- 博客(30)
- 收藏
- 关注
RSS订阅原创 量化指标解码15：Adaptive MACD Deluxe - 会自己调参的智能MACD
上一篇讲了Supertrended RSI，有读者私信说："MACD用了这么多年，参数调来调去总是不对劲。趋势市觉得太慢，震荡市又太敏感，能不能让指标自己调参？这个问题问到点子上了。传统MACD最大的问题就是参数固定——12、26、9这三个数字，在所有市场状态下都一样。市场快的时候它慢半拍，市场慢的时候它又乱跳。Adaptive MACD Deluxe就是来解决这个问题的。它的核心思路很简单：用R²（R-squared，决定系数）来判断市场是趋势市还是震荡市，然后动态调整MACD的权重系数。
2026-01-30 09:27:35
756
原创 量化指标解码14：Supertrended RSI
上一篇讲了WaveTrend，有读者私信说："WaveTrend在震荡行情确实好用，但一遇到强趋势就不行了，信号老是打架。有没有指标既能判断超买超卖，又能跟住趋势的？这个问题其实很多人都遇到过。传统的RSI看超买超卖很直观，70以上做空，30以下做多。但问题来了：强趋势来的时候，RSI可能长期待在超买区，你要是死守着70做空，大趋势没吃到，反而被反复止损。换句话说，RSI告诉你"贵了"，但市场可能会"更贵"。它只关心当下的价格位置，不管趋势方向。Supertrended RSI就是专门解决这个问题的。
2026-01-30 09:21:03
584
原创 量化指标解码13：WaveTrend波浪趋势 - 震荡行情的超买超卖捕手
《WaveTrend波浪趋势指标：震荡行情中的精准交易利器》摘要 WaveTrend指标通过双重EMA平滑技术，有效消除价格噪音，在震荡行情中精准捕捉买卖信号。该指标以WT1（快线）和WT2（慢线）的交叉为核心信号，配合-60/+60超卖超买阈值及背离检测，形成三重交易逻辑：交叉信号（WT1突破WT2）、极端区域（±60区间）和价格背离。其优势在于：1）比RSI具有更流畅的平滑曲线；2）通过4周期SMA构建信号线增强稳定性；3）智能识别趋势衰竭点。实战需注意：优先交易极端区域的交叉信号，结合大周期趋势过滤假
2026-01-12 13:32:22
993
原创 量化指标解码12：聪明钱突破通道 - 用波动率解码主力资金突破通道
《聪明钱突破通道指标解析》摘要：本文详细介绍了SmartMoneyChannels指标的运作原理和应用方法。该指标通过波动率归一化、通道检测和突破识别五个步骤，自动捕捉市场整理突破时机。核心功能包括：1）识别波动率收敛形成的价格通道；2）通过量能仪表辅助判断突破有效性；3）提供AI实时解读市场状态。文章还深入讲解了参数配置技巧，建议配合成交量分析工具使用以提高判断准确性。该指标适用于趋势行情中的突破交易，但需结合其他工具过滤假突破。（149字）
2025-12-01 10:34:40
1204
原创 量化指标解码11：挤压动量 - 捕捉低波动后的爆发行情
《挤压动量指标解码：捕捉低波动突破行情》摘要 挤压动量（SqueezeMomentum）是识别市场低波动整理后突破机会的核心技术指标。它通过布林带与肯特纳通道的位置关系判断"挤压状态"（金色菱形标记），当布林带突破通道时转为"释放状态"（灰色十字标记），配合动量柱方向判断突破趋势。该指标包含四大计算步骤：布林带计算、肯特纳通道计算、挤压状态判断和动量值计算。实战中需关注：1）挤压状态仅预示可能突破；2）动量柱颜色变化比绝对值更重要；3）背离信号需结合位置判断；4）挤压
2025-11-30 00:52:24
1177
原创 量化指标解码10：斐波那契入场带 - 不追涨不踏空的4层入场系统
《斐波那契入场带：趋势交易中的回调入场系统》 本文详细解析了斐波那契入场带指标的设计原理与实战应用。该指标通过双重EMA判断趋势方向，结合波动率计算构建四层斐波那契比率带状区域（0.618、1.0、1.618、2.618倍），根据趋势仅显示单侧带状。 核心优势在于：1）趋势确认后等待回调入场，避免追高杀跌；2）多层带状提供不同安全边际的入场选择，2.618倍线最具价值；3）通过基础线斜率判断趋势，比传统均线更灵敏。 实战建议配合多周期分析（大周期定方向，小周期找点位）和成交量验证（回调缩量更可靠）。该指标特
2025-11-26 00:47:55
1175
原创 量化指标解码09：ZLEMA零延迟趋势 - 比EMA快一步的秘密
《ZLEMA零延迟趋势指标解码》深入解析了ZLEMA(零延迟指数移动平均)这一创新技术指标。文章指出，ZLEMA通过独特的延迟补偿机制，能比传统EMA更快捕捉趋势变化。其核心算法包含三步：计算延迟值、补偿延迟、计算EMA，并创新性地引入基于ATR最高值的波动带设计。作者分享了ZLEMA的多种实战用法，包括基础趋势跟踪、趋势反转信号识别，以及推荐与SuperTrend组合使用。文中详细讲解了参数配置建议，并展示了精心设计的可视化方案。该指标特别适合在趋势初期快速捕捉信号，但需注意在震荡市中可能产生假信号。
2025-11-25 00:28:21
1188
原创 量化指标解码08：SuperTrend - 为什么职业交易员都在用它？
本文深入解析SuperTrend超级趋势指标，这是一个基于ATR(平均真实波幅)的自适应趋势跟踪工具。SuperTrend通过动态设置止损位形成趋势线，在高波动时自动放宽止损距离，低波动时收紧，这种独特机制使其优于传统均线指标。文章详细介绍了SuperTrend的计算原理、参数优化方法（建议ATR周期14、乘数3.0）以及实战应用场景：适合中长线趋势跟踪，但在震荡市场表现不佳。此外还提供了可视化设计方案，包括颜色区分趋势和填充区域增强直观性。最后总结了使用经验，建议结合ADX指标判断趋势强弱，采用多周期验证
2025-11-18 00:23:21
1657
原创 量化指标解码07：会看成交量，你就成功了一半
《量化指标解码》系列第7篇聚焦成交量分析，提出增强版成交量指标。文章突破传统理论，从实战角度解析成交量尖峰识别、买卖量拆解、量价关系等核心维度：通过2倍MA算法捕捉资金博弈信号；基于收盘价位置估算买卖力量；划分四种典型量价组合并强调需结合市场环境判断。指标集成付费功能，支持参数定制与多维数据可视化，并提供实用避坑指南，提醒注意不同品种/周期的参数适配性及量价背离的复杂情境。下一篇将解析SuperTrend指标。
2025-11-13 16:09:37
2493
原创 量化指标解码06：均线｜为什么高手都在用最简单的指标？
《移动平均线深度解码：从基础到实战》 本文深入解析移动平均线(MA)的核心原理与实战应用。重点对比SMA（简单移动平均线）和EMA（指数移动平均线）的本质差异：SMA稳定但滞后，适合中长期趋势判断；EMA灵敏但波动大，利于捕捉早期信号。文章系统介绍了均线的四大核心用法：支撑阻力判断、排列趋势识别、交叉信号解读以及发散收敛预警，并分享多均线系统配置策略与葛兰碧法则的简化应用。通过Python代码实现展示了均线计算的量化方法，同时指出实战中需注意周期选择、假突破识别等关键问题。作者强调，均线虽简单，但配合多周期
2025-11-10 10:33:06
1372
原创 量化指标解码05：DMI｜趋势强度判断的终极武器
本文深入解析了DMI指标（趋向指标）及其在量化交易中的应用。DMI由PDI（正方向指标）、MDI（负方向指标）、ADX（平均趋向指标）和ADXR（趋向平均值）组成，能够有效判断趋势方向和强度。文章详细介绍了DMI的计算逻辑、核心含义和实战应用，包括PDI/MDI的方向判断、ADX的趋势强度分析以及经典组合信号的使用。特别强调了ADX>25作为趋势启动信号的重要性，并提供了完整的代码实现和避坑指南。DMI指标尤其适合判断趋势强度和持续性，与其他指标配合使用效果更佳。本文是量化指标解码系列的第五篇，为读者
2025-10-30 18:15:40
1342
原创 量化指标解码04：解锁MACD的威力｜零轴、背离与多周期共振
本文深入解析MACD指标的核心原理与实战应用，首先阐明其作为经典趋势指标的重要性，通过DIFF、DEA和柱状图三个组件的协同作用，实现对趋势方向、强度和转折的判断。重点介绍了金叉死叉、零轴突破、动能变化等基础用法，以及背离形态和多周期共振等高级策略。作者结合Python代码展示了MACD计算与可视化的具体实现，并强调零轴位置判断比单纯的金叉死叉更具参考价值。最后指出MACD在趋势行情中表现优异，但需结合其他指标规避震荡市风险，为读者提供了完整的趋势分析框架。
2025-10-30 18:14:21
1319
原创 量化指标解码03：布林带的开口收口策略与市场波动性分析
《布林带指标深度解析》是一篇详细介绍布林带技术指标的实用指南。文章从布林带的基本原理、计算公式出发，重点讲解了其五大经典形态识别方法，包括布林带收口、开口、上下轨突破等关键信号。通过量化代码实现，展示了如何用Python计算布林带指标，并提供了三种实战交易策略：均值回归策略适用于震荡市，趋势突破策略适合趋势市，自适应策略则能自动切换。文章强调布林带需结合其他指标使用，特别指出布林带宽度变化比价格位置更重要，为技术分析提供了新的视角。
2025-10-27 23:41:01
1790
1
原创 量化指标解码02：RSI深度解码 - 从超买超卖到背离钝化的全面分析
本文深入解析RSI相对强弱指标，从计算原理到实战应用全面解码。文章首先介绍RSI的计算公式和取值含义，通过Python代码示例展示实现过程；重点讲解RSI的三大经典用法：超买超卖信号判断、顶底背离识别及钝化现象应对；提供参数优化方法，针对不同市场调整周期和阈值；最后给出三个实战策略：基础超买超卖策略、RSI+均线组合策略及高级背离策略，并附完整代码实现。文章强调RSI需结合其他指标使用，警惕钝化风险，适合量化交易者系统学习技术指标应用。
2025-10-24 18:23:26
1740
原创 量化指标解码01：让指标开口说话！K线图表给技术指标装上AI大脑
《量化指标解码》系列首篇提出为技术指标赋予AI智能解读功能，让指标不仅能显示数据，还能用通俗语言解析市场状态、识别交易信号并提供操作建议。文章以RSI指标为例，详细展示了四层智能解读架构：基础信息展示→市场状态分析→信号识别→操作指导。实现方法包括区间分析、动量变化判断、关键位突破检测和钝化识别等功能，使冷冰冰的技术指标转变为会"说话"的交易助手。该系列后续将陆续解码布林带、MACD等核心指标，让量化交易更智能直观。
2025-10-23 16:54:00
1597
原创 以AI量化为生：15.开发双图并排与四图网格视图——多周期对比分析
本文介绍了《以AI量化为生》系列第十五篇的开发内容，重点实现了多周期图表分析工具的双图并排对比和四图2x2网格视图功能。通过时间轴同步机制，实现了不同周期图表间的智能匹配和联动显示。文章详细阐述了从需求分析到技术实现的全过程，包括双图和四图组件的架构设计、数据更新方法、时间轴同步算法以及2x2网格布局的实现。开发过程中采用了从简单到复杂、代码复用和性能优化等策略，最终打造出专业的多周期分析工具，提升了交易分析的效率和体验。
2025-10-15 15:41:20
1080
原创 以AI量化为生：14.多周期图表回测交易买卖点连线
本文介绍了《以AI量化为生》系列第14篇，重点开发了多周期回测图表的交易买卖点连线功能。通过交易配对算法将成交记录转换为完整交易，实现智能时间匹配和周期自适应显示。系统支持1分钟至日线等多种周期切换，自动更新连线，并用不同颜色区分多空方向和盈亏状态。文章详细阐述了技术架构、核心算法和实现方法，包括交易配对、时间索引映射、图形绘制等关键步骤。该系统解决了原有回测图表只能显示1分钟周期买卖点的局限性，大幅提升了量化交易分析的效率和可视化效果。
2025-10-11 11:29:13
571
原创 以AI量化为生：13.交易时段小时K线合成
本文针对量化交易中小时K线合成问题，提出了基于实际交易时段的解决方案。传统自然小时划分会导致K线数据不连续，影响技术指标准确性。作者通过改造vnpy的BarGenerator类，引入hour_sessions参数，实现了按交易时段合成K线。文章详细介绍了技术实现方案，包括交易时段配置、核心逻辑修改等，并提供了中国期货市场的具体配置示例。通过对比测试验证了该方法的有效性，最后给出了使用建议和全球主要市场的时段配置参考。该方案显著提升了K线数据质量和指标计算准确性，适用于各类金融市场。
2025-10-10 15:20:45
1099
原创 以AI量化为生：12.多时间框架图表开发实战
本文介绍了《以AI量化为生》系列第十二篇开发的多周期图表系统，支持1分钟到日线等多种时间周期的快速切换。系统核心包括：透明化周期切换面板UI设计、基于分钟数据的聚合算法（支持5分钟/15分钟/小时/日线等周期）、技术指标自动更新机制等。文章详细讲解了开发过程中遇到的技术难点和解决方案，如按钮状态保持、小时K线智能聚合、指标缓存清理等问题。该系统使量化交易者能在一个界面快速完成多维度市场分析，后续还将支持多图并排、同步滚动等增强功能。完整代码已开源供学习参考。
2025-10-10 01:37:14
1034
原创 以AI量化为生：11.增强版K线图表系统开发
本文介绍了增强版K线图表系统的开发过程，该系统支持多种技术指标的可视化展示和交互控制。文章详细阐述了系统架构设计、基础设施开发（包括统一配置接口和动态数组管理器）、主图技术指标（布林带和多重移动平均线）和附图技术指标（MACD）的实现方法，以及交互功能（复选框控制面板和拖拽扩展功能）的开发。最后，文章提出了多周期图表开发的下一步计划，并分享了实际开发中的性能优化和用户体验建议。该系统通过与回测系统无缝集成，能够为量化交易者提供更直观高效的市场分析工具。
2025-10-08 15:43:30
887
原创 以AI量化为生：10.回测界面大改版与用户体验全面提升
本文介绍了《以AI量化为生》系列第十篇内容，重点对回测界面进行了全面改版。新版采用两列布局（1:3），优化了空间分配和交互设计：左侧整合参数设置和控制台，右侧采用选项卡式数据展示和双行图表。主要改进包括：1）核心指标卡片式布局，16个关键指标智能着色；2）完整指标分组展示，新增月度统计图表；3）增强交易统计功能，增加多空头笔数分析；4）双行图表支持动态切换指标。文章还展望了后续将实现策略信号可视化等功能。本次改版显著提升了用户体验和数据分析效率。
2025-09-28 00:14:26
682
原创 以AI量化为生：9.回测框架再优化与参数导出功能实现
本文介绍了《以AI量化为生》系列第九篇的vnpy回测框架优化，重点实现了参数回测结果导出和滚动夏普比率图表功能。通过CSV导出和详细报告生成功能，用户可以保存优化结果并深入分析；新增的滚动夏普比率图表能动态反映策略在不同时期的风险调整收益表现，帮助识别策略性能变化和衰退。文章详细说明了实现原理和代码逻辑，并展示了实际测试效果。这些优化使回测分析更加实用高效，为量化交易提供了更好的风险管理工具。
2025-09-22 01:15:39
847
原创 以AI量化为生：8.回测模块优化与重要指标增强
本文深入优化了vnpy回测框架，新增多项关键指标以多维度评估策略表现。核心改进包括：1）交易级别统计（胜率、盈亏比、凯利最优仓位等）；2）高级风险指标（索提诺比率、卡尔马比率等）；3）智能筛选功能（16种条件）与分组显示界面；4）时间维度分析（月度/半小时区间统计）。通过综合评分系统，将30+指标按业务逻辑分组显示，并支持详细报告导出。这些增强功能使策略评估更全面科学，参数优化更高效，为实盘交易提供更可靠的数据支撑。
2025-09-18 22:40:48
1223
原创 以AI量化为生：7.编写自己的第一个量化策略
本文介绍了《以AI量化为生》系列第七篇关于vnpy策略开发的内容。文章从修改策略加载机制入手，详细分析了vnpy的双均线、布林带等经典策略，并最终实现了一个支持多时间周期的3MA策略。该策略通过15分钟周期判断趋势，5分钟周期执行交易，结合动态止盈止损机制，在回测中取得了39.26%的总收益率。文章还展示了参数优化过程，最终将年化收益率提升至155.08%，夏普比率达到5.07。完整代码已开源，为量化交易开发者提供了实用的策略开发框架和优化方法。
2025-09-14 15:33:59
1093
原创 以AI量化为生：6.日志系统与告警机制设计
本文介绍了量化交易系统中日志管理和告警通知系统的设计实现。作者基于loguru构建了异步高性能日志系统，支持自动轮转、压缩存储和彩色输出。告警系统整合了飞书/钉钉机器人，采用多线程异步发送机制，具备失败重试和频率限制功能。文章详细展示了日志格式设计、告警机器人配置、核心代码实现及系统集成方案，并提供了测试验证方法和常见问题解决方案。该系统可有效监控量化交易运行状态，及时发现异常情况，为后续策略开发奠定基础。
2025-09-07 10:54:18
801
原创 以AI量化为生：5.期货数据定时下载与合约管理
《期货数据定时下载系统设计与实现》摘要：本文详细介绍了期货量化交易中数据管理系统的设计与实现，重点解决主力合约切换、数据连续性等核心问题。系统通过智能合约管理机制，自动跟踪85个期货品种的主力合约变化，支持主连合约和加权合约下载。文章深入分析了不同合约类型的适用场景，提出了基于active_months的智能截断算法，并开发了包含多数据源适配、增量更新、错误重试等功能的数据下载器。系统通过配置文件实现灵活管理，支持命令行操作和定时任务，为量化策略提供了可靠的数据基础。
2025-08-26 20:30:52
1376
原创 以AI量化为生：4.vnpy配置管理与系统集成
本文介绍了一种轻量级的vnpy配置管理方案，通过.env文件实现集中化配置管理。文章详细讲解了vnpy的默认配置机制，提出了基于.env文件的解决方案，包括数据库、数据源和邮件通知等核心配置项。方案支持环境隔离、自动加载配置，并给出了SQLite和MySQL数据库的配置建议。同时提供了天勤数据源等数据接入方式，以及QQ邮箱等通知服务配置方法。最后阐述了程序集成方案和最佳实践，包括环境隔离、安全建议和常见问题处理。该方案简单易用、无侵入性，适合个人开发和团队协作场景。
2025-08-26 20:26:40
1256
原创 以AI量化为生：3.vnpy插件安装与配置指南
本文详细介绍了在vnpy量化交易框架中安装和配置核心插件的完整流程。主要内容包括：1. 插件安装策略：分核心插件、数据插件和定制插件三个层次，重点安装CTP交易接口、CTA策略引擎、数据管理、回测引擎和MySQL支持等核心插件。2. 特殊处理：针对Mac系统详细说明了vnpy_ctp的源码编译安装方法，包括获取源码、检查编译环境、编译安装等步骤，并提供了解决插件冲突的方案。3. 配置验证：创建了全面的测试脚本验证各插件功能，确保CTP接口、策略引擎、数据管理、回测功能等都能正常运行。4. 项目规范：按照模块
2025-08-26 20:20:10
1793
原创 以AI量化为生：2. 手把手搭建量化交易系统开发环境
本文介绍了vnpy量化交易框架在macOS系统上的详细安装过程与项目整合方案。主要内容包括：1. 环境准备：系统要求、Python版本确认、vnpy源码下载；2. 安装步骤：创建虚拟环境、运行安装脚本、常见问题解决方案；3. 测试验证：编写完整测试脚本验证核心功能；4. 项目重构：将vnpy源码整合到项目中，建立标准化目录结构和开发规范；5. 开发建议：从简单策略开始、重视回测、严格风控等实用经验。文章提供了完整的测试脚本和项目结构参考，旨在帮助开发者快速搭建可定制化的量化交易开发环境。项目代码已开源在Gi
2025-08-26 20:15:18
1644
原创 以AI量化为生：普通人如何从无到有构建个人交易系统
【AI量化投资系统构建日志】作者分享从零搭建可实盘量化系统的完整路径，包含可视化终端、AI分析引擎、数据中台、策略风控等模块。系统特点：1）工程化思维，强调回测-实盘一致性；2）提供可直接复用的代码模板与指标组件；3）集成多周期监控、智能信号标注、新闻事件分析功能；4）每周更新开发进度与市场复盘。面向量化新手/开发者，通过公开写作驱动系统迭代，构建包含15+技术指标与AI决策支持的完整交易基础设施。首篇为系列开篇，下期将讲解开发环境搭建。
2025-08-21 17:28:43
1909
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