笔记列表-低调大师优秀个人博客

文章列表

共 222621 篇

2026-09-20

用 Python 生成文件清单：把路径、大小和 SHA-256 分开记录

用标准库生成JSON文件清单，逐项记录读取失败和读取期间变更，说明哈希比对能够解决的问题及其边界。

阅读约6分钟

2026-09-20

量化交易为什么要用云服务器？和本地电脑的区别

量化交易之所以要用云服务器而不是本地电脑，根本原因在于量化系统（尤其是实盘）需要 7×24 小时不间断、稳定地运行，而本地电脑天然做不到这一点。本地电脑面临不能一直开机、怕断网断电、系统更新重启、网络

阅读约8分钟

2026-09-20

把回测任务放到云服务器批量跑的方法

把回测任务放到云服务器批量跑，是提升大规模策略研究效率的实用方案，完整流程分五步：准备策略与参数组合、把代码和数据同步到云服务器、用多进程并行批量执行回测、收集汇总各回测的绩效结果、对比筛选出优质策略

阅读约10分钟

2026-09-20

将蓝耘元生代DeepSeek-v4.1-flash 接进Hermes agent：用 TrendRadar 做一份有出处的 AI 日报

每天看 AI 消息，很容易陷入一种循环：刷了不少标题，真正值得打开的却没有几条。模型发布、Agent 工具、企业客户案例混在一起，热闹归热闹，和自己有什么关系，还得重新判断。

阅读约34分钟

2026-09-20

大规模历史数据回测的性能优化

大规模历史数据回测的性能优化，目标是让海量数据、多策略、多参数的回测跑得更快。核心方法包括：代码层面的向量化计算（避免 for 循环）、高效的数据读取与缓存、减少重复计算、使用并行计算（多核、多进程同

阅读约11分钟

2026-09-20

如何让回测结果更接近实盘

让回测结果更接近实盘，核心是让回测尽可能还原真实交易环境，关键做法包括：真实地计入交易成本（滑点、手续费）、考虑成交的可行性（不是想成交就能成交）、避免未来函数、使用高质量完整数据、合理模拟订单执行时

阅读约10分钟

2026-09-20

回测绩效指标怎么看：夏普、卡玛、胜率

看懂回测绩效指标，是判断一个策略好坏的基本功。核心指标可以分成四类：收益类（累计收益、年化收益）、风险类（最大回撤、波动率）、风险调整类（夏普比率、卡玛比率）、交易类（胜率、盈亏比）。看指标的关键不是

阅读约10分钟

2026-09-20

193 · Python 统计抽样与可视化：把抽样从"拍脑袋"变成"可复核的透明流水线"

问题审计抽样规模常年被拍脑袋：风险高就多抽几张、时间紧就少抽几张，样本量没有统计依据，复核时也说不清“为什么是这个数”。监管和质控都要求抽样规模可归因于风险水平与可容忍误差。本篇用 Python 把抽样流程标准化，让每一步都可追溯、可复核。

阅读约3分钟

2026-09-20

A股实时看板接入批量行情前，先解决三类工程问题

大规模 A 股实时看板的难点通常不在于能不能拿到一批行情，而在于行情进入量化监控之前，是否已经被整理成稳定、可追踪、可校验的数据流。否则，看板上看似只有几列价格和涨跌幅，实际会把标的池漂移、接口限流、时间戳异常、字段口径不一致等问题放大到告警、排序、风控和策略观察中。

阅读约21分钟

2026-09-20

回测中的常见陷阱：未来函数与幸存者偏差

回测中有几个"隐形杀手"，会让回测结果看起来很美、实盘却一塌糊涂，最常见的四大陷阱是：未来函数（用了当时拿不到的未来信息）、幸存者偏差（只用了如今still存在的标的、忽略了已退市的）、过拟合（参数过

阅读约10分钟

2026-09-20

蓝耘元生代实战：用 LangExtract 把长篇故障复盘做成可交互的证据台

故障复盘整理成表格后，最容易丢掉的不是信息，而是上下文。两场事故可能涉及同一个服务；“怀疑证书过期”和“已经确认证书过期”也只差几个字。若只保留模型生成的一段总结，后续很难判断这条结论来自哪句话、属于哪次事故。

阅读约39分钟

2026-09-20

策略回测完整流程：从数据到绩效报告

一个完整的策略回测流程包括七个环节：准备历史数据、定义策略逻辑、生成交易信号、模拟持仓与交易执行、计入交易成本、计算绩效指标、生成绩效报告。每个环节都有需要注意的关键点，比如数据要干净、信号要避免未来

阅读约12分钟

2026-09-20

视频转文字用什么工具？2026免费视频转文字软件推荐，选对少走弯路！

很多人都有视频转文字的需要。比如口播视频想提取文案，网课想整理成文字，或者会议录像需要转成逐字稿和会议记录。

阅读约11分钟

2026-09-20

什么是策略回测？为什么它决定成败

策略回测，是用历史数据模拟一个交易策略在过去的表现，从而评估它是否可行的过程。它之所以在量化中如此重要、甚至"决定成败"，是因为回测是策略上实盘前唯一能低成本检验其有效性的手段——它能帮你在不花真钱的

阅读约8分钟

2026-09-20

真正做好产品，你得懂如何教育用户｜兰亭妙微ui设计分享

不少设计师都会遇到这样的困境：交互流程通顺合理，视觉表现也没有硬伤，但新功能上线后使用率低迷，营销活动转化不及预期。反复排查界面却找不到问题，很大概率是忽略了用户教育这件事。兰亭妙微在多年 B 端、C 端项目实践中发现，很多产品失败，不是功能做得不好，而是没能让用户理解、接受，按照产品预期完成行为。

阅读约4分钟

2026-09-20

如何构建自己的量化数据仓库

构建自己的量化数据仓库，是把零散的数据获取、存储、管理整合成一个统一、规范、可持续维护的数据体系。它通常包括几个核心组成：数据采集层（统一抓取各类数据）、数据清洗层（统一清洗规范）、数据存储层（分类存

阅读约10分钟

2026-09-20

兰亭妙微UI设计设计师成长指南：器、势、人

在兰亭妙微带过很多新人和转行设计师，被问得最多的一个问题就是："我怎样才能成长为一名真正有价值的交互设计师？"

阅读约6分钟

2026-09-20

海量金融数据如何高效存储与查询

海量金融数据的高效存储与查询，核心在于针对时序数据的特点做优化，关键方法包括：选择适合时序数据的存储引擎（如时序数据库）、合理的数据分区（按时间分区）、有效的数据压缩、建立恰当的索引、以及数据分层管理

阅读约9分钟

2026-09-20

量化交易数据存储方案：数据库怎么选

量化交易的数据存储方案，主要在三类之间选择：本地文件（CSV、HDF5 等，适合小规模、个人学习）、关系型数据库（如 MySQL，适合结构化数据、中等规模）、以及时序数据库（专为时间序列数据设计，适合

阅读约10分钟

2026-09-20

从零构建一个零依赖的数据库迁移工具：架构设计与技术选型

为什么选择 Go + WailsDBBridge 的技术栈是 Go（后端）+ Vue 3（前端）+ Wails（桌面框架）。这个选择背后有几个关键考量：

阅读约6分钟

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。

文章列表

用 Python 生成文件清单：把路径、大小和 SHA-256 分开记录

量化交易为什么要用云服务器？和本地电脑的区别

把回测任务放到云服务器批量跑的方法

将蓝耘元生代DeepSeek-v4.1-flash 接进Hermes agent：用 TrendRadar 做一份有出处的 AI 日报

大规模历史数据回测的性能优化

如何让回测结果更接近实盘

回测绩效指标怎么看：夏普、卡玛、胜率

193 · Python 统计抽样与可视化：把抽样从"拍脑袋"变成"可复核的透明流水线"

A股实时看板接入批量行情前，先解决三类工程问题

回测中的常见陷阱：未来函数与幸存者偏差

蓝耘元生代实战：用 LangExtract 把长篇故障复盘做成可交互的证据台

策略回测完整流程：从数据到绩效报告

视频转文字用什么工具？2026免费视频转文字软件推荐，选对少走弯路！

什么是策略回测？为什么它决定成败

真正做好产品，你得懂如何教育用户｜兰亭妙微ui设计分享

如何构建自己的量化数据仓库

兰亭妙微UI设计设计师成长指南：器、势、人

海量金融数据如何高效存储与查询

量化交易数据存储方案：数据库怎么选

从零构建一个零依赖的数据库迁移工具：架构设计与技术选型

资源下载

腾讯云软件源

Rocky Linux

Sublime Text

WebStorm

欢迎您来访！