本文提供了在群晖NAS上部署Supernote私有云服务的完整指南。文章详细介绍了从准备工作到最终部署的全过程，包括环境确认、目录结构设置、权限配置、Docker容器部署等关键步骤。特别针对国内用户可能遇到的网络问题，提供了配置国内镜像源的解决方案。指南中还标注了多个实际部署中可能遇到的"坑点"及其解决方法，如权限设置问题、Docker容器写入权限问题等。通过清晰的架构图和分步

摘要： 本文记录了作者在Synology NAS断电导致Supernote私有云崩溃后的48小时恢复过程。关键问题表现为登录报错TooManyResultsException，排查发现数据库多表残留数据及Docker网络配置错误（未使用自定义网络）。解决方案包括：1）完整备份设备数据；2）通过官方云中转数据；3）设备恢复出厂设置；4）重建私有云服务，确保mariadb、redis、notelib、

qteasy是一款专为量化交易设计的本地化工具包，具有以下核心特点： 本地化全流程：支持数据获取、回测、优化、模拟交易全流程本地运行，保障隐私和可控性 防未来函数机制：通过数据窗口注入方式，确保回测仅使用"当时可见"数据，提高可信度 高效向量化计算：采用NumPy+Numba实现高速回测，支持多进程并行优化 策略组合灵活：内置70+策略，支持积木式多策略组合和参数优化 国内市场

本文介绍如何使用qteasy量化交易框架创建大小盘轮动交易策略。qteasy是一个功能全面的Python量化交易工具，支持数据获取、策略回测、参数优化和实盘交易。文章展示了如何通过内置的"ndayrate"策略实现轮动选股逻辑：比较两个指数20日涨幅，选择涨幅较大的持有。具体步骤包括创建Operator对象、配置策略参数（如选股数量、排序方式等），并提供了详细的策略文档查询方法

量化投资：投资组合的评价和可视化、alpha阿尔法beta贝塔volatility波动率sharp夏普率等常用评价指标的含义、计算公式以及代码详解alpha阿尔法系数beta贝塔系数volatility波动率sharp夏普率MaxDrawdown最大回撤投资结果评价可视化..................

我们今天使用qteasy来回测一个集合竞价选股交易策略，qteasy是一个功能全面且易用的量化交易策略框架，Github地址在这里。使用它，能轻松地获取历史数据，创建交易策略并完成回测和优化，还能实盘运行。项目文档在这里。为了继续本章的内容，您需要安装qteasy【教程1】，并下载历史数据到本地【教程2、），详情可以参考更多教程【教程3】。建议您先按照前面教程的内容了解qteasy的使用方法，然后

Python量化交易——利用tushare和mplfinance生成K线图tushare介绍mplfinance介绍获取K线数据处理数据数据的可视化更多的效果tushare介绍tushare是一个立足于国内的金融数据包。通过它可以相当容易地获取包括股票、基金、期货在内的大量金融数据，使用非常简便而且基础功能免费。tushare的早期版本是完全免费的，不过功能也相对单一，后来升级到了tushare

需要大量使用金融历史数据做量化交易的同学们看过来！使用qteasy量化交易工具包，只需要做简单的配置，就可以用几行代码将网上的大量金融数据统统下载到本地，建立一个本地数据仓库。股票、基金、指数、上市公司信息、财务报表、宏观经济。。。一应俱全！

详细地讲解如何使用matplotlib生成一张专业的量化投资回测结果数据可视化仪表盘，完整而又主次分明地展示投资回测结果的所有关键信息。

qteasy使用教程第四节，介绍了如何使用混合器blender，将多个相对比较简单的交易策略混合成一个较为复杂的交易策略。