分类目录归档：个人量化
这个仓库是一个基于Python开发的股票/基金/可转债量化分析与自动化交易类项目，聚焦A股、港股、基金（LOF/ETF/私募等）、可转债等金融品种的全流程数据采集、分析、监控与交易执行，旨在通过代码化手段辅助炒股决策，核心特性和结构如下：
以量化思维实现金融数据的自动化采集、多维度分析、实时监控，同时支持部分自动化交易（如逆回购）和持仓管理，兼顾个人炒股决策辅助与量化策略落地，代码持续更新且支持策略交流扩展。
仓库按功能拆分模块化目录，核心模块如下：
| 目录/文件 | 核心功能 |
|---|---|
analysis/ |
股票数据分析核心：次新股涨停强度分析、股票“... |
WonderTrader 是一个基于 C++ 核心开发的量化交易开发框架，面向专业机构级用户，主打高效率、高可用，支持全市场全品种交易，覆盖量化交易从数据落地清洗、回测分析到实盘交易、运营调度的全环节，已支撑数十亿级的实盘管理规模。
针对不同交易场景设计了多类引擎，兼顾不同策略类型和性能需求： - CTA 引擎（同步策略引擎）：适用于标的少、计算逻辑快的策略（如单标的择时、中频套利），C++ 版本单次重算仅约 4.5 微秒； - SEL 引擎（异步策略引擎）：适用于标的多、计算耗时长的策略（如多因子选股、截面多空），时间...
这个仓库是阿布量化（abu） 开源量化交易系统，聚焦于量化交易的全流程实现，涵盖策略开发、回测、机器学习优化、多市场适配等核心能力，以下是详细介绍：
| 核心目录/文件 | 功能说明 |
|---|---|
abupy/ |
阿布量化系统核心源代码，包含回测、因子、数据管理、机器学习决策等核心模块 |
abupy_lecture/ |
量化使用教程（IPython Notebook 格式），是系统学习的核心文档 |
abupy_ui/ |
非编程用户的界面操作相关内容，降低非技术用户使用门槛 |
python//ipython/ |
《量化交易之路》示例代码，包含买入/卖出因子、机器学习集成、回测... |
easyquant 是一个基于 easytrader（交易）和 easyquotation（行情）构建的量化交易框架，借鉴了 vnpy 的事件引擎设计思想，主打轻量、易扩展，适配国内券商账户和免费行情源，适合快速搭建量化交易策略。
ht.json（华泰）、yjb.json（佣金宝）、yh.json（银河）、xq.json（雪球）填写账户信息（如用户名、加密密码等），适配 easytrader 的配置规范；Lean（Leading Event-driven Algorithmic Notification）是由QuantConnect开发并维护的全球领先的开源量化交易引擎，专为策略研究、回测优化和实时交易部署全流程设计，已成为量化金融领域最具影响力的开源项目之一。
| 项目信息 | 详细内容 |
|---|---|
| 开发维护 | QuantConnect（2012年创立），180+全球开发者贡献，全职工程师团队持续维护 |
| 开源状态 | 100%开源（MIT许可证），可本地完全独立运行，无平台绑定 |
| 核心语言 | 引擎核心C#编写，策略支持Python 3.11/C#双语... |
你想了解 QuantDinger 这款量化交易框架的详细信息，并获取其官方 GitHub 仓库地址，我会为你全面且易懂地梳理相关内容。
QuantDinger（量化叮铃）是一款面向A股市场的轻量级Python量化交易框架，核心设计目标是降低个人投资者和量化新手的入门门槛，让普通开发者能快速上手编写、回测和执行量化交易策略。
区别于JoinQuant、聚宽等重量级平台，QuantDinger 主打轻量化、本地化、易扩展，无需复杂的云端部署，仅需本地Python环境即可完成策略开发全流程，特别适合个人小资金量化、量化学习和策略验证。
Fincept Terminal 是一款面向金融领域的开源终端工具，专为金融从业者、量化分析师、开发者设计，核心目标是在命令行（Terminal）环境下提供轻量、高效、可定制的金融数据处理与分析能力，无需依赖笨重的GUI软件。
专业交易者20-60天多空组合系统化管理框架：基于核心流程的深度拆解
在20-60天中短期多空组合交易场景中，专业交易者与普通投资者的核心差异并非对单一市场信号的敏感度，而是是否具备一套经过验证的系统化决策流程。“Pro Trader Systematic Process / Long Short Portfolio Management”（专业交易者系统化流程/多空组合管理）框架，正是为解决中短期多空交易的“决策碎片化”与“风险不可控”痛点而生，精准构建了“理论锚定（Theory）-落地执行（Implementation）”的二元闭环体系。该框架将定量分析的客观数据支撑与定性判断的主观...
这张图是“时间跨度谱（The Time Horizon Spectrum）”，核心是按“天数”为维度，划分不同交易/投资类型的参与方、策略特点，用来区分散户与专业参与者的行为差异：
以“天数”为衡量单位，覆盖从1天到1250天的时间范围。
沿时间轴从短到长，分为4类角色/阶段： - Trading（交易）：对应1-5天左右的短时间跨度 参与群体：零售短期交易者（Retail S/T Traders）、算法交易（Algo’s）。
L/S PM（多空投资组合经理）：对应5-20天左右的时间跨度 特点：是零售交易者的“波动与学...
政策信息、资金量分析和个股技术形态分析，在实际的股票市场分析中，并非简单的并列或平权关系，而是一个相互作用、在不同市场阶段有主次之分的动态系统。
为了方便你理解，我将三者的作用与关联整理如下：
| 分析维度 | 作用机制 | 与其他因素的关联 |
|---|---|---|
| 政策信息 | 通过改变行业前景、公司盈利预期或市场情绪来影响市场。 | 触发资金流向变化，并在技术图表上（如关键位置突破）得到最终体现。 |
| 资金量分析 | 是市场的直接驱动力，决定了行情的力度和持续性。 | 响应并博弈政策预期，其合力结果是技术形态形成的原因。 |
| 个股技术形态分析 | 反映了市场多空力量博弈的历史结果和当前状态，是市场行为的直观记录。 | 滞后于政策... |