摘要 本文介绍了一个基于本地逐笔数据的涨停板封板质量评分系统实现。系统通过重新计算真实封板时间、剔除虚假挂单后的封单金额和真实主力净流入三个核心特征，构建了四层架构的评分模型。作者分享了关键算法设计思路，包括首次封板时间识别、虚假挂单剔除和对倒单检测等技术细节，并总结了数据精度不足、阈值设置等实践中的经验教训。该系统经过半年验证，A档涨停次日胜率达78%，远高于普通打板策略的38%，有效识别了16

本文介绍了一个基于Python开发的股东持股变动监控系统，该系统可自动追踪大股东增减持行为和筹码集中度变化。系统主要功能包括：1）通过分析十大股东数据，识别股东的新进、增持、减持和退出行为；2）计算筹码集中度指标，包括前十大股东持股比例、赫芬达尔指数(HHI)等，判断筹码集中或分散趋势；3）专门追踪机构投资者（如基金、社保、QFII等）的持股变动。系统从本地数据接口获取股东数据、股票列表和财务指标

本文详细介绍了使用Python构建L2行情实时监控系统的完整链路，从数据接入到主力意图识别的全过程。系统分为四层架构：数据接入层采用异步批量拉取方式获取逐笔成交、十档盘口和L2指标数据；清洗聚合层将tick数据聚合成分钟K线并区分买卖方向；特征计算层基于主力净流入比率等5个核心特征识别主力行为；信号输出层生成吸筹、出货和洗盘三类交易信号。作者分享了系统实现中遇到的四个关键坑点，包括L2指标平滑处理

涨停板次日表现因子挖掘实战摘要 本文详细介绍了基于A股涨停板数据的量化因子挖掘全流程。通过对87,432次涨停板记录的回测分析，发现涨停板次日表现呈现"开盘微跌股票超额收益最高"的反直觉特征。研究揭示了4个关键子信号： 封板时间：集合竞价封板股票3天平均超额收益达5.7%，而14:00后封板的为-2.4% 封单金额：5亿以上大单封板股票超额收益7.8%，远高于小单封板 连板次数：第2板表现最佳（+

摘要： 高频因子研究中，IC衰减速度比IC值本身更能反映因子有效性。研究发现，半衰期超过15天的因子年化超额收益可达18.7%，而半衰期小于5天的仅4.2%。文章通过Python实战演示了IC衰减分析全流程，包括：1）数据准备（因子值、行情、收益数据）；2）计算IC序列；3）关键指标分析（当期IC、半衰期、累计IC）；4）因子分类（最优因子需同时具备高IC和长半衰期）。核心结论：衰减速度决定因子实

本文详细介绍了使用Python构建L2行情实时监控系统的完整链路，从数据接入到主力意图识别的全过程。系统分为四层架构：数据接入层采用异步批量拉取方式获取逐笔成交、十档盘口和L2指标数据；清洗聚合层将tick数据聚合成分钟K线并区分买卖方向；特征计算层基于主力净流入比率等5个核心特征识别主力行为；信号输出层生成吸筹、出货和洗盘三类交易信号。作者分享了系统实现中遇到的四个关键坑点，包括L2指标平滑处理

本文介绍了一种基于封板瞬间逐笔数据反推主力意图的Python实现方法。作者通过分析封板前后1分钟内的逐笔交易数据，提取4个关键特征：主力买入笔数占比、散户跟风笔数占比、主力对倒嫌疑和价格弹性，构建了主力意图识别系统。该系统对1872只涨停板样本的回测显示，主力拉升型涨停（占比16.7%）次日平均高开5.2%，5日后平均涨幅12.3%，胜率达78%；而主力出货型涨停（占比60.6%）则表现不佳。文章

本文介绍了一个用Python构建的盘中异动实时监控系统，旨在提前3-5分钟预警涨停板交易机会。系统采用三层架构：数据采集层获取实时行情和分笔数据；信号处理层通过多因子模型（成交量放大倍数、价格拉升速度、大单成交比例、封单强度）计算预警分数；预警输出层通过桌面通知推送信号。核心算法对四个特征指标加权评分（总分100分，60分触发预警），并提供了Python实现代码。该系统能有效捕捉主力资金介入信号，

摘要 本文分享了如何通过WorkBuddy结合本地数据(ig50)构建高效量化策略回测体系。作者比较了API回测和本地数据回测的差异：API回测50只股票耗时约11分钟，而本地数据方案通过多线程读取可将回测时间缩短至2分钟，效率提升近6倍。本地数据方案支持批量读取多只股票数据，并能实现多策略并行回测。WorkBuddy工具可以一次读取数据后运行多个策略，大幅提升回测效率，使量化策略开发更加高效便捷

本文介绍了一种基于ig50本地股票数据引擎的Python量化回测方法，重点构建多因子选股系统。ig50作为本地金融数据解决方案，具有极速读取、全市场覆盖、接口统一等优势，解决了在线API的网络延迟和调用限制问题。文章选取市盈率、市净率、净资产收益率和总市值四个经典因子，详细说明了数据接口（股票列表、历史K线、财务指标、实时行情）的结构和使用方法，并提供了完整的Python代码实现框架，包括环境配置