写了一大堆 .py 文件，换个电脑就跑不通；配置文件写死在代码里，改个参数要翻三页；别人接手你的项目，三天没看懂目录结构。本篇给你一个「拿到就能用」的量化项目骨...

Opus 5.5 智能体通过密度泛函理论计算发现两种 Luttinger 补偿磁性半导体：新设计的氧化物 YBaMnFeO₅ 预测在 490 K 保持磁性，以及...

策略跑得好好的，一上实盘就翻车？90% 的工程师都忽略了一个细节：回测和实盘用的数据不是同一套。本篇教你用数据指纹 + 缺失检测 + 版本快照，把数据一致性做成...

XSS 通过率 15%，意味着 85% 的 XSS 漏洞通过了所有门禁。原因不是类型系统弱，而是：XSS 是一个"数据从哪来、到哪去"的问题，而类型系统对数据来...

系列前情：#02 我们搭了一条「自动触发 + 入库 + 去重」的调度流水线。但流水线上线后第 3 天凌晨数据库写挂了、你睡了 8 小时没收到任何提醒——这是量化...

系列前情：#01 我们选定了 SQLite 作为本地存储方案（单文件、零部署、查询快）。本篇解决「每天数据怎么自动进来」——告别手动 python main.p...

系列开篇：从「会写策略」推进到「会搭系统」。本篇先解决最基础的存储选型——回测和实盘都要把 K 线落到本地，三种方案怎么选？

系列收官篇。前 7 篇我们完成了选股、择时、仓位、回测框架、参数优化。本篇聚焦回测到实盘的最小闭环——把纸上收益变成可执行、可追踪、可复盘的模拟盘系统。

数据湖不是万能钥匙，但在某些场景下可能是你最需要的那把。

系列前情：#01~#06 我们完成了单因子/多因子选股、双均线/波动率择时、仓位管理、向量化回测框架。本篇进入策略上线前的关键一步——参数优化与过拟合防范。

在物理层上包装逻辑层也是一个比较常见的解耦方法：比如很多公司都是多地域多中心的多活容灾架构。在物理层北京亦庄数据中心、上海桂桥数据中心等物理数据中心上划分逻辑数...

问题是：这些代码在每个新策略里都重复 80%。 一旦你想换"调仓日历"（比如从等间距改每月末）、或者想加"止损规则"（比如单票回撤超 10% 强制平仓）、或者想...

这时候需要人工处理，将数据库的数据清理掉，重启服务。清理掉之后，策略是从最新的开始消费。所以历史的数据都会丢失。

前几篇我们跑通了"选股 + 择时"两条线。但还有个问题没解决：选出来的股票，要不要平均投？

上一篇我们用双均线金叉死叉做择时，跑通了"震荡少亏 + 趋势跟住"的效果。但双均线对温和上涨更敏感，对强势突破的反应反而慢半拍。

前两篇我们把"选股"做完了 —— 用动量 / 多因子把股票筛出来。但问题来了：选出来之后什么时候买、什么时候卖？