本文介绍了个人量化投资系统的开发规划，主要包含五大功能模块：股票数据采集、量化选股、交易策略配置、交易管理和舆情监控。系统采用Python技术栈，使用Flask框架进行全栈开发，实现轻量化敏捷开发。前端采用Layui+jQuery，数据采集使用BeautifulSoup爬虫。作为个人工具，系统注重实用性和自主性，暂不实现券商自动交易，而是采用手动交易结合预警提醒的方式。文章分享了系统设计思路和技术

本文介绍了利用自然语言处理技术实现股票舆情分析的量化投资方法。作者首先通过Python爬取个股新闻数据，尝试使用百度API进行情感分析，但发现通用模型在金融领域的适用性有限。随后改用SnowNLP框架，通过准备专业股票语料库重新训练模型，实现了更准确的股票情感分析。该方法解决了人工监测个股舆情效率低、主观性强的问题，为量化投资提供了自动化舆情监控工具。文章还展望了后续将分析结果导入数据库并构建BI

本文介绍了量化投资学习过程中股票BI驾驶舱的搭建过程。作者基于前期构建的股票数据仓库，通过对比多种BI工具（如Python+Superset、Tableau、FineBI等），最终选择FineBI进行可视化开发。文章详细说明了BI部署、数据连接、组件创建等步骤，展示了包含大盘指数趋势、企业盈利能力、最大回撤分析等功能的量化选股驾驶舱。该系统支持个股多维度分析，并实现每日邮件自动推送。后续计划将优化

本文介绍了利用自然语言处理技术实现股票舆情分析的量化投资方法。作者首先通过Python爬取个股新闻数据，尝试使用百度API进行情感分析，但发现通用模型在金融领域的适用性有限。随后改用SnowNLP框架，通过准备专业股票语料库重新训练模型，实现了更准确的股票情感分析。该方法解决了人工监测个股舆情效率低、主观性强的问题，为量化投资提供了自动化舆情监控工具。文章还展望了后续将分析结果导入数据库并构建BI

本文介绍了个人量化投资系统的开发规划，主要包含五大功能模块：股票数据采集、量化选股、交易策略配置、交易管理和舆情监控。系统采用Python技术栈，使用Flask框架进行全栈开发，实现轻量化敏捷开发。前端采用Layui+jQuery，数据采集使用BeautifulSoup爬虫。作为个人工具，系统注重实用性和自主性，暂不实现券商自动交易，而是采用手动交易结合预警提醒的方式。文章分享了系统设计思路和技术

最近股市可谓是冰火两重天，赛道股一路高歌，激流勇进，传统大白马却跌跌不休，淹没了不少韭菜。热门赛道不断切换，小匠也是看得眼花缭乱，大A四千多家上市公司，很多之前听都没听过的股票，乘着赛道这股东风连续几个涨停板，着实让人眼红，才发现大A各个板块原来隐藏着这么多优秀公司。小匠在想，为何没能及时发现此等价值股票持续关注。于是想到能否将自己的选股策略与计算机进行结合，通过机器来自动化选股，也即是今天要记录