本篇没啥主题，聊聊量化相关的书、用模型改代码、重构旧项目之类的。 推荐一本量化相关的书《Systematic Trading》 最近在看凌波的《量价时空》，觉得挺好，还买了两本，一本送朋友。他分别从：量、价、时、空四个角度分析，集成了量价关系，蜡烛图等常用技术。很多细节其实都能用程序实现，整体像是给了一套工具包，信息密度很大，但稍微有点散。 后来和 GPT5 聊这个，他给我推荐了 Robert Carver 的《Systematic Trading》。我看了介绍和第一章，有种“他乡遇故知”的感觉：他讲的和我最近从数据里看到的、操作体验很契合，加上作者文本力很强，就觉得很棒。 现在大多数的书相对来说偏向于归纳总结型，最大的问题是有知识没思考。看完似乎会了，但不知道该怎么用。偶尔在看盘时，联想到某个工具，但还未必用得对。 对作者的感觉是：始于技术，终于世界观。最喜欢他的一点是，他不是先提出自己的观点，再找证据证明自己的观点。他力求从正反两方面进行论证。书中包含了很多作者的真知灼见，绝不是那种为写而写的作品。 关于内容，目前看完第四章，他说的几乎每个大问题，都是我遇到过或者正在遇到的问题。比 ...

1 引子 这是一个奇怪的脑洞：想到一种计算支撑位的量化方法。 早上和 AI 讨论如何识别阻力位和支撑位。它给我建议了几种方法，包括低点聚类、计算筹码密集区、斐波那契回调、均线以及最大回撤。这些方法与我对支撑的理解不太相符，而且都过于复杂，频繁处理多支股票数据比较耗费资源。 于是，我想到一个关于“平台”的逻辑。其中最简单的一种情况是：如果在某个区间震荡了一段时间后向上/向下突破，那么这个区间就可以作为支撑或阻力位。它应该是价格相对集中、波动较小的一段区间，具体可以通过中值和标准差来判断。 这是不是有点像布林带? 只不过布林带用的是均值和标准差。那么，是否可以通过稍作修改布林带的计算方法，简单地计算阻力和支撑位呢？ 2 支撑位 在不同行情中，比如横盘震荡、上升趋势或下行趋势中，支撑位都是价格止跌反弹的位置。在上升趋势中，支撑位通常是向上通道的下轨或最近一轮上涨的低点；在下行趋势中，支撑位可能是历史低点或先前平台的下沿，尽管在下跌过程中较难判断底部。在横盘震荡时，支撑位出现在历史K线中多次试探并止跌反弹的位置。无论是哪种，都需要：多次回踩未破后反弹。 它的本质是买方意愿 + 成本密度 + 心 ...

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 ...