登录社区云，与社区用户共同成长
邀请您加入社区
Qbot 值不值得用？如果你想要一个中文友好、完全本地部署、还带 AI 策略的量化投研平台，它非常值得装一个。中文原生 + 本地部署：文档、界面、代码都友好，数据策略不离开本机；全流程闭环：从数据到实盘，一条龙，不用在多个工具间切换；AI 策略丰富：GBDT/LSTM/RL/Transformer/LLM/FinGPT，300+ 模型可研究；接口覆盖广 + 消息提示：股票/期货/基金/加密 + 邮
Freqtrade依赖TA-Lib做技术指标计算。TA-Lib不是Python包——它是一个C++库，需要编译安装。Windows上需要Visual Studio Build Tools（几个GB的下载），Linux上需要，macOS上需要Xcode Command Line Tools。平台TA-Lib安装步骤常见报错Windows装VS Build Tools→下载TA-Lib源码→Linux
【摘要】本文介绍如何用Python搭建一个跨市场异动监控脚本，通过20日阻力位突破策略实现自动预警。文章针对多市场数据获取困难、历史数据缺失和通知通道复杂三大痛点，提出基于QuantDash API的统一解决方案。核心代码展示如何获取历史K线数据、计算20日高点突破信号，并通过Webhook推送预警至飞书/企业微信。该方案支持A股、港股、美股等多市场标的，利用标准化接口实现轻量级监控，替代人工盯盘
本文介绍了一个用Python编写的股票价格突破监控脚本。作者通过QuantDash API批量获取A股、港股、美股实时行情数据，计算20日阻力位，并在价格突破时通过飞书机器人发送预警通知。文章详细解析了代码实现逻辑，包括多市场统一接口、防爆破机制和批量请求优化等核心功能，并提供了进阶玩法建议。该脚本可替代人工盯盘，实现自动化监控，代码开源可供直接使用。
在股市混了8年，见过太多人只看价格不看流动性。高换手率不一定是好股票，但好股票一定有高换手的时候。把换手率这个指标吃透，至少能帮你避开80%的流动性陷阱。想试试用专业方法分析换手率？私信我发送"换手率"三个字，立马获取开户专属通道和福利详情。现在开户还能加入我们的量化交流群，群里每天分享换手率异动个股分析，手慢无！
想参与打新股，首先你得有个A股账户，其次账户里得有股票——不是现金，是股票市值。证监会规定，打新股的门槛是按你账户里股票的市值来分配额度，没市值就没资格。比如你想打沪市的新股，账户里至少得有1万元沪市股票（股票代码60开头）；打深市新股（代码00或300开头），同样需要1万元深市股票。注意：科创板（688开头）和创业板（30开头）的额度分别算在沪市和深市里。
作者：chen_h微信号 & QQ：862251340微信公众号：coderpai对于股票价格的预测对于大多数交易员来说都是非常重要的。人们多年来一直在使用各种预测技术。我们将探索这些技术以及最近流行的算法，比如神经网络。在这篇文章中，我们将专注于对源自市场数据的特征应用到线性模型。问题定义首先我们来定义一下我们的问题，我们想要解决的问题是去预测证券的价格变化（或者回报）。
在当今快节奏的金融市场中，自动化炒股已经成为许多投资者的首选策略。Python，作为一种强大的编程语言，结合Keras这一深度学习库，为股票价格预测提供了一个强大的工具。本文将带你深入了解如何使用Python和Keras进行股票价格预测，让你在股市中占据一席之地。
好了，今天的分享就到这里。希望这个简单的板块强度指标计算方法能帮到大家。记住，量化炒股不是一蹴而就的，需要我们不断学习和实践。下次，咱们再聊聊其他量化炒股的小技巧。以上就是我为新手股民准备的板块强度指标选热点的分享。希望这篇文章能让大家在量化炒股的道路上更进一步。记得，投资有风险，操作需谨慎。我们下次再见！
数学和统计学是量化投资的两大支柱。它们不仅提供了分析工具，还帮助我们构建模型和制定策略。通过本章的学习，希望你能对这些工具有一个基本的了解，并在实际投资中运用它们来提高你的投资决策。下一章，我们将深入探讨量化投资中的模型构建，敬请期待！如果你有任何问题或想要进一步讨论，欢迎在评论区留下你的想法。我们下一章见！
隐私计算技术是一类在保护数据隐私和安全的前提下，实现数据价值挖掘与共享的技术体系。隐私计算在量化交易中的核心价值，是解决多参与方数据共享难、敏感策略 / 因子泄露、合规风控要求高三大痛点，实现 “数据可用不可见、策略可算不可泄”。
QuantFabric是基于Linux/C++开发的中高频量化交易系统，支持中金所、郑商所、大商所、上期所、上海国际能源中心的期货业务品种交易，支持上交所、深交所的股票、债券品种交易。
Python作为一种强大的编程语言，因其简洁、高效和丰富的库支持，被广泛应用于股票市场的机器人分析。本文将带你了解如何利用Python进行股票市场的机器人分析，包括数据获取、数据处理、策略开发和回测等关键步骤。在进行股票市场的机器人分析之前，首先需要获取股票数据。策略开发是机器人分析的核心，我们需要根据市场数据和交易逻辑开发交易策略。获取到数据后，我们需要对数据进行预处理，包括数据清洗、特征提取等
本文对比了期货量化交易中免费和付费数据源方案。免费方案包括TqSdk、Tushare、CTP接口录制和期货公司软件，其中TqSdk免费版数据完整、API友好，适合学习和研究。付费方案推荐TqSdk专业版（性价比高）、Wind（全面但昂贵）和RQData（Python友好）。不同场景推荐：学习用TqSdk免费版，个人研究用TqSdk+Tushare，实盘交易用TqSdk专业版，机构用Wind+TqS
