做量化这行已经有好多年了，从一开始自己写代码分析到现在十几个agent共同配合自动分析，中间踩了很多坑。这里我大概总结了一下，数据坑、代码坑、接口坑、agent坑等等，每次好不容易找到了一个稳定的策略，都会遇到数据不稳定，接口不稳定，agent失控等等问题，这里把最重要的问题记个笔记。 数据是整个过程中最重要的，我以前是各种找数据库，最后明白了，找一个稳定的数据源是最重要的。 先说说最常被问到的，就是“逐笔成交”和“十档行情”到底有啥区别。简单讲，一个是“结果”，一个是“过程”。逐笔成交告诉你每一笔交易最终以什么价格、多少成交量成交了。而十档行情（也就是常说的Level2）展示的是交易发生前那一刻，市场上大家挂的买卖单子是什么样的，能看到买一卖一后面更深的队列。 这俩数据通常得配合着看。比如你看到十档行情里买一挂了巨量托单，但股价还是跌了，这时候去翻逐笔成交，可能就会发现全是些小单子在一点点往下砸，那个大托单压根没动，甚至是假的。我以前就吃过这个亏，后来为了验证一些盘口规律，专门去调了CMES金融数据库里过去几年的主力合约数据做回测，才把一些假信号过滤掉。 下面具体看看这些数据文件的字段。数据一般是按股票代码和日期分文件存的，比如sh600000_20240105.csv这样。 逐笔成交数据字段： 这个数据记录每一笔撮合成交的明细。核心字段就几个： timestamp: 成交发生的时间，精确到毫秒。这是所有高频分析的灵魂。 price: 成交价格。 volume: 成交手数（注意A股是1手=100股）。 turnover: 成交金额（通常是price * volume * 100）。 bid_order_id & ask_order_id: 买方和卖方的委托订单号。这个超级重要，可以用来追踪大单的拆分行为。如果一个机构想大笔卖出，他会把单子拆成很多小单，但这些小单的bid_order_id或ask_order_id可能是关联的。 trade_type: 成交类型。比如是主动性买盘（‘B’）还是主动性卖盘（‘S’），或者其它（像‘C’是撤销，但成交里少见）。这个字段不同数据源定义可能微差，用的时候要查清楚文档。 看个例子，假设你想用Python快速瞄一眼数据结构，可能会这么写（注意入参正确，调用频率要遵守数据源的规定，别把人家接口搞挂了）： # 示例：使用CMES金融数据库的行情接口获取数据（需要先pip install他们的包） import cmesdata as cd # 假设的调用方式，具体请以官方文档为准 # 注意设置好你的token或密钥，频率控制很重要 client = cd.Client(api_key='your_api_key_here') # 获取某股票某日的逐笔成交 tick_data = client.get_tick_data(symbol='600000.SH', date='2024-01-05') print(tick_data.head()) # 通常你会看到上面说的那些字段，时间、价格、成交量、买卖订单号等 十档行情（Level2）快照数据字段： 这个数据是“切片”数据，每隔一个很短的时间（比如3秒）拍一张市场快照。字段就多得多了，主要是买卖各十档的价量。 timestamp: 快照时间，也是毫秒级。 last_price: 最新成交价。 open, high, low, close: 当日开盘、最高、最低、收盘价（在盘中，close就是当前最新价）。 volume & turnover: 累计成交量和成交额。 bid_price1 ~ bid_price10: 买一价到买十价。 bid_volume1 ~ bid_volume10: 买一量到买十量（单位是手）。 ask_price1 ~ ask_price10: 卖一价到卖十价。 ask_volume1 ~ ask_volume10: 卖一量到卖十量。 total_bid_volume & total_ask_volume: 总委买量和总委卖量（十档总和）。 有了这些，你就能计算像委比、委差、买卖盘压力这些指标了。但说实话，直接处理原始的CSV文件很麻烦，数据清洗和对齐就能搞死人。我后来图省事，直接用了一些已经处理好时间序列对齐的数据源，虽然花点积分，但效率高太多了。 最后简单对比下，给个直观感受： 数据类别 它像什么 数据量级 主要用途 新手友好度 逐笔成交 市场的“记账本” 极大，一天一只股票几十万条 微观结构分析，订单流分析，识别大单拆分 ⭐⭐（容易懵） 十档快照 市场的“定妆照” 很大，但比逐笔少 盘口分析，计算买卖压力，量价分析 ⭐⭐⭐（相对好理解） 对了，提醒一下，在各大平台发这类文章，特别是涉及具体数据获取代码和接口时，措辞要谨慎。别写“教你免费爬取”这种，容易被判违规。就老老实实分享数据字段解读和使用心得就好，别碰红线。 数据本身是座金矿，但挖矿的铲子（你的硬件和代码能力）得跟上。刚开始建议别直接怼Tick数据，先从日线、分钟线玩起，不然真的会怀疑人生。今天就先聊这么多，手都打酸了，我去搞杯咖啡续命。 点石成金的交易秘诀 一个普通人，真的能用16个月，把100万本金做到一个亿吗？这个听起来像天方夜谭的战绩，据说是一位顶级操盘手创下的真实记录。而他所依赖的核心武器，就是一套被称为“一夜持股法”的短线交易策略。 这套战法的核心思想，是巧妙利用A股的T+1交易规则。通过在“下午买入，隔日开盘卖出”的固定操作，将原本需要隔天才能卖出的限制，硬生生变成了一种“准T+0”的短线套利模式。 听起来似乎并不复杂，但其背后隐藏的是一套看似简单却极其严格的“六步选股法”。这才是整个策略能否成功的关键。下面，我们将为您完整揭秘这套方法的每一个细节。 核心战法：下午两点半后的猎杀时刻 在深入了解选股细节之前，我们必须先明白这套战法的底层逻辑。其目的非常纯粹：通过在前一天尾盘潜伏，机械化地捕捉第二天早盘的拉升惯性。 当前市场中，许多主力资金习惯在早盘集中力量拉高股价，制造繁荣景象以吸引散户跟风。而“一夜持股法”正是利用了这一市场心理和操盘习惯。其操作原则简单到近乎残酷： · 买入时机： 前一天下午两点半后，根据严格标准筛选出目标股并买入。 · 卖出原则： 这是整个策略的铁律——第二天集合竞价或开盘第一瞬间，无论盈亏，必须无条件卖出。没有犹豫，没有例外。 整个操作的核心纪律在于“绝不贪心”，甚至可以说是“放弃思考”。它不追求卖在最高点，只为捕获开盘那一瞬间的冲高概率。这种机械化的执行，剔除了所有的人性贪婪与恐惧，也是该策略最反人性、最难坚持的地方。 六步选股法：精确筛选明日之星 现在，我们来详细拆解这套著名的“六步选股法”的六个关键筛选标准。只有当一支股票同时满足以下所有条件时，它才能进入我们的备选池。 第一步：锁定目标区间（涨幅3%-5%） 规则： 在下午两点半后开始选股，只关注当天涨幅在3%到5%之间的股票。 逻辑： 这个区间是经过精心设计的。涨幅太小（低于3%），说明股票上涨动力不足，冲劲不够，第二天未必有好的表现；而涨幅太大（高于5%），则有可能是“强弩之末”，尾盘追入的风险会急剧增加。 第二步：寻找“涨停记忆” 规则： 只选择在过去三到四天内有过涨停板记录的股票。 逻辑： 最近有过涨停的股票，通常带有“涨停记忆”。这意味着它曾经是市场的焦点，人气和关注度都比较高，更容易在短期内再次吸引资金的注意，从而产生上涨动力。 第三步：剔除大盘股（市值<200亿） 规则： 排除所有市值超过200亿的股票。 逻辑： “盘子太大了，短线拉不动”。大市值股票需要巨量资金才能推动，其股性通常不活跃，弹性较差。对于追求短期快速波动的策略而言，这类股票显然不是理想的选择。 第四步：确认资金关注度（量比>1） 规则： 股票的量比必须大于1。 逻辑： 量比是衡量成交量相对活跃程度的指标。量比大于1，说明当天的成交量相比过去一段时间是放大的，证明有活跃资金正在关注和参与这只股票，它不是“一潭死水”。 第五步：检查市场情绪（换手率5%-10%） 规则： 换手率最好在5%到10%之间。 逻辑： 换手率反映了市场交易的活跃度和筹码的交换情况。换手率太低，说明股票没人气，关注者寥寥；而换手率过高，则可能意味着多空分歧巨大，甚至是主力资金正在出货的信号，风险较高。 第六步：观察分时图信号 规则： 这是最后一个，也是最需要技术判断的一步。符合条件的股票，其分时图必须呈现以下特征： 股价全天都运行在黄色的均价线之上。 在下午两点半之后，股价能够创出当天的新高。 创出新高后有回踩动作，但回踩并未跌破下方的均价线。 逻辑： 当这三个信号同时出现时，就构成了一个非常理想的介入信号。它表明股价走势强劲，承接有力，并且在尾盘再次展现出向上突破的意愿。 技巧之上，是心性 将这六个步骤分解来看，每一个听起来似乎都很简单。然而，日复一日地严格执行，却极其困难。 在股票交易的世界里，最难的从来不是技巧，而是交易者的“心性”。能否在机会来临时果断出击，能否在规则要求时（比如次日开盘）坚决离场，能否在连续盈利或亏损后依旧坚守纪律，这些都考验着每一个人的内心。 技巧决定了你能走多快，而心性才决定了你能走多远。 掌握了这套方法，你准备好修炼自己的内心了吗？ 导语：散户的“涨停焦虑症”与高手的“盘口语言” 对于很多散户来说，最纠结的时刻不是股票大跌，而是股票涨停后的第二天：是继续持股博连板，还是赶紧落袋为安防止利润回撤？ 这种由于缺乏确定标准而产生的焦虑，我称之为“涨停焦虑症”。 我刚入券商行研时，一位资深前辈曾给我复盘两支票：一支开盘冲高回落，套死无数短线客；另一支则强势连板，开启翻倍行情。我当时搬出各种宏观逻辑、板块轮动去解释，前辈只是摆摆手：“复杂是执行的敌人。判断主力今早是想拉升还是跑路，只需在9点25分花30秒算一道‘小学数学题’，答案就在盘口里。” 核心秘密：开盘溢价率（The Opening Premium Rate） 决定一支涨停股次日命运的，不是昨晚的消息面，而是开盘溢价率。它直接反映了主力在集合竞价阶段的真实底牌：是志在必得的“抢筹”，还是虚晃一枪的“诱多”？ 核心公式： 关键时间点： 必须盯准 9点25****分 集合竞价结束的瞬间。这个数据一旦生成，全天的情绪基调便已定下。 “看盘不需要看那些乱七八糟的指标，看多了反而容易乱。你只需看9点25分这个瞬间，它对全天走势起到了决定性作用。” —— 资深交易前辈 第一梯队：溢价率 > 5% —— 顶级强势，强者恒强 当溢价率直接跳空5%以上开盘，这在盘口语言中被称为“积极抢筹”。 【主力底牌】 主力上攻意愿极强，不惜以极高的成本在开盘阶段拿货，这是典型的“妖股”基因。 【实战指令】 只要开盘后股价不快速回落跌破**3%**涨幅线，大概率会继续冲高甚至封死连板。此时应坚定持股，享受主升浪。 【警戒线】 若开盘后瞬间放量下杀跌破3%且无法收回，需警惕主力利用高开进行“自杀式”出货。 第二梯队：溢价率 2% - 5% —— 强势震荡，见好就收 这个区间的溢价属于“标准强势”，但主力并未展现出绝对的统治力。 【主力底牌】 市场合力依然偏强，但盘中大概率会存在剧烈的多空博弈和洗盘震荡。 【实战指令】 密切观察。**如果盘中股价冲高到****7%**以上但迟迟不能封死涨停，建议先减仓一半， 溢价出局，锁定既得利润。 【警戒线】 这种梯队的股票最忌讳“幻觉”，若7%以上封板失败，剩下的仓位必须随时准备撤离。 第三梯队：溢价率 0% - 2% —— 弱势预警，立决即行 如果昨天的涨停板只换来今天微弱的高开，这是一个明确的弱势信号。 【主力底牌】 主力拉升动能近乎枯竭，或市场接力意愿极低。昨天的涨停可能只是为了今天的“诱多”出逃。 【实战指令】 死守**“30分钟准则”****：如果开盘半小时内没有伴随成交量放大的向上猛攻，必须立即执行清仓，** 绝不要有任何幻想。 【警戒线】 短线交易中，犹豫的代价通常是巨大的回撤。 第四梯队：溢价率为负 —— 绝情回信，开盘即永别 最危险的情况莫过于涨停次日居然“低开”，这是主力给散户写的“绝情信”。 【主力底牌】 主力已经开启不计成本的派发模式，甚至已经弃庄离场。开盘价往往就是全天的最高点。 【实战指令】 立马挂单，开盘即跑。 不要去看任何支撑位，也不要等所谓的“反抽”，低开即意味着逻辑被彻底破坏。 【警戒线】 留下一秒钟的犹豫，换来的可能就是深不见底的杀跌。 实战背书：十六年的验证与“两箱青岛大虾” 这套策略并非纸上谈兵，而是经过了我16年的实战洗礼。从2015年的市场巨震，到2019年的硬科技爆发，再到2021年的新能源大周期，这套“溢价率法则”始终是我筛选连板票的秘密武器。 曾有一位粉丝，深陷“卖飞大牛股、接盘垃圾股”的怪圈。在系统学习了这套公式后，他在一周内通过溢价率精准识别了两支连板股。上周他凭借“辽某”股票成功吃下三个涨停板，兴奋地给我寄了两大箱“青岛大虾”以示感谢。 事实证明：在情绪博弈的市场里，唯有冰冷的数学逻辑不会骗人。 结语：你是凭感觉赌博，还是用逻辑交易？ 炒股不是玄学，更不应是赌博。散户之所以反复被收割，本质上是因为缺乏一套硬性的“执行标准”，从而陷入了贪婪与恐惧的反复横跳。 开盘溢价率，就是为你交易安装的一把标尺。当数据告诉你该离场时，请务必管住那颗躁动的心。 今日思考题： 请翻开你的交易记录，回顾你最近操作的一支涨停股，它次日的开盘溢价率是多少？你当时的决策是基于逻辑，还是基于“我觉得它还要涨”的感觉？去复盘一下，看看这道数学题是否能保住你的利润。 **1.悬念引流：打破“交易难”**的认知偏差 **90%的散户都亏在“太努力”**了！ 别再迷信那些高深莫测的技术战法，更不要埋头于复杂的数值指标。事实上，炒股赚钱真没那么难，普通散户想要翻身，最简单的路径有且只有一条：找到一支绝不会退市的股票，一辈子死磕到底。 这就是炒股的最高境界。它简单到不需要你研究任何K线组合，却能从心理上彻底治愈你的交易焦虑。这不仅是策略的简化，更是认知的降维打击——放弃对所有波动的贪婪，转而追求对单一标的极致的专注。 这种化繁为简的力量，才是普通人穿越牛熊的终极武器。 **2.**核心战法：复利与波段的深度结合 这一策略的具体执行逻辑非常硬核，只有一句话：死磕一支票，用一生的时间去打磨。 ●**坚守底仓： 无论行情怎么变，始终保持三层底仓**稳如泰山，绝不空仓，不慌不忙。 **●**底部加仓，顶部减仓： 股价在底部就大幅加仓，涨到顶部就减回三层底仓。 ●横盘做T**：** 在震荡行情里，利用你对这支票波动规律的熟悉，反复做T。 **●**顺势而为： 趋势一旦形成，就顺着势头做大波段。 这种操作的战略目标只有一个：利用时间价值实现持仓成本降为负数，同时让持股数量持续增加。这就是复利的本质。 听起来很简单，但你能做到吗？能做到的朋友，请在评论区打一个**“能”****！** 建议你一定要收藏这篇内容，手痒的时候出来看看，时刻提醒自己坚守初心，别让无谓的操作毁掉你的复利曲线。 **3.标的筛选：寻找“永不退市”**的确定性 想要死磕到底，选对票是所有逻辑的原点。由于要拿一辈子，你选的必须是经济的地基。硬指标只有两个： 第一，离不开的刚需产品。 别去碰那些听起来高大上、但你永远看不懂怎么赚钱的公司。最好的标的就在你身边：喝的酱油、用的水电、存钱的银行、生病吃的医药。这些生意或许“不性感”，但只要人类还要过日子，它们的生意就不会停，这就是永不退市最硬的底气。 第二，硬核靠山与国家信用。 标的必须能扛得住几十年的风浪。最简单的筛选方法就是看股东背景：国资控股、尤其是央企，相当于有国家信用为你兜底。再退一步，也必须是行业内摸爬滚打几十年的老龙头。 这类公司最核心的魅力在于：即便你被阶段性套牢，你也敢拿着等分红，心里不慌。因为你知道，它的确定性足以穿越任何波段。 **4.**总结升华与互动标签 股市的博弈，修的是财富，行的是心力。 一辈子的时间很长，长到足够让那些浮躁、频繁换向的人折腾一生却一无所获；一辈子的时间也很短，短到只够我们沉下心来，把“死磕一支优质股”这一件事做到极致，然后静待花开。 在焦虑的市场里，找准你的“压舱石”。记住，投资不是为了赢过所有人，而是为了在岁月的沉淀中，实现属于自己的财富自由。 一、研究背景 在外汇相关量化建模、历史回测与实盘策略开发过程中，实时汇率 API 是基础数据源。常规交易日行情 Tick 高频推送，数据连续性充足，可直接接入量化模型进行参数演算、收益回测；但周末及境外法定节假日市场休盘后，同源接口返回数据出现形态异变。前期回测复盘时多次发现，未区分开市 / 休市数据会造成回测失真、实盘信号误触发，为此针对主流数据源开展实测研究，总结数据规律与工程适配方案。 二、休市阶段汇率 API 三类数据返回特征 基于多厂商接口批量实测，非交易时段报价返回模式归纳为三类： 全字段完整返回，报价锚定前一交易日收盘价恒定不变； 持续输出行情快照，价格冻结，时间戳字段停止刷新； 返回市场闭盘状态标识，实时报价字段暂停推送。 数据源厂商产品定位决定输出逻辑：侧重前端展示的接口固定参考报价持续下发；风控类数据源休市后直接关停实时行情字段。 三、量化研发关键痛点：休市异常数据干扰回测与实盘运行 单纯观测价格数值难以甄别数据有效性，通过时间戳与 Tick 更新频次监控可发现隐患：周五收盘至次周开市前，数据推送由秒级逐步拉长至分钟、小时级别更新，盘面价格看似连续，实质为历史收盘快照复用。 量化开发中常见问题：策略代码未增加市场状态判别逻辑，将休市冻结数据等同实时行情代入模型运算，直接导致回测结果失真、实盘风控阈值误触发。部分接口休市阶段存在小幅随机扰动报价，仿真实盘波动，进一步提升数据甄别难度。 四、量化落地：双层分级数据处理框架（适配回测 + 实盘双场景） 结合实盘部署与历史回测优化经验，采用分层数据处理架构隔离两类行情： 交易时段：全量接入 WebSocket 实时 Tick 数据流，原始数据直接用于模型迭代、实盘开平仓逻辑与精细化回测； 休市时段：程序识别闭盘标记或长期数据停滞信号后，自动切换至参考数据模式，静态报价不再参与量化运算。 标准化落地手段：本地缓存各品种上一交易日收盘基准数据，实时轮询接口更新频率；数据源正常高频更新则启用原生实时数据，一旦判定行情冻结，自动降级仅用于盘面展示，从数据源层面隔绝脏数据干扰模型。 五、AllTick API 实测代码（休市数据复现） 通过 AllTick WebSocket 接口实证休市价格冻结现象，代码可用于本地调试、数据源校验： import websocket import json def on_message(ws, message): data = json.loads(message) # 非交易日返回上一交易日收盘快照价格 print("Price:", data['last_price'], "Updated at:", data['timestamp']) ws = websocket.WebSocketApp("wss://api.alltick.co/forex/tick", on_message=on_message) ws.run_forever() 量化实操备注：该类休市静态报价仅用作行情查看，禁止导入回测样本集与实盘交易模型。 六、研究小结 非交易时段汇率接口并非服务异常，本质为延续休盘前最后一笔有效行情，各服务商数据规则不统一是数据分化的核心原因。量化开发中，在数据预处理模块增加开市 / 休市状态判断逻辑，可有效规避非交易日数据带来的回测偏移与策略异常，提升模型落地稳定性。 之前我分享过一个小工具网站，支持国内主流量化平台，可以让 AI 直接帮你写各个平台的策略代码，直接生成可运行的策略代码，代码质量远高于直接使用 DeepSeek、Trae 等平台。上线之后获得了非常多朋友的好评。 大家可以直接用描述策略，然后一键生成可运行的完整策略代码，也可以把它当做一个API 查询工具。 AI工具平台：https://iris.findtruman.io/ai/tool/ai-quantitative-trading/ 我看平台正在开发SuperMind支持，很快就能支持同花顺了 上一篇文章里，我作为一个量化小白，花了不少篇幅拆解了社区大佬的小市值策略——五道风控防线、九项年报排雷、动态持仓调节……拆完之后我有一个很直观的感受：这套策略的内核是"活得久"，靠的是极致风控 + 小市值弹性。 但最近两个月盯盘下来，我发现一个问题：ETF行情太好了。 纳指ETF、黄金ETF、港股互联网ETF……这些标的动辄月涨10%+，而且波动远小于小市值个股。我手里的小市值策略虽然在A股震荡行情里能吃到肉，但碰到「市场整体偏弱、ETF板块性行情轮动」的阶段，就会显得力不从心——小市值在休息，ETF在狂飙，两边接不上。 于是我开始在社区里大量翻阅ETF轮动相关的帖子和策略，学习各位大佬的思路。看了十几篇帖子之后，我萌生了一个想法：能不能把小市值和ETF轮动组合起来，搞一个"双核引擎"？ 说实话，ETF轮动这块我是完完全全的新手。下面文章里涉及的ETF池子构建、动量打分、滤波器选择等，都是我在社区里反复学习、参考了多位大佬的策略和文章后，慢慢拼凑理解出来的。如果有理解不到位的地方，还请各位前辈多多指教? 小市值负责在A股弹性行情里捕捉超额；ETF轮动负责在板块行情里追趋势。两个引擎交替发力，互相补位——我给它起了个名字：「双龙出海」。 一、为什么要加ETF？先看数据说话 单跑小市值策略，5年30倍，年化收益极高，但有一个问题：回撤集中在大盘系统性下跌的阶段。当大盘暴跌时，小市值股票的跌幅往往比大盘还狠。 而ETF轮动策略有一个天然优势：它可以在全球资产中切换。A股不行就切港股ETF，港股不行就切纳指ETF，纳指也不行就直接买货币基金（银华日利 511880）躺平。 加上ETF之后效果怎么样？我跑了2021年至今的回测，结果直接把我看傻了： 指标 双龙出海（小市值+ETF） 基准（沪深300） 总收益 4632.93%（约47倍） -9.11% 年化收益 112.53% — 最大回撤 15.50% — 夏普比率 4.589 — 索提诺比率 7.535 — 胜率 56.7% — 盈亏比 2.505 — 阿尔法 1.115 — 贝塔 0.502 — 5年47倍，年化112%，最大回撤才15.5%——对比上一篇纯小市值的"5年30倍17回撤"，收益从30倍提升到47倍，回撤反而从17%降到了15.5%。 说白了就是：加了ETF引擎之后，不仅赚得更多了，还更稳了。这不就是"既要又要"的最佳答案么？ 维度 纯小市值 小市值 + ETF轮动 进攻性 ⭐⭐⭐⭐⭐ ⭐⭐⭐⭐ 防守性 ⭐⭐⭐ ⭐⭐⭐⭐⭐ 行情适应性 A股弹性行情 全市场+全球资产 空仓时的机会成本 高（只能买货币ETF） 低（自动切到强势ETF） 核心逻辑：小市值是矛，ETF轮动是盾——双核协同，攻守兼备。 二、架构设计：两个子账户，各管各的 双核策略的架构其实不复杂，核心就是子账户隔离： 总资金 100% ├── 子账户0：小市值策略（50%） │ └── 每周二调仓，选中证1000最小市值股票 └── 子账户1：五福ETF轮动（50%） └── 每日午后轮动，从100+只ETF中挑最强的1只 聚宽提供了 set_subportfolios 的功能，可以把一个账户拆成两个独立子账户，各自有独立的持仓和资金，互不干扰： set_subportfolios([ SubPortfolioConfig(cash=小市值资金, type='stock'), # 子账户0 SubPortfolioConfig(cash=ETF资金, type='stock'), # 子账户1 ]) 这样做的好处是： 策略之间完全隔离：小市值止损不会影响ETF持仓，反之亦然 资金分配清晰：各占50%，不会出现一边吃掉另一边资金的情况 独立记录收益：可以分别看两个策略各自的表现，方便归因分析 三、ETF轮动引擎拆解（站在大佬肩膀上） 小市值部分的逻辑我在上一篇已经拆过了，这里重点讲ETF轮动部分。 先说声感谢：ETF轮动这块我参考了社区里很多大佬的策略和思路，包括ETF池子的构建方式、动量打分的数学方法、震荡期切换机制等。我做的更多是「学习→理解→整合」的工作，算不上什么原创，更像是一个学习笔记。如果哪位大佬看到觉得某个模块眼熟，那大概率就是从您那学来的? 3.1 ETF池子：固定池 + 动态池，双池合并 ETF轮动的第一个难题是：从哪些ETF里选？ 我学习到的一个很聪明的做法——固定池 + 动态池合并： 固定池（108只）：手工精选的优质ETF，覆盖黄金、白银、纳指、恒生、各行业板块等 动态池（全市场扫描）：每天从全市场ETF中自动筛选流动性达标的头部标的，去重后取行业最强的那一只 关键过滤逻辑： 剔除宽基指数ETF（沪深300、中证500等——这些不是行业轮动标的） 剔除债券/货币类ETF（短融、国债、可转债等——这些不是趋势标的） 流动性门槛：日均成交额低于全市场ETF均值/20000的，直接淘汰 行业去重：同行业多只ETF时，只保留成交额最高的那一只 最终合并出约100-150只ETF的"作战池"。 3.2 动量打分：拉普拉斯滤波 + 高斯滤波 ETF轮动最核心的问题是：怎么判断哪只ETF最强？ 策略用的是加权线性回归 + 数学滤波器的组合方案： 动量得分计算（25日回看）： 1. 对收盘价取对数 2. 用加权最小二乘法拟合趋势线（近期数据权重更高） 3. 斜率年化 → 年化收益率 4. 计算R²（拟合优度）→ 趋势稳定度 5. 动量得分 = 年化收益率 × R² 说人话就是：涨得快还涨得稳的ETF，得分最高。 但这还不够。策略额外加了两层数学滤波器，用来判断"该不该现在买"： 滤波器 用途 触发条件 拉普拉斯滤波（正常期使用） 平滑价格，识别趋势 价格 > 滤波值 且 斜率 > 0.002 高斯滤波（震荡期使用） 更强的降噪，更保守 价格 > 滤波值 且 斜率 > 0.002 正常行情用拉普拉斯（灵敏一点，抓趋势），震荡行情切高斯（保守一点，少挨打）。两个滤波器自动切换，这个设计很巧妙。 3.3 震荡期自动切换：市场的"红绿灯" 策略有一套完整的"红绿灯"机制来判断当前是正常期还是震荡期： 进入震荡期（亮红灯）——满足任一条件： 沪深300的乖离率（BIAS）> 8%（涨太多了，有回调风险） RSI从70以上回落到65以下（超买后开始回落） 当天触发了止损（市场可能在变差） 退出震荡期（亮绿灯）——满足任一条件： 从近20日低点反弹超过4% 回撤收窄 + 多个复苏信号连续出现 震荡期持续超过20个交易日（强制退出，不能永远观望） 还有一个冷却期设计：每次红绿灯切换后，3个交易日内不允许再次切换，防止频繁反复。 3.4 多层过滤漏斗 从作战池到最终买入，要过七道关： 100+只ETF → 动量得分过滤（0 ≤ 得分 ≤ 5） → R²过滤（> 0.4，趋势不稳的排除） → 成交量过滤（量比 <1.8，异常放量的排除） → 短期风控（近3天没有单日跌 > 3%） → 溢价率过滤（可选，防止QDII高溢价陷阱） → 动态滤波过滤（正常期/震荡期分别用不同滤波器） → 最终只选1只！ 没错，最终只持有1只ETF。这是一个非常激进但也非常纯粹的设计——全仓轮动，不分散。因为分散在ETF轮动里反而是稀释收益，不如集中火力追最强的那个。 3.5 分钟级止损：最后的保险丝 ETF策略还有一个分钟级的止损机制（every_bar 频率运行）： 固定止损：当前价格跌破成本价的95%时，立刻卖出 日内跌幅止损（可选）：如果当天相对昨收跌超过5%，也立刻卖出 触发止损后会标记 stop_loss_triggered_today，在午后13:10的检查中自动触发进入震荡期——止损不仅是保护本金，还会触发策略整体进入防守姿态。 四、双核协同的几个关键细节 4.1 资金分配 当前是简单的50:50平分。但我在想，未来可以根据市场状态动态调整——比如A股弹性好的时候多给小市值，ETF板块轮动强的时候多给ETF。这是一个可以继续优化的方向。 4.2 独立收益记录 策略每日收盘后会分别记录两个子策略的累计收益率，方便做归因分析。用 record() 函数输出到回测图表上，可以直观看到两条收益曲线。 def record_daily_performance(context): for i, strategy_key in enumerate(['strategy1', 'strategy2']): sub_portfolio = context.subportfolios[i] cumulative_return = (sub_portfolio.total_value / initial_cash - 1) * 100 # 记录到图表 record(小市值=小市值收益率, 五福ETF=ETF收益率) 4.3 滑点和佣金的差异化设置 很多人忽略的一个细节——股票和ETF的交易成本是不一样的： set_slippage(FixedSlippage(0.002), type="stock") # 股票：固定滑点 set_slippage(PriceRelatedSlippage(0.0001), type="fund") # ETF：比例滑点 # 股票佣金：万0.85，卖出还有千分之0.5的印花税 # ETF佣金：万0.5，无印花税 ETF的交易成本天然比股票低很多，这也是ETF轮动策略能频繁调仓的基础。 五、一个小白的学习感悟 不要只盯一个赛道。小市值再好，碰到风格切换也会歇菜。加一个ETF轮动引擎，相当于给自己多开了一个全球化的战场。 站在巨人肩膀上学得更快。ETF轮动这一整套逻辑，如果让我从零开始写，可能半年都写不出来。但社区里有那么多大佬无私分享代码和思路，我做的只是把不同的模块学懂、拼到一起。聚宽社区的开源氛围真的很好，感谢每一位分享策略的前辈。 数学滤波器很有意思。拉普拉斯、高斯这些信号处理领域的工具，用到金融数据上效果很好。作为小白第一次接触这些概念，说实话还没有完全吃透，后面还要继续啃论文和代码。 震荡期切换是ETF轮动的灵魂。没有这个机制，ETF轮动在震荡行情里会被反复打脸。有了红绿灯+冷却期，策略才能在"追趋势"和"认怂"之间优雅切换。 子账户隔离是个好设计。让两个策略各管各的，不争抢资金，不相互干扰。简单粗暴但有效。 最后还是那句话：风控是一切的基础。不管是小市值的五道防线，还是ETF的分钟级止损，核心都是同一个信仰——先活着，再赚钱。 六、实战检验 说得再好不如跑起来看。我已经把这套「小市值+ETF轮动_双龙出海」策略上传到了 9db量化竞技场，用真实模拟盘每天跑。 欢迎围观、拍砖。在9db上可以看到每天的交易记录、持仓变化、收益曲线。比回测更真实，因为是每天实时跑的——好不好，跑几周就知道了。 也欢迎大家去看看其他大佬的策略表现，和自己的策略做个对比。量化这条路，闭门造车不如多看多学。 作为一个刚入门的量化小白，文中很多理解可能不够深入甚至有偏差，欢迎各位大佬在评论区指正。也特别感谢社区里那些无私分享策略和思路的前辈们，没有你们的开源精神，就没有这篇学习笔记。 免责声明：以上内容仅为个人学习记录，不构成任何投资建议。股市有风险，投资需谨慎。 最近的股市行情，让不少散户朋友感到“苦不堪言”。我也知道你们难，每天盯盘复盘，甚至焦虑到夜不能寐。但我要泼一盆冷水：在交易的世界里，盲目的努力往往是负债。如果交易逻辑不对，越努力，可能亏损得越快。 今天我要分享的这十条交易口诀，当年只在极小的圈子里传阅。它们是老手们用血和泪换来的看家本事，是真金白银和数轮牛熊周期冲刷出的“生存底牌”。 我曾在券商工作多年，亲眼见过无数人破产，也见过少数人把小资金做成天文数字。最让我印象深刻的是“老臣”——早年一个挖煤矿发家的爆发户。他没有任何高超的技术背景，学历也一般，但他却成了圈内有名的顶级游资。他的秘诀很简单：不再自己瞎琢磨，而是站在成功者的肩膀上，将交易打磨成一套机械执行的系统。 如果你还在迷茫，请把这套口诀刻在心里。如果你觉得不好用，我随时接受你的“灵魂拷问”。 1.高位时的“反直觉”：别在风险转移时接棒 在股价高位时，普通散户的直觉往往是错的。看到放量拉升就觉得“人气爆棚”想冲进去，看到缩量横盘就觉得“没戏了”赶紧下车。这恰恰落入了主力转移风险的圈套。 “高位无量要拿，拿错也要拿；高位放量要跑，跑错也要跑。” 深度分析： 高位“无量”说明主力筹码高度锁定（锁仓），行情大概率还没走完，此时下车多半会拍断大腿。而高位一旦出现“巨量炸开”，别以为是承接力强，那其实是主力在制造虚假繁荣，利用流动性完成筹码向散户的换手出货。散户眼中所谓的“机会”，往往是主力换手出逃的掩护。记住，高位巨量不跑，等待你的可能就是长达数年的“高位站岗”。 2.低位布局：识别主力亮牌前的暗流 低位博弈，拼的是耐心，读的是“量在价先”的真理。 “低位放量要跟，量在价先。” 深度分析： **●**低位无量要等： 没人气、没成交并不代表这只票没戏，只是主力还没到亮牌的时候。除了那些毫无生气的“杂毛股”，此时需要静观其变，不必急于入场。 **●**低位放量要跟： 股价在底部突然放量，意味着筹码开始从散户手中向主力聚集。这是主升浪爆发的前兆，是资金入场的明确信号。在这个阶段，读懂成交量这个“先行指标”，比盯着波动看更有意义。 3.量价的共振与背离：识破“对倒”的骗局 学会识别主力“对倒”制造的假象，是你保护本金的关键。 **●**量增价平（撤退信号）： 钱在大笔砸入，股价却原地踏步。这往往是主力在通过对倒制造虚假成交量，实则在偷偷撤退。 **●量增价升/**量平价升（上车信号）： ♦****量增价升是典型的多头号角，必须果断跟进。 ♦****量平价升则说明量能极其稳定，上方几乎没有抛压，上升趋势已经稳固形成。 **●**量平价跌（出局信号）： 当量能枯竭伴随股价阴跌，这是趋势转弱的先兆。此时别谈什么“信仰”，离场是保命的唯一选择。 4.趋势与缺口：资金强度的“质量测试” “淹死的都是会游泳的”，这句话送给那些总想在弱势行情里秀操作的技术派。在趋势面前，个人技术微不足道。 “大盘破位，空仓为王。” 深度分析： **●**顺势而为： 交易的第一条铁律永远是顺势。大盘趋势一旦破坏，再牛的高手也要收手。保住本金永远是第一优先级。 **●**缺口的价值： 带有跳空缺口的上攻，尤其是突破性缺口，如果回踩而不补，这就是最强的质量测试。它说明资金根本不想给任何人拿便宜筹码的机会，这是强弩之势。 **●**年线的生命力： 年线是股市的“生死分界线”。年线走平要高度警惕，说明趋势在激烈拉扯；而当年线上翘后的回踩，往往就是所谓的“黄金坑”，是难得的布局机会。 5.交易的底层哲学：系统胜过勤奋 市场从不讲道理，它只讲筹码交换。真正的赢家，从来不是最勤奋的那批人，而是能将逻辑打磨成系统并严格执行的人。 正如当年的老臣，他明白悟道的本质其实就是：放下一边倒的消息和基本面，回归纪律和心态。交易的第一条是纪律，第二条是心态。所谓的成功，就是不再受盘口波动的诱惑，只在系统发出信号时扣动扳机。 结语 股市不是比谁做得多，而是比谁活得久。当你能够冷静地对照口诀，剥离贪婪与恐惧的直觉，识别出主力的进退路线时，你就已经站在了成功者的肩膀上。 在下一次面对盘中“巨量拉升”的诱惑时，你会选择追随那种让你“血脉偾张”的直觉，还是选择坚守这套用血泪换来的交易系统？点个关注，我陪你一起在这个残酷的市场中，打磨出属于你自己的生存体系。 在港股数据归集、策略回测与实盘建模过程中，港股通标的定期、临时变动是造成回测失真、历史统计出错的高频诱因。不少研究人员直接将标的清单固化在代码配置中，忽略标的增减对应的生效时点，最终出现历史回测与实盘口径不一致问题。结合项目落地经验，从监管规则、日期判定、数据获取、工程优化几个维度做技术分享。 一、标的调整规则与生效时间逻辑 港股通标的调整由沪深交易所、港交所协同划定，分为季度定期调整与突发事件临时调整两类，所有变更细则以交易所官方公告为基准。公告关键要素包含调整类型、证券代码、基准参考日、正式生效日四项内容。 公告披露日期和实际生效日期并不统一，监管预留过渡期用于券商、清算机构完成系统参数配置： 季度定期调整：常规在公告发布后的第二个交易日正式生效； 临时异动调整：受退市、长期停牌等因素触发，生效区间多为公告后 1~3 个交易日。 实操举例：标的剔除公告于周三披露，个股通常延后数个交易日起移出港股通可交易标的池。 二、生效日期的两类获取方案 1. 人工查阅公告 从三大交易所官方披露平台调取公告文本，手动提取标的变更及生效时间，适合小范围标的抽样核验，难以满足批量自动化数据运维需求。 2. API 动态拉取（量化工程优选方案） 自动化数据架构下，通过接口动态同步标的范围与生效日期是标准化方案。多数通用行情接口仅返回当日有效标的，如需回溯历史变更时点，需接口支持变更明细与生效字段输出。 日常研究工作中借助 AllTick API 获取港股盘口与标的归属信息，接口同步附带港股通变更生效时间字段，以下为 WebSocket 订阅参考代码： import websocket import json ws_url = "wss://ws.alltick.co/stock" def on_message(ws, message): data = json.loads(message) # 数据包包含tick行情、港股通准入状态、标的调整生效日期 print("收到数据:", data) def on_open(ws): subscribe_msg = { "action": "subscribe", "stocks": ["00001.HK", "00700.HK"] } ws.send(json.dumps(subscribe_msg)) def on_error(ws, error): print("WebSocket错误:", error) def on_close(ws): print("WebSocket关闭") ws = websocket.WebSocketApp( ws_url, on_message=on_message, on_open=on_open, on_error=on_error, on_close=on_close ) ws.run_forever() 依托接口实时同步，系统可按任意历史日期精准判别个股是否隶属于港股通，有效支撑历史数据拼接、多周期回测建模。 三、量化建模与数据处理关键要点 杜绝代码内硬编码标的清单：季度常态化调样持续变更成分范围，静态清单会随时间逐步偏离真实市场结构； 以生效日期作为数据拆分边界：新增标的自生效日纳入统计样本，剔除标的从生效日起剔除，统一回测统计口径； 持续监控临时非标调整：突发风险事件带来的临时增减无固定周期，依托接口动态更新能够规避非常规变动带来的数据漏洞。 结语 港股通标的生效时间依托成熟的监管规则，小体量基本面研究可依托公告人工整理，系统化量化项目建议接入行情接口实现标的与生效日期动态管理。围绕生效日期搭建数据筛选逻辑，是提升数据源可信度、优化回测与实盘拟合度的重要一环。 在长期的量化策略研究与模型迭代过程中，我发现多数短线策略回测失真的核心原因，往往不在于算法逻辑，而在于行情数据颗粒度不足。标准行情数据源仅保留固定周期的K线与逐笔明细，盘中瞬时的盘口状态、小幅价格波动、量能微妙切换等高频细节都会被抹平。 这就导致很多短线模型在回测阶段表现优异，落地实盘却频繁失效。为了解决高频策略的数据偏差问题，我搭建了一套定时行情快照采集工具，通过实时行情接口持续抓取盘面状态，以5秒为固定周期完成全域标的数据存档，为短周期策略复盘、盘口规律统计、模型精度优化提供精细化的原始数据支撑。 这套工具的整体实现逻辑十分务实：持续订阅实时行情数据流，将动态刷新的盘口信息进行内存缓存，再通过定时任务完成数据切片落地。整体开发门槛较低，程序运行稳定性强，能够完美适配个人量化研究者的日常数据积累需求。 一、实时行情数据流订阅与缓存搭建 在高频数据采集场景中，轮询式数据请求存在延迟不稳定、接口请求冗余、容易丢失瞬时数据等问题，因此行业内主流方案均采用WebSocket长连接推送模式。建立稳定连接后，只需提前配置需要监控的标的列表，即可被动、持续接收全量Tick行情数据，最大程度贴合实时盘面变化。 在我的量化工具迭代过程中，会采用AllTick API稳定的推送服务作为行情数据源，保障高频采集场景下的数据完整性与低延迟特性。完整的行情订阅与本地缓存实现代码如下： import websocket import json current_snapshot = {} def on_message(ws, message): data = json.loads(message) symbol = data.get("symbol") if symbol: current_snapshot[symbol] = data def on_open(ws): req = { "action": "subscribe", "symbols": ["AAPL", "TSLA", "MSFT"] } ws.send(json.dumps(req)) ws = websocket.WebSocketApp( "wss://api.alltick.co/stock", on_message=on_message, on_open=on_open ) ws.run_forever() 代码中的 current_snapshot 字典是整套采集系统的核心枢纽，它会实时覆盖更新每一个订阅标的的最新盘口数据，始终保存当前最新的盘面状态，为后续定时快照存储提供完整、实时的数据基底。 二、基于多线程的5秒周期快照落地方案 市场行情是连续不间断波动的，但量化建模与数据分析需要结构化、离散化的时序数据。为了实现连续数据流的精准切片存储，我采用多线程分离的架构设计，将行情接收与数据存储逻辑解耦。 单独开启独立守护线程，以5秒为固定时间间隔，周期性读取内存中的最新缓存数据，批量写入本地文件或数据库，实现自动化、无人值守的数据采集。具体实现代码如下： import time import threading def save_snapshot(): while True: time.sleep(5) ts = time.strftime("%Y-%m-%d %H:%M:%S") for symbol, data in current_snapshot.items(): price = data.get("price") volume = data.get("volume") with open("snapshot.csv", "a") as f: f.write(f"{ts},{symbol},{price},{volume}\n") threading.Thread(target=save_snapshot, daemon=True).start() 该本地化CSV存储方案结构简洁、无需复杂配置，适合中小规模标的监控场景。若研究过程中需要同时订阅数十乃至上百只标的，可将存储逻辑升级为批量异步写入或数据库持久化，有效规避高频读写带来的性能瓶颈，保障系统平稳运行。 三、高频采集场景的数据优化策略 5秒级的高频采样模式，在多标的监控场景下会持续生成海量时序数据，若不做优化，容易出现文件冗余、读写卡顿、数据检索低效等问题。结合长期量化数据积累的实战经验，分享三套适配个人研究场景的轻量化优化方案： 第一，精简数据存储维度。舍弃行情数据中冗余的非核心字段，仅保留时间戳、标的代码、最新价格、成交量等模型回测必需的核心参数，在不影响研究精度的前提下压缩数据体积。 第二，优化IO读写逻辑。摒弃单条数据逐行写入的低效模式，采用批量攒批、异步写入的方式，降低频繁磁盘操作带来的性能损耗，提升程序运行效率。 第三，建立历史数据归档机制。定期对过期的历史快照数据进行分档存储与压缩处理，避免单一文件体积过大，保障长期数据采集与后续数据检索、分析的效率。 需要明确的是，行情快照数据与逐笔成交明细属于两类不同的研究数据源。快照数据记录的是特定时间节点的全局盘口静态状态，更适配短周期趋势研判、高频策略回测、盘口状态相关性分析等场景，是短线量化研究的核心数据之一。 四、5秒采样周期的量化逻辑解析 不少量化研究者在搭建快照系统时，都会纠结采样周期的参数选择。这个参数的核心取舍逻辑，是平衡数据信噪比与行情捕捉完整性。 1秒级的超高频采样会收录大量市场随机噪音，无效数据占比极高，不仅增加存储压力，还会干扰模型的特征提取；而10秒及以上的长间隔采样，时间颗粒度过于粗放，会丢失短线快速异动、瞬时量能拐点等关键交易信号，无法支撑高频策略的精细化回测。 经过多轮实盘测试与数据对比，5秒是适配短线量化研究的最优折中参数，既能完整捕捉有效短期行情波动，又能合理控制数据体量，适配绝大多数个人高频策略的研究需求。 五、实战运行效果与应用总结 我曾基于这套架构，长期对数十只标的进行不间断数据采集，实测系统延迟稳定维持在数十毫秒级别，数据同步精度较高。相较于传统手动抓数、平台导出历史数据等方式，自动化快照采集体系实现了时序数据的连续性与可控性，极大方便了后续的数据统计、可视化分析与策略迭代优化。 从量化应用角度来说，这套工具的落地门槛较低，核心稳定运行的关键仅有三点：可靠的行情长连接通道、精准的标的订阅配置、稳定的数据持久化逻辑。满足这三个条件，即可长期稳定完成数十至上百只标的的高频快照采集，为策略回测、模型优化、盘口规律研究提供高质量的精细化行情数据集，有效解决短线量化模型回测失真、拟合不准的行业常见问题。 
