D1引言从系统论的角度来看，股票市场是一个复杂系统，市场的涨跌是由资金流（市场资金存量、流入量、流出量）和回路（市场信息与交易者行为形成的各种反馈、调节、增强回路）非线性作用下的结果。换句...

01引言神经网络一开始是为了研究人脑图并了解人类如何做出决策，而算法试图从交易方面消除人类情绪的影响。我们有时没有意识到的是，人脑很可能是这个世界上最复杂的机器，并且众所周知，它可以非常有...

01引言近年来，深度学习在NLP领域取得了显著进展。由于时间序列本质上也是呈现出序列性，如果将预训练的转换器（transformers）模型应用在时间序列预测上，结果将会如何呢？不少学术论文（如参考文献[2]和[3]）对深度学习模型进行了深度探讨，但并没有展示出完整的情况。有趣的是，即使在NLP的案例中，一些人更倾向于将GPT模型的重大突破归功于“更多的数据和计算能力”，而非“更优秀的机器学习研究

引言随着金融数据的不断增长和复杂化，传统的统计方法和机器学习技术面临着挑战。深度学习算法通过多层神经网络的构建，以及大规模数据的训练和优化，可以从数据中提取更加丰富、高级的特征表示，从而提供更准确、更稳定的预测和决策能力。在金融领域，深度学习算法已经被广泛应用于多个关键任务。首先，风险评估是金融机构必须面对的重要问题之一。深度学习算法可以通过学习大规模的历史数据，识别隐藏在数据中的潜在风险因素，并

引言股票市场的波动往往存在一定的共振，尤其是同一个行业或主题概念的公司股票，当面临行业基本面的冲击时，其波动存在一定的相似性，即表现出同涨同跌。如果能通过交易行情数据对股票市场的波动结构...

01引言近年来，随着技术的发展，机器学习和深度学习在金融资产量化研究上的应用越来越广泛和深入。目前，大量数据科学家在Kaggle网站上发布了使用机器学习/深度学习模型对股票、期货、比特币等...

01引言趋势跟踪是量化交易中最常用的策略之一，它的核心理念是“顺势而为”。也就是说，当市场处于上涨或下跌趋势时，投资者应当跟随趋势，直到出现反转信号。然而，如何准确地识别市场趋势并避免滞后反应，是大多数投资者面临的挑战。在众多的技术分析工具中，ZLSMA（Zero-Lag Smoothed Moving Average，零滞后平滑移动平均） 和 加速带（Acceleration Bands） 这两

这一路走来非常感谢广大读者的支持

打造成个人量化投研分析开源库，目前包括数据获取（data）、可视化(plot)、选股(stock)和量化回测（backtest）四个模块

01引言在A股市场，随着上市公司数量的不断增长，投资者面临的选择也越来越多。然而，面对这样一个庞大而复杂的市场，如何从中挖掘出真正具有投资潜力的公司，便成了一项至关重要的任务。在这样的市场环境中，简单的直觉或基本的财务数据分析已远远不够。因此，投资者需要依靠强大的分析工具，以科学的方法来识别那些不仅财务健康而且具备成长潜力的公司。qstock 正是为满足这一需求而设计的量化分析工具。它能够帮助投资