quantitative

摘要： 系列定位：策略跑完回测 = "赚钱了"？其实远远不够。本系列用 6 篇系统化方法论 + Python 实战，把"黑盒跑数"升级为"白盒拆解"。 本篇是该系列 #01：把策略收益拆成行业配置 / 个股选择 / 交互效应 三件套。 一、策略赚钱 ≠ 你厉害 读者常见误区：策略回测 +20%，就觉得自己" 阅读全文

摘要： 系列完结特典：#08 我们把脚本变成了生产系统，但这只是出问题的「概率降到最低」。上线第一周（5 个交易日），还要靠「盯」守住最后一公里——本文给 7 个必备盯盘动作的代码实现、阈值参考与日报节奏。 一、上线第一周最容易翻车的几件事 「上线」不等于「稳」。前 5 个交易日是真刀真枪的考验期： D1： 阅读全文

摘要： 系列完结篇：前 7 篇我们解决了「数据怎么存、自动怎么跑、挂了怎么知道、缺口怎么补」。本篇把脚本变成生产系统的最后 1 公里——环境隔离、日志轮转、数据备份、灰度对比、回滚预案，每一项都是「出事时不至于半夜爬起来」的兜底。 一、从个人脚本到生产系统的差距 很多量化代码跑完回测就上线，结果第一周就出各 阅读全文

摘要： 系列前情：#06 我们搭好了「数据 / 配置 / 日志 / 策略」的最小可运行项目骨架。本篇解决「数据有缺口怎么办」——演示证临时切换、断网错过、新上市股票，都要靠断点续传 + 幂等写入补回来。 一、数据缺口的常见场景 跑量化系统最怕的不是「策略不赚钱」，而是「数据悄悄少了」： 切换证书：从免费证书 阅读全文

摘要： 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」的量化项目骨架，含目录规范、配置分离、CLI 入口、环境自检。 一、为什么需要「项目骨架」 个人研究阶段，一个 main.py 解决所有问题。但当你想： 阅读全文

摘要： 一个策略跑得好，不代表三个策略一起跑也能好。日志互相覆盖、数据互相污染、一个策略崩溃把整组进程全带崩——本篇用 Python 的 multiprocessing + 策略工厂 + 独立日志，把「多策略并行」做成干净可扩展的工程模块。 一、为什么多策略并行会「打架」 很多开发者从单策略过渡到多策略时， 阅读全文

摘要： 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，把数据一致性做成可验证的工程能力。 一、为什么回测和实盘数据会「对不上」 很多量化开发者都踩过这个坑： 回测时用了本地 CSV，实盘时调了 API，两条数据 阅读全文

摘要： 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——这是量化系统最容易翻车的环节。本篇解决「异常怎么被自动发现 + 主动告知你」。 一、为什么必须做监控告警 自动化流水线跑得越久，越容易出现「沉默失败 阅读全文

摘要： 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.py。 一、为什么需要自动调度 研究阶段你可以每天开终端跑一次脚本，但真到生产环境： 节假日忘了跑 → 数据断了 → 策略信号计算错位 每天手 阅读全文

摘要： 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？ 一、为什么存储选型是工程化的第一道坎 很多量化新手写完策略，跑完回测就把 DataFrame 留在内存里——重启一次，模型全没了。或者更糟：用 Excel 存了几万行，每次打 阅读全文