量化交易标签_AI Agent技术社区

量化交易

Python 量化实战：基于 QuantDash 高速获取行情与 KDJ 指标 J 值极值钝化、超买超卖精准识别

本文提供了一套高性能Python代码，用于实时计算股票KDJ指标（K、D、J值）并准确识别J值的超买（J>100）、超卖（J<0）及连续多日的高低位“钝化”状态。通过QuantDash Python SDK，开发者可一键获取服务器端前复权行情数据，免除数据清洗烦恼。代码包含KDJ计算函数和钝化状态检测函数，支持多市场统一调用。文章还对比了传统方案与QuantDash的优劣，并给出量化交易中的避坑指

 weixin_45515140
2026-08-05 06:39:43

 380

 12

#python #开发语言 #量化交易 +1
极简回测：用 Python 30行代码快速复现经典 A 股“白酒双子星”配对交易策略

本文介绍了量化投资中的配对交易策略，以贵州茅台和五粮液为例，演示如何利用QuantDash获取历史数据并实现该策略。配对交易通过统计方法寻找价格偏离均值的高相关性股票组合，在价差回归时获利。文章详细拆解了策略的数学逻辑、数据准备方案对比（传统爬虫vs QuantDash SDK），并提供了完整的Python代码实现，包括数据获取、价差计算、Z-Score信号生成等关键步骤。最后解答了前复权价格的重

 weixin_45515140
2026-07-28 06:47:42

 346

 12

#python #开发语言 #pandas +1
北向资金数据怎么读：净买额 vs 持股变化，用 Python 拆解两组口径差异

本文仅为个人方法研究与经验分享，不构成任何投资建议或职业指导，无任何标的推荐。市场有风险，决策请结合自身情况独立判断。文中代码均为示意版（模拟数据），非实盘交易建议，不涉及任何具体策略参数。一组北向数据，我先泼盆冷水很多人每天开盘第一件事，就是看"北向资金净流入多少亿"，然后据此决定今天该贪婪还是恐惧。我把这套逻辑反复拆过，结论有点扎心：大部分人盯的那根"净买额"，和北向真正做了什么，根本不是

 Captain_Data
2026-07-25 19:39:40

 271

 7

#python #开发语言 #量化交易 +1
Python量化交易实战：用TA-Lib计算RSI指标（附完整代码）

本文详细介绍了如何使用Python和TA-Lib库计算RSI指标，并应用于量化交易策略。从环境配置、数据获取到RSI指标的原理与实现，再到交易信号识别和策略回测，提供了完整的代码示例和实战建议，帮助开发者快速掌握量化交易中的RSI应用。

weixin_30832143
2026-03-30 02:16:29

 383

 3

#量化交易
别怕数学！用Python的NumPy和Pandas，手把手带你搞定量化交易里的线性代数与统计

本文通过Python的NumPy和Pandas库，详细讲解了量化交易中线性代数与统计学的实际应用。从投资组合优化到时间序列分析，再到蒙特卡洛模拟和卡尔曼滤波，手把手教你用代码实现量化交易中的关键数学概念，帮助开发者轻松掌握量化交易的核心技术。

张瑞15129378030
2026-06-29 16:10:16

 261

 8

#量化交易 #数据分析
从零开始：用Python实现双均线策略分析股票收益（金叉死叉实战）

本文详细介绍了如何使用Python从零开始实现经典的双均线量化交易策略。通过获取股票数据、计算移动平均线、识别金叉死叉信号，并模拟交易回测，系统性地解析了该策略的构建逻辑、实战应用与收益表现。文章旨在为开发者和投资者提供一个完整的Python股票分析实战案例，并强调了策略的适用场景与风险。

white
2026-03-08 08:16:20

 462

 11

#量化交易
PTrade 量化开发入门（七）：Python 函数基础与核心内置函数实战解析

本文是PTrade量化交易系列第七篇，重点讲解Python函数基础及PTrade核心内置函数的使用。文章首先通过股票收益计算案例展示Python函数的定义与调用方法，然后详细解析PTrade策略开发中的四大核心函数：initialize（策略初始化）、handle_data（周期执行）、run_daily（定时执行）和order（交易下单），并配以均线突破策略等实战代码示例。最后提出"积

 weixin-npy8264926
2026-07-08 16:30:15

 190

 7

#python #量化交易
Python量化数据获取实战：股东与股本信息自动化抓取与解析

在量化交易与数据分析领域，数据是驱动决策的核心。网络爬虫技术作为获取公开数据的关键手段，其原理在于模拟浏览器行为，通过HTTP请求从目标网站获取HTML、JSON或PDF等格式的原始数据，再经由解析库提取结构化信息。这项技术的价值在于能够自动化、低成本地构建专属数据集，尤其对于基本面分析至关重要。在金融数据分析的应用场景中，股东与股本信息是评估公司治理、股权稳定性和潜在风险的重要因子。本文聚焦于使

 纪环
2026-07-29 10:28:00

 300

 6

#量化交易
Python获取大商所期货历史行情数据：基于AkShare的完整实现方案

在量化研究和数据分析领域，获取准确、结构化的历史行情数据是构建策略回测和价格分析的基础。其核心原理是通过程序化接口或数据抓取技术，从权威或第三方数据源提取标准化信息，实现数据获取的自动化与可重复性。这一技术对于提升研究效率、构建稳定数据管道具有重要价值，广泛应用于个人量化策略开发、商品价格跟踪和投资研究等场景。本文聚焦于**大连商品交易所（DCE）** 期货数据，针对**指定日期**行情获取这一具

 投研帮
2026-08-11 15:00:06

 260

 13

#量化交易
Python实战：股票数据分析与策略优化

本文详细介绍了如何使用Python进行股票数据分析与策略优化，涵盖数据获取、指标计算、均线策略实现及回测优化等核心技巧。通过Pandas、Tushare等工具，开发者可以高效处理金融数据，构建量化交易策略，提升投资决策效率。文章还分享了实战经验与常见问题解决方案，适合金融数据分析初学者和量化交易爱好者。

Magic Road
2026-03-27 10:10:58

 207

 3

#量化交易
如何用 Python + QuantDash 快速构建高胜率“配对交易（Pairs Trading）”策略？

本文介绍了一种利用配对交易策略在波动市场中实现套利的方法，重点分析了白酒行业龙头股贵州茅台与五粮液的协整关系。通过Python和QuantDash平台，文章详细展示了从数据获取、协整检验到交易信号生成的全流程：1. 获取两只股票历史数据并进行协整性检验 2. 计算滚动价差和Z-Score指标 3. 设置±2为交易阈值信号（Z>2做空高价股/做多低价股，Z<-2反向操作） 4. 价差回归

 weixin_45515140
2026-07-14 07:28:38

 284

 8

#python #开发语言 #人工智能 +2
Python期货策略单元测试思路_关键逻辑验证

本文分享了Python期货策略单元测试的常见方法，重点介绍了如何对信号函数、仓位计算、止盈止损等关键逻辑进行测试。作者以双均线信号函数为例，演示了如何编写测试用例，并建议使用pytest框架定期验证策略逻辑的正确性。文章强调单元测试能减少回测与实盘中的错误，但指出测试仅是验证手段，策略和风控才是核心。全文基于个人经验，仅供技术交流参考，不构成投资建议。

天勤量化大唯粉
2026-03-17 10:06:44

 94

#量化交易
拒绝做“盯着盘看”的社畜！用 Python 快速撸一个股票实时异动“弹窗报警器”

这篇文章介绍了一个用Python编写的股票实时异动监控工具，帮助上班族在不盯盘的情况下及时获取股票价格波动提醒。文章首先指出上班族盯盘的痛点，然后介绍了解决方案：利用Python的plyer库和QuantDash的Python SDK开发一个自动监控系统。该系统每15秒获取一次股票实时数据，当价格波动超过设定阈值时触发电脑弹窗通知。文章详细讲解了代码实现逻辑，包括初始化基准价格、监控循环和弹窗提醒

 weixin_45515140
2026-07-15 07:03:36

 301

 14

#python #开发语言 #人工智能 +2
QMT 量化实践：两种方式获取个股上市日期（内置 Python + 原生 Python 完整可运行代码）

本文介绍了在QMT量化交易平台中获取个股上市日期的两种方法：1）在QMT内置Python环境中使用C.get_instrumentdetail()接口，2）在原生Python环境中通过xtquant库调用xtdata.get_instrument_detail()接口。两种方式都需要输入带交易所后缀的股票代码（如000001.SZ），返回结果中的OpenDate字段即为上市日期。文章详细说明了两种

 weixin-npy8264926
2026-06-15 13:19:30

 206

 4

#python #量化交易
复盘效率翻倍！用 Python 一键生成个股“多维度体检报告”

本文介绍了一个用Python和QuantDash平台开发的"个股多维度体检报告生成器"。该工具能快速分析股票四个关键指标：1)均线趋势健康度(MA20/MA60位置)；2)历史价格相对位置(120日高低位百分比)；3)波动率状态(14日ATR)；4)量能强弱(成交量/20日均量)。用户只需输入股票代码，1秒内即可获得包含价格位置警示、均线状态、波动率评估和量能分析的完整报告。该

 weixin_45515140
2026-07-15 13:00:00

 272

 8

#python #开发语言 #人工智能 +2
Python期货量化项目结构_代码组织最佳实践

本文分享Python期货量化项目的代码组织最佳实践，提出分层清晰的项目结构方案。推荐目录包含策略、工具、配置、数据等独立模块，并设计了策略基类统一接口。具体实现展示了均线策略示例，包含K线回调处理逻辑。文章强调合理的项目结构能提高开发效率和代码质量，同时提醒量化交易风险，声明内容仅供技术交流参考。项目结构包含config配置、strategies策略实现、utils工具、data数据等标准目录，建

 天勤量化大唯粉
2026-03-09 15:49:39

 86

#python #开发语言 #量化交易
基于Python与OKX API构建加密货币自动交易系统：从架构设计到实战部署

量化交易是通过数学模型和计算机程序实现投资决策自动化的方法，其核心原理是将交易策略转化为可执行的算法。这项技术的价值在于能够克服人为情绪干扰，实现7x24小时不间断监控与毫秒级响应，从而在波动剧烈的市场中捕捉稍纵即逝的机会。在加密货币等高频交易场景中，自动交易系统通过整合行情获取、策略引擎、订单执行和风险控制等模块，构建了一个严谨、高效的交易闭环。本文以OKX交易所为例，深入解析如何利用Pytho

下厨房
2026-08-11 13:01:12

 296

 10

#量化交易
Qwen3-32B金融领域实战：量化交易策略生成器

本文介绍了如何在星图GPU平台上自动化部署Clawdbot 整合 qwen3:32b代理网关与管理平台镜像，快速构建金融量化策略生成环境。该镜像支持基于自然语言描述自动生成可回测、可实盘的Python量化策略代码，典型应用于短线交易信号设计、多因子风控模块开发及市场状态自适应策略切换等场景。

微尘-黄含驰
2026-02-05 00:43:38

 385

 4

#量化交易
AlphaPy Pro：从Pipeline设计到实战的机器学习框架演进与量化应用

机器学习Pipeline是一种将数据预处理、特征工程、模型训练与评估等步骤标准化、模块化的工程实践范式，其核心原理在于通过可配置的流水线封装复杂流程，提升代码的可复现性和可维护性。在金融量化与预测建模领域，这种技术价值尤为突出，它能有效管理数据泄露风险，并支持策略的快速迭代。应用场景广泛覆盖金融交易、体育赛事预测等垂直领域，需要集成特征工程、模型集成与回测验证等关键环节。本文聚焦于AlphaPy

yao lifu
2026-05-07 15:11:04

 269

 12

#量化交易
AlphaPy Pro实战：自动化机器学习框架在量化交易与预测建模中的应用

机器学习框架通过封装数据处理、特征工程、模型训练与评估等核心环节，构建标准化工作流，显著提升算法开发效率与可复现性。其核心原理在于将复杂流程抽象为可配置的管道，实现配置驱动开发，尤其适用于时间序列预测等场景。在技术价值层面，这类框架降低了算法应用门槛，使开发者能更专注于策略逻辑与特征创新，而非底层工程实现。在金融量化、体育赛事预测等应用场景中，自动化管道能有效防止数据泄露，并集成专业评估工具。本文

 sylph mini
2026-05-07 16:15:10

 279

 8

#量化交易
机器学习在资产管理中的应用：从策略生成到组合优化实战指南

机器学习作为现代数据分析的核心技术，通过从数据中自动学习模式与规律，为解决复杂决策问题提供了新范式。其核心原理在于利用算法构建模型，以发现数据中的非线性关系与隐藏结构，从而超越传统统计方法的局限。在金融工程领域，这一技术价值尤为凸显，它能够处理高维、非结构化的市场数据，捕捉传统量化模型难以识别的微弱信号。具体到资产管理的应用场景，机器学习主要赋能于两大核心环节：一是交易策略生成，通过监督学习、强化

 jean luo
2026-05-07 10:41:27

 373

 12

#机器学习 #量化交易
机器学习量化信号可视化：连接Python模型与TradingView的工程实践

在量化交易与机器学习结合的应用中，模型信号的可视化分析是策略迭代与理解的关键环节。其核心原理在于将算法生成的数据（如买卖点、概率预测）通过标准化接口，转换为前端图表库能够识别和渲染的格式，从而实现策略逻辑的直观透视。这项技术的核心价值在于弥合了传统回测数字报告与交易直觉之间的鸿沟，让开发者能够结合市场结构（如K线形态、技术指标）对模型决策进行归因分析。典型的应用场景包括基于LSTM、XGBoost

weixin_30753873
2026-05-09 12:05:59

 392

 9

#量化交易 #机器学习
实战AI交易代理构建：从2296次交易中提炼的避坑指南与系统框架

量化交易的核心在于通过系统化方法识别并执行具备统计优势的交易模式，而非预测市场。其原理通常基于机器学习模型对市场数据进行分析，旨在将概率优势转化为长期稳定的收益。这一过程的技术价值在于构建一个逻辑一致、风险可控且可迭代的自动化决策框架，以克服人性弱点，实现纪律性执行。在实际应用中，一个稳健的AI交易代理远不止一个预测模型，它需要整合特征工程、模型推理、策略逻辑、风险控制和订单执行等多个模块。其中，

weixin_30632883
2026-05-10 15:15:55

 494

 12

#量化交易 #机器学习
StockGPT 1M参数模型实战：256日回报序列预测，年化回报119%策略复现

本文详细介绍了StockGPT 1M参数模型在股票预测领域的实战应用，通过256日回报序列预测实现了119%的年化回报率。从数据预处理、模型构建到策略回测，完整展示了轻量级生成式AI在量化交易中的创新实践。文章特别探讨了如何将连续回报离散化为模型可处理的标记，并构建高效的多空策略，为AI驱动的股票预测提供了可复现的解决方案。

北美R哥
2026-07-08 10:34:22

 223

 12

#量化交易
StockGPT 1.0 模型复现：4层Transformer在M2 MacBook上训练927K参数，年化回报119%

本文详细介绍了如何在M2 MacBook上复现StockGPT 1.0模型，这是一个仅含927K参数的轻量级Transformer模型，用于股票预测。通过数据预处理、模型架构设计和训练优化，该模型在历史测试中实现了119%的年化回报率。文章还提供了回测结果和模型优化方向，适合个人开发者在消费级硬件上构建专业级量化交易系统。

盐选科普
2026-07-08 09:27:43

 263

 10

#量化交易
AI智能体交易：从强化学习原理到金融实战代码实现

强化学习作为机器学习的重要分支，通过智能体与环境的交互式学习机制，实现了从数据中自主优化决策策略的能力。其核心原理基于马尔可夫决策过程，通过价值函数和策略梯度方法，使智能体能够在复杂环境中学习最优行为。在金融交易领域，这种技术价值体现在能够自适应市场变化，超越传统量化交易的人工规则限制。应用场景涵盖股票、加密货币等多资产类别的自动化交易。本文聚焦AI智能体交易，结合深度强化学习算法，提供完整的交易

 米喜
2026-07-08 09:01:33

 303

 11

#AI智能体 #量化交易
AI投资系统技术解析：从量化交易到AI Agent实战部署

量化交易作为金融科技的核心技术，通过数学模型和算法实现自动化投资决策。其原理在于利用历史数据构建统计模型，结合机器学习算法识别市场规律。AI Agent技术的引入让量化系统具备了动态学习和多维度分析能力，能够同时处理基本面、技术面和市场情绪数据。这种技术组合在投资领域创造了显著价值，通过24小时不间断监控和自动化决策，有效减少人为情绪干扰。在实际应用中，AI投资系统需要构建完整的技术架构，包括数据

 苏澄宇
2026-07-12 09:02:43

 312

 4

#量化交易
变量约定——东方财富掘金量化速成学习（python）

本文介绍了交易策略开发中的关键参数和上下文对象。主要内容包括：1）代码标识(symbol)的格式规范；2）实时(MODE_LIVE)与回测(MODE_BACKTEST)两种模式选择；3）上下文对象(context)的六大功能：订阅代码合集(symbols)、当前时间(now)、数据滑窗(data)、账户信息(account)、动态参数(parameters)和自定义属性。其中数据滑窗使用需注意订阅

 梦想家LEI
2025-10-18 18:43:37

 822

 9

#学习 #python #量化交易
AI智能体金融应用：决策支持系统架构设计与编码

比如说，搞个最简单的Python脚本，连上Tushare这类免费数据接口，设定几个关键指标——比如成交量突然放大5倍、MACD金叉同时RSI没超买——让程序自动给你发微信提醒。比如你预测明天涨跌，发现过去10天换手率的重要性排第一，市盈率排最后，那以后盯盘就知道该重点看什么了。比如你能拿到主力资金实时流向的Level-2数据，哪怕用最简单的移动平均线策略，效果可能都比用免费数据的复杂模型强。今天咱

 macerpan
2025-11-18 08:46:55

 390

 3

#人工智能 #金融 #随机森林 +1
UV & Pydantic：重塑 2026 Python 工程化基石

2026年量化技术趋势前瞻：Python工程化基石重构本文展望了2026年量化交易领域的两项关键技术革新：依赖管理工具uv和数据校验框架Pydantic 2.0。uv作为Poetry的强力竞争者，采用Rust语言开发，具备操作系统级管理能力，通过零拷贝技术和优化算法显著提升了Python环境构建和依赖解析速度。Pydantic 2.0则解决了量化系统中数据类型不一致的痛点，提供了规范化的数据校验

 hbaaron
2025-12-25 07:30:00

 829

 13

#uv #python #开发语言 +1
AI股票分析师daily_stock_analysis的卷积神经网络优化

本文介绍了如何在星图GPU平台上自动化部署 📈 AI 股票分析师daily_stock_analysis 镜像，以优化其卷积神经网络，提升AI分析K线图的准确性。该镜像的核心应用场景是自动分析股票走势，通过识别K线图中的技术形态与关键价位，为用户生成包含具体操作建议的每日分析报告。

轮胎技术Tyretek
2026-02-10 00:09:35

 355

 8

#量化交易
AI股票分析效果对比：传统量化策略vs daily_stock_analysis大模型

本文介绍了如何在星图GPU平台上自动化部署📈 AI 股票分析师daily_stock_analysis镜像，实现智能股票日报生成。该镜像融合技术指标、实时舆情与资金面分析，可自动生成含逻辑链的可执行投资建议，典型应用于A股每日盘后复盘与风险预警场景，显著提升投研决策效率。

Vita Libre
2026-02-08 00:31:10

 370

 4

#量化交易
使用AI股票分析师daily_stock_analysis进行期权定价分析

本文介绍了如何在星图GPU平台上自动化部署📈 AI 股票分析师daily_stock_analysis镜像，赋能期权定价分析。该镜像融合技术面、舆情面与筹码面多维信号，为交易者提供实时波动率择时、gamma敞口判断及跨品种对冲建议，典型应用于期权策略的信号验证与事件驱动型波动率套利。

徐校长
2026-02-09 00:39:01

 1031

 23

#量化交易
使用AI股票分析师daily_stock_analysis构建量化交易策略

本文介绍了如何在星图GPU平台上自动化部署 📈 AI 股票分析师daily_stock_analysis 镜像，快速构建量化交易策略。该镜像可自动整合多源行情、舆情与技术数据，生成结构化买卖信号，典型应用于A股收盘后次日交易决策支持，显著提升策略开发与实盘响应效率。

黑泡尖子
2026-02-09 01:02:13

 573

 4

#量化交易
AutoGen Studio金融科技：量化交易策略回测工作流

本文介绍了如何在星图GPU平台上自动化部署AutoGen Studio镜像，构建量化交易策略回测工作流。该平台支持快速搭建包含数据获取、策略生成、回测执行和绩效分析的全流程系统，用户可通过可视化界面高效完成金融投资策略的测试与优化，显著降低量化交易的技术门槛。

福建低调
2026-02-12 10:49:06

 256

 4

#量化交易
基于算法的AI股票分析师daily_stock_analysis交易策略优化

本文介绍了如何在星图GPU平台上自动化部署 📈 AI 股票分析师daily_stock_analysis镜像，以构建量化交易策略。该镜像能够整合市场数据并生成初步交易信号，用户可在此基础上进行策略回测与参数优化，实现从AI分析到自动化策略执行的完整流程。

杜连涛
2026-02-12 10:50:06

 556

 10

#量化交易
AI股票分析效果实测：2026年美股预测准确率报告

本文介绍了如何在星图GPU平台上自动化部署 📈 AI 股票分析师daily_stock_analysis 镜像，实现AI驱动的股票分析与预测。该工具能自动整合行情数据与新闻，生成包含买卖点、风险提示的每日分析报告，为投资者提供高效的短线交易决策参考，辅助进行纪律化投资。

Hsmiau
2026-02-16 00:10:35

 669

 5

#量化交易
基于AI股票分析师的Java量化交易系统开发指南

本文介绍了如何在星图GPU平台上自动化部署AI股票分析师daily_stock_analysis镜像，快速构建Java量化交易系统。该镜像能提供本地化的股票技术分析与交易信号生成，应用于自动化交易决策场景，帮助开发者高效集成AI分析能力。

Kimgoeunlaogong
2026-02-17 00:18:59

 261

 5

#量化交易
AI股票分析师daily_stock_analysis的PID控制算法应用

本文介绍了如何在星图GPU平台上一键自动化部署AI股票分析师daily_stock_analysis镜像，实现智能量化交易策略的快速搭建。该镜像集成了PID控制算法，能动态调节股票交易决策，应用于自动化股票交易和风险控制场景，提升投资稳定性和收益。

河马和荷花
2026-02-21 00:30:25

 283

 3

#量化交易
AI股票分析师Python量化策略开发入门

本文介绍了如何在星图GPU平台上自动化部署 📈 AI 股票分析师daily_stock_analysis 镜像，实现AI驱动的股票量化策略开发。该镜像能够自动获取股票数据、计算技术指标并进行策略回测，帮助用户快速构建和测试基于Python的量化交易模型，提升投资分析效率。

任我心意
2026-03-01 02:09:16

 301

 4

#量化交易
Python 量化实战：箱体突破策略原理与代码实现（上）

本文介绍了A股市场常见的箱体突破交易策略，从基础概念到Python代码实现。主要内容包括：1. 箱体形态定义：股价在上下阻力位间震荡盘整，突破上沿预示多头占优；2. 有效突破的两大判断标准：收盘价站稳阻力位且成交量放大1.5倍以上；3. Python实现步骤：获取行情数据、计算箱体上沿和基准成交量、双重条件判断突破、计算突破强度指标。文章强调该策略需结合量价配合验证，并预告后续将补充震荡过滤、止损

 weixin-npy8264926
2026-06-24 14:40:50

 342

 8

#python #量化交易 #桥接模式
PTrade 量化 Python 入门（一）：语法三戒律 —— 缩进、顺序、标点避坑指南

本文是PTrade量化平台Python编程系列的开篇，重点讲解Python三大基础语法规则：1. 缩进规则：Python使用4空格缩进作为代码块标识，同一层级必须严格对齐，否则触发IndentationError；2. 执行顺序：代码严格按从上到下顺序执行，变量/函数必须遵循"先定义后使用"原则；3. 标点规范：必须使用英文标点符号，中文标点会导致SyntaxError。文章通

 weixin-npy8264926
2026-07-03 17:05:11

 233

 8

#python #数据库 #开发语言 +1
Python 做量化，股票行情数据怎么拿？

本文系统梳理了Python量化交易中获取A股、港股、美股行情数据的主流方案，客观对比了开源工具、机构终端与开发者API（如QuantDash）的优缺点。文章提供了一键获取K线并转换为Pandas DataFrame的实战代码，并从字段统一、复权机制等5个核心技术维度分享了如何评估与选型金融数据源，助力开发者搭建稳定高效的回测与监控系统。

weixin_45515140
2026-07-04 16:59:04

 547

 16

#python #开发语言 #pandas +3
Python 量化避坑指南：如何快速、统一地获取 A股/港美股历史 K 线与实时行情？

本文探讨了量化投资中数据获取的关键问题及解决方案。作者指出免费数据源存在接口不稳定、格式不统一等痛点，推荐使用专业金融数据API。重点介绍了QuantDash工具，其特点包括：多市场覆盖（A股、港股、美股）、原生Pandas DataFrame支持、统一接口标准。文章通过Python代码示例展示了如何快速获取历史K线、批量请求跨市场数据以及实时行情监控。最后提出数据API选型建议，包括数据对齐、时

 weixin_45515140
2026-07-05 12:30:15

 487

 12

#python #开发语言 #量化交易 +2
ORB突破策略 Python 回测实战：沪深300期货年化89.8%背后的3个关键参数优化

本文详细解析了ORB突破策略在Python中的实现与优化，通过Backtrader框架进行回测，展示了如何通过参数优化实现沪深300期货89.8%的年化收益。重点探讨了ORB策略的核心逻辑、参数敏感度分析及实盘部署的关键考量，为量化交易者提供了一套完整的实战方案。

努力忏悔修行
2026-07-05 11:14:32

 322

 7

#量化交易
Python 获取 A 股 K 线、实时行情和五档盘口：QuantDash API 示例

本文介绍如何使用QuantDash Python SDK获取股票行情数据，包括历史K线、实时行情和五档盘口。QuantDash是面向量化交易的金融数据API，支持A股/美股/港股市场，提供REST API和Python SDK，可直接返回Pandas DataFrame格式数据。文章演示了安装方法、获取单只股票K线、批量实时行情和五档盘口的代码示例，并建议选择API时需考虑市场覆盖、数据类型、批量

 weixin_45515140
2026-07-06 16:40:16

 442

 11

#python #量化交易
Python 股票 K 线数据质量校验：字段、缺失值、重复行和价格异常

本文以 QuantDash 获取股票 K 线数据为例，演示如何用 Pandas 做数据质量校验，覆盖必要字段、缺失值、重复行、价格逻辑、成交量异常、日期顺序和批量标的分组报告。文章定位为 API 接入后的数据验收教程，不构成投资建议。

weixin_45515140
2026-07-07 16:45:58

 279

 6

#python #开发语言 #量化交易 +2
基于CNN的金融图表分析与AI股票分析师daily_stock_analysis结合应用

本文介绍了如何在星图GPU平台上自动化部署AI股票分析师daily_stock_analysis镜像，实现金融图表智能分析与股票基本面深度研判的结合应用。该镜像能够通过CNN技术自动识别K线形态，并结合多维度数据分析生成投资建议，为量化交易提供全面、客观的决策支持。

Kimgoeunlaogong
2026-03-17 00:06:34

 524

 6

#量化交易