把 Jev 接进项目的第一天，我最想要的其实是一份"能照着做"的上手说明，而不是又一篇讲理念的文章。这一周我把它的调用方式、三种原语、以及一次调用的请求响应结构...

量化交易的完整自学路径，可以概括为一张从入门到搭建云端系统的全景图：先建立正确认知（理解量化本质和风险）、打好基础（Python + 金融）、掌握数据能力（获取...

个人量化交易者从兼职到全职的成长，是一个循序渐进、需要谨慎对待的过程，大致分为几个阶段：入门学习（打基础）、兼职实践（业余时间做，小资金验证）、稳定验证（策略和...

个人做量化交易的成本，可以分成几类：学习成本（主要是时间，金钱几乎为零）、工具成本（编程语言和框架免费，基础可零成本）、数据成本（入门用免费数据，进阶可能付费）...

传统LangChain是LLM应用的组件工具箱，以Chain与Runnable为核心抽象，提供提示词模板、文档处理、向量检索、工具调用、记忆能力等标准化组件，目...

读回测报告的最高境界，是从一堆指标里读出策略的"性格"——它是稳健型还是激进型、擅长什么行情、最大的风险在哪。这需要练习，但掌握了每个指标的含义，你就有了入门的...

量化交易的数据来源主要分几类：行情数据（价格、成交量等，是最核心的数据）、基本面数据（财务报表、公司信息）、以及另类数据（新闻、舆情等非传统数据）。获取渠道则包...

量化交易中的算法与数据模型分析，本质是用数学和统计方法从市场数据中寻找规律，并把规律转化为可执行的交易决策。入门需要理解几个层面：数据是基础（干净、充分的数据）...

套利策略是一类通过捕捉价格偏差来获利的量化策略，核心是利用"本该一致或高度相关的价格出现了不该有的差异"，低买高卖赚取价差。常见的套利类型有三种：跨期套利（同一...

量化交易策略按核心逻辑可以分为几大类：趋势跟踪类（追随价格趋势）、均值回归类（押注价格向均值回归）、套利类（捕捉价差）、多因子选股类（用多个因子筛选标的）、以及...

适合量化新手的练手项目，应该满足"逻辑简单、覆盖核心技能、能独立完成"三个条件。本文推荐五个循序渐进的小课题：一是行情数据获取与可视化，二是技术指标计算器，三是...

量化交易之所以普遍使用 Python，主要有五个原因：语法简单对新手友好、数据处理生态极其成熟（pandas、numpy 等）、量化专用库和开源框架丰富、社区活...

量化交易入门的学习资源可以分成五大类：编程类（Python 教程与文档）、金融基础类（市场常识与投资理念）、量化专项类（策略与量化思维）、实践工具类（开源框架文...

一份可落地的量化交易 3 个月入门时间表，可以这样安排：第 1 个月打基础（Python 基础语法 + 数据获取处理 + 基础金融概念），第 2 个月学核心（经...

零基础学量化交易，应该优先学 Python 编程和基础金融概念这两样，其中 Python 是重中之重。很多人纠结"先学金融还是先学编程""数学不好能不能学"，其...

量化交易新手入门可以拆成六个循序渐进的阶段：打基础（学 Python 编程 + 补金融概念）、懂数据（获取与清洗行情数据）、学策略（理解经典策略并写出第一个）、...

我接触过太多转行做量化的人，有做行政的、做销售的、学文科的，起点都是零。他们能入门，靠的不是什么过人天赋，而是方法对头加上肯花时间。量化交易听起来高深，但它的入...

编程能力。 你得会写代码，才能处理数据、实现策略、连接交易接口。好消息是，量化最常用的 Python 门槛不算高，认真学几个月足够应付入门。坏消息是，如果你完全...

本章将通过多个案例实现私有数据集检索功能，虽然 LangChain 也可以实现向量检索，但在企业级项目中，通常会选用 LlamaIndex 这类专门面向检索场景...