以下我就按照最简单的，做一个策略，每天下午14点55分执行一次判断，需要订阅数据推送，订阅的数据，需要在重写的OnTick函数里面接收，然后在尾盘55分时候执行判断是不是符合规则。如果你需要通过程序化进行交易，你需要先和你的券商客户经理了解，有没有和掘金量化平台合作，有合作的话，自行申请量化交易权限以后，再找掘金平台提供指定券商的股票版本进行使用，不然是没办法盘中程序化交易的。合规说明：本文...

本文介绍了使用quartz包创建定时任务和任务监控的方法。通过创建定时任务来自动获取实时股价和历史股票数据，并使用Hosted服务实现程序的自动后台运行。通过添加注册定时任务服务并启动程序，可以监控定时任务的执行情况。定时任务的核心代码包括设置线程池、远程输出配置和创建定时任务。

本文介绍了Rust语言在量化交易中的应用实践，通过腾讯会议和非凸科技视频号进行直播。

zedeus/nitter nitter 是一个免费且开源的替代 Twitter 前端，专注于隐私和性能。受 Invidious 项目启发。主要功能和优势包括： 无 JavaScript 或广告 所有请求通过后端处理，客户端不与 Twitter 直接通信 防止 Twitter 跟踪 IP 或 JavaScript 指纹 使用 Twitter 的非官方...

通过扩展搜索空间和利用预训练的公式化 Alpha 集作为初始种子值以生成协同公式化 Alpha，本文提出了一种增强现有 Alpha 因子挖掘方法的方法，并以强化学习作为高效发现股票市场量化交易中已知指标（称为 Alpha 因子）的过程。我们使用信息系数（IC）和排名信息系数（Rank IC）作为模型的性能评估指标。通过使用 CSI300 市场数据进行实际投资模拟，我们观察到与现有技术相比的显著性能改善。

数据工程师、数据科学家和硬件工程师组成的团队在开发机器学习交易算法时可能会遇到陷阱，包括不与利益攸关方接触、忽视假设、缺乏监督、认为每个问题都需要算法解决、统计偏差和大数据范式的局限性。在交易系统中，有多种方法可以替代标准协方差，如最小协方差行列式、Ledoit-Wolf估计器、稀疏逆协方差和L1惩罚方法。这些方法可以提供稳健的协方差矩阵估计值，捕捉潜在的变量依赖性，并简化模型。

本文总结了关于投资组合绩效、波动率建模、对冲策略、能源市场交易、股市敏感性等方面的研究，涉及神经网络、深度学习、机器学习等技术在金融领域的应用。同时介绍了相关会议和研讨会的信息。

本文回答了学生们关于进入银行交易部门或HF的问题，认为在相应学校就读有帮助但不是必要条件。对于BB的交易，最难的部分是筛选，一旦通过了面试，不需要非常聪明就能得到这份工作。对于HF的面试要比银行难得多，但一旦有了工作，你就会发现它并不难。建议首先尝试进入高频/道具公司，如果无法进入，则尝试进入前三大BB，然后是前五大BB，接着是法国银行/DB/巴克莱银行，然后是其他纽约银行、瑞银。

该文介绍了使用剪枝技术的ML算法，以去除多余或不重要的交易规则。结果可分为四种情况，包括符合规则、意外结果规则、意外条件规则和双方意外规则。然而，方案2在统计上不重要，方案1需要设定结果长度，后件长度会随时间变化，需要同时解决漂移和优化的选择算法。此外，规则提取算法本身存在缺陷，如容易过度拟合、对变化不稳定、对噪音不稳定、非连续性和只找到局部最优解。

本文介绍了量化交易者需要掌握的编程语言和技能，强烈建议掌握Python、git、docker、GCP、SQL、Apache Airflow等工具。量化交易者还使用其他工具构建数据库、保护代码并安排脚本部署。Excel在量化交易中也有重要作用。

本文推荐了两本学习量化交易的好书，介绍了高频交易HFT系统的优化方法和技巧，如多进程架构、共享内存、网络加速设计、CRTP等。

本文讨论了强化学习RL和量化交易的问题。虽然RL是一种强大的人工智能方法，但它并不适合所有问题。在量化交易中使用它之前，需要考虑算法需要做出一系列决策、数据量、目标是否会改变以及是否有现有的模型等问题。结论是避免使用强化学习RL预测价格，而是用它来支持其他交易过程。

推荐三本量化交易的书籍，包括算法交易、高频交易和黑盒子。非结构化数据中寻找下一笔交易存在噪音、无关信息和重复信息等问题，会导致延误、错失机会和增加运营成本。同时，也会错过识别新兴趋势、潜在风险、交易者情绪、制度变化的机会。

本文介绍了如何使用K最近邻算法（KNN）预测价格走势和确定交易点。文章详细介绍了如何在Python中实现KNN算法创建交易策略，并通过测试数据集评估交易策略表现。最后，提供了一些调整代码的建议，以提高模型准确性和改进交易策略。

本文讨论了量化交易的多个层面，包括结构、功能、操作等，并提出了更多的级别来帮助交易者最大限度地利用机会。这些层次包括手法风格的可变性、灵活地改变数学程序和在选择整个方法方面的创造性。需要懂得足够数学、有好奇心、想象力和毅力来理解交易的运作方式。

本文介绍了套利交易、正期望值下注交易、相对定价和均值回归趋势等交易策略，提醒读者不要相信散户交易者的骗局。