暂无搜索历史
数据抓取中的反爬、限频与稳定性问题,是让抓取程序长期可靠运行必须跨过的坎。应对反爬和限频的核心思路是"做一个守规矩的访问者":控制请求频率、设置合理的请求间隔、...
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...
量化因子挖掘是从市场数据中寻找"与未来收益相关的特征"的完整过程,通常包括六个步骤:提出因子假设(基于逻辑或经验猜想)、构建因子(用数据把假设量化成可计算的指标...
组合多个策略是降低量化交易风险的重要手段,核心思想是"不把鸡蛋放在一个篮子里"——通过组合逻辑不同、擅长行情不同的策略,让它们在各种市场环境下相互补位,平滑整体...
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...
网格交易策略是一种在预设价格区间内、按固定间隔挂buy和sell单,通过价格来回波动反复"低买高卖"来获利的策略。它的核心是把一个价格区间划分成若干"网格线",...
趋势跟踪策略是一类"顺势而为"的量化策略,核心思想是:当价格形成上涨趋势时买入并持有,当趋势逆转时卖出离场,赚取趋势延续过程中的收益。它的底层假设是"趋势一旦形...
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...
Python 量化交易中的常见报错,大致可以归为六类:环境与依赖类(库装不上、版本冲突)、数据类(缺失值、类型错误、索引对不齐)、pandas 操作类(Sett...
向量化计算是 Python 量化中提升运算效率的关键技巧,核心思想是用 pandas 和 numpy 的整体数组运算,代替逐行遍历的 for 循环。在处理成千上...
Python 量化交易连接交易接口,本质是让你的程序能够自动查询账户、获取行情、下单和撤单。通用流程包括五步:了解并选择合规的交易接口、获取接口凭证(如 API...
用 Python 计算常见技术指标其实并不难,三个最常用的指标——MA(移动平均线)、MACD(指数平滑异同移动平均线)、RSI(相对强弱指标)——都可以用 p...
用 Python 写第一个量化交易策略,最适合从经典的"双均线策略"入手:当短期均线上穿长期均线时买入、下穿时卖出。完整流程包括五步:准备行情数据、计算快慢两条...
摘要: 模糊、反光、遮挡是 OCR 识别的三大"硬骨头"。本文基于腾讯云与百度智能云两家公开能力,从图像增强、字段级反光告警、遮挡与透视畸变处理三个角度对比实测...
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...
摘要: 政企、金融为何普遍选择 OCR 私有化部署?本文从数据不出域的合规红线、公私混合架构下的成本账与边界划分、信创适配与选型落地三个层面讲透,帮你判断哪些场...
量化交易自学可以按六个阶段循序渐进:第一阶段建立正确认知(搞懂量化是什么、风险在哪)、第二阶段掌握编程工具(以 Python 为主)、第三阶段学会数据处理、第四...
摘要: 繁体字、日文、韩文混在一张图,OCR 会不会认串?关键看是否支持多语言混排同步识别。本文正面解答这一疑问,并以腾讯云多语种文字识别为例,说明自动判定语种...
量化交易的核心逻辑,是把一个交易想法转化为可执行、可检验、可自动运行的完整闭环,其标准流程包含六个环节:数据获取、策略研究、策略回测、模拟交易、实盘执行、监控迭...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市