1 量化工具比较 使用量化工具时，用户通常会编写程序，区别只是熟练程度不同。所以，即使不使用量化平台，理论上程序员也能实现相关功能。接下来，我们将探讨量化平台具体提供了哪些功能，以及如何根据不同用户的需求进行选择。 首先，进行一个简要比较。 vn.py 掘金/米筐 上手难度 高，需要会 Python，自己搭环境 低，注册后直接写策略 灵活性 高，能接国内外期货/股票/币等 中，受限于平台支持的市场 成本 免费开源，但要自己配账户/服务器 免费额度 + 付费增值 实盘 可直接对接券商/交易所 API 模拟交易为主，部分券商支持 适合人群 想长期深耕量化、折腾框架的程序员/研究者 想快速验证策略、不想折腾环境的入门者 2 vn.py vn.py（全称 vn.py framework）是一个 基于 Python 的开源量化交易开发框架，GitHub star 32k+，维护十余年，生态完善。它不是现成的炒股软件，而是一个 量化开发工具箱，帮助快速搭建自己的策略系统。 项目地址：https://github.com/vnpy/vnpy，也可通过 ...

据私募排排网数据显示，截至 2025 年 8 月底，管理规模在 100 亿元以上的私募基金（“百亿私募”）数量增至 91 家。其中，量化私募 45 家，占比约 49.45%；主观私募 39 家，占比约 42.86%；混合型（主观＋量化）6 家，占比约 6.59%。在年内收益超过 20% 的 40 家百亿私募中，量化私募占据 31 席。 来源：财联社报道，私募排排网数据（cls.cn）。 量化私募一般是指采用量化投资方法的私募基金管理公司。量化投资：指利用数学模型、计算机技术和海量数据来发现投资规律、制定投资策略并执行交易的投资方式。它依赖数据、算法和程序，目的在于减少主观判断和情绪干扰。 量化与人工交易的对比如下表所示： 对比维度 人工交易 量化交易 决策方式 依赖经验、直觉、新闻、主观判断 预设规则或模型，由程序自动执行 执行一致性 易受情绪和偏差影响，操作不一致 稳定一致，按既定规则执行 情绪干扰 高：贪婪、恐惧、冲动 较低：程序不具备情绪，但模型假设可能隐含人为偏见 速度 慢，依赖人工下单 快，能在毫秒级别响应信号 回测 & 验证性 ...

1 引入 如何用程序识别股票趋势：上涨/下跌/横盘？我面对的问题是：某些策略在上涨时有效，有些在下跌时有效，还有些更适用于横盘。那么，如何以量化方式准确判断当前趋势呢？ 趋势本身是一个相对的概念。上涨与下跌显然不同，而上涨与横盘有时难以区分，比如：究竟多长时间，多大涨幅能称为上涨？今天我们来探讨一下量化识别趋势的具体方法。 2 实现 在具体应用中，我们需考虑两个问题： 当前趋势判断：结合当前数值与近期历史数据，确定当前所处的趋势。 历史趋势判断：分析历史数据，将其划分为上涨、平稳和下跌的阶段。 2.1 原理 好的趋势判断方法，其核心在于明确多大尺度下允许多少波动来确认方向。这包含三个层面的框架：方向、坡度和噪音容忍度。 指标类别 用于判断什么 常用指标 参数示例 方向性 大方向是涨还是跌 MA、MACD 方向 20 日 vs 60 日 坡度 涨得快还是慢（可用百分比或斜率） MA 斜率、收益率 20 日涨幅 > +5% 稳定性 是趋势还是乱拉（噪音比） ATR/价格、布林带宽度 ATR 占比 < 2% 利用大周期判断方向，用强度指 ...

1 如何选股 选股时大家常常优先关注两个关键指标： PE（市盈率）大概告诉你这家公司“贵不贵”、是不是已经涨得有点离谱； ROE（净资产收益率）反映它赚钱的效率，是不是一家有经营能力的公司。 这两个能给到最基本的判断，但还不够。真正决定“能不能买、值不值得拿着”的，其实是它在市场中处于什么位置。比如：这支股票相比整个A股、相比同行，到底是表现稳定、赚钱能力强，还是只是听起来不错。 我的具体做法是：抓取 A 股 5000 多支股票，从 2023.01.01 到 2025.10.20 的数据，按年切成三段（23年跌，24年波动，24年涨），分别按年统计每支股票的：波动率、最大回撤、夏普比率、年内最高涨幅、期末涨幅。然后再看目标股票在整体分布中的位置，判断它是不是值得持有。 今天在做风险评估时，某只股票的最大回撤为20%，不确定这算大还是小，也不能拍脑袋定阈值。于是对所有股票进行统计，做完觉得有些收获，分享一下。 2 年度比较 2.1 波动率 波动率（Volatility）是把这段时间里每天的涨跌幅算标准差，标准差越大，说明走势越“跳”。 直方图展示了三年的波动率分布。因为波动率是长尾 ...

1 港股相关 1.1 港币“强保 / 弱保”的含义 这是 港币联系汇率制度（Linked Exchange Rate System, LERS）里的两个关键锚点： 弱方保证（Weak-side Convertibility Undertaking，简称弱保） 水平：1 美元 = 7.85 港元 含义：如果港元 贬值到 7.85（即 1 美元要换更多港币），香港金融管理局（HKMA）会无上限卖美元、买入港元，支撑汇率不再继续贬。 强方保证（Strong-side Convertibility Undertaking，简称强保） 水平：1 美元 = 7.75 港元 含义：如果港元 升值到 7.75（即 1 美元只要换更少港币），HKMA 会无上限买美元、卖出港元，避免港币过度升值。 联系汇率制度的目标是保持港币与美元稳定挂钩。 区间范围：7.75–7.85 中点：7.80 港元汇率可以在这个区间自由浮动，但一旦触及上下限，金管局就会入市干预。 强保 / 弱保的功能 弱保（7.85）：防止资本大规模外流 → 港币贬值过快，会让资金恐慌性离开香港。金管局必须撑住。 强保（7. ...

（以下是我与GPT5对话的关键摘录） 关系：必需品 vs 奢侈品 维系正常的关系是生活必需品，而纯感情则更像奢侈品。有时候是我们不会表达爱，有时候可能根本没那么多爱，也不想承认。最理想的状态，是不管内心如何，都能表现出来——就像演一场戏，虽然不爱，但看起来很爱。互动顺畅，行为相互加强，慢慢也可能真的生出感情。相反，如果想维持关系，却让人觉得相处不舒服，那就减分了。 内心怎么想和外部表现常常不同，但在关系里，表现出来的效果更关键。看磕 CP 或影视剧，镜头前的甜度大半是演出来的，却依然美好。现实里，大多数行为也不是完全凭感情，而是“我是谁，我应该怎么做”，有时候“我应该”的反而适得其反。 很多关系不仅是情绪绑定，还涉及利益： 资源共享：时间、精力、人脉、生活安排 风险共担：孤独、压力、外部评价 身份绑定：我们是谁，在别人眼里是什么关系 恋爱、知己可以是动机导向，感情是发动机，让人满足。现实中，有些关系逃不了结果导向和物质考量，这时感情更像润滑油。搞清关系类别，选对策略，就像玩股票，要分清优先级。 经济基础决定上层建筑 稳定、对称，以及预测与现实的一致，是关系和生活的底层逻辑。爱好和工 ...

开源地址：https://github.com/xieyan0811/musiclight 音乐律动皮影小人 Arduino 音乐律动灯项目，通过 FFT 音频分析实现 RGB 灯带随音乐节拍变化，并联动电磁铁控制皮影小人按节奏跳舞。 1 功能特点 音频信号采集与 FFT 频谱分析 自动节拍检测 RGB 灯带颜色动态变化（低频→白色，中频→黄色，高频→粉色） 噪声过滤与信号增强 频率联动电磁铁控制：根据音乐频段动态驱动电磁铁，控制皮影小人按节奏跳舞 高频：同时驱动头部和手部电磁铁 低频：主要驱动手部电磁铁 中频：同时驱动头部和手部电磁铁 2 硬件要求 Arduino 开发板（如 Arduino Uno） 麦克风模块（连接到 A0 引脚） WS2812B RGB 灯带（10 个灯珠，连接到 9 号引脚） 电磁铁 × 2（分别连接到 10 号和 11 号 PWM 引脚，6 节电池独立供电） 皮影小人（包含可移动的头部和手部，由电磁铁驱动） 3 电路连接 组件 Arduino 引脚 说明 麦克风 A0 音频输入 RGB 灯带 Pin 9 数据信号 电磁铁 1 ...

1 长线持股，也能很主动 很多人对“长线投资”的理解，是买完躺平一年，但实际市场从不会奖励这种佛系。 真正稳健的做法，是 长期逻辑 + 结构化调仓——底层逻辑不变，但仓位和成本永远在优化。 这篇文章想分享的是一套“长线、自动化、分股性”的方法论，既不折腾，也不被动挨打。 2 先决定持有什么 不是嘴上看好，是“条件式看好”。能长期持有超过一年的行业或公司，必须同时满足三个条件： 逻辑能站住脚：是结构性成长、或周期即将回升，而不是靠情绪炒作。 财务能兑现：ROE、现金流、负债结构都在可接受区间，不出现质变。 竞争格局能稳定：头部企业地位没被撼动，行业没有突然变成价格战泥潭。 只要这三件事不破，长期持有就是合理的。 这里可以结合： 人工判断 LLM 辅助分析（如新闻、研报） 财务数据过滤（ROE、现金流、杠杆） 长线不是“相信”，是“确认”。 3 操作方法 3.1 高波 / 低波：简单定义 3.1.1 高波品种 涨得猛、跌得狠、拉升与回撤都剧烈。主要行业：新能源、AI、半导体。 操作方法： 稳底仓 → 小额分批买 → 大波动做差 → 不追、不梭、不重仓赌方向。 3.1.2 低波品 ...

1 引入 在所有投资技巧里，止损可能是最关键的一个——无论做长线、短线、左侧还是右侧，只要进场，就得考虑怎么退出。它让你在行情不顺的时候保住筹码、留得青山在。 很多时候，我们不是“输得多”，而是“亏大钱”——明明赢的交易次数比亏的多，但只要有一两次没及时止损，亏损就会在下跌里一路放大，最后把前面赚来的利润全吞掉，甚至倒亏。 我一开始做的止损很简单，跌到成本价的 5%/10% 就卖掉，但往往执行不了。不同股票波动幅度不一样，有的一天波动 5% 是家常便饭，有的一个月波动不到 5%；有的我只想短线持有一个月，有的持有周期两年起；有的买在底部，有的难免追高，不可能全设成 5% 止损，实在太不符合常识了。 这次的新方法测出的最终效果跟自己的直觉非常相近，相当于终于把那“不可道”的直觉量化了，在这里分享给有缘人～ 2 原理 要计算合理的止损位，至少需要考虑以下几点： 股票本身的波动大小：波动越大，止损设置越宽。 我的成本价：止损通常是成本乘以一个百分比。 当前股票价格：如果当前价格高于成本很多，可将止损设置为成本价。 目标时间周期：长期看好的股票一般能接受更大的浮亏。 2.1 年化波动率 先 ...

在金融强化学习中，我们既可以自己实现环境，也可以利用现有工具快速搭建实验平台。本文重点介绍如何使用现成工具来简化金融 RL 实践。 1 选择金融的 RL 库 方式 代码量 学习成本 复用性 回测功能 适用场景 FinRL / gym-anytrading 低 低 高 完善 教学、快速实验、科研 自写 gym.Env 极简环境 中 低 低 需自写 简单实验 完全自研环境和回测 高 高 低 需自写 高度定制的金融研究 现成工具推荐： gym-anytrading：适合快速上手和教学实验，带示例数据（如 Open/High/Low/Close/Volume）。 FinRL：适合多资产、真实市场数据回测、科研和产业应用。3_FinRL系列开源工具 quantgym：适合专业衍生品市场建模，需要金融衍生品基础。 新手建议使用 gym-anytrading，快速完成实验，降低开发成本。 2 gym-anytrading 简介 gym-anytrading (https://github.com/AminHP/gym-anytrading) 2.3k ...