25 Apr 2024 21:04:10 +0800</pubDate><description><![CDATA[最后：策略达到了23.6%的年化收益，夏普比率达到5.87，最大回撤为-4.3%，平局年换手率为27.45 倍，平均持股数量为543 支。]]></description><category></category></item><item><title><![CDATA[【量化】一文整理所有日历效应，持股还是不持股过节清楚明了]]></title><link>https://blog.csdn.net/standingflower/article/details/135444534</link><guid>https://blog.csdn.net/standingflower/article/details/135444534</guid><author>standingflower</author><pubDate>Sun, 07 Jan 2024 21:09:20 +0800</pubDate><description><![CDATA[日历效应（Calendar Effect）是指在特定的日期或时间段内，金融市场或经济活动中出现的统计上的规律或周期性现象。这些规律可能与特定日期、星期几、月份或季节等时间因素有关。根据众多研究者多年的研究总结，我们可以将日历效应划分为区间日历效应和时点日历效应两种。

在这篇报告中我们将梳理关注度较高的日历效应，并总结每一个日历效应的重要属性，随后进行风格、行业和个股的日历效应梳理，接着基于日历效应建立了策略回测。

此外本文还将对传统的因子选股模型进行日历效应风格轮动的改进，结果显示能够显著提高原选股策略]]></description><category></category></item><item><title><![CDATA[【量化】一个简版单档tick数据回测框架]]></title><link>https://blog.csdn.net/standingflower/article/details/134545885</link><guid>https://blog.csdn.net/standingflower/article/details/134545885</guid><author>standingflower</author><pubDate>Wed, 22 Nov 2023 10:01:57 +0800</pubDate><description><![CDATA[这是一个简易的模拟实际交易流程的回测框架，所使用的行情数据是单档的tick成交数据。为了实现调用者可以实现自己的交易逻辑，本框架预留了几个函数予以调用者能够继承类后在子类中重写以实现买入卖出信号的生成（check_sell()和check_buy()）。]]></description><category></category></item><item><title><![CDATA[【excel】万字长文，一些实用excel技巧，金融财务行业巨实用（最后有干货，配合chatgpt让你成为excel大佬）]]></title><link>https://blog.csdn.net/standingflower/article/details/132713187</link><guid>https://blog.csdn.net/standingflower/article/details/132713187</guid><author>standingflower</author><pubDate>Sun, 10 Sep 2023 20:09:43 +0800</pubDate><description><![CDATA[本文主要记录一些在工作中经常能用到的excel技巧，能够帮助我们提高工作效率。在文章的最后还会通过几个实战例子来加深大家的理解。建议把本文作为备查文，不需要在阅读本文的当下就将这些技巧掌握，只需了解，哪些东西通过excel是能够做到的，再实际工作中遇到问题的时候再来查阅。

【不要被vba吓到，配合chatgpt，每一个没有学过代码的人都能够搞定80%的vba编写宏的需求！】]]></description><category></category></item><item><title><![CDATA[【金融】券商研究所策略组的市场行情判断和行业配置有效吗——基于几组回测的结果证明（大大地有效！！）]]></title><link>https://blog.csdn.net/standingflower/article/details/130002273</link><guid>https://blog.csdn.net/standingflower/article/details/130002273</guid><author>standingflower</author><pubDate>Fri, 07 Apr 2023 00:20:08 +0800</pubDate><description><![CDATA[证券公司策略组在中国证券市场的发展历程中扮演了重要角色，不仅推动了市场的发展，也为投资者提供了重要的投资决策参考。然而，其研究报告和行业配置建议是否真的有效，还需要进一步探究和评估。在这篇文章中，我们将探讨证券研究所策略组的判断和行业配置的有效性，以及如何应对他们的意见和建议。通过构建相应的回测，我们发现，综合全市场券商研究所策略组的市场行情判断和行业配置建议确实对投资有极大的正向帮助。各位投资者完全可以将这一方面的信息作为投资时的重要参考。]]></description><category></category></item><item><title><![CDATA[【金融】新成立基金建仓时点、行业分布与市场行情关系探究]]></title><link>https://blog.csdn.net/standingflower/article/details/128705543</link><guid>https://blog.csdn.net/standingflower/article/details/128705543</guid><author>standingflower</author><pubDate>Mon, 16 Jan 2023 16:19:47 +0800</pubDate><description><![CDATA[基于新成立基金建仓带入市场的巨量资金会推动市场行情这一逻辑，开展了一系列研究。首先提出了通过基金净值识别建仓行为（累计绝对值涨跌幅法）和通过基金β值识别建仓行为（β法）的两种方法。在通过回顾历史数据并建立固定效应模型验证了新成立基金的建仓行为确实对市场行情有推动作用。在新发基金建仓行业中建仓规模较大的行业出现上涨行情的可能性更大，同时，如果在基金规模扩张的时期，若该行业新基金建仓规模环比增长较大，即使其整体规模较小，也更有可能出现上涨行情。最后建立了基金经理的画像库，通过历史数据外推和本文提出的建仓行为识别]]></description><category></category></item><item><title><![CDATA[【数据结构】C++二叉树的实现（二叉链表），包括初始化，前序、中序、后序、层次遍历，计算节点数、叶子数、高度、宽度，二叉树的复制和销毁]]></title><link>https://blog.csdn.net/standingflower/article/details/128126394</link><guid>https://blog.csdn.net/standingflower/article/details/128126394</guid><author>standingflower</author><pubDate>Thu, 01 Dec 2022 09:37:10 +0800</pubDate><description><![CDATA[二叉树的实现（二叉链表），包括初始化，前序、中序、后续、层次遍历，计算节点数、叶子数、高度、宽度，二叉树的复制和销毁。]]></description><category></category></item><item><title><![CDATA[【数据结构】c++栈的应用：波兰式、逆波兰式和中缀表达式计算器]]></title><link>https://blog.csdn.net/standingflower/article/details/127923498</link><guid>https://blog.csdn.net/standingflower/article/details/127923498</guid><author>standingflower</author><pubDate>Fri, 18 Nov 2022 15:31:47 +0800</pubDate><description><![CDATA[c++栈的应用：波兰式、逆波兰式和中缀表达式计算器]]></description><category></category></item><item><title><![CDATA[【金融】经济崛起之中的东南亚]]></title><link>https://blog.csdn.net/standingflower/article/details/127920453</link><guid>https://blog.csdn.net/standingflower/article/details/127920453</guid><author>standingflower</author><pubDate>Fri, 18 Nov 2022 15:10:03 +0800</pubDate><description><![CDATA[由于全球范围内的重大危机事件，经济贸易摩擦加剧，地区局势动荡不安，全世界主要经济体的经济发展都受到了极大的冲击，但东南亚地区却在这一全球衰退的背景之下给出了即为亮眼的经济表现。东盟国家近年来保持着较高的经济增速，已成为世界第五大经济体。东盟各国金融市场发展水平差异较大，新加坡、马来西亚、印度尼西亚市场相对发达，越南、柬埔寨、老挝、泰国和菲律宾等国市场则较为滞后，但特别是越南作为后起之秀，承接了大量的世界其他国家转移的订单转移，让该国颇有曾经中国改革开放红利之期的势头。]]></description><category></category></item><item><title><![CDATA[【数据结构】线性表的应用：稀疏一元多项式运算器]]></title><link>https://blog.csdn.net/standingflower/article/details/127596094</link><guid>https://blog.csdn.net/standingflower/article/details/127596094</guid><author>standingflower</author><pubDate>Sun, 30 Oct 2022 10:32:20 +0800</pubDate><description><![CDATA[使用所学线性表知识构建一元多项式数据结构，并且实现创建、显示、求和、微分和不定积分等功能]]></description><category></category></item><item><title><![CDATA[【数据结构】C++将一个书写正确的表达式转换为逆波兰式]]></title><link>https://blog.csdn.net/standingflower/article/details/127581291</link><guid>https://blog.csdn.net/standingflower/article/details/127581291</guid><author>standingflower</author><pubDate>Fri, 28 Oct 2022 23:44:17 +0800</pubDate><description><![CDATA[设表达式由单字母变量、双目运算符和圆括号组成（如:“(a*(b+c)-d)/e）”。试写一个算法，将一个书写正确的表达式转换为逆波兰式。]]></description><category></category></item><item><title><![CDATA[【数据结构】c++实现顺序表的就地逆置，即在原表的存储空间将线性表（a1,a2, ..., an-1,an）逆置为(an,an-1, ..., a2,a1)。]]></title><link>https://blog.csdn.net/standingflower/article/details/127581170</link><guid>https://blog.csdn.net/standingflower/article/details/127581170</guid><author>standingflower</author><pubDate>Fri, 28 Oct 2022 23:36:49 +0800</pubDate><description><![CDATA[c++实现顺序表的就地逆置，即在原表的存储空间将线性表（a1,a2, ..., an-1,an）逆置为(an,an-1, ..., a2,a1)。。]]></description><category></category></item><item><title><![CDATA[【数据结构】C++已知顺序表La中数据元素按非递减有序排列。试写一个算法，将元素x插到La的合适位置上，保持该表的有序性]]></title><link>https://blog.csdn.net/standingflower/article/details/127581067</link><guid>https://blog.csdn.net/standingflower/article/details/127581067</guid><author>standingflower</author><pubDate>Fri, 28 Oct 2022 23:19:01 +0800</pubDate><description><![CDATA[【数据结构】C++已知顺序表La中数据元素按非递减有序排列。试写一个算法，将元素x插到La的合适位置上，保持该表的有序性。]]></description><category></category></item><item><title><![CDATA[【金融】中国vix、skew指数的Python实现]]></title><link>https://blog.csdn.net/standingflower/article/details/126991257</link><guid>https://blog.csdn.net/standingflower/article/details/126991257</guid><author>standingflower</author><pubDate>Mon, 26 Sep 2022 15:36:40 +0800</pubDate><description><![CDATA[本文介绍了vix和skew指数，并实现了CVIX.py用于计算中国的上述指数，给出了CVIX的相应文档。但代码和数据就不提供咯~想要进一步交流的小伙伴欢迎私信~]]></description><category></category></item><item><title><![CDATA[【爬虫】Python使用动态IP，多线程，爬取uncomtrade的数据]]></title><link>https://blog.csdn.net/standingflower/article/details/126843518</link><guid>https://blog.csdn.net/standingflower/article/details/126843518</guid><author>standingflower</author><pubDate>Tue, 13 Sep 2022 23:49:38 +0800</pubDate><description><![CDATA[uncomtrade官方提供了一种以网页协议获取数据的API方式，但使用上存在许多问题，本文将针对问题实现以下几个部分的内容：①对API进行封装，使之更符合常见的Python中数据获取的API形式；②使用PPTP方式（动态ip代理服务器），改变请求ip，以打破uncomtrade对单个ip取数据的限制；③使用多线程的方法，对多个国家进行数据的同时提取，加快数据提取效率。]]></description><category></category></item><item><title><![CDATA[【懒羊羊选导师】爬虫+图像拼接]]></title><link>https://blog.csdn.net/standingflower/article/details/126736071</link><guid>https://blog.csdn.net/standingflower/article/details/126736071</guid><author>standingflower</author><pubDate>Tue, 06 Sep 2022 23:22:39 +0800</pubDate><description><![CDATA[本来今晚应该多看看导师们的论文，研究方向的，但是在官网看的时候发现科大真的给我们提供了很多老师！选都选不过来而且那个界面一次只能看一个老师的照片，为了能一眼将老师们帅气美丽的照片尽收眼底，顺势写了个代码。]]></description><category></category></item><item><title><![CDATA[【金融】市场小市值倾向研究--小市值风格倾向指数构造]]></title><link>https://blog.csdn.net/standingflower/article/details/126685894</link><guid>https://blog.csdn.net/standingflower/article/details/126685894</guid><author>standingflower</author><pubDate>Sun, 04 Sep 2022 12:50:19 +0800</pubDate><description><![CDATA[​
除了市场广泛的牛市和熊市之外，A股的股市在较多的时间段都是结构性行情（其实熊牛市中也有结构性区别），而大盘股和小盘股的风格切换一直是众多投资者十分关心的问题。能把握好这一风格的切换能够在市场中取得十分可观的收益（小盘股策略回测实例）。本文将从趋势把握的角度构造小市值风格倾向指数，小市值风格倾向指数是用于识别市场整体是否倾向于配置小市值股票的指数，使用这一指数能够帮助我们把握小盘股的趋势行情。

​]]></description><category></category></item><item><title><![CDATA[【金融】探究财务报告业绩增速与股价变动之间的关系--研报复现及深入探究]]></title><link>https://blog.csdn.net/standingflower/article/details/126681026</link><guid>https://blog.csdn.net/standingflower/article/details/126681026</guid><author>standingflower</author><pubDate>Sat, 03 Sep 2022 22:19:35 +0800</pubDate><description><![CDATA[上市企业在发布当季度的财务报告时并不会在当季度最后一天就发布而是在下一季度中陆续发布，例如2022年的半年报并不会在2022年6月30日发布，而是在7月1日到8月底陆续发布完毕。在财务报告陆续发布的过程中市场会对有不同增速的企业有不同的反应，根据天风证券研报显示，市场偏好的类型会按照这一顺序依次排列：【加速增长】≈【持续高增长】≈【减速增长-低降幅】>【困境反转】>【减速增长-高降幅】>【低速稳定】。本文将沿用这一研报思路使用季度数据、不同行业数据进行深入分析。]]></description><category></category></item><item><title><![CDATA[【金融】如何使用余弦相似度来判断当前宏观环境与历史上哪段时间相似]]></title><link>https://blog.csdn.net/standingflower/article/details/125669260</link><guid>https://blog.csdn.net/standingflower/article/details/125669260</guid><author>standingflower</author><pubDate>Fri, 08 Jul 2022 00:15:12 +0800</pubDate><description><![CDATA[宏观环境的相似会导致人们的许多经济活动出现相似的行为，例如股票市场的表现很大程度上受到货币水平、经济景气程度等宏观因素的影响。如若我们能够判断到目前的宏观经济环境与历史上的某一段时间相似，那我们就能够使用历史经验来判断我们所关心的事物的发展，例如股票指数的走势。...]]></description><category></category></item></channel></rss>