暂无搜索历史
我以前在做多标的分钟级策略时发现,批量接口最麻烦的问题不是请求失败,而是请求成功、返回结果也非空,但实际拿到的股票数量少于预期。本文从一次分钟线数据缺失的排查过...
我以前在做全市场截面选股时发现,行情接口没有报错,不代表拿到的数据足够完整。一次批量请求即使正常返回,也可能因为标的缺失、停牌处理不一致或行情时间不统一,导致因...
我以前在做全市场 A 股实时行情接入时发现,最难排查的不是接口报错,而是请求正常返回、数据却不完整。少几只股票,程序不一定会异常退出,但横截面因子、行业权重和选...
获取300只股票两年的日K,直觉上是遍历代码、逐只请求,再把结果拼起来。标的少、偶尔运行时,这样做能工作;一旦加入超时处理、重试、复权口径、数据校验和断点恢复,...
一个典型的盘中监控流程是这样:从数据 API 拿到实时行情,写入本地缓存(Redis、SQLite 或内存 DataFrame),然后策略从中读取数据计算信号。...
批量获取股票行情时,总有一部分请求会失败——网络抖动、限流、股票退市、代码格式错误,原因多种多样。如果把失败和成功的数据混在一起处理,后续的选股、回测或监控结果...
价格用来判断涨跌幅、成交量和价格区间;盘口用来观察买卖挂单的厚度和价差,判断流动性是否足够。
行情监控脚本在盘中崩溃或服务器重启后,如果直接重新拉取所有标的的全量数据,既浪费请求次数又延误监控窗口。本文讨论几种工程上可行的快速恢复方案,包括内存快照落盘、...
我在做量化实盘时,曾经遇到过一个很典型的问题:同一套策略回测表现不错,真正运行到盘中后却频繁出现信号滞后、成交价格偏离甚至风险控制失效。后来我发现,很多所谓的“...
我在做分钟级策略时,真正让我头疼的并不是“Python 怎么请求接口”,而是拿到分钟 K 线以后,如何确认时间、价格、成交量和复权口径都能进入后续回测。本文从我...
我在量化项目里最容易掉进的坑,并不是接口报错,而是接口“正常返回”了一份看起来完全合理的数据。真正的数据可靠性,需要同时验证标的、时间、字段、复权口径以及数据连...
在量化开发中,真正麻烦的往往不是获取股票数据,而是把 API 返回的数据稳定地转换成可以直接用于 Pandas 分析、回测和因子计算的 DataFrame。本文...
我在量化实盘中真正被行情扫描器折腾过很长一段时间:单只股票查询很容易,但一旦扩大到整个股票池,数据请求、字段统一、异常处理和后续计算都会变成工程问题。本文从我的...
我在量化实盘和策略回测中反复遇到过一个看似简单、实际很容易出问题的问题:Python 到底应该怎样稳定地获取股票历史 K 线?本文从我实际搭建量化数据管道时踩过...
实时行情进入 Pandas DataFrame 以后,最容易写错的不是筛选条件本身,而是字段口径、空值、单位和排序。比如 change_pct 是 0.03 还...
我曾经遇到过一种很典型的量化问题:策略代码没有改,参数没有改,回测收益却因为数据处理方式不同发生明显变化,最终导致回测结果和实盘表现完全不一致。后来我把问题拆解...
大规模 A 股实时看板的难点通常不在于能不能拿到一批行情,而在于行情进入量化监控之前,是否已经被整理成稳定、可追踪、可校验的数据流。否则,看板上看似只有几列价格...
我在量化项目里越来越倾向于让行情 API 直接返回 Pandas DataFrame,因为量化研究真正消耗时间的地方,往往不是“把数据拿回来”,而是拿回来以后如...
我在搭建量化数据基础设施时,曾经把大量时间浪费在一个看起来非常简单的问题上:同一只股票,在不同数据源、不同模块里为什么总是长得不一样。后来我把股票代码统一提升为...
盘中候选股排序的核心问题不是“怎么把公式写得更复杂”,而是如何稳定地拿到同一批股票的行情快照,并在本地用可解释的规则完成过滤和排序。
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