ONquant基于Matlab的事件驱动量化回测框架

这个存储库包含支持ISCAS 2018论文的代码，用于基于事件的传感器的FPGA光流。代码位于Matlab文件夹中，提供了用于完全精确实现平面拟合算法的脚本“full_precision_plane_fit”，以及用于仿真每个模块的“verify_vhdl_simulations”。

Hikyuu是目前基于C++和Python实现的最快速的优秀回测工具。

Hikyuu 的回测速度真挺让人惊喜的，底层用 C++搞性能，Python 搞灵活，跑策略快得飞起。你要是习惯在 Windows 上搞事儿，2.0.3 版本加 Python 3.9 的组合，挺稳，装起来也方便。 Hikyuu 的多周期比较顺滑，常见的日线、分钟线切换都不卡，响应也快，策略逻辑清晰。代码也挺好上手的，比如自定义一个均线策略，用MA(n)配合CROSS判断买点，几行搞定。 安装包是完整的，一键装完就能跑，不用自己再去凑库，省事。哦对了，如果你是新手，建议先看下它的离线文档，结构清楚，还有示例。 安装环境建议你就按推荐的 Python 3.9 来，其他版本像 3.12 也有套件，不过

构建事件驱动架构：Apache Kafka 流服务设计模式 本书深入探讨构建事件驱动系统的核心概念和模式，重点关注 Apache Kafka 作为流服务的应用。您将学习如何： 设计和实现高性能、可扩展的事件驱动架构。 利用 Apache Kafka 的强大功能来构建可靠的流处理管道。 掌握事件驱动模式，例如事件溯源、CQRS 和 Saga，以解决分布式系统中的常见挑战。 探索实际案例研究，了解事件驱动架构如何在不同领域中应用。 通过本书，您将获得构建现代、响应式应用程序所需的知识和技能，这些应用程序能够实时响应不断变化的业务需求。

罗贝科提供了三个Jupyter书签，包括ERC_CDaR和HRP C_DaR的回测分析。ERC_CDaR采用标准差、风险标准价值和风险条件性提款等不同风险度量，与同等加权和最小方差策略进行比较。HRP C_DaR利用层次聚类机器学习方法进行回溯测试。统计分析显示它们的锐化率在p_val = 0.023和p_val = 0.02水平上显著异于基准策略。此外，还介绍了一款名为《Hearts of Fire》的网格世界游戏，玩家需收集心脏以避免触发炸弹，尝试使用强化学习优化游戏代理人的策略。

作者：Moeti Ncube 这是一份用于优化策略回测的代码。示例策略部分用于中频算法交易策略的开发；这些代码用于分析时间序列数据进行回测。代码适用于回测交易策略，其中时间序列的第一列是价格向量，交易指标位于第二列。使用NG期货合约进行交易，利用分时交易跟踪盈亏（NG在ICE上的分时约为70美元/合约，在NYMEX上为10美元/合约），超过17天，该策略在NYMEX上的收益约为1060美元，在ICE上为7427美元。数据存储在第一列，包括一项专有指标，用于追踪市场速度，存储在第二列。此代码可调整以合并其他数据集或指标，只需假设基本策略概述如上所述。这是真实策略的简化版本，真正的买入/卖出指标更

在Devistator回测平台中，夏普比率的计算代码以C++实现，因其性能优越。在使用此平台时，可以在不到一秒内读取两年的一分钟数据，确保高效回测。代码通过创建策略类并将条形图馈送至该类，有效避免了前瞻性偏差，从而消除了策略对未来价格走势的依赖。stratEval函数则用于评估给定策略和历史数据，计算多种性能指标，其中包括夏普比率。

P = -1:0.1:1，T = [-0.96 -0.577 -0.0729 0.377 0.641 0.66 0.461 0.1336 -0.201 -0.434 -0.5 -0.393 -0.1647 0.0988 0.3072 0.396 0.3449 0.1816 -0.0312 -0.2183 -0.3201]，建立了采用附加动量法的BP神经网络模型，结合matlab实现的方法进行了详细探讨。

sorbic是一个基于Python和PyPy的项目，构建分层分布式哈希表。这个数据库系统是事件驱动的，具有异步特性，能够在处理I/O操作时保持高效率，不会阻塞其他任务。它支持以JSON或其他类似文档格式存储和检索数据，非常适合处理结构化和半结构化的数据。sorbic的目标是融合NoSQL数据库的优势，包括灵活性、高可扩展性和高性能，提供强大的数据存储解决方案。利用PyPy的JIT编译器优化Python代码的运行速度，特别是对于数据密集型操作而言。事件驱动和异步编程使其在处理复杂工作负载时表现出色，适合现代数据处理需求。